CN104750975B - 一种基于核函数的模糊过程能力的减压塔在线监测方法 - Google Patents

一种基于核函数的模糊过程能力的减压塔在线监测方法 Download PDF

Info

Publication number
CN104750975B
CN104750975B CN201510101421.8A CN201510101421A CN104750975B CN 104750975 B CN104750975 B CN 104750975B CN 201510101421 A CN201510101421 A CN 201510101421A CN 104750975 B CN104750975 B CN 104750975B
Authority
CN
China
Prior art keywords
mrow
msub
mfrac
msup
mtd
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510101421.8A
Other languages
English (en)
Other versions
CN104750975A (zh
Inventor
耿志强
彭成龙
韩永明
朱群雄
徐圆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Chemical Technology
Original Assignee
Beijing University of Chemical Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing University of Chemical Technology filed Critical Beijing University of Chemical Technology
Priority to CN201510101421.8A priority Critical patent/CN104750975B/zh
Publication of CN104750975A publication Critical patent/CN104750975A/zh
Application granted granted Critical
Publication of CN104750975B publication Critical patent/CN104750975B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明提出了一种基于核函数的模糊过程能力的减压塔在线监测方法,该方法借助于模糊数学理论,对关键参数变量分别计算基于核函数的模糊过程能力,并利用层次分析融合算法获得减压塔的总体能力过程,进而有效的检测减压塔的工艺状态该方法能够有效解决传统过程能力分析对流程工业数据分析不准确的问题,提高了监测的适应性;同时,该方法针对减压塔的主要参数变量,通过模糊过程能力和过程性能分析,对工业生产的过程监控和预警具有重要意义。

