基于多证据融合决策的间歇过程测量数据异常检测方法

刘伟旻，王建林，邱科鹏，于涛，赵利强



基于多证据融合决策的间歇过程测量数据异常检测方法

刘伟旻，王建林，邱科鹏，于涛，赵利强

（北京化工大学信息科学与技术学院，北京 100029）

间歇过程测量数据的高维、非线性、非高斯分布特征直接影响过程测量数据异常检测的准确性，为了融合多源数据异常检测信息，提升间歇过程测量数据异常检测精度，提出了一种基于多证据融合决策的间歇过程测量数据异常检测方法，该方法通过引入证据理论（Dempster-Shafer，D-S），采用主焦元判别伪证据和重新计算证据权重改进冲突证据处理方法，减小了冲突证据对多证据融合决策结果的影响，提高了间歇过程测量数据异常检测的准确率。构建了基于多证据融合的测量数据异常检测模型并将其应用到间歇过程测量数据异常检测决策判决中。实验结果表明，该方法能够融合多证据信息，有效地处理冲突证据，实现了间歇过程测量数据异常检测，降低了误检和漏检率。

间歇过程；D-S证据理论；冲突证据；多证据决策；测量数据异常检测

引 言

间歇过程作为工业生产中的一种重要生产方式，被广泛应用于精细化工、生物制药、食品、聚合物反应及金属加工等现代重要生产领域[1-3]。间歇过程在线检测技术及系统的不断进步，提供了丰富的过程测量数据，为过程在线监测与优化控制提供了基础和保障[4-7]。然而间歇过程现场检测仪表及系统出现性能衰减、故障、外界干扰等异常，直接导致过程测量数据的可靠性和准确性降低，严重影响过程测量数据的质量[8]，因此实现对间歇过程测量数据异常检测，能够有效地保障过程在线监测、优化控制等方法和技术的实施[9-10]。……