工業(yè)過程變量間動態(tài)時延挖掘方法與應(yīng)用.pdf

1、在傳統(tǒng)的數(shù)據(jù)驅(qū)動工業(yè)過程監(jiān)控方法中，通常不考慮過程變量間的時間延遲信息，或者簡單地用常數(shù)對時間延遲進行描述，這樣會影響過程監(jiān)控模型的有效性以及監(jiān)控知識表達的準確性，進而導致不準確的過程監(jiān)控任務(wù)實施以至于失效。可見，研究探索一種有效的過程變量間的動態(tài)時延提取方法、并結(jié)合動態(tài)時延信息對過程監(jiān)控知識進行更加準確的表達和推理，無疑具有學術(shù)研究和工程應(yīng)用意義。
　　論文提出了一種動態(tài)時延分析(dynamic time delay analy

2、sis，DTA)方法，可以對過程變量間的動態(tài)時延信息進行有效的估計。并且，給出了一種動態(tài)時間模糊Petri網(wǎng)對過程變量間的動態(tài)信息傳遞進行有效地描述，使用條件分布有色圖對動態(tài)時延進行表達，并且建立了動態(tài)時間模糊Petri網(wǎng)的活性及動態(tài)可達性分析方法，從而構(gòu)造了有效的過程監(jiān)控知識表達模型及其推理方法。論文的主要創(chuàng)新性成果包括:
　　1、針對工業(yè)中相關(guān)過程變量之間的時滯動態(tài)特性的問題，給出了一種基于時間序列數(shù)據(jù)挖掘的動態(tài)時延分析(DT

3、A)方法，通過追蹤平滑窗內(nèi)變量間相似度的最大值對變量間的動態(tài)時延進行估計，實現(xiàn)了基于歷史數(shù)據(jù)的動態(tài)時延獲取。
　　2、針對DTA采用固定滑動時間窗近似估計時延而難以處理因干擾而導致的局部動態(tài)時延估計偏差過大問題，提出了一種基于相似的彈性窗口的動態(tài)時延分析(e-DTA，dynamic time delay analysis by elastic windows)方法;通過對比相關(guān)過程變量之間的相似性，對彈性窗口的大小進行自調(diào)整，實現(xiàn)

4、對動態(tài)延遲時間的離線估計。
　　3、為了實現(xiàn)對動態(tài)時延信息的在線估計，提出了兩種改進的時間序列預測方法:模糊插值時間序列預測方法和基于深度學習網(wǎng)絡(luò)CNN的動態(tài)時延預測方法;針對傳統(tǒng)時間序列預測難以適應(yīng)突變信號的局限性，通過對時延變量與過程變量的時間序列進行相關(guān)分析，分別提取影響時延信息的單個主要關(guān)聯(lián)變量和多個主要關(guān)聯(lián)變量，并將其引入時間序列預測模型中，在線估計過程相關(guān)變量之間的傳遞時延。
　　4、提出了一種動態(tài)時間模糊Pet