[发明专利]基于改进DTW算法的间歇过程批次数据同步方法

说明书

技术领域

本发明属于间歇过程故障检测领域，更为具体地讲，涉及一种基于改进DTW算法的间歇过程批次数据同步方法。

背景技术

间歇过程是现代流程工业最主要的生产方式，由于其本身的灵活性，被广泛应用于多品种、高附加值产品的生产中。然而，由于其过程本身的复杂性以及其他干扰的影响，使得实际运行轨迹与期望轨迹间往往存在较大差异，并最终导致产品质量显著下降。此外，这类系统一旦发生故障，不仅会造成人员和财产损失，而且环境污染也比其他事故严重得多。因此，间歇过程的故障监测和质量预测，一直是过程控制领域研究的热点之一。

传统的间歇过程故障检测方法如MPCA((Multilinear Principal Component Analysis，多线性主成分分析)，进行间歇过程故障检测的一个重要前提是不同批次的数据具有相同的长度。而实际间歇过程具有很强的复杂性，这样就导致同一个间歇过程的不同批次之间不可能达到理想的重复生产，因此过程数据的长度也不可能完全相同。在多阶段间歇过程中，数据不同步问题表现的相当复杂，数据不同步现象在某一个或某几个特定的阶段中都有可能发生。针对以上问题，Lakshminarayanan等提出将所有批次轨迹都扩至最长，即选取批次中最长轨迹为标准，将其他批次数据扩至标准轨迹长度，人为加上测量值。当然还有按最短轨迹为标准，人为删除非标准长度批次数据的一些数据点，实现不同批次数据等长。这些方法都忽略了局部模式的特点，即只是简单地强行将数据变为等长，很可能放大或丢失原始数据的局部特性。动态时间规整(Dynamic Time Wraping,DTW)是基于动态规划(DP)的思想，是一种衡量两个长度不同的时间序列的相似度的方法，主要用于模板匹配中，比如语音识别、手势识别、数据挖掘和信息检索等，因而该方法可以将间歇过程各批次数据规整到标准批次序列，实现各批次同步。

DTW是一种基于动态规划理论(DP)提出的模式匹配方法，该算法将时间规整和距离测度计算相结合，通过搜寻两条轨迹间的相似特征来进行压缩、扩张或转换某些向量，以获得两条轨迹间的最小距离。

以本发明所针对的间歇过程为例，设T(t×N)和R(r×N)为2条多元轨迹，分别代表参考批次和参考批次，其中t和r分别为两个批次的采样点数，也就是采样次数，N为每次采样所采集的变量个数。DTW运用动态规划原理，非线性地错位2条轨迹，排列相似事件，使其中一条轨迹的各向量与另一条轨迹的各向量相对应，以获得两条轨迹间的最短距离。设i和j分别为R(r×N)和T(t×N)轨迹上的关于时间的坐标，即表示第几次采样，取值范围分别为1≤i≤r，1≤j≤t，R(i×N)表示R(r×N)轨迹第i个采样数据，T(j×N)表示T(t×N)轨迹第j个采样数据。DTW在r×t网格中建立K个点的F*序列：

F*＝{c(1),c(2),...,c(k),...,c(K)}   (1)

其中max(t,r)≤K≤t+r，c(k)＝[i(k)，j(k)]，为网格中表示i和j匹配的每一点。

在DTW算法中，F*序列可看作使两轨迹之间标准距离最短的一条处于r×t网格中的最优路径。设d(i,j)代表R(i×N)和T(j×N)的欧氏距离值：