Description

一种基于核函数的模糊过程能力的减压塔在线监测方法
技术领域
本发明涉及统计过程控制领域,特别涉及到一种基于核函数的模糊过程能力的减压塔在线监测方法。
背景技术
随着当代工业技术和信息技术的迅猛发展,使得大规模的产品生产和海量的信息处理能力成为可能,为了满足生产过程中的稳定性和一致性的分析,促进了统计过程控制技术的产生。
过程能力分析是统计过程控制中的主要研究内容之一,它是保证产品生产质量的基础环节。过程能力分析是在生产过程的各个阶段中,通过监控和分析,使得产品的质量达到标准要求。尤其是在对原油冶炼的常减压蒸馏流程中,生产过程复杂,通过及时有效的对生产过程的能力分析,可以有效了解当前生产过程中的质量水平,为生产的改造、设备维修、提高产品质量和工业预警提供必要的数据分析和支持。
由于现有的工业生产过程监控在线监测方法对数据稳定性要求比较高,而且不能给出对于设备的总体性能评估。并且减压塔蒸馏的生产数据的易波动性,相互影响关系复杂,若使用传统的过程能力分析方法来监测和分析减压塔蒸馏的工艺流程具有很大的不准确性。因此,有必要研究出一种全新的减压塔工艺流程过程能力在线监测方法,从而解决现有技术的上述缺陷。
发明内容
本发明所解决的技术问题在于提出了一种基于核函数的模糊过程能力的减压塔工艺流程在线监测方法,以解决背景技术中存在的问题。
本发明提出了一种基于核函数的模糊过程能力的减压塔在线监测方法,该方法包括如下步骤:
S101,选取减压塔的进料和出料数据作为主要监测变量,根据参数特性选择合适的样本长度,确定模糊规格上下限;
S102,利用高斯隶属度函数对输入参数分别进行模糊化处理;
S103,对每个主要关键参数变量都分别计算基于核函数的模糊过程能力,再利用层次分析融合算法获得减压塔的总体过程能力,具体详细步骤如下:
S1031,求取每个参数的基于核函数的模糊过程能力值;
S1032,为了能够及时发现减压塔出问题的具体原因,对通过模糊过程能力分析出现问题的数据段,再对短期内的实验数据分别进行过程性能的计算;
S1033,对每个参数主要关键参数变量都分别计算模糊过程能力,再利用层次分析融合算法获得减压塔的总体过程能力;
S104,根据计算得到的模糊过程能力和性能,以及根据层次分析融合算法得到减压塔的过程能力值,来检测减压塔的过程能力水平,发生异常波动时,发出警报。
进一步的,步骤S101中,模糊规格上下限的确定过程如下:根据流量特性选取样本数据长度为1450,连续选取15组,对1450个数据利用三次样条方法对数据的上下极值点分别求取插值,从而可以求得上下两条包络线;通过计算获得15个USL,并利用K均值聚类算法对其分为三类,对三类的聚类中心值按照从小到大依次作为u1,u2,u3;对于下包络线用同样的方法可以求得l1,l2,l3;进而可以求得模糊规格上下限分别为:当第一个15组数据计 算完毕,再选取第二个15组数据可以同理求得模糊规格上下限的值,从而保证了能够根据数据当前特性来动态确定规格上下限。
进一步的,步骤S102中,模糊化处理的详细过程如下:
根据参数特性,将输入参数划分为N个长度为t的模糊集合,即有N个(x1,x2…,xt),对每个模糊集合分别建立最小值(μs),最可能值(μM),和最大值(μL)的高斯隶属度函数分别如下所示:
其中
L,P,H分别表示该段数据的最小值,模糊均值,最大值。
在数据长度范围(x1,x2…,xt)内,根据建立的高斯隶属度函数,分别对函数μs、μM、μL取得最大值时的x值记为xS、xM、xL,即可以得到一组模糊数为(xS,xM,xL,)。按照此方法即可以实现对输入参数的模糊化,可以得到N组(xS,xM,xL,)。
进一步的,步骤S1031中,求取每个参数的基于核函数的模糊过 程能力值,计算公式具体如下:
其中,对于上述公式中x,y,m的求取过程如下:
通过步骤S102中得到的xs1,xs2,xs3…xsN,建立核密度估计 其中k(x)表示核函数,一般取高斯核函数。hn表示带宽参数值,一般选取s表示样本数为N的标准差的值。令可以求得m1的值。而对于至少存在一个常数且有令x和y分别取横坐标轴的最小值和最大值,通过二分法可以进一步求得x1,y1的值;
同理可以对xM1,xM2,xM3…xMN,求得m2,(x2,y2);对xL1,xL2,xL3…xLN求得m3,(x3,y3)。
进一步的,步骤S1032的计算过程如下:模糊过程性能指数公式如下:
其中对于上述公式中标准差模糊数为具体过程为:
首先将所有最小的可能值,最可能值和最大可能值分别求取均值,可以得到整体的均值模糊数为:
进而对标准差的模糊数中的每项可以通过如下公式求得:
通过本发明的方法,能够有效解决传统过程能力分析对流程工业数据分析不准确的问题,提高了监测的适应性;同时,该方法针对减压塔的主要参数变量,通过模糊过程能力和过程性能分析,对工业生产的过程监控和预警具有重要意义。
附图说明
图1基于核函数的模糊过程能力的减压塔在线监测流程图
图2流量数据的标准差随着样本长度增加的变化趋势
图3三次样条方法总体示意图
图4三次样条方法局部放大示意图
图5减压塔示意图
图6a参数FICA-11405真实数据与模糊控制限示意图(第5段)
图6b参数FICA-11405真实数据与模糊控制限示意图(第6段)
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
本发明的基于核函数的模糊过程能力的减压塔在线监测方法,包括如下步骤:
S101,选取减压塔工艺流程的主要输入输出参数作为监测变量,根据参数特性选择合适的样本长度,确定模糊规格上下限;
在实际操作中,可以选择从OPC服务器中实时采集数据,选取减 压塔工艺流程的进料参数变量FICA-11401,FICA-11402,FICA-11405,FICA-11406,减压塔出料参数变量FIC-10908,FIC-10914,FIC-11003。
从常减压蒸馏塔中采集进料和出料流量数据,通过多次对数据的分析,发现当数据样本量达到1450个左右时,样本数据会趋于相对稳定的状态,如图2所示。模糊规格上下限的确定如下:从而对流量选取样本数据长度为1450个,连续选取15组(为了满足基础概率统计要求,取15~20)。对1450个样本数据利用三次样条方法对数据的上下极值点分别求取插值,可以求得上下两条包络线,如图2所示包络线整体图,图3为包络线局部放大示意图。通过对15组数据计算获得15个USL,并利用K均值聚类算法对其分为三类,对三类的聚类中心值按照从小到大依次作为u1,u2,u3。对于下包络线用同样的方法可以求得三条规格下限的值分别为l1,l2,l3。进而可以求得模糊规格上下限分别为:当第一个15组数据计算完毕,再选取第二个15组数据可以同理求得模糊规格上下限的值,从而保证了能够根据数据当前的数据特性来动态确定规格上下限。
