[發(fā)明專利]基于全局-局部信息聚類的多模態(tài)過程模態(tài)劃分方法

在審

• 申請?zhí)枺?/td>: 202111000439.0
• 申請日: 2021-08-28
• 公開（公告）號: CN113741263A
• 公開（公告）日: 2021-12-03
• 發(fā)明（設計）人: 高慧慧;魏辰;高學金;韓華云
• 申請（專利權）人: 北京工業(yè)大學
• 主分類號: G05B19/042
• 分類號: G05B19/042
• 代理公司: 北京思海天達知識產(chǎn)權代理有限公司 11203
• 代理人: 劉萍

1.基于全局-局部信息聚類的多模態(tài)過程模態(tài)劃分方法，其特征在于包括以下步驟：

Ⅰ進行數(shù)據(jù)預處理；

采集多模態(tài)過程正常工況下的歷史數(shù)據(jù)，由離線測試得到的同一多模態(tài)工業(yè)過程下的數(shù)據(jù)構成樣本集X＝[x₁,x₂,…,x_N]^T∈R^N×A，該樣本集包含N個采樣時刻，每個采樣時刻采集A個過程變量，即第i個采樣時刻采集的數(shù)據(jù)為x_i＝[x_i,1,x_i,2,…,x_i,A]；

對歷史過程數(shù)據(jù)X進行標準化處理，處理方法為：首先計算歷史數(shù)據(jù)X所有時刻上所有過程變量的均值和標準方差，其中第a個過程變量的計算公式為，x_i,a表示第i個采樣時刻的第a個過程變量的測量值；第a個過程變量的標準方差計算公式為，然后對歷史過程數(shù)據(jù)X進行標準化，其中第i個采樣時刻的第a個過程變量的標準化計算公式如下：

其中，i＝1,2,…,N，a＝1,2,…,A；

上述預處理后使第i時刻每個元素的值限定在0～1的范圍之間；

Ⅱ第一步劃分；

1)將標準化處理后的數(shù)據(jù)重新構造成二維矩陣X′∈R^N×A，該樣本集共由N個采樣時刻組成，即X′＝[x′₁,x′₂,…,x′_N]^T，每個采樣時刻i均包含A個過程變量的觀測值，并且i＝1,2,…,N；輸入的歷史過程數(shù)據(jù)X′包括M個穩(wěn)定模態(tài)和M-1個過渡模態(tài)，表達式為：

其中，S_r和T_r分別表示第r個穩(wěn)定模態(tài)和第r個過渡模態(tài)；

2)將標準化后的歷史過程數(shù)據(jù)X′輸入包含有K個高斯成分的GMM聚類算法進行聚類，其中K＝M+(M-1)＝2M-1，即高斯成分分量的個數(shù)K等于歷史過程數(shù)據(jù)穩(wěn)定模態(tài)和過渡模態(tài)的數(shù)量總和；

3)采用EM算法通過不斷迭代更新GMM的參數(shù)，充分提取過程數(shù)據(jù)的全局信息，完成對所有采樣時刻的初次模態(tài)劃分；

Ⅲ第二步劃分；

1)為了減少LDRSDPC算法的輸入空間，充分利用第一步粗劃分得到的結果并提高劃分效率，將第一步劃分結果中兩個相鄰的穩(wěn)定模態(tài)中間部分采樣時刻的數(shù)據(jù)作為LDRSDPC算法的輸入；這樣，算法的輸入數(shù)據(jù)X_D只包含前后兩個穩(wěn)定模態(tài)的一部分數(shù)據(jù)以及他們之間過渡模態(tài)的數(shù)據(jù)；

2)計算第i個時刻的LDRSDPC算法的局部密度指標ρ_i：

其中，d_ij表示第i個采樣時刻與第j個采樣時刻的歐氏距離，集合S_inn由第i個樣本x_i的k個最近鄰組成；x_m,x_n分別表示第m個采樣時刻和第n個采樣時刻的樣本，d_max是整個樣本集X_D中的最大距離；目前，參數(shù)k并沒有確切的確定方式，設置k的值為占到總樣本集X_D數(shù)量的2％-7％之間；

3)獲得第i個采樣時刻x_i與其高密度鄰點x_j之間的相對距離δ_i，計算公式為：

其中，x_i的局部密度ρ_i小于x_j的局部密度；

基于相對距離δ_i中x_i與其高密度鄰點x_j之間的關系，引入直接下屬的定義；如果存在δ_i＝d_ij，即x_j是x_i最近的高密度鄰點，則稱x_i是x_j的直接下屬，x_j是x_i的直接上屬；局部密度表征的是樣本i附近近鄰點的密集程度，局部密度越大，表明該點為局部密度峰值點的程度越高，其直接下屬的數(shù)量多于鄰點，根據(jù)DPC算法的假設，局部密度峰值點，也就是直接下屬數(shù)量多的點，可以視為聚類中心；

4)對于樣本集X_D，x_i的直接下屬數(shù)量計算如下：

其中，S_inn表示x_i的k近鄰子集，v→u表示樣本v是樣本u的直接下屬，η_i為第i個樣本x_i直接下屬的數(shù)量；

5)遍歷整個樣本集X_D，得到每個采樣時刻直接下屬的數(shù)量；篩選直接下屬數(shù)量η_i＞θ_c的樣本，θ_c＝5；構成的集合進行升序排列，得到如下樣本集：

其中，前一個穩(wěn)定模態(tài)、過渡模態(tài)、過渡模態(tài)后穩(wěn)定模態(tài)的聚類中心樣本集分別表示為

三個模態(tài)的聚類中心劃分方法具體表示為：由于多模態(tài)過程中，穩(wěn)定模態(tài)的持續(xù)時間較長，在穩(wěn)定模態(tài)下的歷史過程數(shù)據(jù)中存在多個局部密度峰值，進而對應多個直接下屬數(shù)量大的樣本；通過結合第一步劃分結果以及模態(tài)發(fā)生的前后順序，可以將集合中Ξ_sub的樣本分別劃分到三個聚類中心集合C₁、C₂、C₃中；

6)當確定三個聚類中心集合C₁、C₂、C₃后，將樣本集X_D中非中心樣本與其最近的聚類中心聚合為一類，完成最終的聚類操作；準確地劃分出多模態(tài)過程中的過渡模態(tài)；

Ⅳ綜合分析粗劃分和細化分結果，將第一步劃分結果未截取的部分以及第二步劃分結果拼接在一起，將多模態(tài)工業(yè)過程分為穩(wěn)定模態(tài)和過渡模態(tài)。