[发明专利]一种基于变点检测理论的制丝过程稳态识别方法

说明书

本发明公开一种基于变点检测理论的制丝过程稳态识别方法，选定制丝过程某一质量指标或设备参数作为研究对象，首先利用均值方差变点检测模型和PELT算法动态划分子区间，然后根据工艺标准设定子区间方差和、或均值的阈值，最终筛选出符合阈值条件的子区间从而形成稳态数据集；该基于变点检测理论的制丝过程稳态识别方法能够克服历史数据期望、相关参数指标对研究对象稳态识别准确性的影响，对不同数据分布类型具有较好的适应性，能够准确剔除系统噪声，提高稳态识别的精度。

技术领域

本发明属于卷烟生产过程质量评价技术领域，具体涉及一种基于变点检测理论的制丝过程稳态识别方法。

背景技术

在制丝过程对一个工序的系统研究中，稳态是最重要且最常见的假设。稳态是统计控制状态的简称，指过程中只有偶因而无异因产生的变异状态。制丝加工过程中设备启停、人工干预、受前后工序影响均可能使生产过程处于非稳态，这些非稳态过程来源复杂、难以剔除，而且会混杂在过程数据中，很难予以有效鉴别，会影响过程控制诊断的准确性。工序过程是否处于稳态，直接关系到后续对制丝工序的建模、控制和优化的方法。因此，如何精准的识别生产过程中的稳态和非稳态，并在此基础上进行质量控制水平的评价，显得尤为重要。

综合文献调研，近年来行业内在烟草加工过程稳态检测方法研究方面有个别文献报道，例如，发明专利申请CN1996188A公开了一种烟草加工过程稳态检测方法，其技术特点是利用加工过程指标的时序折线图、分布统计图和累积概率曲线，将过程稳态从整个过程中准确地分离出来，并判断其分布与正态分布的符合性，可以有效辨别过程异因，并追踪异常因素的时序区间，从而分析异因的来源、种类以及对质量指标的影响程度。该方法将正态分布的凹点或突变点作为分界点，将指标的累计概率最大的正态分布区间作为过程稳态的指标分布区间，研究发现并不是所有过程指标均满足正态分布，因此该方法具有一定局限性。

发明内容

本发明的目的是提供一种能够克服历史数据期望、相关参数指标对研究对象稳态识别准确性的影响，对不同数据分布类型具有较好的适应性，能够准确剔除系统噪声，提高稳态识别的精度的基于变点检测理论的制丝过程稳态识别方法。

为了解决上述技术问题，本发明的技术方案是：

一种基于变点检测理论的制丝过程稳态识别方法，包括以下步骤：

1)对数据样本进行预处理；

2)运用均值方差变点检测模型及PELT算法进行变点检测；

3)稳态和非稳态数据集划分。

进一步的，在步骤1)中的预处理步骤如下：

①选定研究变量和数采频率，利用数采系统对指标进行实时采集；

②按有效数据判定规则，以批次号为单位构成批次有效数据。

进一步的，在步骤2)中的变点检测步骤如下：

①根据研究变量的时间序列，采用均值方差变点检测模型及PELT算法动态划分子组区间；

②分别计算各子组区间的均值和、或方差。

进一步的，在步骤3)中的数据集划分步骤如下：

①根据研究对象的工艺技术标准设定子区间方差和、或均值的阈值；

②判定子区间均值、方差是否在阈值范围，若在阈值范围则子区间属于稳态数据集，若在阈值范围以外则子区间属于非稳态数据集。