[发明专利]一种识别工业过程动态调整区间的方法和装置

权利要求书

1.一种识别工业过程动态调整区间的方法，其特征在于，包括：

S1，根据一段时间内的运行参数的采样点，通过主成分分析法获取所述运行参数的主成分数据；

S2，对所述主成分数据进行滤波和拟合处理，获取拟合曲线；

S3，根据所述拟合曲线，通过聚类处理获取对应非零导数的时间点所组成的动态调整区间；

其中，所述步骤S3中的通过聚类处理获取对应非零导数的时间点包括：

根据所述拟合曲线获取所述采样点对应的一阶导数以及以所述一阶导数为样本点的样本矩阵；

根据所述样本矩阵，设定零类和非零类，通过基于密度峰值的K-means算法获取初始聚类中心；

根据所述初始聚类中心，通过计算所述样本点至聚类中心的距离进行分类，获取属于非零类的一阶导数对应的时间点。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1进一步包括：

根据经过标准化处理的所述运行参数获取数据矩阵，根据所述数据矩阵利用累积方差贡献率获取所述主成分数据的个数；

根据所述主成分数据的个数和所述数据矩阵获取所述主成分数据。

3.根据权利要求1所述的方法，其特征在于，所述步骤S2包括：

通过带滑动窗口的中值滤波对所述主成分数据进行滤波处理，获取去噪后的主成分数据；

通过多项式最小二乘法对所述去噪后的主成分数据进行拟合，获取所述拟合曲线。

4.根据权利要求1所述的方法，其特征在于，所述通过基于密度峰值的K-means算法获取初始聚类中心包括：

根据所述样本矩阵和预设距离，获取局部密度和高密度距离；

根据所述局部密度和所述高密度距离获取决策图，并根据所述决策图获取所述初始聚类中心。

5.根据权利要求4所述的方法，其特征在于，所述局部密度ρ为所述预设距离内数据点的个数，具体为：

ρ＝∑_jχ(d_ij-d_c)；

其中，d_c为所述预设距离，d_ij为数据点i和数据点j之间的距离；当x<0时，χ(x)＝1，当x≥0时，χ(x)＝0；

所述高密度距离δ为数据点与密度比所述数据点高的最近数据点的距离，数据点i的高密度距离具体为：

6.一种识别工业过程动态调整区间的装置，其特征在于，包括：

第一获取模块，用于根据一段时间内的运行参数的采样点，通过主成分分析法获取所述运行参数的主成分数据；

第二获取模块，用于对所述主成分数据进行滤波和拟合处理，获取拟合曲线；

第三获取模块，用于根据所述拟合曲线，通过聚类处理获取对应非零导数的时间点所组成的动态调整区间；

其中，通过聚类处理获取对应非零导数的时间点包括：

根据所述拟合曲线获取所述采样点对应的一阶导数以及以所述一阶导数为样本点的样本矩阵；

根据所述样本矩阵，设定零类和非零类，通过基于密度峰值的K-means算法获取初始聚类中心；

根据所述初始聚类中心，通过计算所述样本点至聚类中心的距离进行分类，获取属于非零类的一阶导数对应的时间点。