現(xiàn)代流程工業(yè)過(guò)程中,DCS采集并存儲(chǔ)了大量的操作時(shí)序數(shù)據(jù),若能將其中有價(jià)值的操作經(jīng)驗(yàn)和操作信息提取出來(lái),則可大大提高操作系統(tǒng)的性能。然而,操作經(jīng)驗(yàn)概念較為模糊,無(wú)法具體量化。因此,將具有時(shí)序特征的操作數(shù)據(jù)符號(hào)化,使操作經(jīng)驗(yàn)以區(qū)塊化形式表示,并提出一種基于Levenshtein距離的時(shí)序?qū)哟文劬垲愃惴?通過(guò)對(duì)操縱變量的歷史時(shí)序操作數(shù)據(jù)進(jìn)行相似性搜索,進(jìn)而獲得多種相似的操作模式,并將每種類型的操作模式對(duì)應(yīng)的過(guò)程變量進(jìn)行性能分析,從而得到并保存實(shí)際工作過(guò)程中所需的操作經(jīng)驗(yàn),以達(dá)到生產(chǎn)過(guò)程操作優(yōu)化的目的。為了驗(yàn)證所提出方法,將其用于連續(xù)組分精餾操作過(guò)程,實(shí)驗(yàn)結(jié)果表明所提出的基于Levenshtein距離層次聚類的操作優(yōu)化方法的有效性。 

【文章來(lái)源】：化工學(xué)報(bào). 2019,70(02)北大核心

【文章頁(yè)數(shù)】：9 頁(yè)

【文章目錄】：
引言
1 時(shí)間序列特征提取與相似性搜索
    1.1 時(shí)間序列特征提取
    1.2 時(shí)間序列相似性搜索
    1.3 Levenshtein距離
    1.4 層次凝聚聚類
    1.5 基于Levenshtein距離分層聚類
2 實(shí)驗(yàn)結(jié)果與討論
    2.1 精餾塔連續(xù)多組分精餾
    2.2 相似操作模式挖掘
    2.3 操作模式性能分類
3 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]高效率的K-means最佳聚類數(shù)確定算法[J]. 王勇,唐靖,饒勤菲,袁巢燕.  計(jì)算機(jī)應(yīng)用. 2014(05)
[2]基于整體和局部相似性的序列聚類算法[J]. 戴東波,湯春蕾,熊赟.  軟件學(xué)報(bào). 2010(04)
[3]Rough set and radial basis function neural network based insulation data mining fault diagnosis for power transformer[J]. 董立新,肖登明,劉奕路.  Journal of Harbin Institute of Technology. 2007(02)



本文編號(hào)：2973294