基于改進(jìn)粗糙集的機(jī)場(chǎng)智能電網(wǎng)報(bào)警處理方法

王 力，張冰潔

（中國(guó)民航大學(xué)航空自動(dòng)化學(xué)院，天津 300300）

基于改進(jìn)粗糙集的機(jī)場(chǎng)智能電網(wǎng)報(bào)警處理方法

王 力，張冰潔

（中國(guó)民航大學(xué)航空自動(dòng)化學(xué)院，天津 300300）

針對(duì)機(jī)場(chǎng)智能電網(wǎng)復(fù)雜易變的拓?fù)浣Y(jié)構(gòu)以及起飛環(huán)境因素對(duì)信號(hào)傳輸穩(wěn)定性的影響,在深入分析現(xiàn)有機(jī)場(chǎng)智能電網(wǎng)報(bào)警信息的基礎(chǔ)上,為了提高智能電網(wǎng)報(bào)警系統(tǒng)的處理速度和準(zhǔn)確性,提出了基于基因算法的改進(jìn)粗糙集的約簡(jiǎn)算法,同時(shí)應(yīng)用結(jié)構(gòu)優(yōu)化思想,實(shí)現(xiàn)了在較少信息的條件下迅速準(zhǔn)確獲得報(bào)警信息的處理結(jié)果.重點(diǎn)分析了如何構(gòu)造適當(dāng)?shù)哪繕?biāo)函數(shù)、懲罰因子以及懲罰函數(shù)形成適應(yīng)值函數(shù),對(duì)粗糙集約簡(jiǎn)算法進(jìn)行了修正.經(jīng)仿真檢驗(yàn),基于基因算法的改進(jìn)粗糙集約簡(jiǎn)算法可以快速地完成屬性約簡(jiǎn),對(duì)機(jī)場(chǎng)智能電網(wǎng)完成迅速、準(zhǔn)確地報(bào)警有很好的效果.

機(jī)場(chǎng)智能電網(wǎng)；報(bào)警處理；粗糙集；基因算法；約簡(jiǎn)

據(jù)粗略估計(jì)，正常情況下智能電網(wǎng)調(diào)度中心每分鐘約有200～300條的報(bào)警信息[1]，簡(jiǎn)單的單相接地故障[2]，數(shù)秒內(nèi)可產(chǎn)生近50條報(bào)警信息。由于機(jī)場(chǎng)起飛環(huán)境對(duì)信號(hào)傳輸?shù)母蓴_，以及不斷擴(kuò)建過(guò)程中帶來(lái)的信號(hào)采集設(shè)備復(fù)雜性和自身限制，其中包含很多錯(cuò)誤報(bào)警。此外，隨著機(jī)場(chǎng)智能電網(wǎng)改造擴(kuò)建等原因造成的網(wǎng)架結(jié)構(gòu)調(diào)整，錯(cuò)誤重復(fù)報(bào)警數(shù)量俱增。面對(duì)如此多的報(bào)警信息，以及密集信息量帶來(lái)的巨大壓力，即使訓(xùn)練有素的調(diào)度人員短時(shí)間內(nèi)也很難及時(shí)做出有效判斷。因此去除機(jī)場(chǎng)智能電網(wǎng)報(bào)警信息中錯(cuò)誤報(bào)警和重復(fù)報(bào)警，提高報(bào)警信息的處理速度和精度具有重要意義。所以文中提出了基于改進(jìn)粗糙集的機(jī)場(chǎng)智能電網(wǎng)報(bào)警處理方法。

1 機(jī)場(chǎng)智能電網(wǎng)報(bào)警處理系統(tǒng)基本結(jié)構(gòu)

