[發(fā)明專利]一種基于vine copula分位數(shù)回歸的自適應(yīng)軟測(cè)量方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010439433.2
• 申請(qǐng)日: 2020-05-26
• 公開(kāi)（公告）號(hào): CN111781824B
• 公開(kāi)（公告）日: 2022-08-09
• 發(fā)明（設(shè)計(jì)）人: 李紹軍;倪佳能;周洋;劉漫丹;賈瓊;田一彤;李雪梅;王世豪
• 申請(qǐng)（專利權(quán)）人: 華東理工大學(xué)
• 主分類號(hào): G05B13/04
• 分類號(hào): G05B13/04
• 代理公司: 上海順華專利代理有限責(zé)任公司 31203
• 代理人: 顧蘭芳

本發(fā)明提出一種基于vine copula分位數(shù)回歸的自適應(yīng)軟測(cè)量方法及系統(tǒng)，步驟如下：獲得正常操作條件下的數(shù)據(jù)，選擇合適的輔助變量；對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行歸一化；利用D?vine copula建立分位數(shù)回歸模型；根據(jù)訓(xùn)練樣本計(jì)算條件分位數(shù)函數(shù)以及訓(xùn)練樣本平均預(yù)測(cè)區(qū)間差；待預(yù)測(cè)樣本輔助變量在線收集及標(biāo)準(zhǔn)化處理；確定條件分位數(shù)函數(shù)；根據(jù)設(shè)定的分位數(shù)計(jì)算各個(gè)條件分位數(shù)函數(shù)值；條件分位數(shù)函數(shù)值反歸一化，進(jìn)而得到最終的預(yù)測(cè)值的中位數(shù)與置信區(qū)間；計(jì)算預(yù)測(cè)值的置信區(qū)間差，比較預(yù)測(cè)值的置信區(qū)間差是否超過(guò)訓(xùn)練樣本平均預(yù)測(cè)區(qū)間差。

技術(shù)領(lǐng)域

本發(fā)明屬于過(guò)程控制技術(shù)領(lǐng)域，尤其涉及一種基于vine copula分位數(shù)回歸的自適應(yīng)軟測(cè)量方法；同時(shí)，本發(fā)明還涉及一種基于vine copula分位數(shù)回歸的自適應(yīng)軟測(cè)量系統(tǒng)。

背景技術(shù)

隨著現(xiàn)代工業(yè)的生產(chǎn)規(guī)模逐漸龐大，生產(chǎn)流程也變得更加復(fù)雜。為了保證工廠的生產(chǎn)過(guò)程正常有序的運(yùn)行，工人能及時(shí)監(jiān)控系統(tǒng)狀態(tài)，對(duì)產(chǎn)品質(zhì)量的測(cè)量和控制至關(guān)重要。受到工藝和技術(shù)的限制，它們難以通過(guò)硬件傳感器進(jìn)行實(shí)時(shí)在線檢測(cè)，實(shí)際生產(chǎn)過(guò)程中通常采用人工離線分析的方法，即每隔幾小時(shí)采樣一次，送化驗(yàn)室進(jìn)行人工分析。但人工離線分析的方法成本高，且有一定的延遲。為了解決上述問(wèn)題，軟測(cè)量技術(shù)應(yīng)運(yùn)而生。它通過(guò)建立輸入輸出的數(shù)學(xué)模型，利用容易測(cè)量的過(guò)程變量如溫度、壓力、流速等，預(yù)測(cè)那些難以直接測(cè)量的質(zhì)量變量如粘度、催化率等，作為一種新型間接測(cè)量技術(shù)在工業(yè)現(xiàn)場(chǎng)有普遍的實(shí)際應(yīng)用。

目前，大多數(shù)的軟測(cè)量方法主要利用空間投影變換或機(jī)器學(xué)習(xí)的思想，是單點(diǎn)估計(jì)方法 (如PCA,PLS,ANN,SVR等)。但是，當(dāng)過(guò)程數(shù)據(jù)存在異方差性時(shí)，模型誤差較大。因此，本發(fā)明直接從建立概率模型的角度出發(fā)，使用分位數(shù)回歸方法提高了模型的實(shí)用性、魯棒性和對(duì)偏態(tài)分布的適應(yīng)性，并引入copula理論實(shí)現(xiàn)對(duì)非線性非高斯分布的高維數(shù)據(jù)的相關(guān)性建模。更為精確的概率模型能夠保證復(fù)雜化工過(guò)程軟測(cè)量效果的顯著提升。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問(wèn)題是：提供一種基于vine copula分位數(shù)回歸的自適應(yīng)軟測(cè)量方法，可克服傳統(tǒng)單點(diǎn)估計(jì)方法處理存在異方差性的數(shù)據(jù)時(shí)的不足，并實(shí)現(xiàn)了對(duì)存在非線性、非高斯的復(fù)雜化工過(guò)程的關(guān)鍵變量的預(yù)測(cè)。

此外，本發(fā)明還提供一種基于vine copula分位數(shù)回歸的自適應(yīng)更新軟測(cè)量系統(tǒng)，可克服傳統(tǒng)單點(diǎn)估計(jì)方法處理存在異方差性的數(shù)據(jù)時(shí)的不足，并實(shí)現(xiàn)了對(duì)存在非線性、非高斯的復(fù)雜化工過(guò)程的關(guān)鍵變量的預(yù)測(cè)，并引入取樣提醒系統(tǒng)，模型能夠自適應(yīng)的更新。

為解決上述技術(shù)問(wèn)題，本發(fā)明采用如下技術(shù)方案：

一種基于vine copula分位數(shù)回歸的自適應(yīng)軟測(cè)量方法，步驟如下：

步驟S1：根據(jù)實(shí)際的工業(yè)生產(chǎn)情況與專家知識(shí)，獲得正常操作條件下的數(shù)據(jù)，并為軟測(cè)量模型選擇合適的輔助變量；

步驟S2：對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行歸一化，得到可以用于copula建模的數(shù)據(jù)；

步驟S3：利用D-vine copula建立分位數(shù)回歸模型；

步驟S4：根據(jù)訓(xùn)練樣本計(jì)算各個(gè)變量之間h函數(shù)的逆函數(shù)值，并確定條件分位數(shù)函數(shù)，計(jì)算訓(xùn)練樣本平均預(yù)測(cè)區(qū)間差；

步驟S5：待預(yù)測(cè)樣本輔助變量在線收集及標(biāo)準(zhǔn)化處理；

步驟S6：根據(jù)新樣本計(jì)算各個(gè)變量之間h函數(shù)的逆函數(shù)值，并確定條件分位數(shù)函數(shù)；

步驟S7：根據(jù)設(shè)定的分位數(shù)計(jì)算上分位數(shù)、下分位數(shù)和中位數(shù)值；

步驟S8：根據(jù)S6計(jì)算的條件分位數(shù)函數(shù)值，將其反歸一化，進(jìn)而得到最終的預(yù)測(cè)值的中位數(shù)與置信區(qū)間；