基于shapelet转换的铝电解阳极电流分类方法技术

本发明专利技术公开了一种基于shapelet转换的铝电解阳极电流分类方法，基于shapelet转换方法选取高质量shapelets；从所述高质量shapelets中提取核心特征；增加相似数量特征到所述核心特征中，并转换数据。本发明专利技术从一个类别的所有维度中寻找核心特征，分类准确性不会受信号也不依赖于维度的影响，解决阳极电流信号难以被一般的多变量分类方法来进行分类的问题，并且提高了分类的准确性。

Classification of Anode Current in Aluminum Electrolysis Based on Shalet Conversion

The invention discloses a method for classifying anode current of aluminium electrolysis based on shapelet transformation, selecting high-quality shapelets based on shapelet transformation method, extracting core features from the high-quality shapelets, increasing similar number features to the core features, and converting data. The method searches for core features from all dimensions of a category, and the classification accuracy is not affected by the signal and does not depend on the dimension. It solves the problem that the anode current signal is difficult to be classified by the general multi-variable classification method, and improves the classification accuracy.

【技术实现步骤摘要】
基于shapelet转换的铝电解阳极电流分类方法
本专利技术涉及工业控制领域，具体涉及一种基于shapelet转换的铝电解阳极电流分类方法。
技术介绍
铝电解槽是一个非线性、多耦合、时变和大时滞的工业过程体系。铝电解槽是由槽电压和其他辅助措施进行控制的。铝电解槽中的自动过程控制是现代生产线的标准配置。随着电解槽越来越大，铝电解生产过程是一个具有挑战性的生产过程。阳极电流是由电压控制的，它反映了电阻成分的变化。因此，阳极电流可以反映阳极周围的局部槽况。阳极电流为铝电解过程生产控制提供了重要信息。阳极反应释放气泡形成了气泡层。气泡层的电阻反映了阳极寿命，阳极方向和倾角。于此同时，电解槽的电阻受氧化铝浓度，槽温和电解质成分的影响。影响电阻的不平衡条件将会导致不同的阳极电流分布。例如，换极过程中的阳极对应的阳极电流将会降低到0，因为每个阳极的损耗是不一样的，需要更换的阳极也是不固定的，因此，在整槽中，突降为0的阳极电流是不固定的，所以会产生阳极分布的差异性，同一类别的阳极电流信号具有辨别性的特征不是固定在某一维度上。多源时间序列是一种重要的时间序列。他们广泛地应用在很多领域，例如语音识别、多媒体应用、医学、经济学、科学和工程。多源时间序列分类在时间序列的数据挖掘中起着重要的作用。然而，多源时间序列的多变量和长度的不一致让用传统的机器学习方法来分类多源时间序列变得很难。因此，为了分类多源时间序列，大量的研究和方法被提出，大部分的研究被定义于提取特征的方法。在这些方法中，可以从多源时间序列中提取很多特征去表示原始的时间序列。它的优点主要是可以减少多源时间序列的维度或者是时间序列的长度来避免维度爆炸。核心特征是表达多源时间序列的一种特征，它是通过聚类同一类别的同一维度的候选shapelet的方式得到的，一般的同一类别的多源时间序列同一维度有一个或多个核心特征。MCFEC-QBC和MCFEC-rule两种方法就是用核心特征来分类时间序列，他们对样本的每个维度根据与核心特征的相似性进行分类，最后根据所有维度的主要类别来判定样本的类别。多源shapelets发现(MSD)方法是提取多源shapelets，其中多源shapelets的每一个shapelet是从每一个维度上提取的，他们通过计算shapelets和时间序列之间的欧式距离来对比多源时间序列。大部分的多源时间序列分类方法是基于同一类别每个维度上具有相同特征的多源时间序列。然而，同一类别的阳极电流信号具有辨别性的特征不是固定在某一维度上，所以大部分基于多源时间序列的分类方法不能应用于阳极电流信号。
技术实现思路
本专利技术的目的在于提供一种基于shapelet转换的铝电解阳极电流分类方法，可以解决阳极电流信号因特殊维度而不能被常见的多源时间序列进行分类的问题，对铝电解槽的局部槽况分析和铝电解的智能生产提供重要支撑。本专利技术采用以下技术方案：一种基于shapelet转换的铝电解阳极电流分类方法，所述方法包括：S1、基于shapelet转换方法选取高质量shapelets；S2、从所述高质量shapelets中提取核心特征；S3、增加相似数量特征到所述核心特征中，并转换数据。进一步，所述S1包括：S11、从原始时间序列数据总提取候选shapelets；S12、对所述候选shapelets中的shapelet进行相似性评估，删除自相似的shapelets得到高质量的shapelets。进一步，所述相似性评估包括：计算所述候选shapelets到数据集中每个多源时间序列距离得到距离集合；计算每个距离集合的信息增益。进一步，所述信息增益的计算公式为：其中，O是一组有序的距离集合，通过分裂点可以把O分成两个集合，集合OL中元素的值都小于分裂点的值，集合OR中元素的值都大于分裂点的值，H(O)、H(OL)、H(OR)分别表示原始数据集O，被分裂点分割成两部分的数据集OL和数据集OR的信息熵；同一个一源时间序列中只选取一个信息增益最高的shapelet作为高质量的shapelet。进一步，所述S2包括：基于距离矩阵聚类所述高质量shapelets提取所述铝电解阳极电流信号的核心特征。进一步，所述距离矩阵中的每个元素是所述高质量shapelets间的距离。进一步，所述聚类的具体过程如下：找到所述距离矩阵中第二小的元素值，删除该第二小的元素值所对应的shapelets，添加被删除的shapelets的聚类集合到所述距离矩阵中；计算所述距离矩阵中每个高质量shapelet和被删除的shapelets的聚类集合的距离，更新所述距离矩阵；重复上述聚类过程直到所有的高质量shapelets都被聚集起来；将每个聚类中的高信息增益的shapelet选为核心特征。进一步，所述每个高质量shapelet和被删除的shapelets的聚类集合之间的距离是每个高质量shapelet到聚类集合中每个被删除的shapelet距离的平均值。进一步，所述S3包括：计算所述核心特征和数据集中每个多源时间序列之间的距离；计算核心特征与数据集相似的序列个数；根据所述距离和个数得到能够代表核心特征出现频率的数量特征；将所述核心特征和所述数量特征组合成新的数据集放到分类器里面去进行训练。本专利技术的优点和有益效果在于：本专利技术提供一种基于shapelet转换的铝电解阳极电流分类方法，从一个类别的所有维度中寻找核心特征，分类准确性不会受信号也不依赖于维度的影响，解决阳极电流信号难以被一般的多变量分类方法来进行分类的问题，并且提高了分类的准确性。附图说明图1为本专利技术基于shapelet转换的铝电解阳极电流信号分类方法流程示意图；图2为本专利技术用距离矩阵进行聚类的过程示意图。具体实施方式下面结合附图和实施例，对本专利技术的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。如图1所示，本专利技术提供基于shapelet转换的铝电解阳极电流信号分类方法，包括：S1、基于shapelet转换方法选取高质量shapelets；S2、从所述高质量shapelets中提取核心特征；S3、增加相似数量特征到所述核心特征中，并转换数据。下面对本专利技术的基于shapelet转换的铝电解阳极电流信号分类方法过程做进一步详细的阐述。一、用shapelet转换方法选取高质量shapelets。得到高质量的shapelets主要包括两个步骤：第一步是从原始时间序列数据总提取候选shapelet。第二步是删除候选shapelet中自相似的shapelet得到高质量的shapelet。Shapelet是时间序列的一段子序列，通过设置shapelet长度，可以从时间序列中得到很多子序列。从所有时间序列中得到的所有子序列被称为候选shapelet。得到所有候选shapelet之后，对候选shapelet进行质量评估。首先，定义评估两个子序列相似性的方法，即计算两个子序列之间的欧式距离，距离越小，相似度越高。距离公式如下公式1所示。其中A和B分别是两个一源的时间序列的子序列，它们都是一组有序的实数序列，其中A＝(a1，a2，...，am)，B＝(b1，b2，...，bm)。然后评估候选shapelet和时间序列的相似性，即计本文档来自技高网...

