[發(fā)明專(zhuān)利]一種局部近鄰在線自適應(yīng)建模的性能績(jī)效指標(biāo)確定方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011202608.4
• 申請(qǐng)日: 2020-11-02
• 公開(kāi)（公告）號(hào): CN112270363A
• 公開(kāi)（公告）日: 2021-01-26
• 發(fā)明（設(shè)計(jì)）人: 楊凡;張日東
• 申請(qǐng)（專(zhuān)利權(quán)）人: 杭州電子科技大學(xué)
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62;G06Q10/06;G06F17/18;G06F17/16
• 代理公司: 浙江千克知識(shí)產(chǎn)權(quán)代理有限公司 33246
• 代理人: 周希良

本發(fā)明涉及一種基于局部近鄰方法在線建模的工業(yè)過(guò)程性能績(jī)效指標(biāo)確定方法。本發(fā)明通過(guò)步驟1中的步驟1.3確定建模所需要的訓(xùn)練數(shù)據(jù)，相比于傳統(tǒng)的方法中使用固定的訓(xùn)練數(shù)據(jù)，本發(fā)明通過(guò)距離法確定最近的訓(xùn)練數(shù)據(jù)，一方面保證了局部結(jié)構(gòu)，另一方面根據(jù)非線性數(shù)據(jù)的局部線性規(guī)律使得方法可以更好的處理非線性數(shù)據(jù)。本發(fā)明步驟3中的步驟3.4和步驟3.5不斷地更新了訓(xùn)練數(shù)據(jù)，即增加了訓(xùn)練樣本的容量，也提高了算法建模的適應(yīng)能力。

技術(shù)領(lǐng)域

本發(fā)明屬于自動(dòng)化技術(shù)領(lǐng)域，涉及一種基于局部近鄰方法在線建模的工業(yè)過(guò)程性能績(jī)效指標(biāo)確定方法。

背景技術(shù)

作為現(xiàn)代工業(yè)過(guò)程的重要組成部分，性能績(jī)效指標(biāo)發(fā)揮著重要的作用，目前已經(jīng)出現(xiàn)了大量的基于數(shù)據(jù)驅(qū)動(dòng)的性能績(jī)效指標(biāo)確定方法來(lái)評(píng)判系統(tǒng)的好壞。作為常用的數(shù)據(jù)降維方法，主成分分析(PCA)已經(jīng)被廣泛應(yīng)用于性能績(jī)效指標(biāo)確定。

傳統(tǒng)的PCA是按照投影后方差信息最大的原則來(lái)進(jìn)行投影分析，這樣可以降低數(shù)據(jù)處理復(fù)雜度，同時(shí)也可以去除一些無(wú)關(guān)的冗余信息，并且使用簡(jiǎn)單，所以被廣泛使用。PCA的使用步驟是先進(jìn)行離線建模，再進(jìn)行在線處理。但是PCA只關(guān)注全局信息，并且只能適用于線性過(guò)程，在處理非線性過(guò)程時(shí)往往不能有很好的表現(xiàn)。同時(shí)因?yàn)槭请x線建模所以模型不能實(shí)時(shí)的更新。

發(fā)明內(nèi)容

本發(fā)明的目的是為了在提高PCA效果的同時(shí)，提高方法處理非線性數(shù)據(jù)的能力，以此提出了一種局部近鄰在線自適應(yīng)建模的性能績(jī)效指標(biāo)確定方法。該方法利用局部近鄰方法，采用在線的自適應(yīng)建模。

本發(fā)明的具體技術(shù)方案如下：

步驟1：確定在線實(shí)時(shí)建模需要的訓(xùn)練數(shù)據(jù)。

具體步驟：

1.1收集化工過(guò)程正常工作的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)X＝[x₁,x₂，…x_i…x_n]^T∈R^n×m做為初始訓(xùn)練集，R代表實(shí)數(shù)集，它有n個(gè)樣本和m個(gè)變量，其中x_i表示第i個(gè)數(shù)據(jù)樣本。X依據(jù)后續(xù)的步驟不斷更新。

1.2收集在線數(shù)據(jù)所收集的在線數(shù)據(jù)必須與訓(xùn)練數(shù)據(jù)有著相同的變量數(shù)。

1.3計(jì)算收集到的在線數(shù)據(jù)離所有訓(xùn)練數(shù)據(jù)的距離

x_ij和分別表示訓(xùn)練數(shù)據(jù)和在線數(shù)據(jù)的第i個(gè)樣本的第j個(gè)變量。通過(guò)上式依次求出在線數(shù)據(jù)與所有訓(xùn)練樣本之間的距離，在求出在線數(shù)據(jù)與所有訓(xùn)練樣本之間的距離之后，選擇k組最近的訓(xùn)練數(shù)據(jù)，用進(jìn)行建模。

步驟2：在線實(shí)時(shí)建模。

2.1數(shù)據(jù)標(biāo)準(zhǔn)化

和分別表示均值和第i個(gè)變量的方差，x(i)表示第i個(gè)變量標(biāo)準(zhǔn)化后的值。標(biāo)準(zhǔn)化后的數(shù)據(jù)我們使用表示。

2.2在進(jìn)行降維的時(shí)候?yàn)榱吮ＷC投影之后的方差最大原則，首先需要計(jì)算標(biāo)準(zhǔn)化數(shù)據(jù)矩陣的協(xié)方差矩陣C。

2.3計(jì)算協(xié)方差矩陣C的特征向量特征根λ，選擇最大的幾個(gè)特征根所對(duì)應(yīng)的特征向量作為投影矩陣P。通過(guò)下式便可以進(jìn)行主成分的建模。

由上式可以得到主成分矩陣T。E是殘差矩陣。

2.4計(jì)算T²統(tǒng)計(jì)量和Q統(tǒng)計(jì)量的控制限D(zhuǎn)_C和Q_C，a。

l為保留的主成分個(gè)數(shù)；a為顯著性水平。在自由度為l，k-l條件下的F分布臨界值可由統(tǒng)計(jì)表中查到。