报警系统在流程生产过程中的主要作用是能实时监控整个生产过程,当生产过程偏离正常状态时,报警系统会给出相应的报警信息,操作员可以根据该报警信息采取处理措施,从而保证整个生产过程的安全性。而报警泛滥问题在工业监控系统中是常见的,报警阈值设计不合理是致使该问题发生的一个重要因素。报警泛滥一旦发生,则会出现大量的无效报警,由于报警数量较多,很可能导致关键报警淹没其中,使操作员不能及时获取有效信息,进而对异常工况也不能做出正确的响应,已严重威胁工厂的安全。因此,本文针对报警泛滥问题,给出了一种改进后的报警变量阈值设置方法。该方法首先基于时延估计方法建立过程变量间的拓扑关系,以确定报警变量的传播路径,进而选择需要优化的关联报警变量,然后为了保障系统的安全性及数据间的相关一致性,本文首次同时考虑了误报率(False Alarm Probability,简称FAP),漏报率(Missed Alarm Probability,简称MAP)及相关一致性建立优化过程的目标函数,最后引入了遗传算法以获得变量的最优值。本文的主要研究内容如下：(1)关联报警变量的选择。对于工业过程数据,采用时延估计方法,由相关性矩阵、方向矩阵及因果矩阵,初步构建变量之间的拓扑关系,并引入工艺过程知识对其做相应的修正,以选出需要优化的关联报警变量。(2)研究了基于误报率、漏报率及相关一致性分析的报警变量阈值设计的方法。本文基于相关性方法在阈值优化过程中忽略了安全性问题,而误报率和漏报率是报警系统中两个重要的安全性能指标。因此,本文首次将误报率、漏报率及相关一致性进行综合考虑,以建立目标函数,然后引入遗传算法对其求最优阈值。(3)以TE过程为例,采用工业中常用的3σ方法、基于过程数据与报警数据的相关性分析方法、FAP-MAP方法以及本文给出的改进后的方法分别设置报警阈值,由最后得到的误报警数和漏报警数的统计结果表明,本文给出的改进后的方法在减少无效报警上具有一定的优势。(4)利用MATLAB的GUI设计了一个阈值优化的应用界面,实现了数据处理、数据趋势显示及阈值求解等功能。