報(bào)警處理與故障診斷有很大差異[3]，報(bào)警系統(tǒng)是用來(lái)提醒調(diào)度員并促使其注意到過(guò)程和系統(tǒng)差異的，不需要推斷原因，所以推理過(guò)程相對(duì)簡(jiǎn)單。但是機(jī)場(chǎng)智能電網(wǎng)報(bào)警信息處理系統(tǒng)對(duì)處理速度和實(shí)時(shí)性有很高的要求。機(jī)場(chǎng)智能電網(wǎng)報(bào)警信息處理系統(tǒng)的目標(biāo)是：濾除噪聲報(bào)警信息；快速分析處理報(bào)警信息，及時(shí)為運(yùn)行人員提供異常警告。

機(jī)場(chǎng)智能電網(wǎng)報(bào)警處理系統(tǒng)按功能可分為預(yù)處理子系統(tǒng)、主處理子系統(tǒng)、人機(jī)界面和數(shù)據(jù)庫(kù)4部分。針對(duì)機(jī)場(chǎng)網(wǎng)絡(luò)龐大、拓?fù)鋸?fù)雜的問(wèn)題，同時(shí)為解決復(fù)雜網(wǎng)絡(luò)帶來(lái)的維數(shù)爆炸難題，采用結(jié)構(gòu)優(yōu)化思想，將報(bào)警處理系統(tǒng)分為變電站級(jí)報(bào)警處理模塊和電網(wǎng)級(jí)報(bào)警處理模塊。預(yù)處理子系統(tǒng)主要完成變電站級(jí)報(bào)警噪聲濾除及簡(jiǎn)單的規(guī)則推理，主處理子系統(tǒng)主要完成整個(gè)網(wǎng)絡(luò)的規(guī)則推理和措施建議，人機(jī)界面主要完成結(jié)果顯示及打印功能，數(shù)據(jù)庫(kù)主要完成參數(shù)和知識(shí)依據(jù)的提供和儲(chǔ)存。結(jié)構(gòu)如圖1所示。

圖1 機(jī)場(chǎng)智能電網(wǎng)報(bào)警處理系統(tǒng)結(jié)構(gòu)圖Fig.1 Structure of power grid alarm processing system

2 基于粗糙集的機(jī)場(chǎng)智能電網(wǎng)報(bào)警處理

最早的報(bào)警處理方法是基于優(yōu)先級(jí)的處理方法，適用于簡(jiǎn)單固定的電網(wǎng)系統(tǒng)。隨著智能技術(shù)的發(fā)展，專家系統(tǒng)首先被應(yīng)用于報(bào)警信息處理中，增強(qiáng)了對(duì)復(fù)雜網(wǎng)絡(luò)的推理能力，并完善了人機(jī)界面的互操作性，但是規(guī)則不易維護(hù)。人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用[4]，使在無(wú)錯(cuò)誤報(bào)警時(shí)，推理很精確；之后概率論技術(shù)被引入[5]，降低了漏報(bào)率，但處理速度并不能滿足工業(yè)要求；粗糙集理論在處理不精確、不完整、不一致等不完備性知識(shí)的方面具有很大優(yōu)勢(shì)[6]。針對(duì)機(jī)場(chǎng)智能電網(wǎng)復(fù)雜、誤報(bào)率高、實(shí)時(shí)性和精確度要求高的情況，文中提出了基于基因算法的改進(jìn)粗糙集的機(jī)場(chǎng)智能電網(wǎng)報(bào)警處理方法，并結(jié)合結(jié)構(gòu)優(yōu)化的思想，提高了報(bào)警處理的速度和精度。

2.1 粗糙集的基本定義

定義1（決策表） 一個(gè)報(bào)警信息處理問(wèn)題決策表可表示為一個(gè)四元式I=，其中U為對(duì)象的集合；Ω是屬性的非空有限集合且Ω=C∪D，C是條件屬性集，D是決策屬性集；A={A1，A2，…，Am}；f是信息函數(shù)f=U×A→V，它為每個(gè)對(duì)象的每個(gè)屬性賦予一個(gè)信息值[7]。

