买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：杭州职业技术学院

摘要：本发明涉及基于时序结构方程模型的工业生产过程系统的因果建模方法及系统，其建模方法包括：S1、采集工业生产过程系统的历史数据信息；历史数据信息包括工业生产过程系统中的各状态变量及其数据形成时间；各状态变量依据其数据形成时间进行排序；S2、利用时序结构方程模型对历史数据信息建立因果模型结构；其中，因果模型结构为线性结构的时序结构方程模型或非线性的时序结构方程模型；S3、对因果模型结构进行训练，得到工业生产过程系统的各状态变量之间的因果关系。本发明为一般工业生产过程系统的时间序列数据建立因果模型，作为对系统内各变量因果关系的描述，解决了结构化方程模型难以直接为工业生产时间序列数据进行因果建模的问题。

主权项：1.基于时序结构方程模型的工业生产过程系统的因果建模方法，其特征在于，包括以下步骤：S1、采集工业生产过程系统的历史数据信息；其中，历史数据信息包括工业生产过程系统中的各状态变量及其数据形成时间；各状态变量依据其数据形成时间进行排序；S2、利用时序结构方程模型对历史数据信息建立因果模型结构；其中，因果模型结构为线性结构的时序结构方程模型或非线性结构的时序结构方程模型；S3、对因果模型结构进行训练，得到工业生产过程系统的各状态变量之间的因果关系；所述步骤S2中，设工业生产过程系统中的状态变量有m个，因果模型结构为：xit:＝fiX，uit其中，i＝1，2，…，m；xit表示t时刻的第i个状态变量，uit表示t时刻的第i个状态变量的外界干扰；:＝表示右侧部分是左侧状态变量的原因； 其中，l为各状态变量之间因果影响作用的最长时滞时间；所述步骤S2中，线性结构的时序结构方程模型为： 其中，k表示状态变量之间的因果影响作用的时滞时间，以数据采样时间为单位；表示xjt-k对xit的因果影响作用；j＝1，2，…，m，代表状态变量的序号；所述步骤S3中，对线性结构的时序结构方程模型进行训练，包括以下步骤：S30、定义长度为m的数组D，用于存储外生变量的序号，开始时D1、…、Dm＝0，且开始时外生变量的个数s＝0；其中，外生变量为与状态变量的回归残差最为独立的变量；S31、对每个j，j≠Dp，p＝1，2，…，m，以第j个状态变量过去时刻的数据xjt-1，xjt-2，…，xjt-l为自变量，以状态变量xit为因变量，进行线性回归的求解，得到： xit对应的回归残差为：S32、计算回归残差与xjt-l之间的传递熵，记为然后取第j个状态变量过去时刻的数据对回归残差的最大传递熵，记为：计算第j个状态变量对其余状态变量的传递熵的总和S33、取各状态变量的传递熵总和最小的变量，即得到外生变量的序号并存入数组D，即Ds+1＝argminTEj；然后使数组D中的序号加1，准备存储下一个外生变量的序号；S34、如果数组D中为0的元素个数≥2，则用当前的外生变量xDst对其余状态变量的回归残差riDst代替各原始状态变量xit，i≠Ds，并删去序号为Ds对应的状态变量，然后回到步骤S31执行；如果数组D中为0的元素个数为1，则停止迭代，转至步骤S35；S35、状态变量xit可表示为： 其中，u＝1，2，…，m；v＝1，2，…，u-1；所述步骤S2中，非线性结构的时序结构方程模型为：xit:＝fiX，uit其中，f为非线性函数；所述步骤S3中，对非线性结构的时序结构方程模型进行训练，包括以下步骤：S30、定义长度为m的数组D，用于存储外生变量的序号，开始时D1、…、Dm＝0，且开始时外生变量的个数s＝0；其中，外生变量为与状态变量的回归残差最为独立的变量；S31、对每个j，j≠Dp，p＝1，2，…，m，以第j个状态变量过去时刻的数据xjt-1，xjt-2，…，xjt-l为自变量，以状态变量xit为因变量，进行高斯过程回归的求解，得到： xit对应的回归残差为：S32、计算回归残差与xjt-l之间的传递熵，记为然后取第j个状态变量过去时刻的数据对回归残差的最大传递熵，记为：计算第j个状态变量对其余状态变量的传递熵的总和S33、取各状态变量的传递熵总和最小的变量，即得到外生变量的序号并存入数组D，即Ds+1＝argminTEj；然后使数组D中的序号加1，准备存储下一个外生变量的序号；S34、如果数组D中为0的元素个数≥2，则用当前的外生变量xDst对其余状态变量的回归残差riDst代替各原始状态变量xit，i≠Ds，并删去序号为Ds对应的状态变量，然后回到步骤S31执行；如果数组D中为0的元素个数为1，则停止迭代，转至步骤S35；S35、状态变量xit可表示为：xD1t＝uD1t

全文数据：

权利要求：

百度查询： 杭州职业技术学院 基于时序结构方程模型的工业生产过程系统的因果建模方法及系统