S102,利用高斯隶属度函数对输入参数分别进行模糊化处理。模糊化处理的详细过程如下:
根据参数特性,将输入参数划分为N个长度为t的模糊集合,即有N个(x1,x2…,xt),对每个模糊集合分别建立最小值(μs),最可能值(μM),和最大值(μL)的高斯隶属度函数分别如下所示:
其中
L,P,H分别表示该段数据的最小值,模糊均值,最大值。
在数据长度范围(x1,x2…,xt)内,根据建立的高斯隶属度函数,分别对函数μs、μM、μL取得最大值时的x值记为xS、xM、xL,即可以得到一组模糊数为(xS,xM,xL,)。按照此方法即可以实现对输入参数的模糊化,可以得到N组(xS,xM,xL,)。
S103,对每个主要关键参数变量都分别计算基于核函数的模糊过程能力,再利用层次分析融合算法获得减压塔的总体过程能力,具体详细步骤如下:
S1031,求取每个参数的基于核函数的模糊过程能力值,计算公式具体如下:
其中,对于上述公式中x,y,m的求取过程如下:
通过步骤S102中得到的xs1,xs2,xs3…xsN,建立核密度估计 其中k(x)表示核函数,一般取高斯核函数。hn表示带宽参数值,一般选取s表示样本数为N的标准差的值。令可以求得m1的值。而对于至少存在一个常数且有令x和y分别取横坐标轴的最小值和最大值,通过二分法可以进一步求得x1,y1的值。
同理可以对xM1,xM2,xM3…xMN,求得m2,(x2,y2);对xL1,xL2,xL3…xLN求得m3,(x3,y3)。
模糊过程能力的判据如表1和表2所示。
表1模糊过程能力指数评价参考表
表2模糊过程能力Cp和Cpk关系
S1032,为了能够及时发现减压塔出问题的具体原因,对通过模糊过程能力分析出现问题的数据段,再对短期内的实验数据分别进行过程
性能的分析。模糊过程性能指数公式如下:
其中对于上述公式中标准差模糊数为具体过程为:
首先将所有最小的可能值,最可能值和最大可能值分别求取均值,可以得到整体的均值模糊数为:
进而对标准差的模糊数中的每项可以通过如下公式求得:
模糊过程性能的判据如下所示:
表3性能、能力与质量决策表
S1033,对每个参数主要关键参数变量都分别计算模糊过程能力,再利用层次分析融合算法获得减压塔的总体过程能力;
计算过程具体如下:首先利用得到的每个参数的模糊过程能力计算结果建立模糊过程能力矩阵,如下所示:
再通过模糊层次分析融合算法来获取每个参数变量的权值,以Cp为例说明算法详细流程如下:
构建矩阵R如下:
定义判断矩阵A,对于A中的每个元素aij有:
其中,rmax=max(r1,r2,…,rn),rmin=min(r1,r2,…,rn),km=rmax/rmin
定义最优矩阵为C,对于矩阵的每个值cij
定义相容矩阵为H,其中有
通过方根法,易求得矩阵H的特征向量为:W=(w1,w2,…,wn)T
最终可以求得减压塔的总体过程能力值公式如下所示:
同理可以求得减压塔的模糊Cpk的值为:
S104,根据计算得到的模糊过程能力和性能,以及根据层次分析融合算法得到减压塔的过程能力值,来检测减压塔的过程能力水平,发 生异常波动时,发出警报。
在步骤S1031的计算获得模糊过程能力值后,系统可以通过对照表1和表2的对应关系来获得生产过程能力状况,并从步骤S1032的计算获得模糊过程性能参数后,对照表3来判断是否需要改进工艺过程设备,并进一步通过步骤S1033的层次分析融合得到减压塔的过程能力值,在发生异常波动时,发出警报。
通过以下实例来对本发明的实施过程和效果做进一步的描述。
实验选取的数据来自工厂真实的常减压蒸馏塔中减压塔工艺流程的操作数据,选取4组进料参数和3组出料参数的4小时实际操作数据,采样间隔为1秒。连续选取1450秒数据作为一个数据长度,连续选取15组。选取减压炉第一路进料参数位号FICA-11401为例,根据三次样条和聚类算法确定模糊规格上下限的值分别为:
选取10s的数据进行模糊化处理,根据隶属度函数的模糊化处理分成三类数据,并结合S103中的核函数方法,可以求得左边界模糊数为:
右边界模糊数为:
众数m的模糊数为:
进一步可以求得
通过选取(1,1,1)的比较,结合表1和表2的判据可以得到当前减压塔第五路进料的生产过程能力尚可,应考虑对生产过程进行监督和控制,以便及时发现异常波动,采取措施消除。
为了更为及时地诊断过程的能力与绩效状况,考虑进一步将每组1450个数据求取一个过程性能。采用步骤S103中的方法,可以求得均值的模糊数为:
标准差的模糊数为:在结合公式(5-8)可以求得:
通过基于满意度函数的模糊三角数比较的方法易判断, 结合表3的判据可以得到:需要改进工艺过程设备。
为了验证诊断结果与实际工况的一致性,以FICA-11405的第五段数据(图6a)和第六段数据曲线(图6b)为例,两段数据的过程性能判断结论分别为:(1)工艺过程设备存在约束;(2)工艺过程设备和控制回路性能达到最佳操作。图6中,上面的三条虚线表示规格上限模糊数,下面的三条曲线表示规格下限模糊数。可以发现第一段数据有多个数据值波动过大,低于了规格下限,即说明上游工艺设备能力不足;而第四段数据基本上都位于规格限内,并且更接近于规格上限,说明工艺过程设备和控制回路性能处于接近上限的卡边操作状态。验证了诊断结论与实际操作状况相符。
为了获得减压塔的总体过程能力值,首先求取所有关键参数的过程能力值为:
通过使用模糊的层次分析融合算法,可以得到过程能力权重值分别为:
W(Cp)=[0.1298 0.1439 0.1382 0.1365 0.1347 0.1746 0.1423]T
W(Cpk)=[0.1249 0.1386 0.1376 0.1356 0.1378 0.1809 0.1446]T
最终得到减压塔的总体过程能力指数为:
Y(Cp)=[T(Cp)]TW(Cp)=[0.949 1.103 1.333]
Y(Cpk)=[T(Cpk)]TW(Cpk)=[0.896 1.093 1.275]
并最终结合判据可以得到,减压塔的总体过程能力尚可,加强对生产过程进行监督和控制,以便及时发现异常波动,采取措施消除。
本发明效果证明了所提出的一种基于核函数的模糊过程能力的减压塔在线评价方法,通过利用核函数和模糊过程能力的方法有效解决了传统过程能力分析中对数据波动对化工生产监测数据流处理不稳定的问题。通过实验结果表明,方法不仅能够保证减压塔工艺流程中的生产工况分析结果的灵敏度及与实际工况的一致性,更能够有效保证管理者对工业生产过程的实时监控,并能根据监控分析结果做出相应的操作。在进一步结合性能评价判据与决策矩阵,能将信息有效地转换成为可以直接指导装置操作运营的知识,为实现从数据归档向知识积累转变提供了有效的途径,以不断改善和提高装置操作的智能化水平。
本发明的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。