定義2（可辨識(shí)矩陣） 令對(duì)象集合U={x1，x2，…，xn}，x為對(duì)象事例，則決策表系統(tǒng)的可辨識(shí)矩陣（Cij）m×n為

2.2 基于改進(jìn)粗糙集的機(jī)場(chǎng)智能電網(wǎng)報(bào)警處理

由于機(jī)場(chǎng)智能電網(wǎng)復(fù)雜，其信息系統(tǒng)的知識(shí)約簡(jiǎn)有很多，而現(xiàn)有約簡(jiǎn)算法主要采用啟發(fā)式算法[8-9]，計(jì)算復(fù)雜度較高，無(wú)法進(jìn)行全局尋優(yōu)。為了快速找到最優(yōu)約簡(jiǎn)，結(jié)合粗糙集的約簡(jiǎn)特點(diǎn)及機(jī)場(chǎng)智能電網(wǎng)報(bào)警處理的要求，提出一種基于基因算法的改進(jìn)粗糙集約簡(jiǎn)方法。

根據(jù)模式定理，采用基于{0，1}符號(hào)集的二進(jìn)制一維編碼形式。根據(jù)式（1）生成可辨識(shí)矩陣，則可去除無(wú)用屬性，同時(shí)得到單個(gè)屬性，即核屬性，不計(jì)入基因算法的編碼之內(nèi)。設(shè)去掉得到的核屬性與無(wú)用屬性之后剩余的條件屬性集合為將條件屬性空間ΩA的表示方式轉(zhuǎn)換成基因算法空間解的表示，即用位串構(gòu)造染色體[10]。每一個(gè)屬性表示為染色體一個(gè)位，則染色體對(duì)應(yīng)ΩA的屬性子集。將合取范式m轉(zhuǎn)化為析取范式n會(huì)造成算法時(shí)間復(fù)雜度的成倍增長(zhǎng)，為減小其復(fù)雜度，定義種群規(guī)模為

對(duì)決策表約簡(jiǎn)[11]時(shí)，考慮到粗糙集要求包含屬性q盡可能少，而包含的信息p盡可能多，定義約簡(jiǎn)結(jié)果冗余度r%=（p-q）/p×100%。由于屬性a的重要性與分類的能力有關(guān)，有必要定義屬性重要性imp（a）= rc-rc-|a|，其中rc=Card（Posc（D））/Card（U）。那么，約簡(jiǎn)的相對(duì)冗余度為

這與約簡(jiǎn)的目標(biāo)一致，可作為適應(yīng)值函數(shù)的目標(biāo)函數(shù)部分?？紤]到基因算法全局尋優(yōu)的并行性與隨機(jī)性，引入屬性對(duì)決策的支持程度C（a）作為懲罰因子到適應(yīng)值函數(shù)中

其中：aj為第j條條件屬性；di為第i條決策屬性。而適應(yīng)值函數(shù)的懲罰函數(shù)為

其中：C（a）表示決策支持度，即個(gè)體a中所含的條件屬性對(duì)完成決策D的屬性重要度；為了逼近約束最小點(diǎn)，對(duì)α取值，使P（a）迅速接近值1。則預(yù)設(shè)閾值C0對(duì)個(gè)體適應(yīng)值的影響可忽略不計(jì)。

由于目標(biāo)函數(shù)F（a）的值域是閉區(qū)間[0，1]，而由式（4）知懲罰函數(shù)P（a）的值域分布在開(kāi)區(qū)間（0，1）。值域的開(kāi)閉差異就可能導(dǎo)致進(jìn)化時(shí)出現(xiàn)較大的組合相對(duì)冗余度，冗余會(huì)嚴(yán)重影響屬性約簡(jiǎn)效果。具體主要表現(xiàn)為支持度不足時(shí)初期屬性組合無(wú)法進(jìn)入下一代，或末期冗余組合卻被作為最優(yōu)約簡(jiǎn)保留。因此有必要定義嚴(yán)格約束條件保證選擇組合合格。可以定義這樣的規(guī)則：進(jìn)化早期懲罰因子λi取值小，保證進(jìn)化初期種群多樣性；而后期為得到滿足約束條件又有最小目標(biāo)函數(shù)值的解，λi取值增大。所以在此定義相應(yīng)的模糊規(guī)則對(duì)λi取值。則適應(yīng)值函數(shù)為

