工业过程变量间动态时延挖掘方法与应用

摘要

在传统的数据驱动工业过程监控方法中，通常不考虑过程变量间的时间延迟信息，或者简单地用常数对时间延迟进行描述，这样会影响过程监控模型的有效性以及监控知识表达的准确性，进而导致不准确的过程监控任务实施以至于失效。可见，研究探索一种有效的过程变量间的动态时延提取方法、并结合动态时延信息对过程监控知识进行更加准确的表达和推理，无疑具有学术研究和工程应用意义。
　　论文提出了一种动态时延分析(dynamic time delay analysis，DTA)方法，可以对过程变量间的动态时延信息进行有效的估计。并且，给出了一种动态时间模糊Petri网对过程变量间的动态信息传递进行有效地描述，使用条件分布有色图对动态时延进行表达，并且建立了动态时间模糊Petri网的活性及动态可达性分析方法，从而构造了有效的过程监控知识表达模型及其推理方法。论文的主要创新性成果包括:
　　1、针对工业中相关过程变量之间的时滞动态特性的问题，给出了一种基于时间序列数据挖掘的动态时延分析(DTA)方法，通过追踪平滑窗内变量间相似度的最大值对变量间的动态时延进行估计，实现了基于历史数据的动态时延获取。
　　2、针对DTA采用固定滑动时间窗近似估计时延而难以处理因干扰而导致的局部动态时延估计偏差过大问题，提出了一种基于相似的弹性窗口的动态时延分析(e-DTA，dynamic time delay analysis by elastic windows)方法;通过对比相关过程变量之间的相似性，对弹性窗口的大小进行自调整，实现对动态延迟时间的离线估计。
　　3、为了实现对动态时延信息的在线估计，提出了两种改进的时间序列预测方法:模糊插值时间序列预测方法和基于深度学习网络CNN的动态时延预测方法;针对传统时间序列预测难以适应突变信号的局限性，通过对时延变量与过程变量的时间序列进行相关分析，分别提取影响时延信息的单个主要关联变量和多个主要关联变量，并将其引入时间序列预测模型中，在线估计过程相关变量之间的传递时延。
　　4、提出了一种动态时间模糊Petri网(DTFPNs，Dynamic Timed Fuzzy Petri Nets)，结合条件分布有色图对过程变量间的动态时延进行有效、直观地描述，并结合模糊Petri网的特性，提出了带有时间维度的可达性分析方法。
　　5、给出了一种基于DTFPNs的工业过程异常状态监控的方法，将所提出的方法应用于反应釜的操作监控问题，获得了满意的结果，验证了所提方法的可行性和有效性。

目录

声明

摘要

第一章 前言

1．1 研究背景与意义

1．2 相关理论与技术综述

1．2．1 时间序列数据挖掘

1．2．2 数据挖掘知识表达方法

1．2．3 数据驱动的工业过程监控

1．3 内容安排

第二章 基于相似度的动态时延估计

2．1 引言

2．2 互相关函数法

2．3 动态时延分析方法

2．4 实例研究

2．5 本章小结

第三章 基于相似度可伸缩窗的动态时延分析

3．1 引言

3．2 基于相似可伸缩窗动态时延估计(e-DTA)

3．3 实例研究

3．4 本章小结

第四章 动态时延序列预测方法

4．1 引言

4．2 基于改进的模糊插值方法

4．3 基于卷积神经网络的方法

4．4 实例研究

4．5 本章小结

第五章 基于动态时间模糊Petri网的动态时延表达与推理

5．1 引言

5．2 动态时间模糊Petri网

5．2．1 相关基础

5．2．2 扩展规则

5．2．3 模型建立

5．2．4 推理算法

5．3 实例研究

5．4 本章小结

第六章 基于动态时间模糊Petri网的工业过程异常状态监控

6．1 引言

6．2 异常状态检测

6．3 异常状态传播

6．3．1 传播推理

6．3．2 操作的策略优化

6．4 异常状态诊断

6．4．1 状态异常信息诊断

6．4．2 到达时间异常信息诊断

6．5 实例研究

6．6 本章小结

第七章 结论与展望

7．1 研究结论

7．2 工作展望

参考文献

致谢

研究成果及发表的学术论文

作者及导师简介