专利交易市场

本发明公开一种基于潜变量自回归模型的动态过程监测方法，旨在建立潜变量自回归模型，并以此为基础实施动态过程监测。具体来讲，本发明方法通过定义潜变量的自回归模型的最小二乘目标函数，推理出相应的特征挖掘算法后，再建立故障监测模型从而实施在线故障监测。由于本发明方法以建立潜变量自回归模型的目标，挖掘出了动态自相关的潜变量，并给出相应满足最小二乘条件的自回归模型。通过该潜变量自回归模型不仅可以挖掘出原训练数据中的自相关特征，而且还可以消除潜变量自相关性的影响。因此，本发明方法与传统动态过程监测方法是存在显著不同的，而且模型的可解释性更强。可以说，本发明方法是一种更为优选的动态过程监测方法。

本发明公开一种基于自相关特征分解的动态过程监测方法，旨在从数据中分解出自相关特征成分，并基于此实施动态过程监测。本发明方法首先利用一种全新的自相关特征分解算法提取出潜藏的自相关特征；然后，将自相关特征成分中的自相关性过滤掉；最后，利用自相关特征成分误差以及模型误差实施动态过程监测。本发明方法的优势在于，首先本发明方法涉及的自相关分解算法是一种全新的特征提取算法，旨在挖掘出潜在特征成分的时间序列回归关系。其次，本发明方法在分解出训练数据中的自相关特征后，对各个特征成分逐一实施自相关性消除，并利用不包含显著自相关特征的残差实施动态过程监测。因此，本发明方法更适合于动态过程监测。

本发明公开一种基于新型动态主元分析的动态过程监测方法，旨在同时挖掘出训练数据中的方差特征与自相关性特征，并以此为基础实施动态过程监测。具体来讲，本发明方法重新定义了传统主元分析算法的目标函数，使本发明中所涉及的新型主元分析算法的目标函数同时涵盖有方差特征与自相关性特征。由于本发明方法在数据特征挖掘时，同时考虑了数据的方差特征与时间序列上的自相关性特征。因此。本发明方法中涉及的新型主元分析算法不仅是一种全新的特征提取算法，而且还能够挖掘更加全面的特征。可以说，本发明方法是一种更为优选的动态过程监测方法。