本文構(gòu)造的適應(yīng)值函數(shù)從整體屬性支持度、約簡(jiǎn)速度以及最小相對(duì)約簡(jiǎn)3個(gè)方面綜合考慮，確保系統(tǒng)可獲得知識(shí)約簡(jiǎn)的相對(duì)最佳約簡(jiǎn)。實(shí)際上，求解機(jī)場(chǎng)智能電網(wǎng)報(bào)警處理系統(tǒng)知識(shí)表達(dá)系統(tǒng)中相對(duì)最佳約簡(jiǎn)，也就是從這3個(gè)指標(biāo)進(jìn)行綜合考慮確保求得相對(duì)最佳搜索效果。

2.3 機(jī)場(chǎng)智能電網(wǎng)報(bào)警信息處理方法流程

根據(jù)以上分析，機(jī)場(chǎng)智能電網(wǎng)報(bào)警的處理需先計(jì)算生成可辨識(shí)矩陣，編碼去除無(wú)用屬性。條件屬性空間ΩA映射為基因算法的染色體，確定種群規(guī)模N。由粗糙集決策表約簡(jiǎn)特點(diǎn)定義約簡(jiǎn)結(jié)果冗余度r%和屬性重要性imp（a），確定約簡(jiǎn)的相對(duì)冗余度ra，確定目標(biāo)函數(shù)。定義屬性a對(duì)決策的支持度，確定懲罰因子C（a），確定適應(yīng)值函數(shù)的懲罰函數(shù)P（a），定義相應(yīng)的模糊規(guī)則對(duì)λi取值，保證選擇組合合格，確定適應(yīng)值函數(shù)L（a）。

運(yùn)算生成規(guī)則庫(kù)，則基于改進(jìn)粗糙集的機(jī)場(chǎng)智能電網(wǎng)報(bào)警處理方法的流程圖如圖2所示。

圖2 機(jī)場(chǎng)電網(wǎng)報(bào)警信息處理方法流程圖Fig.2 Flow chart of airport power grid alarm processing

3 仿真研究

本文以某機(jī)場(chǎng)部分智能電網(wǎng)系統(tǒng)（D和W兩個(gè)變電所）為例進(jìn)行報(bào)警信息處理。且由于機(jī)場(chǎng)電網(wǎng)的特殊性，多采用地埋式電纜，因此，選擇接地故障報(bào)警作為報(bào)警事件進(jìn)行研究。設(shè)智能電網(wǎng)報(bào)警事件中的單相接地報(bào)警且無(wú)繼電保護(hù)斷路器誤動(dòng)作為Ⅰ類報(bào)警，兩相接地報(bào)警無(wú)繼電保護(hù)斷路器誤動(dòng)作為Ⅱ類報(bào)警，單相接地報(bào)警但有繼電保護(hù)斷路器誤動(dòng)作為Ⅲ類報(bào)警。只選取這3種報(bào)警作為樣本集進(jìn)行訓(xùn)練。研究有99個(gè)繼電保護(hù)斷路器的電網(wǎng)系統(tǒng)。

將系統(tǒng)生成的Ⅰ類報(bào)警記錄74條，Ⅱ類報(bào)警記錄41條和Ⅲ類報(bào)警記錄31條，共計(jì)146條記錄構(gòu)成系統(tǒng)的原始規(guī)則庫(kù)，部分歷史報(bào)警如表1所示。

