过程报警系统,是对报警状态进行检测、通讯、记录的软、硬件总和,是实现装置自动监控并要求操作员采取相应处理措施的一种重要方式。报警系统在现代过程工业安全、高效生产过程中起着至关重大的作用。然而,在现今世界范围内投入使用的报警系统中,大都存在“报警过载”这一严重问题,该问题对报警系统应有的保护功能产生了严重影响,对经济效益、过程安全甚至人身安全构成了极大的威胁,因此迫切需要科学可靠的理论和技术来解决这一问题。本文针对“报警过载”这一问题,分析出导致“报警过载”的四大原因,即,工业过程关联复杂导致报警根源诊断困难,报警阈值设计不合理,报警优先级划分不明确,干扰报警繁多难以分辨。然后,主要针对这四大主要原因对国内外学术界和工业界的现有研究成果进行总结归纳,找出不足或需要改进之处,从而提出一套新型的解决“报警过载”问题的系统性理论技术框架。现代过程工业普遍存在非线性、强耦合、强关联、分布广等复杂特征,为有效解决过程工业“报警过载”这一问题,本文从过程复杂本质特征出发,研究建立过程工业报警多维层次模型,在该层次模型的基础上,进行报警阈值优化、报警根源诊断、报警优先级划分一系列基础研究,构成一套解决“报警过载”问题的系统性框架,并展开工业实例应用验证,取得的研究成果如下:(1)针对过程工业固有复杂特征,建立基于数据驱动和知识融合的过程工业报警多维层次模型。首先研究基于偏相关性分析和浅层知识融合的报警多维层次模型,在宏观时间维度、微观时间维度、宏观空间维度和微观空间维度共四个维度上实现了过程拓扑结构可视化。然后,为实现多变量分析,本文又基于多变量统计分析方法,提出一种前向稀疏主元成分分析算法,研究基于该算法的报警多维层次稀疏模型,舍去冗余关联路径。利用TE过程实例进行应用验证,对这两个模型进行对比分析。(2)针对报警阈值设计不合理问题,提出了一种基于多维层次关联性分析的报警阈值设计策略研究。为了使报警阈值设计能够充分体现过程关联性内在特征,以报警多维层次模型为基础,首先给出过程变量和报警变量的多维层次关联分析算法,然后以过程变量和报警变量之间的关联一致性为目标函数,采用粒子群优化算法优化阈值,并应用于TE实例。利用该策略,可以得到处于不同异常状况下的多变量报警阈值,大大降低误报漏报率,充分体现异常传播的先后顺序。(3)针对单一集中式诊断监控策略无法有效适用于大型、非线性、不确定性的复杂过程,提出一种基于极限学习机和数据融合的报警分布式监控和溯源分析策略。以报警多维层次模型为基础,首先划分多个诊断子模块,利用极限学习机算法分别建立监控模型,实现分布式监控;然后,提出一种BPA-IAHP数据融合算法,实现多个诊断模块的有效融合,确定最终报警根源;最后,将该方法应用于TE实例,结果证明该诊断策略具有较强的鲁棒性、较高的诊断精度以及较短的诊断延迟。(4)针对报警优先级划分不合理的问题,提出了一种基于改进李克特量表的报警优先级划分方法,该方法比较客观,通用型强。以报警多维层次模型为基础,利用改进的李克特量表方法针对处于报警传播路径上的报警变量关键性能指标(Key Performance Index,KPI)进行打分、排序,排名越靠前的变量优先级越高。将该方法应用于TE实例,结果证明该方法可以在保障过程安全的基础上实现优先级定量划分,降低操作员处理报警的盲目性。