一種用于安全監控系統的生產過程動態建模方法
【技術領域】
[0001] 本發明涉及安全生產過程的智能控制領域，具體的說是一種用于安全監控系統的 針對生產過程中傳感器失效的動態建模方法。
【背景技術】
[0002] 生產過程中，為保證人身財產安全，常使用安全監控系統對危險情況進行監測和 控制，以便將危害降至最低。安全監控系統由安全相關的控制器、傳感器和執行器組成， 其工作原理是控制器中預存有整個生產過程的狀態轉換模型，根據傳感器所發送的安全信 號，判斷生產過程當前所處于的狀態，然后針對危險狀態向執行器發送對應的安全處理命 令，從而防止或緩和危險發生的后果，保證生產過程的安全。
[0003] 安全監控系統對生產過程中危險狀態處理的及時性與正確性在很大程度上依賴 于傳感器對安全事件的獲取，但由于生產過程環境惡劣，電磁干擾問題嚴重，因此導致傳感 器失效的情況時有發生，為保證安全，傳統的安全監控系統在探測到傳感器失效后會直接 采取急停斷電的方式加以處理，但此時往往并沒有危險發生，失效的傳感器并不影響當前 生產過程的安全狀態，所以傳統的急停斷電方式大大降低了生產的效率。因此，在保證安全 的前提下如何最大程度的容許傳感器失效事件的發生，正成為安全監控系統當前研究和開 發的熱點。
[0004] 目前，現有技術中對安全監控系統建模方法的研究主要是基于離散事件系統展開 的，生產過程的狀態轉換模型是一種典型的離散事件系統。離散事件系統是一類由事件驅 動、狀態離散的系統，其內部狀態的演化過程完全由異步離散事件的發生順序所決定。針對 離散事件系統的這種特性，Ramadge和Wonham等人提出了一種基于自動機/形式語言模型 的監控理論，在這種理論基礎上，后續還有一些改進：其中，針對生產過程中傳感器失效建 模的最新研究成果是由Antonia等人提出的，稱為G pp建模方法，該模型在監測到傳感器失 效后，會將原有的狀態轉換模型進行冗余擴充，并假設每個狀態節點均有失效的傳感器事 件被觸發，從而進行重新建模。該建模方法雖然能夠解決傳感器失效的問題，但其缺點也顯 而易見：
[0005] (1)未曾考慮傳感器修復后的建模問題。傳感器的失效往往是由于電磁干擾造 成的，在經過一段時間以后又會恢復正常，而G pp建模方法僅定義了傳感器失效后的狀態變 遷，但卻沒有定義相關的逆變遷，一旦失效的傳感器恢復正常，該建模方法的設計將會使安 全監控系統進入阻塞；
[0006] (2)針對多個傳感器失效的問題，模型復雜度成冪級增長。每發生一次傳感器失效 事件，G pp建模方法便會對狀態轉換模型進行一次冗余擴充，模型內的狀態數和事件數均會 成倍增長，因此模型復雜度會隨著傳感器失效事件的數量呈2的冪次方級速度增長。
【發明內容】
[0007] 針對現有技術中存在的上述不足之處，本發明的目的是提供一種在保證生產過程 安全的前提下，針對傳感器失效進行快速重新建模的方法。
[0008] 為實現上述目的，本發明所采用的技術方案如下：
[0009] 一種用于安全監控系統的生產過程動態建模方法，包括以下步驟：
[0010] 步驟1、確定生產過程初始狀態模型和失效傳感器，以利在生產過程初始狀態模型 的基礎上，針對失效傳感器所表示的無法監測的事件，進行新模型的建立；
[0011] 步驟2、從生產過程的初始狀態X。開始進行新模型的建立，創建待融合狀態集合 Ω和已融合狀態集合〇,其中Ω的初始值為{{χ。}}，Θ的初始值為空；
[0012] 步驟3、針對集合Ω中的狀態集合X進行狀態融合，即在狀態集合X下充分考慮失 效傳感器事件的發生，將生產過程可能處于的所有狀態進行合并，其中X在初始建模時的 值為{χ。};
[0013] 步驟4、針對融合后的狀態集合X判斷是否需要進行事件擴充，如果不需要，則執 行下述步驟6 ;否則，執行下述步驟5 ;
[0014] 步驟5、針對融合后的狀態集合X進行事件擴充，以生產過程的初始狀態模型為基 礎，針對狀態集合X中的每個狀態，合并遷移事件，并將可能導致的遷移狀態放入集合Ω 中；以及
[0015] 步驟6、重復前述步驟3至步驟5,直至集合Ω為空，結束。
[0016] 進一步的實施例中，前述步驟1中，確定生產過程初始狀態模型和失效傳感器的 實現包括以下步驟：
[0017] 步驟1-1、從實際的正常生產過程中抽象出初始狀態模型；
[0018] 步驟1-2、確定生產過程所處于的每一個狀態X ;
[0019] 步驟1-3、針對生產過程中的每個狀態X確定會導致狀態改變的遷移事件的集合 E(X);
[0020] 步驟1-4、針對生產過程中的每個狀態X和該狀態對應的每個遷移事件e，確定遷 移事件e發生后所遷移至的狀態x t。= f(x，e);以及
[0021] 步驟1-5、由失效傳感器確定無法被監測的遷移事件的集合E_。
[0022] 進一步的實施例中，前述步驟3中，針對集合Ω中的狀態集合X進行狀態融合，其 實現包括以下步驟：
[0023] 步驟3-1、將狀態集合X從集合Ω中移出；
[0024] 步驟3 - 2、融合過程采用的融合函數為 W(A)=義UU,,: (3&匕,.,") [.v,,.,=/(>，)] 件的發生，導致系統遷移至的所有可能狀態的集合；利用UR(X)得到的狀態集合對X進行替 換；
[0025] 步驟3-3、重復上述步驟3-2,直到X == UR(X)為止，即沒有新的狀態融合進來， 融合狀態已擴充到最大。
[0026] 進一步的實施例中，前述步驟4中，針對融合后的狀態集合X判斷是否需要進行事 件擴充的判斷過程如下：
[0027] 步驟4-1、判斷狀態集合X中是否包含災難性狀態，如果包含，則不需要進行事件 擴充；否則，執行步驟4-2;
[0028] 步驟4-2、判斷狀態集合X是否已經進行過事件擴充，即判斷起?是否成立，如果 成立，則不需要進行事件擴充；否則，需要進行事件擴充。
[0029] 進一步的實施例中，前述步驟5中，針對融合后的狀態集合X進行事件擴充，其實 現包括以下步驟：
[0030] 步驟5-1、事件擴充過程采用的事件擴充函數為E(X) =U χΕΧΕ(χ)，取的是X中每 個狀態的遷移事件集合的并集；
[0031] 步驟5-2、獲取狀態集合X針對每個E(X)中事件發生后所遷移至的狀態集合，并 將這些狀態集合放入技術Ω中，所采用的獲取函數為X to = f(X，e) =U xEXf(x，e)，其中 e e E(X);以及
[0032] 步驟5-3、將狀態集合X放入已融合狀態集合Θ中。
[0033] 由以上本發明的技術方案可知，本發明提出的用于安全監控系統的生產過程動態 建模方法，與現有技術相比，其顯著優點在于：
[0034] (1)降低了模型復雜度：由于本發明方法在模型建立過程中使用了狀態融合過 程，在充分考慮失效傳感器事件發生的前提下，將生產過程可能處于的所有狀態進行合并， 從而使新模型的狀態達到高度集中，降低了模型復雜度；
[0035] (2)減少了模型生成時間：由于本發明方法有效控制了模型復雜度，因此同Gpp建 模方法相比，模型生成時間有了較為明顯的降低；
[0036] (3)提升了生產效率：由于本發明方法在模型建立過程中使用了事件擴充過程， 針對生產過程的每一個新模型狀態，將會導致狀態遷移的所有事件進行合并，從而使該狀 態下允許發生的遷移事件達到最大化，減少了遷移狀態的未知而導致的生產