表1 部分歷史報(bào)警Tab.1 Part of history alarms

系統(tǒng)共計(jì)99個(gè)二值條件屬性，其中35個(gè)線路斷路器（依次標(biāo)記為l1～l35），35個(gè)線路主保護(hù)斷路器（依次標(biāo)記為m1～m35）和29個(gè)線路后備保護(hù)斷路器（依次標(biāo)記為b1～b29）。如果繼電保護(hù)斷路器動(dòng)作，則該位標(biāo)記為1，否則為0；若報(bào)警為單相接地且無(wú)誤動(dòng)，則結(jié)論屬性f1為對(duì)應(yīng)報(bào)警線路編號(hào)，結(jié)論屬性f2為0；若報(bào)警為兩相接地且無(wú)誤動(dòng)，則結(jié)論屬性f1和f2分別為對(duì)應(yīng)報(bào)警線路編號(hào)；結(jié)論屬性f3對(duì)應(yīng)單相接地報(bào)警有誤動(dòng)，有誤報(bào)則f3為1，否則為0。則146條報(bào)警可生成146條記錄。

首先根據(jù)粗糙集可辨識(shí)矩陣的定義將原始記錄表進(jìn)行轉(zhuǎn)化，再進(jìn)行編碼，得到長(zhǎng)度為79的染色體。此時(shí)核屬性個(gè)數(shù)為6，剔除的條件屬性個(gè)數(shù)為14。需要處理的79個(gè)屬性的組合，總計(jì)合取范式個(gè)數(shù)24 183，其中最大析取式數(shù)目為5，決策屬性個(gè)數(shù)為3，則基因算法種群規(guī)模為N=int（24 183×5/（3!）2）= 3 358個(gè)。根據(jù)式（4），取C0=50，α=0.25，λ0=1，λi步長(zhǎng)增量為且保證λi恒為非負(fù)。基于以上參數(shù)進(jìn)行報(bào)警處理算法仿真，算法模型產(chǎn)生下一代的方法是適應(yīng)度比例法。每個(gè)個(gè)體可產(chǎn)生下一代的概率此時(shí)，生成隨機(jī)數(shù)，其中如果個(gè)體i滿足可產(chǎn)生下一代，再重復(fù)此判斷，當(dāng)有N=3 358個(gè)個(gè)體時(shí)停止；變異率pm=0.02。程序結(jié)束條件為啟發(fā)函數(shù)值和目標(biāo)函數(shù)值連續(xù)5代收斂到同一數(shù)值，或者進(jìn)化代數(shù)超過(guò)90。

程序運(yùn)行結(jié)束后，剩余43個(gè)條件屬性，啟發(fā)函數(shù)值與懲罰函數(shù)值收斂到0.572 0，目標(biāo)函數(shù)趨近0，懲罰因子值為0.566 2。圖3（a）為3個(gè)函數(shù)值，圖3（b）為3次執(zhí)行的啟發(fā)函數(shù)值曲線。分析3次執(zhí)行結(jié)果，基于基因算法的粗糙集屬性約簡(jiǎn)并不依賴先驗(yàn)知識(shí)。盡管進(jìn)化過(guò)程不同，但是最終的染色體組成形式相同。

為了對(duì)生成的規(guī)則庫(kù)進(jìn)行報(bào)警處理驗(yàn)證，選取50條報(bào)警記錄進(jìn)行實(shí)驗(yàn)。其具體記錄分布如表2所示。

表2 實(shí)驗(yàn)報(bào)警分布Tab.2 Distribution of experimental alarms

實(shí)驗(yàn)中，用文中所述基于基因算法的改進(jìn)粗糙集約簡(jiǎn)的算法與傳統(tǒng)未改進(jìn)的粗糙集約簡(jiǎn)算法分別對(duì)3類報(bào)警記錄進(jìn)行處理。對(duì)報(bào)警記錄推理的正確率和對(duì)報(bào)警記錄的平均推理時(shí)間進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果如表3所示。

