[發明專利]一種基于主元相似性分析的多模態過程模態辨識方法

有效

• 申請號: 201810204240.1
• 申請日: 2018-03-12
• 公開（公告）號: CN108490912B
• 公開（公告）日: 2019-08-30
• 發明（設計）人: 鄭英;秦泗釗;王楊;張洪
• 申請（專利權）人: 華中科技大學
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 李智;曹葆青

本發明公開了一種基于主元相似性分析的多模態過程模態辨識方法，包括：根據待識別模態的數據集，選取窗口大小、窗口移動的長度和PCA相似性因子的控制限值；將第一個窗口的數據作為初始模態的數據，計算初始模態的相似性指標統計量的控制限值；對于每個窗口，基于主成分分析方法計算兩個相似性指標的值；判斷當前窗口的模態；當前窗口不屬于當前模態時，判斷所屬新模態類型；當前窗口仍屬于當前模態時，把當前窗口的數據并入到當前模態數據內。本發明揭示了不同模態數據之間性質的主要差異在于一階矩和二階矩；針對一階矩的差異，選取T²統計量；針對二階矩的差異，選取相似性因子。使得本發明的模態辨識方法計算量小，模態辨識的結果準確率高。

技術領域

本發明屬于模態辨識技術領域，更具體地，涉及一種基于主元相似性分析的多模態過程模態辨識方法。

背景技術

由于外界環境等條件的變化、生產方案變動，或是過程本身的固有特性等因素，導致現代工業生產過程往往具有多個穩定工況，各穩定模態之間的過渡過程具有明顯的動態特性，過程呈現多模態特性。針對復雜工業生產過程的多模態特性，如何區分識別不同的生產模態，是多模態工業過程監控的基礎。傳統的多變量統計過程監控方法主成分分析(PCA)和偏最小二乘法(PLS)常用于過程建模、控制和監控等，但是它們都假設過程有單個操作模態。

針對復雜工業過程的多模態特性，許多學者基于傳統的PCA/PLS方法提出了改進的適用于多模態過程的方法。常見的有基于整體建模的思想對多模態過程建立統一模型，一個全局模型雖然簡單，但是缺乏每個操作模態的信息，所建立的模型無法準確地刻畫所有的運行模態。

模態辨識常用的方法還有聚類算法。傳統的聚類算法主要是k-means聚類算法以及k-means的衍生算法。基于k-means的聚類方法是一種有監督的聚類算法，需要預設聚類數目并初始化聚類中心，而初始化的聚類中心是根據數據的均值計算的，所以k-means聚類對異常數據比較敏感，聚類結果往往不夠精確。

由此可見，現有技術存在模態辨識結果不準確的技術問題。

發明內容

針對現有技術的以上缺陷或改進需求，本發明提供了一種基于主元相似性分析的多模態過程模態辨識方法，由此解決現有技術存在模態辨識結果不準確的技術問題。

為實現上述目的，本發明提供了一種基于主元相似性分析的多模態過程模態辨識方法，包括：

(1)獲取不同模態的數據，組成待識別模態的數據集；

(2)根據待識別模態的數據集，選取窗口大小h、窗口移動的長度L和PCA相似性因子的控制限值；

(3)窗口在待識別模態的數據集中移動時，將第一個窗口的數據作為初始模態的數據，基于初始模態的數據計算初始模態的相似性指標統計量的控制限值；

(4)根據當前窗口的數據，得到當前窗口與當前模態之間的PCA相似性因子和當前窗口的相似性指標統計量，分別與PCA相似性因子的控制限值和當前模態的相似性指標統計量的控制限值比較，判斷當前窗口的模態，所述當前模態為已經辨識出來的最近一個非過渡模態；

(5)若當前窗口屬于當前模態，將當前窗口的數據并入當前模態的數據后，得到當前模態的相似性指標統計量的新的控制限值，利用新的控制限值更新當前模態的相似性指標統計量的控制限值；若當前窗口的數據不屬于當前模態，根據前一個窗口的模態判斷當前窗口是否為新的模態；

(6)若當前窗口為新的模態，根據當前窗口的數據計算新的模態的相似性指標的控制限值，并將當前窗口的數據作為新的模態的數據；

(7)重復步驟(4)～(6)，直至待識別模態的數據集中所有數據模態辨識完成。

進一步地，窗口大小h大于等于窗口移動的長度L。