【技术实现步骤摘要】
本专利技术属于工业控制系统信息安全防护领域，更具体地，涉及基于数字孪生的流程行业工控系统异常检测模型构建方法。
技术介绍
1、流程行业工业控制系统广泛应用于石油、化工、能源等关乎国计民生的安全关键系统中，近些年来随着云计算、大数据、互联网、物联网等新兴技术与传统系统相结合，工业控制系统也向数字化、智能化转型升级。同时工业控制系统遭受网络攻击的安全威胁也日益蔓延，工控系统一旦遭受攻击，轻则导致财产损失，重则发生重大伤亡事故。因此，如何利用新兴技术保障工业控制系统的安全防护成为目前的研究重点。
2、异常检测是工控系统安全防护的首要步骤，现有的工控系统异常检测技术大多基于深度学习和机器学习算法，针对足够多数量的数据样本训练异常检测模型，然而流程行业工业数据量多且复杂，工控系统长时间工作在稳定状态，尤其石油化工行业，异常故障数据很少发生且具有敏感性，很难获得工控系统的异常数据样本，只包含正常数据的不均衡样本集训练异常检测模型，误报率较高，检测精度很难达到保证。
技术实现思路
1、针对现有技术的缺陷和改进需求，本专利技术提供了基于数字孪生的流程行业工控系统异常检测模型构建方法，其目的在于针对流程行业异常样本难以获得情况下，通过数字孪生系统高精度模拟不同场景的工况，补偿不均衡数据样本集，提高系统异常检测的精度。
2、为实现上述目的，按照本专利技术的一个方面，提供了一种基于数字孪生的流程行业工控系统异常检测模型构建方法，包括：
3、s1、采用预先构建的工艺仿真
4、s2、基于各异常过程数据样本及其对应的异常标签以及历史正常过程数据样本及其对应的正常标签，训练得到所述目标工艺下的异常检测模型；
5、其中，每个数据样本包括工控系统生产过程的过程信息数据及其对应的结果信息数据；所述工艺仿真模型是基于数字孪生构建得到，且构建方式具体为：采用工控系统的数据驱动模型迭代矫正工控系统的机理模型，以提高所述机理模型的输出精度，将矫正后的机理模型作为所述工艺仿真模型。
6、进一步，所述数据驱动模型的构建方式为：
7、采用实体工控系统的历史正常过程数据样本集，使用机器学习算法，训练构建实体工控系统的数据驱动模型；其中，训练过程中，所述数据驱动模型的输入为历史正常过程数据样本中的过程信息数据、输出为历史正常过程数据样本中的结果信息数据。
8、进一步，所述矫正之前的机理模型的构建方式为：
9、根据目标工艺及其过程机理，构建实体工控系统在目标工艺下的机理模型流程图；设计所述机理模型流程图中各基础机理模型方程式，得到初始机理模型；采用历史正常过程数据样本集，验证所述初始机理模型并进行模型参数调整，得到所述矫正之前的机理模型。
10、进一步，采用工控系统的数据驱动模型迭代矫正工控系统的机理模型的实现方式为：
11、(1)分别采用数据驱动模型和矫正之前的机理模型，预测目标工艺在正常工况下的结果信息数据；
12、(2)计算两个模型所输出的结果信息数据之间的偏差，基于该偏差调整机理模型的参数；
13、(3)将参数调整后的机理模型所预测的目标工艺在正常工况下的结果信息数据与历史正常过程数据进行对比，若偏差在预设范围内，则结束矫正，将当前得到的机理模型作为工艺仿真模型，否则，重复执行步骤(1)。
14、进一步，所述s1具体为：
15、采用所述数据驱动模型，模拟流程行业工控系统执行目标工艺的正常工况，对应产生正常过程数据；
16、将该正常过程数据对应的结果信息数据与历史正常过程数据中的结果信息数据作差值；
17、将该差值与由工艺仿真模型模拟不同异常工况所产生的各组结果信息数据相加，将每个相加的结果信息数据与对应异常工况下的过程信息数据融合，作为一个异常过程数据样本，从而得到多个异常过程数据样本。
18、本专利技术还提供一种基于数字孪生的流程行业工控系统异常检测模型构建系统，用于执行如上所述的一种基于数字孪生的流程行业工控系统异常检测模型构建方法，包括：数字孪生系统模块和异常检测模型构建模块；
19、其中，所述模型构建模块用于基于数字孪生系统模块中的工艺仿真模型得到产生多个异常过程数据样本，并基于各异常过程数据样本及其对应的异常标签以及历史正常过程数据样本及其对应的正常标签，训练得到目标工艺下的异常检测模型。
20、本专利技术还提供一种流程行业工控系统异常检测方法，包括：
