[发明专利]一种识别工业过程动态调整区间的方法和装置

说明书

本发明提供了一种识别工业过程动态调整区间的方法和装置，该方法包括：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。通过主成分分析和聚类处理可实现具有较多运行参数的复杂工业过程动态调整区间获取，避免单个或几个运行参数测量误差的影响，准确、有效地识别动态调整区间，不依赖先验知识，具有工业适用性。

技术领域

本发明涉及工业生产领域，具体涉及一种识别工业过程动态调整区间的方法和装置。

背景技术

随着DCS控制系统(集散控制系统)和信息化系统的广泛应用，越来越多的过程数据被记录和储存下来。目前，工业过程系统已经累积和存储了大量的运行历史数据，通过对工业调整过程的分析，可以对工业系统调整过程进行识别，提取其历史动态调整操作序列，建立工业过程动态调整案例库。通过对案例库中每个动态调整区间进行综合评价，得到当入口条件或出口产品的需求发生变化时的历史最优调节操作序列，从而建立最优动态调整的智能决策支持系统，来指导生产。

历史最优动态调整操作序列的提取首先需要对动态调整区间进行识别。动态调整区间是系统从一种稳定运行模式向另一种稳定运行模式渐进式量变的动态过程，该过程会有很多变量发生变化，且变量的变化随时间方向呈现动态的渐变趋势。工业系统动态调整区间的识别，就是从历史运行数据中，判别出过渡区间的过程。类似于流程工业的稳态判别，过渡模态的识别是识别工业过程从一种稳定运行模式向另一种稳定运行模式渐进式量变的动态过程，因此在工业系统调整过程识别的问题上，可以借鉴稳定运行状态的识别方法。

针对稳态检测的研究，现有技术主要有基于机理分析、基于统计理论和基于趋势提取的三类稳态检测方法。例如，通常根据当前窗口中数据拟合方程的一次项系数和拟合偏差的标准差，判断是否稳态；还有以相邻一段时间内的均值和一次拟合系数作为稳态判别准则。

但这些研究往往都是针对单一变量的稳定性分析的，对于多变量的情况，上述方法仅仅是通过单变量的稳态检测结果来合成多变量的稳态结果。但是许多工业过程比较复杂，运行参数较多，各参数之间耦合严重，若是选择关键变量来进行过渡过程的识别，则需要较为详细的机理知识，而且由于关键变量数目也较多，一一进行分析会给计算带来很大负担。因此，上述方法只适应于单变量或者变量相对较少的工业过程，不能很好地解决工业过程中监测变量众多且耦合性强的问题同时,并且实际过程数据中过渡模态前后数据特征不明显，容易被错误识别到稳定模态，会对后续的分析研究造成较大影响。

发明内容

针对现有技术中存在的难以对多变量的工业过程下的动态调整区间进行识别以及识别区间不准确的缺陷，本发明提供一种识别工业过程动态调整区间的方法和装置。

本发明的一方面提供一种识别工业过程动态调整区间的方法，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。

其中，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。