Claims (5)

1.一种基于核函数的模糊过程能力的减压塔在线监测方法,该方法包括如下步骤:
S101,选取减压塔的进料和出料数据作为主要监测变量,根据参数特性选择合适的样本长度,确定模糊规格上下限;
S102,利用高斯隶属度函数对输入参数分别进行模糊化处理;
S103,对每个主要关键参数变量都分别计算基于核函数的模糊过程能力,再利用层次分析融合算法获得减压塔的总体过程能力,具体详细步骤如下:
S1031,求取每个参数的基于核函数的模糊过程能力值;
S1032,为了能够及时发现减压塔出问题的具体原因,对通过模糊过程能力分析出现问题的数据段,再对短期内的实验数据分别进行过程性能的计算;
S1033,对每个主要关键参数变量都分别计算模糊过程能力,再利用层次分析融合算法获得减压塔的总体过程能力;
S104,根据计算得到的模糊过程能力和性能,以及根据层次分析融合算法得到减压塔的过程能力值,来检测减压塔的过程能力水平,发生异常波动时,发出警报。
2.如权利要求1所述的方法,其特征在于步骤S101中,模糊规格上下限的确定过程如下:根据流量特性选取样本数据长度为1450,连续选取15组,对1450个数据利用三次样条方法对数据的上下极值点分别求取插值,从而可以求得上下两条包络线;通过计算获得15个USL,并利用K均值聚类算法对其分为三类,对三类的聚类中心值按照从小到大依次作为u1,u2,u3;对于下包络线用同样的方法可以求得l1,l2,l3;进而可以求得模糊规格上下限分别为: 当第一个15组数据计算完毕,再选取第二个15组数据可以同理求得模糊规格上下限的值,从而保证了能够根据数据当前特性来动态确定规格上下限。
3.如权利要求1所述的方法,其特征在于,步骤S102中,模糊化处理的详细过程如下:
根据参数特性,将输入参数划分为N个长度为t的模糊集合,即有N个(x1,x2…,xt),对每个模糊集合分别建立最小值μs,最可能值μM,和最大值μL的高斯隶属度函数分别如下所示:
<mrow> <msub> <mi>&amp;mu;</mi> <mi>s</mi> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mn>1</mn> </mtd> <mtd> <mrow> <mi>x</mi> <mo>&amp;le;</mo> <msup> <mi>L</mi> <mo>&amp;prime;</mo> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msup> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> <msup> <mrow> <mo>(</mo> <mfrac> <mrow> <mi>x</mi> <mo>-</mo> <msup> <mi>L</mi> <mo>&amp;prime;</mo> </msup> </mrow> <mfrac> <mrow> <msup> <mi>H</mi> <mo>&amp;prime;</mo> </msup> <mo>-</mo> <msup> <mi>L</mi> <mo>&amp;prime;</mo> </msup> </mrow> <mn>6</mn> </mfrac> </mfrac> <mo>)</mo> </mrow> <mn>2</mn> </msup> </msup> </mrow> </msup> </mtd> <mtd> <mrow> <mi>a</mi> <mo>&amp;le;</mo> <mi>x</mi> <mo>&amp;le;</mo> <mi>b</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mrow> <mi>x</mi> <mo>&amp;GreaterEqual;</mo> <mfrac> <mrow> <msup> <mi>L</mi> <mo>&amp;prime;</mo> </msup> <mo>+</mo> <msup> <mi>H</mi> <mo>&amp;prime;</mo> </msup> </mrow> <mn>2</mn> </mfrac> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <msub> <mi>&amp;mu;</mi> <mi>M</mi> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mrow> <mi>x</mi> <mo>&amp;le;</mo> <msup> <mi>L</mi> <mo>&amp;prime;</mo> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msup> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> <msup> <mrow> <mo>(</mo> <mfrac> <mrow> <mi>x</mi> <mo>-</mo> <mfrac> <mrow> <msup> <mi>L</mi> <mo>&amp;prime;</mo> </msup> <mo>+</mo> <msup> <mi>H</mi> <mo>&amp;prime;</mo> </msup> </mrow> <mn>2</mn> </mfrac> </mrow> <mfrac> <mrow> <msup> <mi>H</mi> <mo>&amp;prime;</mo> </msup> <mo>-</mo> <msup> <mi>L</mi> <mo>&amp;prime;</mo> </msup> </mrow> <mn>6</mn> </mfrac> </mfrac> <mo>)</mo> </mrow> <mn>2</mn> </msup> </msup> </mrow> </msup> </mtd> <mtd> <mrow> <msup> <mi>L</mi> <mo>&amp;prime;</mo> </msup> <mo>&amp;le;</mo> <mi>x</mi> <mo>&amp;le;</mo> <msup> <mi>H</mi> <mo>&amp;prime;</mo> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mrow> <mi>x</mi> <mo>&amp;GreaterEqual;</mo> <msup> <mi>H</mi> <mo>&amp;prime;</mo> </msup> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <msub> <mi>&amp;mu;</mi> <mi>L</mi> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mrow> <mi>x</mi> <mo>