一种报警信息筛选过滤的组合实现方法[发明专利]

(12)发明专利申请

(10)申请公布号 CN 112149823 A(43)申请公布日 2020.12.29

(21)申请号 202010843632.X(22)申请日 2020.08.20

(71)申请人 汉威科技集团股份有限公司

地址 450001 河南省郑州市高新技术开发

区雪松路169号(72)发明人 郭伟明　杨相玉　徐长友　高天赐　

张晓娜　王开　(74)专利代理机构 郑州德勤知识产权代理有限

公司 41128

代理人 黄红梅(51)Int.Cl.

G06N 3/08(2006.01)G06K 9/62(2006.01)

权利要求书2页 说明书8页 附图1页

(54)发明名称

一种报警信息筛选过滤的组合实现方法(57)摘要

本发明提出了一种报警信息筛选过滤的组合实现方法，包括：实时获取报警数据并进行分析；当报警数据快速上升超过预定阈值并且在极短时间内回落为正常值时，判定为突变型报警，采用突变型报警信息过滤方法进行突变型报警数据过滤；当报警数据在相对固定的时间间隔或者在某个固定的时间段出现周期性变化，判定为周期性报警，采用周期性报警信息过滤方法进行周期性报警数据过滤；若为同一事件引起的周期性报警，则只对首次报警进行信息提醒和推送；若后续监测到报警数据继续上升并超过设定时长，则进行升级报警，否则，只记录报警信息，不进行推送提醒；若为同一事件引起的重复性突变型报警，则通过突变型报警信息过滤方法进行突变型报警数据过滤。

CN 112149823 ACN 112149823 A

权　利　要　求　书

1/2页

1.一种报警信息筛选过滤的组合实现方法，其特征在于，包括：实时获取报警数据并进行分析；

当报警数据快速上升超过预定阈值并且在极短时间内回落为正常值时，判定为突变型报警，采用突变型报警信息过滤方法进行突变型报警数据过滤；

当报警数据在相对固定的时间间隔或者在某个固定的时间段出现周期性变化，判定为周期性报警，采用周期性报警信息过滤方法进行周期性报警数据过滤；

若为同一事件引起的周期性报警，则只对首次报警进行信息提醒和推送；若后续监测到报警数据继续上升并超过设定时长，则进行升级报警，否则，只记录报警信息，不进行推送提醒；若为同一事件引起的重复性突变型报警，则通过突变型报警信息过滤方法进行突变型报警数据过滤。

2.根据权利要求1所述的报警信息筛选过滤的组合实现方法，其特征在于，所述突变型报警数据过滤方法为上升速率超阈值过滤：

预先设置上升速率阈值

其中，量程L是提供本报警信息的传感器的量

程，T90指在实验条件下，本传感器达到最大量程值90％的响应时间；

当监测数据超限时，计算监测数据的上升速率

其中，Xm为监测到的超

限数据，Xm-1为该超限数据前一位监测数据，Tm为监测到的超限数据的时间，Tm-1为该超限数

据前一位监测数据的时间；

比较Vm与Y阈数值大小，若Vm＞Y阈，则该报警数据判为无效报警，不做报警信息推送；若Vm≤Y阈，则该报警数据为有效报警，按已有报警流程进行报警信息推送。

3.根据权利要求1所述的报警信息筛选过滤的组合实现方法，其特征在于，所述突变型报警数据过滤方法为通过判断是否快速上升并快速恢复进行过滤：

定义某监测参数的报警上下限值分别为a、b，当监测值Xm≤b或Xm≥a时，暂不做报警推送处理；

若Xm+1与Xm同时具有Xm+1≤b或Xm+1≥a时，则判定Xm为有效报警，按已有流程进行报警信息推送；否则，判定Xm为无效报警，不做报警信息推送。

4.根据权利要求1所述的报警信息筛选过滤的组合实现方法，其特征在于，所述突变型报警数据过滤方法采用基于三层BP神经网络模型进行过滤：

获取同类场景下的监测历史数据，包含正常监测数据、需要过滤的突变型报警数据以及正常超限报警数据，组成学习样本集；

采用Levenberg-Marquardt算法作为非线性拟合训练函数，对提供的学习样本集进行模型训练：

定义输入向量X＝(x1，x2，x3，…，xn，)T，隐层输出量为Y＝(y1，y2，y3，…，ym，)T，输出向量O＝(o1，o2，o3，…，ol，)T，期望输出量D＝(d1，d2，d3，…，dl，)T，输入层到隐层的权重值用V表示，隐层到输出层的权重值用W表示；

