一种新型的基于Levenshtein距离层次聚类的时序操作优化方法

发布时间：2021-01-12 18:17

　　现代流程工业过程中,DCS采集并存储了大量的操作时序数据,若能将其中有价值的操作经验和操作信息提取出来,则可大大提高操作系统的性能。然而,操作经验概念较为模糊,无法具体量化。因此,将具有时序特征的操作数据符号化,使操作经验以区块化形式表示,并提出一种基于Levenshtein距离的时序层次凝聚聚类算法,通过对操纵变量的历史时序操作数据进行相似性搜索,进而获得多种相似的操作模式,并将每种类型的操作模式对应的过程变量进行性能分析,从而得到并保存实际工作过程中所需的操作经验,以达到生产过程操作优化的目的。为了验证所提出方法,将其用于连续组分精馏操作过程,实验结果表明所提出的基于Levenshtein距离层次聚类的操作优化方法的有效性。 

【文章来源】：化工学报. 2019,70(02)北大核心

【文章页数】：9 页

【文章目录】：
引言
1 时间序列特征提取与相似性搜索
    1.1 时间序列特征提取
    1.2 时间序列相似性搜索
    1.3 Levenshtein距离
    1.4 层次凝聚聚类
    1.5 基于Levenshtein距离分层聚类
2 实验结果与讨论
    2.1 精馏塔连续多组分精馏
    2.2 相似操作模式挖掘
    2.3 操作模式性能分类
3 结论


【参考文献】：
期刊论文
[1]高效率的K-means最佳聚类数确定算法[J]. 王勇,唐靖,饶勤菲,袁巢燕.  计算机应用. 2014(05)
[2]基于整体和局部相似性的序列聚类算法[J]. 戴东波,汤春蕾,熊赟.  软件学报. 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,刘奕路.  Journal of Harbin Institute of Technology. 2007(02)



本文编号：2973294