工业过程非线性因果分析研究

发布时间：2020-03-21 09:59

【摘要】：随着工业化生产的不断加深,生产过程也日趋复杂。为保障生产的安全性、高效性,保障产品质量,实现快速、有效的工业回路控制在生产中尤为重要,这需要对工业过程各变量回路的之间相互作用关系有正确掌握。本文在信息论的理论框架下,利用熵值相关概念进行工业过程非线性因果分析,以厘清回路变量间的因果作用方向与强度,并明确复杂系统中的振荡传递路径。1.本文因果分析采用的核心概念为格兰杰因果定义。本文提出了一种基于定性趋势分析(Qualitative Shape Analysis,QSA)的算法,通过刻画数据的趋势变化完成粗粒化以便进行因果关系强度检测计算。此方法可以实现变量之间因果作用存在与否与方向强度的检测。此外,本文还将QSA算法与已经较为成熟的K阶最近邻域检测方法(Kth Nearest Neighbors,KNN)与数据排序方法进行比较,并证明QSA方法可以兼具运算效率与检测准确性。2.Anticipation指在通常的因变量提前作用于果变量之外,果变量当前值反而蕴含着因变量未来值的情况。此时,运用传统的非线性检测方式很难在此情况下测得正确的因果关系。对此,本文基于KNN方法,提出一种新型的因果检测方法。方法核心思想在于把测量因果关系转换为求取被检测变量采样点的父结点。通过对含有Anticipation关系数据模型的检测,证明了此改进算法检测的有效性。3.结合上述QSA因果分析算法与改进型KNN算法,提出了分析复杂工业过程的非线性因果检测算法。主要步骤为:1)变量间两两相关检测,以剔除相关性不存在或较弱的变量间关系;2)区分直接作用与间接作用,从而厘清系统之间相互影响回路,并再次降低检测工作量;3)判断因果作用方向,确定振荡回路的上游。4.以TE过程为例,检测了结合算法的适用性,证明本算法可以正确测得首先引入干扰的振荡源,以及系统中主要的振荡传播与因果作用路径。
【图文】：

示意图,计算方法,示意图,子空间

江大学硕士学位论文逦多神非线性闵果检测方法对比与数据分析逡逑在Ｘ子空间中，统计到；＾点距离小于ｅｘ（Ｘ）／２的点的个数，并用ｎｘ表示；类逡逑的，在Ｙ子空间中，可以得到统计结果ｎｙ。为了使结果更准确，对所有的数据逡逑ｉｅ邋—逦进行如上统计并取均值，以减小数据测量波动带来的误差。逡逑￣

变量,正弦关系,因果,检测结果

ＱＳＡ算法更加精确。逡逑但０邋ｒｄｅｒ算法并非全然没有优势，上述检测运算三种方法所用的时间统计如逡逑图３．４。由可图３．４知，Ｏｒｄｅｒ算法每次所需时间约为ＱＳＡ所需时间的一半，而逡逑ＫＮＮ每次运算所需市场几乎是Ｏｒｄｅｒ所需时间的６０倍。也就是说，尽管Ｏｒｄｅｒ逡逑算法与其他两者相比结果的精确度不高，但运算效率则明显更好，，在对运算准确逡逑度要求不严格的情况下，Ｏｒｄｅｒ算法不失为一科最佳的选择。逡逑保持模型参数不变，选择模型二（即指数关系）分析变量Ｗ对变量Ｙ的逡逑因果作用，检测方法参数设置与之前一致，结果如图３．５。在指数关系下，三逡逑种方法同样均可以正确地检测出因果关系的存在及方向。但对比可知，ＫＮＮ方逡逑法能够在时间差ｄ＝４时得到最大检测结果，相比较其佘两种方法更加准确，这逡逑再次证明了邋ＫＮＮ方法的检测准确度。逡逑同样的
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TB114

【参考文献】