[发明专利]一种基于时滞互信息的空分工厂氮气浓度相关性分析方法

说明书

本发明公开了一种基于时滞互信息的空分工厂氮气浓度相关性分析方法，克服现有技术的分析方法会对延迟时间现象中数据分析问题产生极大的影响造成抗干扰能力弱、分析不准确的问题，包括对数据进行预处理时去除错误数据，为后续的分析工作带来了极大的便利；对数据进行预处理后提供时滞得到互信息，在所得互信息中选择初选集，再从初选集中选出最优选集。本发明在出现延迟时间现象时对于数据分析，相关性提取，故障诊断，数据预测等数据上的运用进行互信息分析，抗干扰能力强，分析准确效果优良。

技术领域

本发明涉及互信息技术领域，尤其是涉及一种相关性分析方法，并将该方法运用于空分工厂制氮系统中，选取与氮气浓度相关的相关变量最终选集，为后续故障诊断的研究提供相关变量支持的基于时滞互信息的空分工厂氮气浓度相关性分析方法。

背景技术

多变量时间序列在研究同时记录的多个信号之间的关联上已经被广泛应用，为了了解这些信号的系统功能，不能只分析单一信号本身的特征，而是应该评估信号之间的相互依赖性。相互关联的方法是根据时间，频率等提供两个信号之间的相关信息来评估彼此之间的依赖程度。在20世纪60年代之前，相互关联的方法最常用在两个脑电图信号之间相似性的问题研究上。虽然那个时候的相互关联方法在研究两个信号之间的相互依赖程度上给出了有用的信息，但他们也存在固有的局限性，即因为相互关联方法是线性的，所以只能测量线性的关联性，并不适用于复杂的非线性数据。非线性技术主要来自于Kraskov等人的自信息理论的最新进展，通过解决两个时间序列之间是否存在共同的信息来捕获时间序列之间的线性和非线性关系。互信息(Mutual Information)是其中的一种有用的信息度量方法。互信息的定义是一个变量中包含另一变量的信息量，减少自身的不确定性，用于特征之间的一个区分，在现有的空分工业设备上，同一时刻输出的不同变量之间可能存在一个延迟反映。同一时刻上的不同变量数据，因为变量之间存在的延迟时间现象，该数据对于数据分析，相关性提取，故障诊断，数据预测等数据上的运用都存在着影响，变量之间存在的延迟时间现象，现有的分析方法会对数据分析问题产生极大的影响，造成抗干扰能力弱，分析不准确。

发明内容

本发明是为了克服现有技术的分析方法会对延迟时间现象中数据分析问题产生极大的影响造成抗干扰能力弱、分析不准确的问题，提供一种基于时滞互信息的空分工厂氮气浓度相关性分析方法，这种方法在出现延迟时间现象时对于数据分析，相关性提取，故障诊断，数据预测等数据上的运用进行互信息分析，抗干扰能力强，分析准确效果优良。

为了实现上述目的，本发明采用以下技术方案：

一种基于时滞互信息的空分工厂氮气浓度相关性分析方法，其特征在于，包括以下步骤：

S1：输入空分工厂存至于空分数据库的数据；

S2：对数据根据公式进行预处理消除显著误差；

S3：根据公式计算两个变量之间的一个延迟时间τ；

S4：将计算得到的延迟时间τ与互信息相结合，运用公式计算不同变量之间的互信息值；

S5：通过互信息值选择变量作为相关变量初选集；

S6：在相关变量初选集中选择最优变量作为相关变量最终选集。数据主要来自于空分云数据库，数据变换周期为1秒，采样周期为5秒，挑选设备正常运行时的1000个数据作为实验数据，为了防止得不到相关性变化，选择的特征变量为在正常范围内变化的数据。

作为优选，所述S2中公式包括：

其中，是数据a₁,a₂,…a_n的平均值，a′是绝对偏差。

作为优选，所述S2中公式还包括：