【摘要】：隨著工業(yè)化生產(chǎn)的不斷加深,生產(chǎn)過程也日趨復雜。為保障生產(chǎn)的安全性、高效性,保障產(chǎn)品質(zhì)量,實現(xiàn)快速、有效的工業(yè)回路控制在生產(chǎn)中尤為重要,這需要對工業(yè)過程各變量回路的之間相互作用關(guān)系有正確掌握。本文在信息論的理論框架下,利用熵值相關(guān)概念進行工業(yè)過程非線性因果分析,以厘清回路變量間的因果作用方向與強度,并明確復雜系統(tǒng)中的振蕩傳遞路徑。1.本文因果分析采用的核心概念為格蘭杰因果定義。本文提出了一種基于定性趨勢分析(Qualitative Shape Analysis,QSA)的算法,通過刻畫數(shù)據(jù)的趨勢變化完成粗�；员氵M行因果關(guān)系強度檢測計算。此方法可以實現(xiàn)變量之間因果作用存在與否與方向強度的檢測。此外,本文還將QSA算法與已經(jīng)較為成熟的K階最近鄰域檢測方法(Kth Nearest Neighbors,KNN)與數(shù)據(jù)排序方法進行比較,并證明QSA方法可以兼具運算效率與檢測準確性。2.Anticipation指在通常的因變量提前作用于果變量之外,果變量當前值反而蘊含著因變量未來值的情況。此時,運用傳統(tǒng)的非線性檢測方式很難在此情況下測得正確的因果關(guān)系。對此,本文基于KNN方法,提出一種新型的因果檢測方法。方法核心思想在于把測量因果關(guān)系轉(zhuǎn)換為求取被檢測變量采樣點的父結(jié)點。通過對含有Anticipation關(guān)系數(shù)據(jù)模型的檢測,證明了此改進算法檢測的有效性。3.結(jié)合上述QSA因果分析算法與改進型KNN算法,提出了分析復雜工業(yè)過程的非線性因果檢測算法。主要步驟為:1)變量間兩兩相關(guān)檢測,以剔除相關(guān)性不存在或較弱的變量間關(guān)系;2)區(qū)分直接作用與間接作用,從而厘清系統(tǒng)之間相互影響回路,并再次降低檢測工作量;3)判斷因果作用方向,確定振蕩回路的上游。4.以TE過程為例,檢測了結(jié)合算法的適用性,證明本算法可以正確測得首先引入干擾的振蕩源,以及系統(tǒng)中主要的振蕩傳播與因果作用路徑。
【圖文】：

江大學碩士學位論文邐多神非線性閔果檢測方法對比與數(shù)據(jù)分析逡逑在Ｘ子空間中，統(tǒng)計到；＾點距離小于ｅｘ（Ｘ）／２的點的個數(shù)，并用ｎｘ表示；類逡逑的，在Ｙ子空間中，可以得到統(tǒng)計結(jié)果ｎｙ。為了使結(jié)果更準確，對所有的數(shù)據(jù)逡逑ｉｅ邋—邐進行如上統(tǒng)計并取均值，以減小數(shù)據(jù)測量波動帶來的誤差。逡逑￣

ＱＳＡ算法更加精確。逡逑但０邋ｒｄｅｒ算法并非全然沒有優(yōu)勢，上述檢測運算三種方法所用的時間統(tǒng)計如逡逑圖３．４。由可圖３．４知，Ｏｒｄｅｒ算法每次所需時間約為ＱＳＡ所需時間的一半，而逡逑ＫＮＮ每次運算所需市場幾乎是Ｏｒｄｅｒ所需時間的６０倍。也就是說，盡管Ｏｒｄｅｒ逡逑算法與其他兩者相比結(jié)果的精確度不高，但運算效率則明顯更好，，在對運算準確逡逑度要求不嚴格的情況下，Ｏｒｄｅｒ算法不失為一科最佳的選擇。逡逑保持模型參數(shù)不變，選擇模型二（即指數(shù)關(guān)系）分析變量Ｗ對變量Ｙ的逡逑因果作用，檢測方法參數(shù)設置與之前一致，結(jié)果如圖３．５。在指數(shù)關(guān)系下，三逡逑種方法同樣均可以正確地檢測出因果關(guān)系的存在及方向。但對比可知，ＫＮＮ方逡逑法能夠在時間差ｄ＝４時得到最大檢測結(jié)果，相比較其佘兩種方法更加準確，這逡逑再次證明了邋ＫＮＮ方法的檢測準確度。逡逑同樣的
【學位授予單位】：浙江大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TB114

【參考文獻】

相關(guān)碩士學位論文 前3條

1 王培宇;工業(yè)控制回路非線性檢測研究[D];浙江大學;2015年

2 郜旭凱;控制回路振蕩傳播分析與診斷[D];浙江大學;2013年

3 眭燁;替代數(shù)據(jù)及其應用[D];華東師范大學;2011年

本文編號：2593166