基于趋势特征聚类的多元相似时间序列的提取

历史相似时间序列的提取在数据挖掘、工业故障检测以及故障根源分析等领域应用非常广泛。针对工业报警系统中异常根源分析方法存在的问题,提出了一种基于趋势特征聚类的多元相似时间序列的提取方法,可以有效地辅助现场工作人员分析关键变量发生异常变化的根源。首先对多元时间序列进行分段线性表示,获得变量的趋势特征信息;然后采用基于密度峰值聚类分析算法对获得的趋势特征在高维空间中聚类,从而实现历史数据的相似性提取;最后可根据关联变量的幅值变化量分析导致主变量发生异常变化的根源变量。数值仿真和实际工业数据案例验证了所提方法的有效性。     

基于变化趋势的闭环控制系统报警监控方法

在现代工业系统中,传统的闭环控制系统大多通过对监控信号设置报警阈值来检测系统的运行情况,但此类检测方法往往存在大量的干扰报警。本文提出一种基于变化趋势的闭环控制系统报警监控方法,用来在检测异常状况的同时,减少干扰报警次数。本方法首先确定控制信号滞后于过程输出信号的延迟时间,以此作为报警持续时间的阈值;其次将滑动窗口提取的过程输出信号及控制信号的子序列分别进行最优拟合,并对拟合结果进行定性趋势分析,用特征字符表示趋势变化的特征;最后对比两个信号的特征字符,当特征字符不一致的持续时间超过阈值时触发报警。本文通过实际工业案例验证了所提方法的有效性。