[发明专利]基于改进滑动时间窗口的工业生产过程动态时延辨识方法

权利要求书

1.一种基于改进滑动时间窗口的工业过程动态时延辨识方法，其特征在于，包括：

S1、在固定采样周期的条件下获取脱丁烷塔工业过程的输入变量和输出变量数据，依据工业过程内在机理及专家经验，确定各个输入变量x_i相对输出变量y的最大时延T_max；

S2、对所述输入变量x_i和输出变量y进行变量时间重构，得到带时延的输入变量集X(t)＝[X₁(t),X₂(t),…,X_m(t)]，各输入变量的重构方式如下：

X_i(t)＝[x_i(t),x_i(t-1),…,x_i(t-λ),…,x_i(t-T_max)],

其中，x_i(t)为t时刻的原始的输入变量，x_i(t-λ)为t时刻的时延为λ的输入变量，i＝1,2,…,m，m为输入变量个数，λ＝0,1,…,T_max；

S3、静态定界：利用FCA模糊曲线方法对各输入变量进行静态时延估计，得到的时延为各输入变量的总体时延d，从而得到动态时延变化范围[d_low,d_up]；

S4、动态估计：观察动态时延在不同时间窗口大小下的变化情况，进而确定滑动时间窗口的初始值L_ini和最大值L_max：当时延表现出明显的动态变化特性，且超过80％的时延大小不超过所述动态时延的变化范围时，将此时的窗口大小作为滑动时间窗口的初始值；同样，当时延的变化趋于平缓时，将此时的窗口大小作为滑动时间窗口的最大值；

S5、采用所述FCA模糊曲线方法对当前滑动时间窗口的各输入变量的时延进行估计，得到各输入变量的当前滑动时间窗口的时延d_cur；

S6、分别判断各输入变量的当前滑动时间窗口的时延是否超过各输入变量对应的所述动态时延变化范围，若则增大滑动时间窗口的大小并返回步骤S5，否则进行步骤S7；

S7、分别判断各输入变量的当前滑动时间窗口的时延d_cur与对应的前一滑动时间窗口的时延d_pre的差值的绝对值是否超过突变阈值d_m，若|d_cur-d_pre|＞d_m，则继续增大滑动时间窗口的大小，并进入步骤S8；否则进入步骤S9；

S8、分别判断各输入变量的当前滑动时间窗口大小是否超过所述滑动时间窗口的最大值，若不超过，则返回步骤S5；若超过，则以该输入变量对应的所述总体时延代替该输入变量的当前滑动时间窗口的时延，进入步骤S9；

S9、保存各输入变量的当前滑动时间窗口的时延，判断是否完成所有滑动时间窗口的动态时延估计，若未完成，滑动时间窗口向下一时刻移动一步，回到步骤S5，否则进入步骤S10；

S10、利用包含动态时延的各输入变量对输出变量进行软测量建模，实现所述输出变量的预测。

2.根据权利要求1所述的基于改进滑动时间窗口的工业过程动态时延辨识方法，其特征在于，步骤S10中所述的软测量建模的模型为相关向量机模型。

3.根据权利要求1所述的基于改进滑动时间窗口的工业过程动态时延辨识方法，其特征在于，步骤S10进行软测量建模前，还包括：统计各输入变量的各时延所占的窗口数目，获取该输入变量的动态时延辨识结果进行验证，计算包含动态时延的各输入变量对输出变量的非对称依赖系数进行进一步验证。

4.根据权利要求3所述的基于改进滑动时间窗口的工业过程动态时延辨识方法，其特征在于，所述包含动态时延的各输入变量对输出变量的非对称依赖系数的计算方式为：

其中，H(x₁,...,x_n)和H(y)分别代表变量x和y的信息熵的大小，H(x₁,…,x_n,y)代表变量x和y的联合信息熵。