&amp;le;</mo> <mfrac> <mrow> <msup> <mi>L</mi> <mo>&amp;prime;</mo> </msup> <mo>+</mo> <msup> <mi>H</mi> <mo>&amp;prime;</mo> </msup> </mrow> <mn>2</mn> </mfrac> </mrow> </mtd> </mtr> <mtr> <mtd> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msup> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> <msup> <mrow> <mo>(</mo> <mfrac> <mrow> <mi>x</mi> <mo>-</mo> <msup> <mi>H</mi> <mo>&amp;prime;</mo> </msup> </mrow> <mfrac> <mrow> <msup> <mi>H</mi> <mo>&amp;prime;</mo> </msup> <mo>-</mo> <msup> <mi>L</mi> <mo>&amp;prime;</mo> </msup> </mrow> <mn>6</mn> </mfrac> </mfrac> <mo>)</mo> </mrow> <mn>2</mn> </msup> </msup> </mrow> </msup> </mtd> <mtd> <mrow> <mfrac> <mrow> <msup> <mi>L</mi> <mo>&amp;prime;</mo> </msup> <mo>+</mo> <msup> <mi>H</mi> <mo>&amp;prime;</mo> </msup> </mrow> <mn>2</mn> </mfrac> <mo>&amp;le;</mo> <mi>x</mi> <mo>&amp;le;</mo> <msup> <mi>H</mi> <mo>&amp;prime;</mo> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>1</mn> </mtd> <mtd> <mrow> <mi>x</mi> <mo>&amp;GreaterEqual;</mo> <msup> <mi>H</mi> <mo>&amp;prime;</mo> </msup> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>
其中H'=P+2(H-P);
L,P,H分别表示该段数据的最小值,模糊均值,最大值;
在数据长度范围(x1,x2…,xt)内,根据建立的高斯隶属度函数,分别对函数μs、μM、μL取得最大值时的x值记为xS、xM、xL,即可以得到一组模糊数为(xS,xM,xL);按照此方法即可以实现对输入参数的模糊化,可以得到N组(xS,xM,xL)。
4.如权利要求3所述的方法,其特征在于,步骤S1031中,求取每个参数的基于核函数的模糊过程能力值,计算公式具体如下:
<mrow> <msub> <mover> <mi>C</mi> <mo>~</mo> </mover> <mi>p</mi> </msub> <mo>=</mo> <mfrac> <mrow> <mi>U</mi> <mover> <mi>S</mi> <mo>~</mo> </mover> <mi>L</mi> <mo>-</mo> <mi>L</mi> <mover> <mi>S</mi> <mo>~</mo> </mover> <mi>L</mi> </mrow> <mover> <mi>d</mi> <mo>~</mo> </mover> </mfrac> <mo>=</mo> <mrow> <mo>(</mo> <mfrac> <mrow> <msub> <mi>u</mi> <mn>1</mn> </msub> <mo>-</mo> <msub> <mi>l</mi> <mn>3</mn> </msub> </mrow> <mrow> <msub> <mi>y</mi> <mn>3</mn> </msub> <mo>-</mo> <msub> <mi>x</mi> <mn>1</mn> </msub> </mrow> </mfrac> <mo>,</mo> <mfrac> <mrow> <msub> <mi>u</mi> <mn>2</mn> </msub> <mo>-</mo> <msub> <mi>l</mi> <mn>2</mn> </msub> </mrow> <mrow> <msub> <mi>y</mi> <mn>2</mn> </msub> <mo>-</mo> <msub> <mi>x</mi> <mn>2</mn> </msub> </mrow> </mfrac> <mo>,</mo> <mfrac> <mrow> <msub> <mi>u</mi> <mn>3</mn> </msub> <mo>-</mo> <msub> <mi>l</mi> <mn>1</mn> </msub> </mrow> <mrow> <msub> <mi>y</mi> <mn>1</mn> </msub> <mo>-</mo> <msub> <mi>x</mi> <mn>3</mn> </msub> </mrow> </mfrac> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <msub> <mover> <mi>C</mi> <mo>~</mo> </mover> <mrow> <mi>p</mi> <mi>l</mi> </mrow> </msub> <mo>=</mo> <mrow> <mo>(</mo> <mfrac> <mrow> <msub> <mi>m</mi> <mn>1</mn> </msub> <mo>-</mo> <msub> <mi>l</mi> <mn>3</mn> </msub> </mrow> <mrow> <msub> <mi>m</mi> <mn>1</mn> </msub> <mo>-</mo> <msub> <mi>x</mi> <mn>1</mn> </msub> </mrow> </mfrac> <mo>,</mo> <mfrac> <mrow> <msub> <mi>m</mi> <mn>2</mn> </msub> <mo>-</mo> <msub> <mi>l</mi> <mn>2</mn> </msub> </mrow> <mrow> <msub> <mi>m</mi> <mn>2</mn> </msub> <mo>-</mo> <msub> <mi>x</mi> <mn>2</mn> </msub> </mrow> </mfrac> <mo>,</mo> <mfrac> <mrow> <msub> <mi>m</mi> <mn>3</mn> </msub> <mo>-</mo> <msub> <mi>l</mi> <mn>1</mn> </msub> </mrow> <mrow> <msub> <mi>m</mi> <mn>3</mn> </msub> <mo>-</mo> <msub> <mi>x</mi> <mn>3</mn> </msub> </mrow> </mfrac> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <msub> <mover> <mi>C</mi> <mo>~</mo> </mover> <mrow> <mi>p</mi> <mi>u</mi> </mrow> </msub> <mo>=</mo> <mrow> <mo>(</mo> <mfrac> <mrow> <msub> <mi>u</mi> <mn>1</mn> </msub> <mo>-</mo> <msub> <mi>m</mi> <mn>3</mn> </msub> </mrow> <mrow> <msub> <mi>y</mi> <mn>3</mn> </msub> <mo>-</mo> <msub> <mi>m</mi> <mn>3</mn> </msub> </mrow> </mfrac> <mo>,</mo> <mfrac> <mrow> <msub> <mi>u</mi> <mn>2</mn> </msub> <mo>-</mo> <msub> <mi>m</mi> <mn>2</mn> </msub> </mrow> <mrow> <msub> <mi>y</mi> <mn>2</mn> </msub> <mo>-</mo> <msub> <mi>m</mi> <mn>2</mn> </msub> </mrow> </mfrac> <mo>,</mo> <mfrac> <mrow> <msub> <mi>u</mi> <mn>3</mn> </msub> <mo>-</mo> <msub> <mi>m</mi> <mn>1</mn> </msub> </mrow> <mrow> <msub> <mi>y</mi> <mn>1</mn> </msub> <mo>-</mo> <msub> <mi>m</mi> <mn>1</mn> </msub> </mrow> </mfrac> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <msub> <mover> <mi>C</mi> <mo>~</mo> </mover> <mrow> <mi>p</mi> <mi>k</mi> </mrow> </msub> <mo>=</mo> <mi>m</mi> <mi>i</mi> <mi>n</mi> <mo>{</mo> <msub> <mi>C</mi> <mrow> <mi>p</mi> <mi>u</mi> </mrow> </msub> <mo>,</mo> <msub> <mi>C</mi> <mrow> <mi>p</mi> <mi>l</mi> </mrow> </msub> <mo>}</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>7</mn> <mo>)</mo> </mrow> </mrow>
其中,对于上述公式中x,y,m的求取过程如下:
通过步骤S102中得到的xs1,xs2,xs3…xsN,建立核密度估计其中k(x)表示核函数,一般取高斯核函数;hn表示带宽参数值,一般选取s表示样本数为N的标准差的值;令可以求得m1的值;而对于至少存在一个常数且有令x和y分别取横坐标轴的最小值和最大值,通过二分法可以进一步求得x1,y1的值;
同理可以对xM1,xM2,xM3…xMN,求得m2,(x2,y2);对xL1,xL2,xL3…xLN求得m3,(x3,y3)。
5.如权利要求1所述的方法,其特征在于,步骤S1032的计算过程如下:模糊过程性能指数公式如下:
<mrow> <msub> <mi>P</mi> <mi>p</mi> </msub> <mo>=</mo> <mfrac> <mrow> <mi>U</mi> <mover> <mi>S</mi> <mo>~</mo> </mover> <mi>L</mi> <mo>-</mo> <mi>L</mi> <mover> <mi>S</mi> <mo>~</mo> </mover> <mi>L</mi> </mrow> <mrow> <mn>6</mn> <mover> <mi>&amp;sigma;</mi> <mo>~</mo> </mover> </mrow> </mfrac> <mo>=</mo> <mrow> <mo>(</mo> <mfrac> <mrow> <msub> <mi>u</mi> <mn>1</mn> </msub> <mo>-</mo> <msub> <mi>l</mi> <mn>3</mn> </msub> </mrow> <mrow> <mn>6</mn> <msub> <mi>s</mi> <mn>3</mn> </msub> </mrow> </mfrac> <mo>,</mo> <mfrac> <mrow> <msub> <mi>u</mi> <mn>2</mn> </msub> <mo>-</mo> <msub> <mi>l</mi> <mn>2</mn> </msub> </mrow> <mrow> <mn>6</mn> <msub> <mi>s</mi> <mn>2</mn> </msub> </mrow> </mfrac> <mo>,</mo> <mfrac> <mrow> <msub> <mi>u</mi> <mn>3</mn> </msub> <mo>-</mo> <msub> <mi>l</mi> <mn>1</mn> </msub> </mrow> <mrow> <mn>6</mn> <msub> <mi>s</mi> <mn>1</mn> </msub> </mrow> </mfrac> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>8</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <msub> <mover> <mi>P</mi> <mo>~</mo> </mover> <mrow> <mi>p</mi> <mi>u</mi> </mrow> </msub> <mo>=</mo> <mrow> <mo>(</mo> <mfrac> <mrow> <msub> <mi>u</mi> <mn>1</mn> </msub> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mn>3</mn> </msub> </mrow> <mrow> <mn>3</mn> <msub> <mi>s</mi> <mn>3</mn> </msub> </mrow> </mfrac> <mo>,</mo> <mfrac> <mrow> <msub> <mi>u</mi> <mn>2</mn> </msub> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mn>2</mn> </msub> </mrow> <mrow> <mn>3</mn> <msub> <mi>s</mi> <mn>2</mn> </msub> </mrow> </mfrac> <mo>,</mo> <mfrac> <mrow> <msub> <mi>u</mi> <mn>3</mn> </msub> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mn>1</mn> </msub> </mrow> <mrow> <mn>3</mn> <msub> <mi>s</mi> <mn>1</mn> </msub> </mrow> </mfrac> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>9</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <msub> <mover> <mi>P</mi> <mo>~</mo> </mover> <mrow> <mi>p</mi> <mi>l</mi> </mrow> </msub> <mo>=</mo> <mrow> <mo>(</mo> <mfrac> <mrow> <msub> <mi>&amp;mu;</mi> <mn>1</mn> </msub> <mo>-</mo> <msub> <mi>l</mi> <mn>3</mn> </msub> </mrow> <mrow> <mn>3</mn> <msub> <mi>s</mi> <mn>3</mn> </msub> </mrow> </mfrac> <mo>,</mo> <mfrac> <mrow> <msub> <mi>&amp;mu;</mi> <mn>2</mn> </msub> <mo>-</mo> <msub> <mi>l</mi> <mn>2</mn> </msub> </mrow> <mrow> <mn>3</mn> <msub> <mi>s</mi> <mn>2</mn> </msub> </mrow> </mfrac> <mo>,</mo> <mfrac> <mrow> <msub> <mi>&amp;mu;</mi> <mn>3</mn> </msub> <mo>-</mo> <msub> <mi>l</mi> <mn>1</mn> </msub> </mrow> <mrow> <mn>3</mn> <msub> <mi>s</mi> <mn>1</mn> </msub> </mrow> </mfrac> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>10</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <msub> <mover> <mi>P</mi> <mo>~</mo> </mover> <mrow> <mi>p</mi> <mi>k</mi> </mrow> </msub> <mo>=</mo> <mi>m</mi> <mi>i</mi> <mi>n</mi> <mrow> <mo>(</mo> <msub> <mover> <mi>P</mi> <mo>~</mo> </mover> <mrow> <mi>p</mi> <mi>u</mi> </mrow> </msub> <mo>,</mo> <msub> <mover> <mi>P</mi> <mo>~</mo> </mover> <mrow> <mi>p</mi> <mi>l</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>11</mn> <mo>)</mo> </mrow> </mrow>
其中对于上述公式中标准差模糊数为具体过程为:
首先将所有最小的可能值,最可能值和最大可能值分别求取均值,可以得到整体的均值模糊数为:
进而对标准差的模糊数中的每项可以通过如下公式求得:
<mrow> <mtable> <mtr> <mtd> <mrow> <msub> <mi>s</mi> <mn>1</mn> </msub> <mo>=</mo> <msqrt> <mrow> <mfrac> <mn>1</mn> <mi>n</mi> </mfrac> <mo>&amp;Sigma;</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mn>3</mn> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> </mrow> </mtd> <mtd> <mrow> <msub> <mi>s</mi> <mn>2</mn> </msub> <mo>=</mo> <msqrt> <mrow> <mfrac> <mn>1</mn> <mi>n</mi> </mfrac> <mo>&amp;Sigma;</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mn>2</mn> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> </mrow> </mtd> <mtd> <mrow> <msub> <mi>s</mi> <mn>3</mn> </msub> <mo>=</mo> <msqrt> <mrow> <mfrac> <mn>1</mn> <mi>n</mi> </mfrac> <mo>&amp;Sigma;</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mn>3</mn> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> </mrow> </mtd> </mtr> </mtable> <mo>.</mo> </mrow>
CN201510101421.8A 2015-03-09 2015-03-09 一种基于核函数的模糊过程能力的减压塔在线监测方法 Active CN104750975B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510101421.8A CN104750975B (zh) 2015-03-09 2015-03-09 一种基于核函数的模糊过程能力的减压塔在线监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510101421.8A CN104750975B (zh) 2015-03-09 2015-03-09 一种基于核函数的模糊过程能力的减压塔在线监测方法

