流程工业数据挖掘时滞研究

在之前的一篇博客中（工业大数据在铅粉机的应用），我提到的一个困扰我的问题：由于流程工业本身的特性，会产生时滞效应，比如：提高某工艺参数温度，这个效果是缓慢产生的，假设目标温度是300度，当前温度是40度，那么提高到指定温度需要一段时间；当提高到指定温度后，会产生复杂的化学、物理变化，也需要一段时间；因此某一参数的变化最终反映出来会滞后一段时间。所以在通过数据建模的时候，就必须考虑这个问题。解决这个问题的一般方法是定性分析，估计一个值，但是这个方法的缺点显而易见，它是工艺人员的经验得出的，并不精确。

最近看到一篇论文，介绍了一种定性的方法来计算时滞，个人认为是个值得借鉴的方法，论文请读者朋友自行阅读：《基于交叉相关性的流程工业时滞性研究》--南京工业大学电子与信息工程学院陈炎，杨小健，李荣雨

一、现在通过Python来复现论文：

import numpy as np
import math
import pandas as pddef Rx1(x1):v=0for i in range(len(x1)):v+=(x1[i]-np.mean(x1))**2return v/len(x1)def Rxi(xi,l):v=0for i in range(len(x1)):v+=(xi[i+l]-np.mean(xi))**2return v/len(xi)def Rx1xi(x1,xi,l):v=0for i in range(len(x1)):v+=(x1[i]-np.mean(x1))*(xi[i+l]-np.mean(xi))return v/len(xi)def Cx0xi(x1,xi,l):r=Rx1xi(x1,xi,l)rx0=Rx1(x1)rx1=Rxi(xi,l)return r/math.sqrt(rx0*rx1)

二、现假设二组数据来验证算法的效果

设：y=3x+2

x=[0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30]

假设y滞后5个时间步

y=[0,0,0,0,0,2,5,8,11,14,17,20,23,26,29,32,35,38,41,44,47,50,53,56,59,62,65,68,71,74,77]

将这两组作为实验数据代入函数中计算

x=[0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30]
y=[0,0,0,0,0,2,5,8,11,14,17,20,23,26,29,32,35,38,41,44,47,50,53,56,59,62,65,68,71,74,77]
N=20
x1=x[0:N]
xi=y
l=8
Cx0xi(x1,xi,l)def record(n,t):x1=x[0:n]xi=yg=[]for l in range(t):c=Cx0xi(x1,xi,l)g.append(c)return g
record(20,10)

得到如下结果

[0.5427321585162229,0.6044570372833218,0.6642834383376137,0.7189579018322991,0.7640540917771934,0.794100961108602,0.8030347030428521,0.7883900240881999,0.753727697862942,0.706251297690905]

从结果可以看出第7个元素最大，也就是说y数组滞后于x数组7个时间步。

三、用真实数据来验证算法有效性

数据源来自铅粉机-滚筒重量、进口风压。

滚筒重量的变化直接反应了铅粉产量，进口风压是影响铅粉产量重要的因素，实验目的是计算铅粉产量的变化滞后于进口风压多少时间步。

采样周期1分钟，取120条数据

部分数据如下所示：

数据带入函数中计算

dataset = pd.read_csv(r'C:\Users\Think\Desktop\machine learning\time lag.csv')
a=dataset['x']
b=dataset['y']def record(n,t):x1=a[0:n]xi=bg=[]for l in range(t):c=Cx0xi(x1,xi,l)g.append(c)return grecord(50,60)

得到如下数据：

[-0.14152334563378582,-0.18140052510301158,-0.1789710269476378,-0.22116280134936822,-0.162007009649457,-0.10850959780155506,-0.11746103913930642,-0.08669961789248691,-0.09183363725774629,-0.03489733495782947,0.11952998842018636,0.05031684322091581,0.03587211203514207,-0.014958608986750442,-0.05305119167410543,-0.05480392347039527,-0.1529359330898524,-0.01396689767052879,-0.08706631113413513,0.01795856842965222,-0.016236751829004654,-0.10342248221575555,-0.10468448510437346,-0.03468452666362902,0.1611429495934056,0.10897861280174187,0.07860389183948142,0.1283788938020754,0.2228990484878697,0.17969047751260894,0.26380248869546136,0.147406543264036,0.09798358996179352,0.27002018296472763,0.43751283295766985,0.4843422558277366,0.4491722415094058,0.3489728251073251,0.23443110323203561,0.1778396983126151,0.1076843094257852,0.06484664688807737,0.14871763598328522,0.20404310190482033,0.13542064514384541,-0.04042733025757859,-0.1202390235782849,-0.1340211063258429,-0.04362611474434002,-0.05687054924662609,-0.07082649164454642,0.0010119935706163071,-0.01589936316108075,-0.017759157186828647,-0.021198364595387188,-0.03741566980050586,-0.020140077208811967,-0.034120408364014004,0.021407711757412316,-0.022531883719248202]