【技术保护点】
1.一种基于shapelet转换的铝电解阳极电流分类方法，其特征在于，所述方法包括：S1、基于shapelet转换方法选取高质量shapelets；S2、从所述高质量shapelets中提取核心特征；S3、增加相似数量特征到所述核心特征中，并转换数据。

【技术特征摘要】
1.一种基于shapelet转换的铝电解阳极电流分类方法，其特征在于，所述方法包括：S1、基于shapelet转换方法选取高质量shapelets；S2、从所述高质量shapelets中提取核心特征；S3、增加相似数量特征到所述核心特征中，并转换数据。2.如权利要求1所述的方法，其特征在于，所述S1包括：S11、从原始时间序列数据总提取候选shapelets；S12、对所述候选shapelets中的shapelet进行相似性评估，删除自相似的shapelets得到高质量的shapelets。3.如权利要求2所述的方法，其特征在于，所述相似性评估包括：计算所述候选shapelets到数据集中每个多源时间序列距离得到距离集合；计算每个距离集合的信息增益。4.如权利要求3所述的方法，其特征在于，所述信息增益的计算公式为：其中，O是一组有序的距离集合，通过分裂点可以把O分成两个集合，集合OL中元素的值都小于分裂点的值，集合OR中元素的值都大于分裂点的值，H(O)、H(OL)、H(OR)分别表示原始数据集O，被分裂点分割成两部分的数据集OL和数据集OR的信息熵；同一个一源时间序列中只选取一个信息增益最高的shapelet作为高质量的shapelet。5.如权利要求1所述的方法，其特征在于，所述...

【专利技术属性】
技术研发人员：陈晓方，万晓雪，谢永芳，岳伟超，黄兆可，杨焕，雷勇祥，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南,43