[發明專利]基于數據挖掘的分散控制系統特性函數在線擬合方法

無效

• 申請號: 200910048722.3
• 申請日: 2009-04-02
• 公開（公告）號: CN101520644A
• 公開（公告）日: 2009-09-02
• 發明（設計）人: 葉敏;忻建華;葉春;蘇明;孫漾
• 申請（專利權）人: 上海交通大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 上海交達專利事務所
• 代理人: 周文娟

技術領域

本發明涉及一種特性函數擬合方法，特別是一種基于數據挖掘的分散控制系統特性函數在線擬合方法，屬于工業控制技術領域。

背景技術

目前，流程工業過程的控制裝置多采用了分散控制系統。由于復雜工業過程通常存在著非線性特性。因此，一般需要在分散控制系統中以折線型式的函數對這種非線性特性進行修正。同時進行特性函數的在線修正時不能對控制系統的正常工作產生擾動，因此須實現當前工作點所在的折線段保持不變，其它折線段則可以根據新的數據進行在線修正。

經對現有技術的文獻檢索發現，傳統的回歸方法通過肉眼分析數據分布來選定擬合點，擬合結果隨機性大，且偏差難以估計。黃學彬在《折線擬合模型及其在自動檢測中的應用》(電子技術應用，1990(2)：17-18)一文中提出了建立非線性函數的折線擬合模型的方法，但僅是針對將連續的函數曲線擬合為折線，無法對工業過程采集的呈散點分布的數據直接進行運用。

發明內容

本發明針對上述現有技術的不足和實際需要，提出了一種針對流程工業應用的分散控制系統特性函數的在線擬合方法。該方法將人工智能方法和數值擬合方法相結合，針對擬合過程建立相應的人工神經網絡模型，得到特性函數曲線，再通過數值計算方法，獲得特性函數的折線表示形式。運算速度快、擬合效果好，有效地解決了流程工業過程特性函數手工計算、難于精確擬合的問題，同時提供了一種實用的特性函數在線擬合方法。

本發明是通過如下技術方案實現的，本發明包括以下步驟：

步驟一，獲取欲擬合系統的相關數據，具體為：獲取要建立關系模型的兩個變量的足夠多的數據樣本X_i、Y_i。對數據進行必要的預處理，包括：異常數據的剔除、數據的平滑。并對數據進行歸一化，方法為：X′=X-xminxmax-xmin,]]>Y′=Y-yminymax-ymin.]]>

步驟二，建立人工神經網絡模型，采用步驟一所得數據對神經網絡模型進行充分的訓練，將X′輸入訓練好的神經網絡，計算得到Y′將Y′反歸一化，得到Y″，所得點集，i＝1，2，3，...，n即為特性函數曲線。

具體為：建立一個3層的前饋神經網絡，定義參數P為網絡輸入值，T為網絡目標值，S＝（S₁，S₂，S₃)為隱含層單元輸入向量，B＝(B₁，B₂，B₃)為隱含層單元輸出向量，L為輸出層單元輸入值，C為輸出層單元輸出值，W＝(W₁，W₂，W₃)為輸入層至隱含層連接權，V＝(V₁，V₂，V₃)為隱含層至輸出層連接權，O＝(O₁，O₂，O₃)為隱含層各單元輸出閾值，R為輸出層各單元輸出閾值，E＝(E₁，E₂，E₃)為隱含層各單元誤差，D為輸出層單元誤差。

采用步驟一所得數據對神經網絡模型進行充分的訓練，具體步驟為：