圖3 約簡(jiǎn)執(zhí)行仿真結(jié)果Fig.3 Curves of reduction simulation result

表3 實(shí)驗(yàn)數(shù)據(jù)比較Tab.3 Comparison of test data

分析表3實(shí)驗(yàn)數(shù)據(jù)，改進(jìn)的約簡(jiǎn)算法對(duì)于Ⅰ類報(bào)警的處理正確率達(dá)到100%，即在無(wú)錯(cuò)誤報(bào)警情況下，系統(tǒng)具有很高的泛化能力，且推理時(shí)間大大縮短。對(duì)于Ⅱ類報(bào)警，報(bào)警的識(shí)別率較低，但是結(jié)果仍可接受。對(duì)于Ⅲ類報(bào)警，由于冗余屬性的減少，大大加強(qiáng)了規(guī)則的抗干擾能力，報(bào)警精確度和推理速度都有很大改善。

4 結(jié)語(yǔ)

應(yīng)用傳統(tǒng)的粗糙集約簡(jiǎn)方法對(duì)實(shí)際復(fù)雜的機(jī)場(chǎng)智能電網(wǎng)報(bào)警處理系統(tǒng)進(jìn)行屬性約簡(jiǎn)，其計(jì)算時(shí)間比較長(zhǎng)，很難滿足系統(tǒng)的工業(yè)需求。應(yīng)用基因算法對(duì)粗糙集約簡(jiǎn)算法進(jìn)行改進(jìn)，大大提高了計(jì)算效率，這對(duì)于機(jī)場(chǎng)復(fù)雜電網(wǎng)的報(bào)警信息處理的精確度和時(shí)速性要求具有重要的意義?；谖闹刑岢龅慕Y(jié)構(gòu)優(yōu)化思想，當(dāng)機(jī)場(chǎng)某變電站組的電網(wǎng)出現(xiàn)改造情況，只需更改相應(yīng)變電站數(shù)據(jù)和規(guī)則，有利于報(bào)警信息處理系統(tǒng)數(shù)據(jù)庫(kù)的維護(hù)，對(duì)于機(jī)場(chǎng)擴(kuò)建改造引起智能電網(wǎng)拓?fù)涓淖兌斐傻膱?bào)警信息處理問(wèn)題具有重要意義。

[1]王 英，劉維亭.決策樹(shù)算法在電網(wǎng)報(bào)警信息處理中的應(yīng)用[J].科學(xué)技術(shù)與工程，2011，11（30）：7375-7378.

[2]KIRSCHEN D S，WOLLENBERG B F.Intelligent alarm processing in power systems[J].Proceedings of the IEEE，1992，80（5）：663-672.

[3]朱少華，馬韜韜，郭創(chuàng)新.電力系統(tǒng)警報(bào)處理技術(shù)綜述[J].機(jī)電工程，2010，27（6）：7-11.

[4]CHAN E H P.Application of Neural-Network Computing in Intelligent Alarm Processing（Power systems）[C]//Power Industry Computer Application Conference，1989.PICA’89，Conference Papers.IEEE，1989：246-251.

[5]WEN F，CHANG C S.A Probabilistic Approach to Alarm Processing in Power Systems Using a Refined Genetic Algorithm[C]//Intelligent Systems Applications to Power Systems，1996.Proceedings，ISAP’96.，International Conference on.IEEE，1996：14-19.

[6]晁 進(jìn)，劉文穎，劉勇智，等.基于粗糙集理論的電網(wǎng)報(bào)警規(guī)則自動(dòng)提取與應(yīng)用[J].電力系統(tǒng)保護(hù)與控制，2011，39（8）：95-99.

[7]崔廣才.基于粗糙集的數(shù)據(jù)挖掘方法研究[D].長(zhǎng)春：吉林大學(xué)，2004：31-67.

[8]GUO W X，WEN F S.An analytic model-based approach for power system alarm processing employing temporal constraint network[J].IEEE Transaction on Power Delivery，2010，25（4）：2435-2447.

