《基於動態信息譜的流程工業事故致因信息轉移機理研究》是依託北京郵電大學，由艾新波擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於動態信息譜的流程工業事故致因信息轉移機理研究
- 項目類別：青年科學基金項目
- 項目負責人：艾新波
- 依託單位：北京郵電大學
項目摘要,結題摘要,
項目摘要
隨著先進控制技術及智慧型設備在現代流程工業中的大規模套用，流程工業事故演化機理日益複雜，基於解析模型和傳統統計所建立起來的圖論形式的事故致因模型難以滿足流程工業未來安全生產的需求。複雜網路和信息理論為探索致因系統的複雜性提供了新途徑。本研究在Wiener-Granger因果關係框架下，研究事故因素之間分類別信息轉移計算方法，提出通過變數之間的信息轉移來表征事故因素之間的致因過程，從而建立起事故致因複雜網路；在此基礎上，構建事故因素信息轉移矩陣，研究能用以刻畫信息轉移全局特徵的動態信息譜，利用動態信息譜對於系統關鍵變化所具有的敏感指示特性，通過譜軌跡的時間外推，預判流程工業系統所產生的關鍵變化和事故的演化發生。本項目突破了流程工業事故致因研究中僅僅對物料流和能量流進行還原解析的限制，從信息轉移的角度為流程工業事故演化規律的研究提供了新途徑，對於流程工業事故複雜致因過程的研究具有重大理論意義。
結題摘要
隨著先進控制技術及智慧型設備在現代流程工業中的大規模套用，流程工業事故演化機理日益複雜，基於解析模型和傳統統計所建立起來的圖論形式的事故致因模型難以滿足流程工業未來安全生產的需求。複雜網路和信息理論為探索致因系統的複雜性提供了新途徑。過去三年，本研究從複雜系統理論和信息理論的角度，就流程工業事故致因開展了以下研究：①提出了基於符號轉移熵譜和Granger因果關係的綜合網路推斷STESGC方法，從多元時間序列推斷加權有向關聯網路。該方法解決了網路推斷中的五個問題，即時間序列的連續性、強關係識別、關係量化、方向識別和時間延遲關係識別；②提出了一種基於致因網路的系統總體工況異常檢測AN-SVM方法。該方法基於STESGC方法所推斷出的致因網路，通過複雜網路理論計算拓撲特徵指標，得到系統的結構表征，進而通過SVM模型的學習來研判系統是否發生異常；③提出了基於信息熵變的致因網路節點重要性排序方法。從節點移除帶來致因網路信息熵變的角度，來量化事故致因的重要程度。所提出的方法分別在仿真系統（線性系統、一般非線性系統和耦合Rossler系統等）和真實的過程工業系統中得到了驗證。
