【技术实现步骤摘要】
本专利技术属于大数据与机器学习，特别涉及一种基于奇异谱分析的工业数据流概念漂移检测方法。
技术介绍
1、高质量发展在现代工业过程中日益重要。关键工业过程性能指标的准确预测对工业过程的高质量发展具有重要意义，软测量技术在其中起到重要作用。通常，数据驱动的软测量器通过历史数据进行训练。但随着时间的推移，由于原料变化、工作模式切换、传感器老化、设备退化和产品种类改变等原因，工业数据流呈现出概念漂移现象，即某一时刻数据的统计特性发生改变。这种现象导致软测量模型随着时间的推移而出现性能的下降。譬如，如果钢铁生产的烧结过程改变了原料的比例或来源，即使在烧结矿实际质量下降的情况下，软测量器也可能预测烧结矿全铁含量保持在较高水平。同样的情况也出现在热轧过程钢种变化时力学性能的预测场景。为了应对概念漂移现象，准确的漂移检测方法成为对工业过程漂移适应的基础，它能够识别漂移的时刻，并深入理解漂移产生的原因，从而自主地更新工业性能指标预测和工艺参数优化模型，为非平稳工业场景高效且精准的优化控制提供可能。
2、目前漂移检测方法主要包括基于预测误差、基...
【技术保护点】
1.一种基于奇异谱分析的工业数据流概念漂移检测方法，其特征在于，包括共同动力学在线提取算法模块、噪声鲁棒漂移检测算法模块和漂移阈值自适应算法模块；
2.根据权利要1所述的方法，其特征在于，所述的共同动力学在线提取算法模块中所述的历史共同动力学模式库构建部分，采用奇异谱分析挖掘历史数据的主要动力学模式，根据奇异值能量谱，采用动力学模式持续时间指标计算各个动力学的持续时间，按照工业过程专家知识设定持续时间阈值，当动力学模式持续时间指标大于所设定的持续时间阈值时，对应的动力学模式视为共同动力学模式，构成历史共同动力学模式库。
3.根据权利要求1所述的...
【技术特征摘要】
1.一种基于奇异谱分析的工业数据流概念漂移检测方法，其特征在于，包括共同动力学在线提取算法模块、噪声鲁棒漂移检测算法模块和漂移阈值自适应算法模块；
2.根据权利要1所述的方法，其特征在于，所述的共同动力学在线提取算法模块中所述的历史共同动力学模式库构建部分，采用奇异谱分析挖掘历史数据的主要动力学模式，根据奇异值能量谱，采用动力学模式持续时间指标计算各个动力学的持续时间，按照工业过程专家知识设定持续时间阈值，当动力学模式持续时间指标大于所设定的持续时间阈值时，对应的动力学模式视为共同动力学模式，构成历史共同动力学模式库。
3.根据权利要求1所述的方法，其特征在于，所述的共同动力学在线提取算法模块中所述的在线更新部分，采用延迟嵌入定理构建新数据延迟嵌入矩阵，将构建的新数据延迟嵌入矩阵与历史共...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。