Publications (2)

Publication Number Publication Date
CN104750975A CN104750975A (zh) 2015-07-01
CN104750975B true CN104750975B (zh) 2018-03-30

Family

ID=53590651

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510101421.8A Active CN104750975B (zh) 2015-03-09 2015-03-09 一种基于核函数的模糊过程能力的减压塔在线监测方法

Country Status (1)

Country Link
CN (1) CN104750975B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7853339B2 (en) * 2006-09-29 2010-12-14 Fisher-Rosemount Systems, Inc. Statistical signatures used with multivariate analysis for steady-state detection in a process
CN103135542A (zh) * 2011-11-30 2013-06-05 宝山钢铁股份有限公司 一种基于三菱melplac2000的数据采集分析系统
CN103439933A (zh) * 2013-08-13 2013-12-11 清华大学 一种应用ocsvm的生产过程自适应监控系统及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7853339B2 (en) * 2006-09-29 2010-12-14 Fisher-Rosemount Systems, Inc. Statistical signatures used with multivariate analysis for steady-state detection in a process
CN103135542A (zh) * 2011-11-30 2013-06-05 宝山钢铁股份有限公司 一种基于三菱melplac2000的数据采集分析系统
CN103439933A (zh) * 2013-08-13 2013-12-11 清华大学 一种应用ocsvm的生产过程自适应监控系统及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Process capability analyses based on fuzzy measurements and fuzzy control charts;Kaya I等;《Expert Systems with Applications》;20110430;第38卷(第4期);第3172-3184页 *
模糊过程能力指数的一种估计方法;生志荣等;《武汉理工大学学报(信息与管理工程版)》;20131215;第35卷(第6期);第875-879页 *
高斯隶属度函数模糊神经网络在肺癌诊断中的应用;徐力平 等;《郑州大学学报(理学版)》;20110315;第43卷(第1期);第95-99页 *

Also Published As

Publication number Publication date
CN104750975A (zh) 2015-07-01

Similar Documents

Publication Publication Date Title
CN104360677B (zh) 一种卷烟加工过程质量评价与诊断方法
CN108664010A (zh) 发电机组故障数据预测方法、装置和计算机设备
CN103901880A (zh) 基于多分类器和d-s证据融合的工业过程故障检测方法
CN106447039A (zh) 基于自编码神经网络的无监督特征提取方法
CN106371427A (zh) 基于层次分析法和模糊融合的工业过程故障分类方法
CN109185917B (zh) 一种基于火焰强度信号的锅炉燃烧状态在线诊断方法及系统
CN111610407A (zh) 基于朴素贝叶斯的电缆老化状态评估方法和装置
CN106127359A (zh) 一种基于局部加权线性回归模型的变频水泵出口流量预警方法
CN104914850B (zh) 基于切换线性动态系统模型的工业过程故障诊断方法
CN116976148B (zh) 一种铜电解过程离子含量变化的监测方法及系统
CN112904810B (zh) 基于有效特征选择的流程工业非线性过程监测方法
CN108830006B (zh) 基于线性评价因子的线性-非线性工业过程故障检测方法
CN116991130A (zh) 一种石化生产智能化自动化控制系统和方法
CN105334823A (zh) 基于有监督的线性动态系统模型的工业过程故障检测方法
CN106845826B (zh) 一种基于PCA-Cpk的冷连轧生产线服役质量状态评估方法
CN110927478B (zh) 一种确定电力系统变压器设备的状态的方法和系统
CN106199421B (zh) 一种基于工业大数据的预警方法和系统
CN106933097A (zh) 一种基于多层优化pcc‑sdg的化工过程故障诊断方法
CN107679615B (zh) 基于改进遗传算法的变压器样本选择方法
CN112434739A (zh) 一种基于多核学习的支持向量机的化工过程故障诊断方法
CN116610105A (zh) 一种基于数据融合的轧机机械运行故障监测方法及系统
CN112231971A (zh) 基于相对整体趋势扩散故障样本生成的高炉故障诊断方法
CN107515595A (zh) 一种具有数据分析功能的煤制乙炔生产信息智能看板
CN104750975B (zh) 一种基于核函数的模糊过程能力的减压塔在线监测方法
CN106406257A (zh) 一种基于案例推理的铁矿浮选精矿品位软测量方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant