[发明专利]一种多工序变量间动态时滞估计方法

权利要求书

1.一种多工序变量间动态时滞估计方法，其特征在于，具体按照以下步骤实施：

步骤1、将数据库中数据分为输入数据和输出数据两类，其中，输入数据即辅助变量，输出数据即主导变量；

步骤2、对数据库中训练数据集求得输入数据相对于中间变量的时滞参数集以及输入数据相对于输出数据、中间变量相对于输出数据的时滞参数集；

步骤3、以输入数据相对于中间变量的时滞参数集为输入，以输入数据相对于输出数据、中间变量相对于输出数据的时滞参数集为输出，即得到多工序变量间动态时滞参数预测模型；

步骤4、使用皮尔逊相关系数法在线求解实际生产数据集中的输入数据相对于中间变量的时滞参数，将该时滞参数实时代入训练好的时滞参数预测模型中，预测得到输入数据相对于输出数据、中间变量相对于输出数据的时滞参数。

2.根据权利要求1所述的一种多工序变量间动态时滞估计方法，其特征在于，所述步骤2中求解时滞参数的方法为皮尔逊相关系数法、模糊曲线法、广义二次相关法中的任意一种。

3.根据权利要求2所述的一种多工序变量间动态时滞估计方法，其特征在于，所述步骤2具体按照以下步骤实施：

步骤2.1、假设数据库dataAll共n组数据，定义计时器time初始值为1；

步骤2.2、设时滞参数上限为delay_max，从数据库dataAll中取第time到第time+m-1组数据定义为数据集D_time，其中，mdelay_max，time为1 时，从数据库dataAll中取第1到第m组数据存入数据集D_1中，此时D_time＝D_1，time为h时，从数据库dataAll中取第h到h+m-1共m组数据存入数据集D_h，D_time＝D_h，D_time(i,j)为数据集D_time中第i行第j列数据，其中，i＝1，2，3···m，j＝1，2，3，数据集D_time的1、2、3列数据分别对应为输入数据、中间变量、输出数据；

步骤2.3、将步骤2.2中的数据集D_time扩展为数据集D1、D2、D3：数据集D1为输入数据与中间变量，数据集D2为输入数据与输出数据，数据集D3为中间变量与输出数据；

步骤2.4、使用皮尔逊相关系数法求取数据集D1、D2、D3的最优时滞参数并分别存入D_delayIn(time)、D_delayOut1(time)、D_delayOut2(time)中；

步骤2.5、令time＝time+1，对数据集D_time进行更新，若time+m-1＝n，则向下执行，若time+m-1n则返回步骤2.2，重复执行；

步骤2.6、此时得到输入数据相对于中间变量的最优时滞参数集D_delayIn，输入数据相对于输出数据的最优时滞参数集D_delayOut1，中间变量相对于输出数据的最优时滞参数集D_delayOut2。

4.根据权利要求3所述的一种多工序变量间动态时滞估计方法，其特征在于，所述步骤2.2中delay_max＝30，m＝40。

5.根据权利要求3所述的一种多工序变量间动态时滞估计方法，其特征在于，所述步骤2.4具体按照以下步骤实施：

步骤2.4.1、将数据集D1扩展为delay_max+1组数据集：延迟时间为w时，w为数据集D1的第二列数据相对于第一列数据的延迟时间值，该组数据集命名为D1_w，D1_w的第一列数据为D1的第一列数据的第1行到第m-w行数据，D1_w的第二列数据为D1的第二列数据的第w+1行到第m行数据；

步骤2.4.2、使用皮尔逊相关系数法求得每一个延迟时间值w对应的数据集的相关系数值P(w)，将所求得的相关系数值集P中的最大值对应的延迟时间作为所求数据集D_time的扩展后的数据集D1的最优时滞参数，并存入D_delayIn(time)中，数据集D_time扩展后的数据集D2、D3的最优时滞参数求取方法同D1，并将其分别存入D_delayOut1(time)、D_delayOut2(time)中。