[發明專利]基于全局-局部信息聚類的多模態過程模態劃分方法

在審

• 申請號: 202111000439.0
• 申請日: 2021-08-28
• 公開（公告）號: CN113741263A
• 公開（公告）日: 2021-12-03
• 發明（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權代理有限公司 11203
• 代理人: 劉萍

本發明公開了基于全局?局部信息聚類的多模態過程模態劃分方法。首先，采用高斯混合模型(GMM)實現第1步劃分，提取過程數據的全局信息并獲得多模態過程穩定模態的劃分結果；然后采用一種改進的密度峰值聚類(DPC)算法，即基于局部密度關系搜索的DPC算法(LDRSDPC)，充分挖掘過程變量之間的局部信息；構造了一種新的聚類中心判別標準，能夠自動和精確地找到過渡模態的起止邊界。最后綜合分析兩步劃分結果,將多模態工業過程劃分為若干個不同的穩定模態和過渡模態。本發明提出了一種分層模態識別策略，包括全局粗劃分和局部細劃分，充分挖掘和利用原始過程數據的全局特征和局部特征，同時全局劃分為局部劃分縮小了數據空間，提高了劃分的效率和準確率。

技術領域

本發明涉及基于數據驅動的過程監控技術領域，特別是涉及一種針對多模態工業過程多模態特性提出的一種基于全局-局部信息聚類的多模態過程模態劃分方法。本發明利用高斯混合模型實現第1步劃分，提取過程數據的全局信息；之后采用基于局部密度關系搜索的密度峰值聚類算法提取表征多模態過程數據的局部信息實現第2步劃分，綜合分析兩步劃分結果最終將生產過程劃分為不同的穩定模態和過渡模態。

背景技術

可靠的工業過程監測對于現代工業的可持續發展和持久盈利至關重要。由于市場需求的變化、產品原材料的波動、外界環境的影響、過程本身固有特性的變化等，導致工業過程在不同的工作點工作。簡而言之，一個生產過程運行于多個生產模態，在不同的生產模態下，過程特性具有較大的差異。當前，工業過程通常具有多模態的特性，歷史數據在不同的生產模態下具有不同的分布特征。

在這種情況下，傳統的多元統計過程監測方法(例如主成分分析、偏最小二乘等)不能直接應用于多模態過程建模。如果使用整個過程數據建立單一模型，勢必出現大量的故障誤報和漏報。因此，許多國內外專家針對多模態建模問題進行了大量研究，一種較為常見的多模態建模方法是為每個生產模態分別構建子模型。而多模型建模方法對模態劃分的準確性有很高的要求，其劃分結果直接影響到后續建立的多個子模型的監控性能。因此，有必要首先區分和識別生產樣本所屬的模態。Xie等提出了一種基于模糊C均值(Fuzzy C-means,FCM)的多模態識別方法，FCM是K-means的拓展，通過FCM得到的隸屬度信息劃分過程為多個穩定模態。Lou等提出了一種基于隱半馬爾可夫的模態劃分方法，Jiang等提出了基于高斯混合模型(Gaussian Mixture Model,GMM)的多模態劃分方法。Yan提出了VBGMM和典型相關分析方法，最大限度地發揮了VBGMM在自動模式識別和CCA在局部故障檢測中的優勢。以上方法均沒有考慮到對過渡模態的識別，僅僅可以獲得過程變量的全局信息，不能很好地反應過渡模態的特性。相比各個穩定模態下的運行狀態，模態之間的過渡狀態具有復雜的動態特性，對生產效率的影響較大，因此準確識別過渡模態的邊界對生產和后續分析具有重大的意義。密度峰值聚類(Density Peaks Clustering,DPC)是由Rodriguez和Laio在2014年提出的，它可以通過計算數據集中每個樣本點的相對密度來處理非球形分布數據的聚類問題。由于工業過程中穩定模態的持續時間較長，它可能對應于特征空間中更大的集群，并且穩定模態對應的局部密度值更高。另一方面，多模態過程數據分布具有多峰的特征，DPC算法的局部密度指標能夠更好地刻畫過程數據的局部特征。這樣，DPC算法就可以有效地應用于多模態過程中過渡模態的識別。Liu等提出了SNN-DPC算法用于改進局部密度和距離度量，并消除人為確定截止距離的影響。Liu等通過引入K近鄰約束自適應地計算截止距離和局部密度。針對現有算法在稀疏區域容易被忽略的問題，Guo等將局部密度重新定義為相鄰點之間的距離約束。上述研究工作都側重于設計新的局部密度和來改進傳統的DPC算法，對DPC算法聚類中心確定準則的改進工作很少。由于多模態過程數據具有多峰的特性，穩定模態的持續時間較長，導致穩定模態具有多個局部密度峰值，而這些局部密度峰值點很可能就是該模態下的聚類中心。如果我們仍使用傳統DPC算法的決策圖確定聚類中心，我們會發現很多滿足條件的聚類中心，而無法確定這些聚類中心的歸屬。因此，傳統DPC算法確定聚類中心的規則很難應用于多模態過程數據集。

發明內容