基于譜聚類特征向量分析的模態劃分方法

, , ,

(華東理工大學化工過程先進控制和優化技術教育部重點實驗室,上海 200237)

基于譜聚類特征向量分析的模態劃分方法

南男,楊健,趙晶晶,侍洪波

(華東理工大學化工過程先進控制和優化技術教育部重點實驗室,上海200237)

在實際生產過程中,過程數據的多模態特性會對數據建模產生一定的影響,進行模態劃分有利于獲取精確的模型。目前常用的模態劃分方法,如k-means、c-means等聚類方法,在有過渡過程的模態劃分應用中,有時不能得到理想的結果。本文提出了一種通用的模態劃分方法,以譜聚類算法中相似矩陣的特征向量分析為基礎,基于相似矩陣的特征向量與其所包含的聚類信息的關系,使用高斯曼哈頓距離構造模態標簽,并用小窗口思想實現動態多模態過程的模態劃分。通過對穩態與帶過渡過程的多模態數據的實驗驗證了該算法的有效性。

多模態數據; 模態劃分; 過渡過程; 譜聚類

在實際生產過程中,由于生產條件或生產目標的變化,過程數據呈現出多模態的特性,而傳統的基于數據建模的多元統計過程控制算法(Multivariate Statistical Process Control,MSPC)假設過程數據來自于單一穩定的生產模態并滿足獨立同分布,用于多模態過程監控及故障診斷將會產生較大的誤差。針對這一問題,最直接的解決思路是對不同模態建立不同的模型進行相應的過程監控步驟,因此需要在建立多模型監控策略之前對多模態數據進行模態劃分。

目前較為常用的模態劃分方法[1-3]一般采取流行的聚類算法,如k-means、c-means、GMM等。……