工业报警器是现代工业系统的重要组成部分,其作用是监测生产过程中的过程变量,通过对过程变量的处理来判断系统是否处于异常状态并生成警报。业界通常把误报率(FAR)、漏报率(MAR)和平均报警延迟(AAD)作为评价工业报警器性能的指标。传统的报警器设计方法是在假设已知过程变量概率特征的前提下,以误报率和漏报率最小化为目标来优化阈值等参数,实现最优设计。但在实际应用中,由于过程变量的样本数据会不可避免地受到监测及工作环境中的不确定因素干扰,故难以构建精确的概率分布模型描述其随机不确定性,此时再基于概率理论设计报警器将存在一定的局限性。在对不确定性信息的描述、推理和综合处理方面,相较于传统概率理论,Dempster-Shafer(DS)证据理论更具有优势。在过程变量的精确概率模型未知的情况下,已有学者将该理论中的证据组合和更新规则应用于报警器设计,并取得了显著效果。在此基础上,本文引入证据推理理论设计一类单/多变量报警器,来提高此类报警器的性能,主要工作如下:(1)基于证据推理的单变量报警器设计方法。针对过程变量的随机不确定性和混合(随机/认知)不确定性,分别构造样本区间投点表和样本参考值投点表,获得每一时刻下与过程变量对应的报警证据;结合专家知识,确定报警证据的可靠性因子和重要性权重等融合参数,利用证据推理规则递归融合当前时刻和历史时刻的报警证据,进而获得当前时刻全局报警证据,依据报警决策准则输出报警结果。通过两组仿真实验表明所提方法比传统方法具有更好的报警效果。(2)基于多目标优化的证据推理单变量报警器设计方法。在研究内容(1)中,相关融合参数是由专家知识离线给定的,其取值大小存在一定的主观性。故引入遗忘策略和目标优化模型,对新到证据和历史证据之间的关系进行动态适应性调整,从而提高报警器的性能。同时也为实际工业应用中相关融合参数的调整提供了更为灵活的可选择方法。(3)基于多源证据可靠性度量的多变量报警器设计方法。在研究内容(1)和(2)的基础上,通过对各单变量报警器的性能评估指标进行综合折算,确定其各自的报警证据可靠性,进而利用证据推理规则进行多源证据融合,得到多变量报警器的决策结果。通过仿真实验和石油泄漏实例验证所提方法比单一变量报警具有更好的报警效果。