第36个元素最大，即铅粉产量滞后进口风压36分钟

这个结果与我之前测试的结果高度吻合（在铅粉机建立神经网络过程中，为了确定最优时滞，我从10分钟到120分钟都试了一遍，其中发现30分和40分时，网络模型精度最高）

总结：

从上述两个实验来看，这篇论文的方法确实是有效的，在流程工业的大数据挖掘方面，具有很高的实用性。

流程工业数据挖掘时滞研究相关推荐

深度解析工业软件：研究框架（140页）
来源:跨越鸿沟本文多图,建议阅读6分钟. 本文为你深度解析工业软件:研究框架工业软件的核心,不仅是"软件",更是"工业". 有什么样的工业流程,就有什么样的 ...
中国煤炭工业节能减排现状研究分析及市场前景预测报告2022-2028年版
中国煤炭工业节能减排现状研究分析及市场前景预测报告2022-2028年版 [报告目录]: 第一章 2018-2021年煤炭行业节能减排的宏观环境分析 1.1 经济环境 1.1.1 国民经 ...
虚拟专题：知识图谱 | 流程工业控制系统的知识图谱构建
来源:智能科学与技术学报流程工业控制系统的知识图谱构建牟天昊1, 李少远1,2 1 上海交通大学电子信息与电气工程学院 2 上海交通大学系统控制与信息处理教育部重点实验室摘要:近年来,工业控制系 ...
【工业智能】人工智能技术助力流程工业发展报告
我国流程工业发展的历程中,自动化与信息化技术发挥了极其重要的作用,从集散控制系统(DCS)在流程企业中的普遍应用,到DCS/MES/ERP的实施,强化了管理信息化,实现了各个生产环节的信息管理,提升了 ...
流程工业计算机工程应用技术,流程工业中计算机的应用技术与进展.pdf
化工流程工业中计算机的应用技术与进展本文由反冲力57贡献 pdf文档可能在WAP端浏览体验不佳.建议您优先选择TXT,或下载源文件到本机查看. 第27卷第2期 2010年2月28日计算机与应用化 ...
横河电机调查发现，三分之二的流程工业公司预计到2030年将实现完全自治化运营
-新冠肺炎疫情将促进对工业自治化的投资– 东京--(美国商业资讯)--横河电机株式会社(Yokogawa Electric Corporation, 东京证券交易所: 6841)今天公布了关于工业自治 ...
企业架构：简单分析流程工业的数字化转型
提起流程工业很多朋友都会有所疑问,其实流程工业正是咱们所熟知的石油.化工.钢铁.建材等基础原材料行业,同时这些也正是国民经济的支柱和基础产业,也是全球国家制造业经济持续增长的重要支撑力量.我国在经过近 ...
流程工业数字孪生关键技术探讨
来源:专知本文约1700字,建议阅读5分钟协同优化运行的流程工业数字孪生生产线所需技术逐渐成熟, 其在流程工业的应用价值与潜力日益凸显. 流程工业是制造业的重要组成部分, 是国民经济发展的重要基础, ...
墨天轮沙龙 | 庚顿数据姚羽：实时数据技术赋能流程工业，保障业务连续性
在8月24日举办的[墨天轮数据库沙龙第九期-工业实时数据库专场]中,庚顿数据董事长兼总经理姚羽分享了<实时数据技术赋能流程工业,保障业务连续性,强化工业化AI基础设施>主题演讲,本文为整 ...

流程工业数据挖掘时滞研究

流程工业数据挖掘时滞研究相关推荐

最新文章

热门文章