本發明專利技術是一種與軟測量建模相結合的過失誤差偵破，該方法針對軟測量建模過程中建模數據過失誤差偵破的特殊性，提出了一種適用于軟測量數據的中心歐氏距離聚類算法(CED)，這種新方法依據各數據點到數據中心的歐氏距離來判定過失誤差，脫離了傳統過失誤差偵破方法依賴于機理模型的束縛，更好地適應軟測量的特點。針對單純使用聚類算法實現過失誤差偵破的不足，將其與軟測量建模過程相結合，將建模誤差作為過失誤差偵破過程的指導，使其克服了由于單純基于數據而存在的缺陷，并且在完成過失誤差偵破的同時建立了軟測量模型。
【技術實現步驟摘要】
近年來，軟測量技術在復雜工業過程中已經得到了廣泛的應用。這種技術又稱作軟儀表技術，它是利用可測或易測的相關量，通過統計或人工智能等方法來建立其與待測量之間的數學關系(軟測量模型)，從而實現對待測量的測量。無論采用何種方法建立軟測量模型，都需要一定的建模數據，而軟測量模型的性能在很大程度上依賴于所獲建模數據的準確性和有效性。然而，由于各種原因在現場采集的數據中不可避免地有誤差存在。在這些誤差中，不但包括隨機誤差也有過失誤差。過失誤差主要是由于儀表零點漂移，儀表機械故障，操作不穩定等原因造成的，對建立準確的軟測量模型產生嚴重干擾。因此，必須在建立軟測量模型之前檢測到數據中的過失誤差并將其從樣本中剔除，這是準確建立軟測量模型的前提。
技術介紹
工業過程中的過失誤差檢測已經受到了一定的關注。大部分的過失誤差檢測方法都是依賴于統計假設檢驗提出的。這些方法已經在測量和數據校正等方面得到了廣泛的應用，但是這些方法的使用都需要有過程的約束方程，而這些約束方程的確定是建立在過程模型的基礎上的。軟測量建模的過程是一個依據數據建模的過程，主要針對的是無法準確建立過程模型的測量量，因此無法利用上述方法對建模數據中的過失誤差進行檢測。針對這個問題，本專利技術提出了一種基于聚類分析的過失誤差檢測方法，該方法不依賴于過程的數學模型，是一種直接基于軟測量建模數據實現過失誤差檢測的方法。這種方法最大限度地降低了實現過失誤差偵破的條件，直接面向建模數據，容易實現，確保了建立軟測量模型數據的準確性，進而保障軟測量建模的順利進行。將該方法應用到LF爐終點溫度軟測量建模數據的過失誤差檢測中，結果顯示該方法可以有效地檢測建模數據中的過失誤差。
技術實現思路
本專利技術所要解決的技術問題是，針對軟測量建模過程中建模數據誤差偵破的特殊性，本文提出了一種新的聚類分析方法，中心歐氏距離聚類(CED-Centre EuclideanDistance)算法，用該聚類方法進行過失誤差偵破時不再依賴過程的數學模型，而是直接作用于軟測量建模數據，最大限度地降低了實現過失誤差偵破的條件，容易實現。考慮到單純使用聚類思想的不足(由于其完全基于數據的特點，造成偵破過程缺乏指導，進而容易產生過度偵破的現象)，提出了一種將過失誤差偵破與軟測量建模相結合的思想，用建模誤差對過失誤差偵破過程進行指導，這樣既保證了過失誤差的偵破，同時又防止了過渡偵破現象的發生，并且在過失誤差偵破的同時完成了軟測量模型的建立。本專利技術采用的技術方案是將聚類分析方法應用到軟測量建模數據過失誤差偵破中，其主要思想是采用聚類分析的方法將整個建模數據分成兩類過失誤差類和正確數據類，這樣可以方便地將過失誤差從建模數據中分離出來，從而提高建模數據的質量。然而在對建模數據進行過失誤差偵破的過程中，前面提到的聚類方法都不能有效的將過失誤差數據從建模數據中分離出來。針對過失誤差偵破的特殊性，本文提出了一種新的聚類方法-中心歐式距離聚類(CED)，該方法首先利用山峰算法的思想確定數據中心，計算各數據點到數據中心的歐氏距離，然后通過該距離找到數據點間的最大間隔，并以此為分界點依據每個數據點到數據中心的歐氏距離將距離數據中心較遠的部分劃分為過失誤差類，其余部分劃分為正確數據類。考慮單純使用CED聚類進行過失誤差會由于偵破過程缺乏指導而產生過度偵破的現象，這里提出了將過失誤差偵破與軟測量建模過程相結合的思想將用CED劃分后的正確數據作為建模數據建立軟測量模型，并將其建模誤差e與以劃分前的數據為建模數據的建模誤差e(l進行比較，如果e < e0則表明此次的誤差偵破為有效偵破，剔除誤差數據后再用CED進行劃分，否則認為是無效偵破停止迭代。圖1為該方法的流程圖。由于這種方法的聚類過程是依據數據點到數據中心的歐氏距離來進行的，因此可以有效地將過失誤差劃分出來。另外這種方法是以軟測量建模誤差為判定準則的，因此在完成過失誤差偵破的同時也得到了一個準確的軟測量模型。這種與軟測量建模相結合的基于聚類的過失誤差偵破方法可以很好地實現對數據集的過失誤差偵破，并建立準確的軟測量模型。其具體步驟如下I)確定樣本數據集[X1, X2, ···, Xn]計算用該數據集進行軟測量建模的建模誤差％2)用山峰算法確定數據的中心C3)計算各個樣本點到中心的歐氏距離[Clpd2, ...，dN]，其中4)將所有距離由大到小排序得到新的向量[(Is1, ds2,…，dsN]5)根據距離排序結果將相鄰距離互減得到向量[(Im1, dm2, ···, dm^J其中！(Imi= dsj-dsj+! i = 1,2,6)找到最大值dmk，則可得到dsk+1對應的歐氏距離Cl17)以Cl1為分界點，根據樣本點到中心的歐氏距離將數據分為兩類Xi為過失誤差類，Cli彡Cl1Xi為正確數據類，Cli < Cl18)將正確數據作為建模數據進行軟測量建模，得到建模誤差e。Se <%，則認為此次過失誤差偵破是有效的，將去除過失誤差后的數據作為樣本數據，并令W = ^返回步驟2)；若e > %，則此次過失誤差偵破是無效的，保留上次迭代結果。9)過失誤差檢測結束。附圖說明圖1基于CED聚類算法的過失誤差檢測方法流程圖。本文檔來自技高網...
【技術保護點】
一種與軟測量建模相結合的過失誤差偵破，其特征在于：對軟測量建模過程中建模數據過失誤差偵破的特殊性，提出了一種與軟測量建模過程相結合，將建模誤差作為過失誤差偵破過程指導的一種新型過失誤差偵破方法。
【技術特征摘要】
1.一種與軟測量建模相結合的過失誤差偵破，其特征在于對軟測量建模過程中建模數據過失誤差偵破的特殊性，提出了一種與軟測量建模過程相結合，將建模誤差作為過失誤差偵破過程指導的一種新型過失誤差偵破方法。2.權利要求1所述的一種與軟測量建模相結合的過失誤差偵破，其特征還在于針對軟測量建模過程中建模數據過失誤差偵...
【專利技術屬性】
技術研發人員：田慧欣，
申請(專利權)人：天津工業大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。