[9]于 剛，徐治皋.電站故障診斷系統(tǒng)中信號(hào)缺失處理的粗糙集方法[J].華東電力，2004，32（6）：2-5.

[10]楊新武，劉椿年.基于位串編碼的遺傳歸納邏輯程序設(shè)計(jì)[J].計(jì)算機(jī)工程，2009，35（2）：13-14.

[11]孫秋野，張化光，戴 璟.基于改進(jìn)粗糙集約簡(jiǎn)算法的配電系統(tǒng)在線故障診斷[J].中國(guó)電機(jī)工程學(xué)報(bào)，2007，27（7）：58-64.

（責(zé)任編輯：楊媛媛）

圖6 飛機(jī)進(jìn)場(chǎng)EPNL結(jié)果及評(píng)定Fig.6 EPNL results and evaluation during aircraft approach

圖7 起飛、進(jìn)場(chǎng)及邊線綜合評(píng)定結(jié)果Fig.7 Comprehensive evaluation results during aircraft takeoff，approach and sideline

4 結(jié)語(yǔ)

以具體的工程實(shí)例，結(jié)合CCAR36部法規(guī)要求，基于Pulse實(shí)現(xiàn)了飛機(jī)噪聲的測(cè)試與分析，并編制了飛機(jī)噪聲合格審定程序，可用于飛機(jī)噪聲合格符合性驗(yàn)證，對(duì)于發(fā)展國(guó)家大飛機(jī)工程，進(jìn)行飛機(jī)噪聲適航符合性驗(yàn)證具有重要的現(xiàn)實(shí)意義。

參考文獻(xiàn)：

[1]ICAO.Annex 16：Environmental Protection[S].Volume1，AircraftNoise，1993.

[2]陸 中，孫有朝，周 伽.民用飛機(jī)適航符合性驗(yàn)證方法與程序研究[J].航空標(biāo)準(zhǔn)化與質(zhì)量，2007（4）：6-7.

[3]馬富銀，黃新良，吳偉蔚，等.基于PULSE測(cè)試系統(tǒng)的NVH測(cè)試與分析方法[J].機(jī)械設(shè)計(jì)與制造，2012（8）：78-79.

[4]朱德壽.基于PULSE系統(tǒng)的聲級(jí)計(jì)自動(dòng)檢定測(cè)試系統(tǒng)[J].標(biāo)準(zhǔn)與檢測(cè)，2006（9）：67-68.

[5]航空器型號(hào)和適航合格審定噪聲規(guī)定（36部）[Z].中國(guó)民用航空局，2007.

（責(zé)任編輯：楊媛媛）

Modified rough set based alarm processing method of airport smart grid

WANG Li，ZHANG Bing-jie
（College of Aeronautical Automation，CAUC，Tianjin 300300，China）

Aiming at the complicated and changeable topology of smart grid in airport as well as the adverse impact caused by the taking off environment in stability of signal transmission，a genetic algorithm based modified rough set is proposed and a structure optimization theory is applied to improve the processing speed and operating accuracy of the airport smart grid alarm system under the condition of analyzing the history alarms，which is of great advantage to get the alarm information more quickly and accurately when given a little information.How to get the fitness function by finding the appropriate object function，punishing factor and publishing function is taken as a point and modifies the rough set.At last，this modified rough set reduction algorithm is tested by simulation and its quick reducing ability is proved，which will be beneficial for the airport smart grid to get quick and accurate alarms.

airport smart grid；alarm processing；rough set；genetic algorithm；reduction

V351；TM769

:A

:1674-5590(2015)01-0036-05

2013-10-18；

:2013-12-05

中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)（ZXB2011A003）；中國(guó)民航大學(xué)科研基金項(xiàng)目（2011kyE01）；中國(guó)民航機(jī)務(wù)維修科研基地項(xiàng)目

王力（1973—），男，重慶開(kāi)縣人，副教授，博士，研究方向?yàn)楹娇兆詣?dòng)化分析與控制.