21、采用如上所述的一种基于数字孪生的流程行业工控系统异常检测模型构建方法所构建得到的异常检测模型，进行异常检测。
22、进一步，还包括：若有异常，则进行异常过程数据的展示；
23、其中，所述展示的实现方式为：
24、在实时3d创作软件中导入基于数字孪生所得到的实体工况系统3d模型；根据工艺过程知识和历史正常过程数据，在软件中的所述3d模型上使用粒子流和网格工具制作正常工况下的动态可视化效果；
25、将当前异常检测所对应的过程数据传输至软件以在软件中的3d模型中进行动态效果可视化展。
26、本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述存储介质所在设备执行如上所述的一种基于数字孪生的流程行业工控系统异常检测模型构建方法和/或如上所述的一种流程行业工控系统异常检测方法。
27、总体而言，通过本专利技术所构思的以上技术方案，能够取得以下有益效果：
28、(1)本专利技术通过数字孪生系统可以高精度模拟物理实体系统的工艺过程，可以实现不同的工况场景，产生实体系统所缺少的异常过程数据样本，基于补充的孪生数据集，即基于孪生系统获得的异常过程数据样本，训练异常检测模型，由于是通过数字孪生系统高精度模拟不同场景的工况，因此本专利技术方法在补偿不均衡数据样本集的同时，可以提升异常检测的精度，降低误报率。
29、(2)本专利技术还提出在数字孪生系统的3d场景进行异常场景的可视化展示，充分利用了数字孪生系统的数据管理功能和服务功能，提高了异常检测的有效性。
本文档来自技高网...【技术保护点】
1.一种基于数字孪生的流程行业工控系统异常检测模型构建方法，其特征在于，包括：
2.根据权利要求1所述的流程行业工控系统异常检测模型构建方法，其特征在于，所述数据驱动模型的构建方式为：
3.根据权利要求1所述的流程行业工控系统异常检测模型构建方法，其特征在于，所述矫正之前的机理模型的构建方式为：
4.根据权利要求1所述的流程行业工控系统异常检测模型构建方法，其特征在于，采用工控系统的数据驱动模型迭代矫正工控系统的机理模型的实现方式为：
5.根据权利要求4所述的流程行业工控系统异常检测模型构建方法，其特征在于，所述S1具体为：
6.一种基于数字孪生的流程行业工控系统异常检测模型构建系统，其特征在于，用于执行如权利要求1至5任一项所述的一种基于数字孪生的流程行业工控系统异常检测模型构建方法，包括：数字孪生系统模块和异常检测模型构建模块；
7.根据权利要求6所述的流程行业工控系统异常检测模型构建系统，其特征在于，所述数字孪生系统模块包括物理实体、孪生模型单元、数据管理单元和孪生服务单元；
8.一种流程行
9.根据权利要求8所述的一种流程行业工控系统异常检测方法，其特征在于，还包括：若有异常，则进行异常过程数据的展示；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述存储介质所在设备执行如权利要求1至5任一项所述的一种基于数字孪生的流程行业工控系统异常检测模型构建方法和/或如权利要求8至9任一项所述的一种流程行业工控系统异常检测方法。
...【技术特征摘要】
1.一种基于数字孪生的流程行业工控系统异常检测模型构建方法，其特征在于，包括：
2.根据权利要求1所述的流程行业工控系统异常检测模型构建方法，其特征在于，所述数据驱动模型的构建方式为：
3.根据权利要求1所述的流程行业工控系统异常检测模型构建方法，其特征在于，所述矫正之前的机理模型的构建方式为：
4.根据权利要求1所述的流程行业工控系统异常检测模型构建方法，其特征在于，采用工控系统的数据驱动模型迭代矫正工控系统的机理模型的实现方式为：
5.根据权利要求4所述的流程行业工控系统异常检测模型构建方法，其特征在于，所述s1具体为：
6.一种基于数字孪生的流程行业工控系统异常检测模型构建系统，其特征在于，用于执行如权利要求1至5任一项所述的一种基于数字孪生的流程行业工控系统异常检...
【专利技术属性】
技术研发人员：周纯杰，王昆昆，杜鑫，李亚辉，郭伟杰，徐裴行，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。