[發明專利]基于智能儀表的過程趨勢分析預測方法

在審

• 申請號: 202110609061.8
• 申請日: 2021-06-01
• 公開（公告）號: CN113408591A
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 包偉華;趙勇;徐華東;邱云周;賈根團
• 申請（專利權）人: 上海自動化儀表有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 上海精晟知識產權代理有限公司 31253
• 代理人: 周瓊

本發明公開了一種基于智能儀表的過程趨勢分析預測方法，其中，包括：智能儀表記錄歷史感知數據；根據歷史感知數據訓練數據預測模型；將數據預測模型預測的感知數據加入滑動窗口；計算滑動窗口內的峭度值；將峭度值輸入狀態轉移模型，完成狀態的更新和預測。本發明基于智能儀表中的歷史感知數據，通過智能儀表本身所具有的運算能力，訓練數據預測模型，并加入滑動窗口，通過將峭度值輸入狀態轉移模型，最終實現智能儀表的狀態更新和預測。本發明采用峭度值、多元線性回歸以及有限狀態機的方法可以準確預測儀表的過程狀態，相比于人工神經網絡等復雜的機器學習方法，該方法的計算量非常小，可以完全在儀表端完成。

技術領域

本發明涉及一種儀表過程趨勢預測方法，尤其涉及一種基于智能儀表的過程趨勢分析預測方法。

背景技術

目前，傳統的主流儀表往往系統功能單一、計算資源有限、自處理能力弱。傳統的主流儀控系統是儀表負責測量，控制系統負責計算與控制，這種模式儀表無法知道其當前所處的狀態，因此往往會因為延遲與不同步，難以滿足智能工廠更高的測量與控制精度要求。

為了減少延遲造成的不同步問題，需要一種在儀表端進行的輕量化過程趨勢分析方法，同時為了保證儀表設備的長周期的可靠測量，開展了儀表的過程趨勢預測技術研究，在儀表故障未曾顯現之前對其進行預測預警，實現預知維護是十分必要的。對于儀表運行狀態的變化趨勢的預測預警，傳統的做法大都是通過設置閾值報警或者利用技術人員的經驗進行人工判斷的方式。該方法只適合用于數據較為穩定的特定場景且不具有通用性，因此需要研究一種具有通用性且能夠實現儀表過程趨勢分析預測的方法。

近年來，隨著人工智能的發展，越來越多的方法被用來進行設備的狀態預測，常見的預測方法有灰色預測模型、支持向量機(SVM)、人工神經網絡(ANN)等。灰色預測模型存在預測周期短、不適合長期預測的問題，支持向量機存在參數選擇困難、訓練速度慢等問題，人工神經網絡存在運算復雜、難以保證實時性的問題。

因此，本發明致力于提供一種通過智能儀表本身進行運算實現趨勢分析的方法。

發明內容

本發明的上述目的是通過以下技術方案實現的：

一種基于智能儀表的過程趨勢分析預測方法，其中，包括：智能儀表記錄歷史感知數據；根據歷史感知數據訓練數據預測模型；將數據預測模型預測的感知數據加入滑動窗口；計算滑動窗口內的峭度值；將峭度值輸入狀態轉移模型，完成狀態的更新和預測。

如上所述的基于智能儀表的過程趨勢分析預測方法，其中，根據歷史感知數據訓練數據預測模型采用多元線性模型，多元線性模型的假設空間如下：

h_θ(x)＝θ₀+θ₁x₁+θ₂x₂+…+θ_nx_n＝θ^TX

其中θ^T為待訓練的參數，X為輸入的特征向量。定義的代價函數如下：

其中m為樣本的數量，h_θ(x⁽ⁱ⁾)為預測的值，y⁽ⁱ⁾為真值。

如上所述的基于智能儀表的過程趨勢分析預測方法，其中，計算滑動涌口內的峭度值的公式為：

其中N為窗口的長度、x_i為信號值、為信號均值、σ_t為標準差。

如上所述的基于智能儀表的過程趨勢分析預測方法，其中，狀態轉移模型為一個有限狀態機，有限狀態機根據峭度值特征的值完成狀態的躍遷。