基于AR⁃PLS的FCM聚类在线性能评价

doi:10.3969/j.issn.1672-6952.2021.06.017

辽宁石油化工大学学报 ›› 2021, Vol. 41 ›› Issue (6): 92-96.DOI: 10.3969/j.issn.1672-6952.2021.06.017

• 信息与控制工程 • 上一篇

基于AR⁃PLS的FCM聚类在线性能评价

高新域¹(), 陶文华¹(), 王玉英²

^1.辽宁石油化工大学信息与控制工程学院，辽宁抚顺 113001
^2.中国石油辽阳石化分公司，辽宁辽阳 111003

收稿日期:2020-10-09 修回日期:2020-11-02 出版日期:2021-12-25 发布日期:2021-12-28
通讯作者: 陶文华
作者简介:高新域（1996⁃），男，硕士研究生，从事过程控制与优化方面研究；E⁃mail：1093065415@qq.com。
基金资助:
国家自然科学基金项目(61703191)

Online Performance Evaluation of FCM Clustering Based on AR⁃PLS

Xinyu Gao¹(), Wenhua Tao¹(), Yuying Wang²

^1.School of Information and Control Engineering，Liaoning Petrochemical University，Fushun Liaoning 113001，China
^2.PetroChina Liaoyang Petrochemical Company，Liaoyang Liaoning 111003，China

Received:2020-10-09 Revised:2020-11-02 Published:2021-12-25 Online:2021-12-28
Contact: Wenhua Tao

摘要/Abstract

摘要：

传统偏最小二乘法(PLS)在工业过程建模中运算过程繁琐，复杂工业过程的性能评价模型难以在线获得。采用自回归潜结构投影(AR?PLS)算法对相关过程数据建立预测模型，通过模糊C均值聚类算法划分输出数据的性能等级，建立一种在线性能评价模型。仿真结果表明，该方法相比传统偏最小二乘法建模过程简便，计算复杂度低，具有一定的应用价值。

关键词: 自回归潜结构投影, 模糊C均值聚类, 偏最小二乘法, 性能评价

Abstract:

As the traditional partial least squares (PLS) method has the problem of tedious steps in the process modeling, it is difficult to obtain the online performance evaluation model of complex process.The autoregressive projection to latent structures (AR?PLS) algorithm was used to establish the predictive model for the related process data.An online performance evaluation model was established by the performance levels of the output data which was divided by the fuzzy C?means clustering algorithm. The simulation results show that compared with the traditional partial least squares method, the modeling process of this method is simpler and the computational complexity is reduced, it has certain application value.

Key words: Autoregressive projection to latent structures, Fuzzy C?Means clustering, Partial least squares, Performance evaluation

中图分类号:

TP202

高新域, 陶文华, 王玉英. 基于AR⁃PLS的FCM聚类在线性能评价[J]. 辽宁石油化工大学学报, 2021, 41(6): 92-96.

Xinyu Gao, Wenhua Tao, Yuying Wang. Online Performance Evaluation of FCM Clustering Based on AR⁃PLS[J]. Journal of Liaoning Petrochemical University, 2021, 41(6): 92-96.

图/表 7

图1 基于FCM聚类算法的各类别隶属度分布

表1 高炉炉温各性能等级的隶属度函数参数

炉温状态	$q$	$σ$
偏高	0.78	0.026
正常	0.62	0.026
偏低	0.51	0.026

表1 高炉炉温各性能等级的隶属度函数参数

炉温状态	$q$	$σ$
偏高	0.78	0.026
正常	0.62	0.026
偏低	0.51	0.026

图2 高炉炉温各性能等级的隶属度函数曲线

表2 FCM聚类算法分类结果与隶属度函数分类结果

炉温状态	测试数据组
炉温状态	FCM聚类算法	隶属度函数
偏低	1-9,19,22,25,28-30,33,35,36,41,43,47-51,54,55,57-60,62,64,71,73,77	1-9,19,22,25,28-30,33,35,36,41,43,47-51,54,55,57-60,62,64,71,73,77
正常	11-15,17,27,31,32,34,37-40,42,45,46,52,53,56,61,63,65-68,70,72,74-76,78	11-15,17,27,31,32,34,37-40,42,45,46,52,53,56,61,63,65-68,70,72,74-76,78
偏高	10,16,18,20,21,23,24,26,44,69	10,16,18,20,21,23,24,26,44,69

图3 铁水硅质量分数预测数据与原始数据

表3 AR?PLS算法、偏最小二乘法的平均误差

预测算法	平均误差
偏最小二乘法	0.075 3
AR⁃PLS算法	0.072 2

表4 FCM聚类算法对原始数据与AR?PLS算法预测数据的性能评价结果

炉温	原始数据	AR⁃PLS算法
偏高	5,33,34,36	5,10,34,36
正常	3,4,7,10,12,17,20,23,25-28,31,37	2-4,6,7,9,12,15,19,22,23,25-28,33,37
偏低	1,2,6,8,9,11,13-16,18,19,21,22,24,29,30,32,35	1,8,11,13,14,16-18,20,21,24,29-32,35

参考文献 14

1	Tarafder A， Rangaiah G P， Ray A K. A study of finding many desirable solutions in multiobjective optimization of chemical processes［J］. Computers & Chemical Engineering， 2006， 31（10）：1257⁃1271.
2	叶晓丰，王培良，杨泽宇.基于混合MPLS的多阶段过程质量预报方法［J］.山东大学学报（工学版），2017，47（5）：246⁃253.
3	代敏，杨福胜，彭宁均，等.基于PCA⁃聚类分析的合成氨工艺过程历史数据建模［J］.计算机与应用化学，2018，35（3）：211⁃219.
4	单彪，堵俊，商亮亮.基于改进PCA空调系统传感器故障检测与诊断［J］.控制工程，2020，27（4）：765⁃770.
5	梁北辰，戴景民.偏最小二乘法在系统故障诊断中的应用［J］.哈尔滨工业大学学报，2020，52（3）：156⁃164.
6	孔祥玉，曹泽豪，安秋生，等.偏最小二乘线性模型及其非线性动态扩展模型综述［J］.控制与决策，2018，33（9）：1537⁃1548.
7	Yin S， Ding S X， Zhang P， et al. Study on modifications of PLS approach for process monitoring［J］. IFAC Proceedings Volumes， 2011， 44（1）：12389⁃12394.
8	苑天琪.基于多元统计分析的故障诊断方法研究［D］.杭州：杭州电子科技大学，2014.
9	李博群，焦嫚.基于花朵授粉算法优化的投影寻踪聚类方法［J］.渤海大学学报（自然科学版），2018，39（3）：93⁃100.
10	蔡高八斗.基于FCM聚类的文本分类方法研究［D］.广州：广州大学，2019.
11	孙鹤旭，孙泽贤，张靖轩.基于并行模糊C⁃均值聚类的风电机组发电机故障诊断研究［J］.太阳能学报，2020，41（3）：8⁃14.
12	刘学彦，王振雷，王昕.基于相似度网格模型的在线经济性能分级评估方法［J］.化工学报，2016，67（11）：4724⁃4731.
13	王志远，龙呈，常晓青，等.基于FCM聚类的随机子空间低频振荡模态识别算法［J］.电力系统及其自动化学报，2020，32（4）：69⁃75.
14	王文慧，杨庚，葛炜，等.噪声不均条件下的模糊C均值聚类算法及应用［J］.计算机工程与应用，2018，54（19）：172⁃178.

基于AR⁃PLS的FCM聚类在线性能评价

Online Performance Evaluation of FCM Clustering Based on AR⁃PLS

HTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 14

相关文章 1

编辑推荐

Metrics