当输出量O与期望量D不等时，存在偏差E，

2

CN 112149823 A

权　利　要　求　书

2/2页

将该误差展开至隐层，

进一步展开至输入层，

之后，对输入层到隐层的权重值V，隐层到输出层的权重值W进行调整，使得偏差E不断减小，

定义输出层和隐层的误差信号，

得出神经网络的学习算法权重值调整的计算公式：

当实时监测数据的变化规律符合过滤模型时，该报警会被标记为无效报警，不做报警信息推送。

5.根据权利要求1所述的报警信息筛选过滤的组合实现方法，其特征在于，所述周期性报警信息过滤方法为在监测点位进行手动标注，定义操作时间段内的超限报警为正常操作报警，只记录报警数据，不进行信息提醒和推送。

6.一种监控系统，包括存储器、处理器、以及存储在所述存储器上并可以在所述处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1-5任一项所述报警信息筛选过滤的组合实现方法的步骤。

7.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该计算机指令被处理器执行时实现权利要求1-5任一项所述报警信息筛选过滤的组合实现方法的步骤。

3

CN 112149823 A

说　明　书

一种报警信息筛选过滤的组合实现方法

1/8页

技术领域

[0001]本发明属于安全监测预警领域，尤其涉及一种报警信息筛选过滤的组合实现方法。

背景技术

[0002]随着自动化程度的不断提高，在线安全监测预警系统已经成为工矿企业安全管理的重要手段之一。通过对工艺过程中的温度、压力、流量、液位、可燃气体浓度、有毒气体浓度等安全参数的在线监测，实时感知企业现场的安全运行状态。当安全参数的实时监测数据超过了系统预先设置的报警阈值时，系统会自动形成报警信息，通过现场声光报警、远程信息通知等方式，及时提醒安全管理人员采取必要的应急管控措施，避免安全状态的进一步恶化，有效防范事故的发生。

[0003]在现有安全监测预警系统的工作流程中，前端探测器或监测系统在线监测的安全参数数值超过预先设置的报警阈值时，会自动生成报警信息和记录，对所有报警信息进行无差别提醒。

[0004]但在现场实际的安全管理工作中，由于现场环境因素、操作工艺因素、外来环境干扰因素或设备自身故障因素等(比如：不稳定的风流将正常排放口的气体吹至附近探测器，或正常工艺取样操作形成的气体逸散，附近大型设备启停带来的电磁干扰、设备元器件老化造成数据漂移等)，会造成无实际意义的频繁报警或误报警。如果对此类报警信息不加筛选过滤就进行推送的话，则会给管理人员带来大量非必要的报警提醒，形成“信息轰炸”，不仅无法起到有效预警的作用，还会严重影响现场安全生产工作，给现场管理人员带来困扰。[0005]为了解决以上存在的问题，人们一直在寻找一种合适的解决方案。发明内容

[0006]为了解决上述问题，有必要提供一种报警信息筛选过滤的组合实现方法。[0007]本发明第一方面提出一种报警信息筛选过滤的组合实现方法，包括：[0008]实时获取报警数据并进行分析；

