工业控制回路稀疏因果分析研究

摘要

现代工业过程由成百上千个高度耦合的回路构成，各个回路实际控制性能与过程安全、经济效益、产品质量等问题息患相关。但由于某些原因，有些回路会出现不同程度的控制性能问题。因此，对工业控制回路进行因果分析，具有重要意义。而典型的工业过程，回路变量数目众多，但仅有小部分变量为因果关系中的关键变量。所以，本文采用稀疏因果分析的方法，对工业控制回路实现高效精准的因果分析。本文的主要研究内容如下:
　　1、结合格兰杰因果概念和Lasso拟合方法，针对线性平稳数据构建了最典型的稀疏格兰杰因果分析的算法。通过实验仿真，验证了该方法的准确性，且较之非稀疏方法更加高效和精准。
　　2、针对工业过程全局振荡的故障数据，提出一种去趋势预处理的稀疏格兰杰因果分析方法。首先，基于局部均值分解和非平稳时间序列模型设计了两种去趋势方案。并通过对比对Eastman数据的处理效果，对于单振荡源、振荡周期明显且固定的振荡数据，确定后一种方案的处理效翠更高，操作性更强。之后，通过数值仿真对比实验，验证了去趋势预处理的必要性。最后，对Eastman振荡数据实现了振荡源的定位和振荡传播路径的检测。
　　3、提出了一种稀疏组因果分析的方法，主要针对无先验分组结构的对象，利用聚类和主成分分析的方法构建特征组，并采用Group Lasso拟合方法，建立稀疏组模型，最终实现组变量之间的因果分析。同时，设计了一种结合分量权重的组因果指标wMVGC。最后，通过数值仿真，验证了稀疏组因果分析方法的准确性和高效性，说明了新的指标更有利于因果关系的判断。
　　4、以TE过程为研究对象，验证了两种稀疏因果分析算法的有效性和精准性。采用去趋势预处理的稀疏因果分析方法，对全局振荡现象实现了振荡源准确定位及振荡传播路径的检测。对两个故障数据集，利用主成分分析和聚类方法构建特征组，采用稀疏组因果分析方法，对故障源所在区域实现定位。

目录

声明

致谢

摘要

1 绪论

1．1 课题研究背景与意义

1．2 工业控制回路稀疏因果分析研究现状

1．2．1 工业控制回路因果分析研究现状

1．2．2 稀疏因果分析研究现状

1．2．3 研究现状的分析及评价

1．3 本文主要研究内容

2 线性平稳过程的稀疏因果分析方法

2．1 引言

2．2 格兰杰因果概念介绍

2．2．1 相关关系与因果关系

2．2．2 格兰杰因果分析方法介绍

2．3 稀疏分析方法简介

2．3．1 Lasso

2．3．2 Group Lasso

2．3．3 Lasso和Group Lasso的拓展

2．4 线性平稳过程的稀疏因果分析

2．4．1 算法实现

2．4．2 数值仿真

2．4．3 结果分析

2．5 本章小结

3 基于去趋势预处理的全局振荡稀疏因果分析

3．1 引言

3．2 振荡信号分解方法及在去趋势中的应用

3．2．1 经验模态分解

3．2．2 局部均值分解

3．3 非平稳时间序列模型

3．3．2 ARIMA模型

3．4 去趋势预处理的全局振荡因果分析算法

3．4．1 去趋势预处理算法实现

3．4．2 算法实现

3．5 实验与讨论

3．5．1 去趋势预处理必要性验证

3．5．2 工业例子应用

3．6 本章小结

4 基于时间序列聚类和主成分分析的稀疏组因果分析方法

4．1 引言

4．2 “组”的建立

4．2．1 主成分分析

4．2．2 时间序列聚类

4．3 多变量组格兰杰因果指标

4．3．1 多燹量组向量自回归模型

4．3．2 组格兰杰因果指标

4．4 稀疏组因果分析方法及指标设计

4．4．1 稀疏组因果分析方法

4．4．2 加权组因果指标wMVGC

4．5 实验与讨论

4．5．1 数值仿真

4．5．2 讨论分析

4．6 本章小结

5 TE过程的稀疏因果分析

5．1 引言

5．2 TE过程简介

5．3 全局振荡的稀疏因果分析

5．3．1 问题介绍

5．3．2 问题分析

5．3．3 结果讨论

5．4 不同故障的稀疏组因果分析

5．4．1 问题介绍

5．4．2 问题分析

5．4．3 讨论分析

5．5 本章小结

6 总结与展望

6．1 工作总结

6．2 研究展望

参考文献

作者简历

攻读学位期间取得的研究成果