[发明专利]一种高噪音工业过程的数据识别方法及系统

权利要求书

1.一种高噪音工业过程的数据识别方法，其特征在于，包括：

获取工业过程的历史时间序列数据；

对所述历史时间序列数据进行预处理；

基于所述历史时间序列数据中的噪音周期，确定巴特沃斯滤波器；

通过所述巴特沃斯滤波器对预处理后的历史时间序列数据进行滤波；

构建频域传递函数模型；

通过滤波后的历史时间序列训练所述频域传递函数模型；具体包括：将所述滤波后的历史时间序列输入至频域传递函数模型，得到输出数据；判断所述输出数据与实际值的误差是否在阈值范围内；若是，则确定所述频域传递函数模型为训练好的频域传递函数模型；若否，则通过最小二乘法调整所述频域传递函数模型的参数，使所述输出数据与实际值的误差在阈值范围内；

将训练好的频域传递函数模型转换到时域，得到时域传递函数模型作为系统识别模型，利用所述系统识别模型对高噪音工业过程的数据进行识别；

其中，所述频域传递函数模型G(s)为：

其中s是复频域算子，B(m)＝b_m，b_m-1，...，b₀为响应函数参数，A(n)＝a_n,a_n-1,...,a₀为驱动函数参数，A(n)、B(m)均为模型需要学习的参数，m为模型零点的个数，n为模型的阶数，Y(s)为响应函数，U(s)为驱动函数。

2.根据权利要求1所述的高噪音工业过程的数据识别方法，其特征在于，所述对所述历史时间序列数据进行预处理，具体包括：

对所述历史时间序列数据进行补全、去除均值和差分处理；

利用拉普拉斯变换将处理后的数据转换到频域。

3.根据权利要求1所述的高噪音工业过程的数据识别方法，其特征在于，所述基于所述历史时间序列数据中的噪音周期，确定巴特沃斯滤波器，具体包括：

基于所述历史时间序列数据中的噪音周期，确定巴特沃斯滤波器的参数；

根据所述巴特沃斯滤波器的参数，确定巴特沃斯滤波器。

4.一种高噪音工业过程的数据识别系统，其特征在于，包括：

数据获取模块，用于获取工业过程的历史时间序列数据；

预处理模块，用于对所述历史时间序列数据进行预处理；

滤波器确定模块，基于所述历史时间序列数据中的噪音周期，确定巴特沃斯滤波器；

滤波模块，用于通过所述巴特沃斯滤波器对预处理后的历史时间序列数据进行滤波；

模型构建模块，用于构建频域传递函数模型；

训练模块，用于通过滤波后的历史时间序列训练所述频域传递函数模型；

转换模块，用于将训练好的频域传递函数模型转换到时域，得到时域传递函数模型作为系统识别模型，利用所述系统识别模型对高噪音工业过程的数据进行识别；

其中，所述训练模块具体包括：

输入单元，用于将所述滤波后的历史时间序列输入至所述频域传递函数模型，得到输出数据；

判断单元，用于判断所述输出数据与实际值的误差是否在阈值范围内；

结果确定单元，用于当所述输出数据与实际值的误差在阈值范围内时，确定所述频域传递函数模型为训练好的系频域传递函数模型；

当所述输出数据与实际值的误差在阈值范围内时，通过最小二乘法调整所述频域传递函数模型的参数，使所述输出数据与实际值的误差在阈值范围内；

其中，所述频域传递函数模型G(s)为：

其中s是复频域算子，B(m)＝b_m，b_m-1，...，b₀为响应函数参数，A(n)＝a_n,a_n-1,...,a₀为驱动函数参数，A(n)、B(m)均为模型需要学习的参数，m为模型零点的个数，n为模型的阶数，Y(s)为响应函数，U(s)为驱动函数。

5.根据权利要求4所述的高噪音工业过程的数据识别系统，其特征在于，所述预处理模块，具体包括：

处理单元，用于对所述历史时间序列数据进行补全、去除均值和差分处理；

转换单元，用于利用拉普拉斯变换将处理后的数据转换到频域。

6.根据权利要求4所述的高噪音工业过程的数据识别系统，其特征在于，所述滤波器确定模块具体包括：

参数确定单元，基于所述历史时间序列数据中的噪音周期，确定巴特沃斯滤波器的参数；

滤波器确定单元，用于根据所述巴特沃斯滤波器的参数，确定巴特沃斯滤波器。