[0009]当报警数据快速上升超过预定阈值并且在极短时间内回落为正常值时，判定为突变型报警，采用突变型报警信息过滤方法进行突变型报警数据过滤；

[0010]当报警数据在相对固定的时间间隔或者在某个固定的时间段出现周期性变化，判定为周期性报警，采用周期性报警信息过滤方法进行周期性报警数据过滤；[0011]若为同一事件引起的周期性报警，则只对首次报警进行信息提醒和推送；若后续监测到报警数据继续上升并超过设定时长，则进行升级报警，否则，只记录报警信息，不进行推送提醒；若为同一事件引起的重复性突变型报警，则通过突变型报警信息过滤方法进行突变型报警数据过滤。[0012]基于上述，所述突变型报警数据过滤方法为上升速率超阈值过滤：

4

CN 112149823 A[0013]

说　明　书

2/8页

预先设置上升速率阈值其中，量程L是提供本报警信息的传感

器的量程，T90指在实验条件下，本传感器达到最大量程值90％的响应时间；

[0014]

当监测数据超限时，计算监测数据的上升速率其中，Xm为监测到

的超限数据，Xm-1为该超限数据前一位监测数据，Tm为监测到的超限数据的时间，Tm-1为该超

限数据前一位监测数据的时间；[0015]比较Vm与Y阈数值大小，若Vm＞Y阈，则该报警数据判为无效报警，不做报警信息推送；若Vm≤Y阈，则该报警数据为有效报警，按已有报警流程进行报警信息推送。[0016]基于上述，所述突变型报警数据过滤方法为通过判断是否快速上升并快速恢复进行过滤：

[0017]定义某监测参数的报警上下限值分别为a、b，当监测值Xm≤b或Xm≥a时，暂不做报警推送处理；

[0018]若Xm+1与Xm同时具有Xm+1≤b或Xm+1≥a时，则判定Xm为有效报警，按已有流程进行报警信息推送；否则，判定Xm为无效报警，不做报警信息推送。[0019]基于上述，所述突变型报警数据过滤方法采用基于三层BP神经网络模型进行过滤：

[0020]获取同类场景下的监测历史数据，包含正常监测数据、需要过滤的突变型报警数据以及正常超限报警数据，组成学习样本集；

[0021]采用Levenberg-Marquardt算法作为非线性拟合训练函数，对提供的学习样本集进行模型训练：

[0022]定义输入向量X＝(x1，x2，x3，…，xn，)T，隐层输出量为Y＝(y1，y2，y3，…，ym，)T，输出向量O＝(o1，o2，o3，…，o1，)T，期望输出量D＝(d1，d2，d3，…，dl，)T，输入层到隐层的权重值用V表示，隐层到输出层的权重值用W表示；[0023]当输出量O与期望量D不等时，存在偏差E，

[0024][0025]

将该误差展开至隐层，

[0026]

[0027]

进一步展开至输入层，

5

CN 112149823 A

说　明　书

3/8页

[0028]

[0029]

之后，对输入层到隐层的权重值V，隐层到输出层的权重值W进行调整，使得偏差E

不断减小，

[0030][0031][0032][0033][0034]

定义输出层和隐层的误差信号，

得出神经网络的学习算法权重值调整的计算公式：

[0035]

当实时监测数据的变化规律符合过滤模型时，该报警会被标记为无效报警，不做

报警信息推送。

[0037]基于上述，所述周期性报警信息过滤方法为在监测点位进行手动标注，定义操作时间段内的超限报警为正常操作报警，只记录报警数据，不进行信息提醒和推送。[0038]本发明第二方面提供一种监控系统，包括存储器、处理器、以及存储在所述存储器上并可以在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述报警信息筛选过滤的组合实现方法的步骤。

[0039]本发明第三方面提供一种计算机可读存储介质，其上存储有计算机指令，该计算机指令被处理器执行时实现所述报警信息筛选过滤的组合实现方法的步骤。[0040]本发明相对现有技术具有突出的实质性特点和显著进步，具体的说：本发明通过归纳总结报警数据的共性特征，开发一套能够有效过滤安全监测预警系统非正常报警信息的组合方法，从而可以根据现场需要，将现场环境因素、操作工艺因素、外来环境干扰因素或设备自身故障因素等造成的无实际意义的频繁报警和误报警进行筛选过滤，大幅提升报警信息的准确性和可靠性，增强监管人员对系统的信赖度。同时，可以有效避免非必要报警信息的干扰，让监管人员关注重要报警，有效防范和化解重大风险。[0041]本发明的附加方面和优点将在下面的描述部分中变得明显，或通过本发明的实践了解到。

[0036]

6

CN 112149823 A

说　明　书

4/8页

附图说明

[0042]本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

[0043]图1本发明方法中突变型报警信息的监测曲线图。[0044]图2本发明方法中周期性报警信息的监测曲线图。

具体实施方式

[0045]为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

[0046]在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的。[0047]实施例1

[0048]本实施例提供了一种报警信息筛选过滤的组合实现方法，包括：[0049]实时获取报警数据并进行分析。通过对大量监测数据的研究和总结，误报警信息或非必要报警信息可以归纳为以下三类：①突变型报警信息；②周期性报警信息；③同一事件多次重复报警信息。

[0050]突变型报警信息过滤[0051]如图1所示，当报警数据快速上升超过预定阈值并且在极短时间内回落为正常值时，在监测曲线上呈现“突刺”形状，判定为突变型报警，采用突变型报警信息过滤方法进行突变型报警数据过滤；此类报警数据与常规的监测数据超阈值不同。常规的监测数据超阈值需要经过一定的时间才会下降至正常监测范围，监测曲线的上升沿和下降沿会存在一定的坡度。而突刺形报警数据形成的原因，一方面是由于现场环境中杂质气体干扰的影响或大型电气设备启停形成的电磁脉冲干扰，另一方面是由于监测设备自身元器件老化造成的数据漂移影响。

[0052]本实施例中，所述突变型报警数据过滤方法可以为上升速率超阈值过滤：

[0053]

预先设置上升速率阈值其中，量程L是提供本报警信息的传感

器的量程，T90指在实验条件下，本传感器达到最大量程值90％的响应时间；

[0054]

当监测数据超限时，计算监测数据的上升速率其中，Xm为监测到

的超限数据，Xm-1为该超限数据前一位监测数据，Tm为监测到的超限数据的时间，Tm-1为该超限数据前一位监测数据的时间；[0055]比较Vm与Y阈数值大小，若Vm＞Y阈，则该报警数据判为无效报警，不做报警信息推送；若Vm≤Y阈，则该报警数据为有效报警，按已有报警流程进行报警信息推送。[0056]本实施例中，所述突变型报警数据过滤方法也可以为通过判断是否快速上升并快速恢复进行过滤：

[0057]定义某监测参数的报警上下限值分别为a、b，当监测值Xm≤b或Xm≥a时，暂不做报

7

CN 112149823 A

说　明　书

5/8页

警推送处理；

[0058]若Xm+1与Xm同时具有Xm+1≤b或Xm+1≥a时，则判定Xm为有效报警，按已有流程进行报警信息推送；否则，判定Xm为无效报警，不做报警信息推送。[0059]本实施例中，所述突变型报警数据过滤方法还可以采用基于三层BP神经网络模型进行过滤：

[0060]获取同类场景下的监测历史数据，包含正常监测数据、需要过滤的突变型报警数据以及正常超限报警数据，组成学习样本集；

[0061]采用Levenberg-Marquardt算法作为非线性拟合训练函数，对提供的学习样本集进行模型训练：

[0062]定义输入向量X＝(x1，x2，x3，…，xn，)T，隐层输出量为Y＝(y1，y2，y3，…，ym，)T，输出向量O＝(o1，o2，o3，…，ol，)T，期望输出量D＝(d1，d2，d3，…，dl，)T，输入层到隐层的权重值用V表示，隐层到输出层的权重值用W表示；[0063]当输出量O与期望量D不等时，存在偏差E，

[00][0065]

将该误差展开至隐层，

[0066]

[0067]

进一步展开至输入层，

[0068]

[0069]

之后，对输入层到隐层的权重值V，隐层到输出层的权重值W进行调整，使得偏差E不断减小，

[0070][0071][0072][0073]

定义输出层和隐层的误差信号，

得出神经网络的学习算法权重值调整的计算公式：

8

CN 112149823 A[0074]

说　明　书

6/8页

[0075][0076]

当实时监测数据的变化规律符合过滤模型时，该报警会被标记为无效报警，不做

报警信息推送。[0077]表1

[0078]

本实施例中，三种突变型报警信息过滤方法的对比如表1所示，在具体使用时，可

以根据运行的实际工况条件，结合现场需要的过滤精度进行组合使用：[0080]当现场要求传感器必须进行实时报警，不能接受时间延迟时，则选择“过滤方法1”进行过滤；

[0081]当现场对传感器报警的时间敏感性一般，可以接受1个采集步长的延时，但无法接受10个以上采集步长的延时，则选择“过滤方法1+过滤方法2”进行过滤；[0082]当系统部署初期，尚无丰富的样本集提供给系统进行机器学习，则选择“过滤方法1+过滤方法2”进行过滤，当系统运行一段时间具备丰富的样本集时，增加“过滤方法3”，提高过滤效果。

[0083]当现场可以提供丰富的样本集供系统学习，且可以接受10个以上采集步长的延时，则选择“过滤方法1+过滤方法2+过滤方法3”进行过滤。[0084]周期性报警信息过滤

[0085]当报警数据在相对固定的时间间隔或者在某个固定的时间段出现周期性变化，如图2所示，判定为周期性报警，采用周期性报警信息过滤方法进行周期性报警数据过滤；[0086]此类报警根据现场致因可分为两类：一类是正常周期性操作造成的报警；另一类是非正常操作造成的报警。[0087]若为正常操作，比如设备定期校验、周期性检验工艺操作等，系统提供手动标注功能。在进行相关操作前，通过对相关监测点位进行手动标注，定义操作时间段内的超限报警为正常操作报警，系统记录报警数据，但不进行信息提醒和推送。通过提前手动标注功能，过滤掉正常操作造成的报警信息；

[0088]若为非正常操作导致的周期性报警，则系统按现有报警流程执行，直至现场监管

9

[0079]

CN 112149823 A

说　明　书

7/8页

人员找出报警致因并落实整改措施。[00]同一事件多次重复报警信息过滤[0090]若为同一事件引起的周期性报警，则只对首次报警进行信息提醒和推送；若后续监测到报警数据继续上升并超过设定时长，则进行升级报警，否则，只记录报警信息，不进行推送提醒；若为同一事件引起的重复性突变型报警，则通过突变型报警信息过滤方法进行突变型报警数据过滤。[0091]实施例2

[0092]本实施例提供了一种监控系统，包括存储器、处理器、以及存储在所述存储器上并可以在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述报警信息筛选过滤的组合实现方法的步骤。[0093]应当理解，在本实施例中，所称处理器可以是处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

[0094]存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器的一部分或全部还可以包括非易失性随机存取存储器。例如，存储器还可以存储设备类型的信息。

[0095]上述存储器存储有计算机程序，上述计算机程序可在上述处理器上运行。上述处理器执行上述计算机程序时实现上述报警信息筛选过滤的组合实现方法实施例中的步骤。[0096]实施例3

[0097]本实施例提供了一种计算机可读存储介质，其上存储有计算机指令，该计算机指令被处理器执行时实现所述报警信息筛选过滤的组合实现方法的步骤。[0098]本实施例提供了一种计算机程序产品，当计算机程序产品在监控系统设备上运行时，使得监控系统设备执行时实现上述各实施例中的报警信息筛选过滤的组合实现方法的步骤。

[0099]在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。[0100]本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

[0101]在本申请所提供的实施例中，应该理解到，所揭露的监控系统和方法，可以通过其它的方式实现。例如，以上所描述的监控系统实施例仅仅是示意性的。[0102]上述计算机可读介质可以包括：能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、电载波信号、电信信号以及软件分发

10

CN 112149823 A

说　明　书

8/8页

介质等。

[0103]以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

11

CN 112149823 A

说　明　书　附　图

1/1页

图1

图2

12