基于模糊自回归隐马尔可夫模型的控制过程异常数据检测.pdfVIP

学兔兔 第31卷 第5期 仪 器 仪 表 学 报 Vo1．3l No．5 2010年5月 Chinese Journal of Scientific Instrument Mav 2010 基于模糊自回归隐马尔可夫模型的控制 过程异常数据检测水 刘 芳 ，毛志忠1,2，李 磊 (1 东北大学信息科学与工程学院 沈阳 1 10004； 2 东北大学流程工业综合自动化教育部重点实验室 沈阳 1 10004) 摘 要：在工业过程控制系统中，利用智能方法建立被控对象模型已经受到越来越多的关注。模型的准确与否对于控制器的 设计以及控制的准确性至关重要，而准确的建模数据是建立准确被控对象模型的必要条件。本文针对控制过程对于建模数据 异常定义的特殊性，提出一种适合于控制过程建模数据异常检测的方法：基于模糊自回归隐马尔可夫模型(ARHMM)的控制过 程异常数据检测方法。该方法分别通过j部分检测将数据分成正确数据集和异常数据集，并确定正确数据集的隶属度函数，最 后根据三个集合的隶属度函数来判断数据是否异常。针对控制过程数据量大，实时性强等特点，模糊ARHMM采用在线更新参 数的办法，保证了该方法能够适用于控制过程的数据检测及建模的要求。试验结果和实际应用表明，基于模糊ARHMM的异常 数据检测方法具有很好检测效果和实际应用价值。 关键词：异常数据；自回归隐马尔可夫模型；建模；隶属度函数 中图分类号：TP206 文献标识码：A 国家标准学科分类代码：510．8040 Outlier detection for control process data based on fuzzy ARHMM Liu Fang ，Mao Zhizhong 一，Li Lei (，School o厂Information ScienceEngineering，No．beast University，Shenyang 110004，China； 2 Key Laboratory of Integrated Automation of Process Industry， Ministry oyEducation，Northeastern University，Shenyang 110004，China) Abstract：Intelligent modeling has received extensive concern dunng modeling controlled plants in industrial process control system．The accuracy of plant model，which is essential for controller design and control precision，depends strongly on the accuracy of modeling data．Aiming at the particularity of control process data，a new Fuzzy ARHMM (Autoregressive Hidden Markov Mode1)algorithm is proposed to detect the outlier of the modeling data in this pa— per．This algorithm divides the modeling data into outlier data