遥测数据相关分析.pptVIP

遥测数据相关性分析 1.简介 数据相关性分析的目的： 过程监控和安全评估 故障诊断和预测 软测量 可靠性分析 过程优化 涉及的学科方向： 知识发现 机器学习 数据挖掘 数据融合 数据驱动 软计算 关键问题： 不确定性描述 聚类 分类 回归分析 优化 方法 数学方法 智能方法 数学方法 相关函数 主元分析 独立成分分析 Fisher判据 小波分析 贝叶斯网络 智能方法 支持向量机 核函数 模糊数学 神经网络 粗糙集 进化算法 专家系统 2.与控制的关系 “数据丰富，信息匮乏”； 控制工程技术已不仅仅局限于过程数据分析、故障监测，以及了解过程运行状态等方面，已经逐渐发展成为集分析、诊断、建模、预报、控制、优化于一体。 相关性分析提供信息支持； 3 应用情况 当前国外的大公司，如霍尼韦尔，西门子都提供了具有数据相关性分析的软件包； 4.遥测数据相关性实例分析 4.1 定性分析： 思路： 整个遥测数据的涉及的变量多，相关性分析复杂。 采用从上往下的模式进行系统分解为各相关功能子系统。从定性的角度描述系统中信号之间的定性相关性关系。 （1）根据已有的知识，建立子系统之间的信号的定性相关性模型； （2）根据已有的知识，建立各子系统中各信号之间的定性相关性模型； （3）根据已有定性模型，分析潜在的信号相关性知识； 方法： 采用符号有向图描述系统，利用SDG 图上节点表示的信息反应信号测量值的状态，从而有效识别信号与信号之间的相关性。 SDG 利用节点和连线来描述系统变量之间的因果关系，节点A 和B 表示过程变量，节点间的有向连线表示节点间的因果关系；连线类型代表节点间影响的方向，实线表明原因变量与结果变量变化方向相同；虚线表明原因变量与结果变量变化方向相反。 研究步骤： （1）从已有的机理知识出发，建立子 系统内部信号符号有向图。 （2）分析液体火箭各子系统多面信号联系，建立子系统之间的信号符号有向图。 （3）最后通过数据驱动，分析这些图分析潜在相关知识规则。 实例说明：以动力系统中一部分为例。 ——基于主元分析法的信号相关性研究 思路： 当某一信号收到多个其它的信号影响时，如何判断这些信号的影响程度对于定性分析是比较困难的。 火箭发射中存在很多机理模型不能描述的工作过程。 采用核函数和主成分分析法相结合的方法。 方法： (1)采用核函数来完成从输入空间到特征空间的非线性映射的，将相对低维非线性数据空间转化为高维线性数据空间。 (2)在高维数据空间中，计算主元成分，建立信号之间的相关性模型，分析信号之间的相关性。 研究步骤： （1）基于定性分析得到的相关性关系特征，确定 关键信号（参数）； （2）针对与关键信号相关的信号建立数据集； （3）数据预处理； （4）利用核函数方法实现数据空间非线性向线性 的转换； （5）利用主元分析法确定信号之间的相关性。 实例分析 将预处理后的数据排成N*10的矩阵(N 为样本数据长度)。按照第1 节中给出的步骤对样本矩阵进行主成分分析。可以求得： (1) 关系矩阵的特征值(由大到小排列)为 18.9369， 0.2018， 0.1145， 0.0984， 0.0841， 0.0796， 0.0557， 0.0530， 0.0474， 0. 0444 5 以后的研究工作思路 由基础方法出发，从了解、理解、应用到改进； 相关性分析从数据多尺度、非线性、数据传输时滞、丢包等； 关键数学问题----优化； 多提意见，多交流！ * * 4.1 定性分析： 4.2 定量分析： ——基于符号有向图的信号相关性研究 图中实线表示一个信号的增大引起其它信号之间增大，虚线表示一个信号的增大引起其它信号之间减小。从图中就可以分析出与燃烧室温度直接相关和间接相关的信号。 T：燃烧室的温度 P：燃烧室的压力 Pot:发动机喷嘴压力 F1：燃料1的流量 F2：燃料2的流量 P1r:燃料1的储藏室压力 P2r:燃料2的储藏室压力 u1:控制阀1的开度 u2:控制阀2的开度 Uf1:流量传感器1电压 Uf2:流量传感器2电压 Pf:控制阀气源压力 Ut: 燃烧室温度传感器电压 U: 燃烧室压力传感器电压 4.2 定量分析 Pf:控制阀气源压力 u2:控制阀2的开度 u1:控制阀1的开度 P2r:燃料2的储藏室压力 P1r:燃料1的储藏室压力 F2：燃料2的流量 F1：燃料1的流量 Pot:发动机喷嘴压力 P：燃烧室的压力 T：燃烧室的温度 组成数据样本集。样本集由50个样本组成并进行核 主元