科研動(dòng)態(tài)
基于衰減激勵(lì)的篩選信息數(shù)據(jù)的化工過(guò)程建模
中文題目：基于衰減激勵(lì)的篩選信息數(shù)據(jù)的化工過(guò)程建模
論文題目：Chemical process modelling using the extracted informative data sets based on attenuating excitation inputs
錄用期刊/會(huì)議：【Journal of the Taiwan Institute of Chemical Engineers】 (JCR Q1)
原文DOI：https://doi.org/10.1016/j.jtice.2023.104872
原文鏈接：https://www.sciencedirect.com/science/article/pii/S1876107023002018
錄用/見(jiàn)刊時(shí)間：2023年6月
作者列表：
1） 袁力坤 中國(guó)石油大學(xué)（北京）信息科學(xué)與工程學(xué)院/人工智能學(xué)院 博17
2） 徐寶昌 中國(guó)石油大學(xué)（北京）信息科學(xué)與工程學(xué)院/人工智能學(xué)院 自動(dòng)化系副教授
3） 梁志珊 中國(guó)石油大學(xué)（北京）信息科學(xué)與工程學(xué)院/人工智能學(xué)院 自動(dòng)化系教授
4） 王雅欣 中國(guó)石油大學(xué)（北京）信息科學(xué)與工程學(xué)院/人工智能學(xué)院 博19
快速發(fā)展的先進(jìn)化學(xué)工藝的操作設(shè)計(jì)需要適當(dāng)?shù)哪Ｐ秃瓦@些模型的參數(shù)識(shí)別需要高信息含量的輸入輸出數(shù)據(jù)集。最佳參數(shù)識(shí)別實(shí)驗(yàn)需要額外的持續(xù)激勵(lì)輸入來(lái)激勵(lì)化學(xué)過(guò)程用于信息豐富的數(shù)據(jù)集，確保過(guò)程的動(dòng)態(tài)信息。然而，最優(yōu)識(shí)別持續(xù)刺激輸入的實(shí)驗(yàn)是一項(xiàng)耗時(shí)、高成本的任務(wù)，可能會(huì)干擾過(guò)程操作。由于低成本識(shí)別的要求，這些實(shí)驗(yàn)無(wú)法應(yīng)用，因此，研究有限的外部激勵(lì)或從歷史數(shù)據(jù)中提取的信息片段支持化學(xué)過(guò)程建模的問(wèn)題顯得尤為重要。
1.模型描述
考慮如下真實(shí)模型
考慮誤差的平方和函數(shù)可得模型參數(shù)為
模型參數(shù)的誤差服從高斯分布即
推導(dǎo)分析可得
2.衰減激勵(lì)
考慮衰減激勵(lì)
，由如下公式
計(jì)算可得相應(yīng)衰減系數(shù)合理的取值范圍。
考慮衰減激勵(lì)
，由如下公式
計(jì)算可得相應(yīng)衰減系數(shù)合理的取值范圍。
3. 逐步期望最大化法
利用如下公式實(shí)現(xiàn)信息數(shù)據(jù)的篩選和模型參數(shù)的估計(jì)。
SWEM-E步：
SWEM-M步：
SWEM-EX步：
考慮一個(gè)典型的單入單出線性二階ARX系統(tǒng)，可如下式表示
可得其相應(yīng)的線性回歸方程可寫為
取衰減系數(shù)
設(shè)計(jì)600組相互獨(dú)立的數(shù)據(jù)集進(jìn)行仿真實(shí)驗(yàn)，分析比較EM法、EXM法和SWEM法的性能，不同算法的計(jì)算時(shí)長(zhǎng)和信息數(shù)據(jù)篩選精度下所示。SWEM法證明了計(jì)算得到的理論上
的合理性，反映出SWEM法在信息數(shù)據(jù)篩選和線性模型參數(shù)估計(jì)上的可靠性和有效性。
得到的模型階躍響應(yīng)如下所示：
從上述結(jié)果可以看出，EXM法可以獲得準(zhǔn)確的信息數(shù)據(jù)篩選結(jié)果和所需精度的過(guò)程模型，但是計(jì)算時(shí)間較長(zhǎng)；EM法計(jì)算時(shí)間較短，但是信息數(shù)據(jù)篩選結(jié)果不穩(wěn)定，導(dǎo)致不合理的過(guò)程模型或信息浪費(fèi)。只有嚴(yán)格合理地選擇初值，才能避免上述情況。SWEM法融合了上述兩種方法的特點(diǎn)，并克服上述缺點(diǎn)，降低了計(jì)算時(shí)間和初值選擇要求，獲得了準(zhǔn)確的信息數(shù)據(jù)篩選結(jié)果和所需精度的過(guò)程模型。
本文在信息數(shù)據(jù)和衰減激勵(lì)的基礎(chǔ)上，提出了保證實(shí)驗(yàn)非信息性的測(cè)試數(shù)據(jù)標(biāo)準(zhǔn)，并對(duì)選定的衰減激勵(lì)形式進(jìn)行了實(shí)例分析，結(jié)果表明，在合理的衰減指標(biāo)下，可以保證實(shí)驗(yàn)的非信息性，以保證所需的模型精度。本標(biāo)準(zhǔn)可用于在允許有限外部激勵(lì)的情況下以最低成本進(jìn)行測(cè)試輸入設(shè)計(jì)，也可用于隔離歷史數(shù)據(jù)。與現(xiàn)有的信息數(shù)據(jù)需求和工業(yè)歷史數(shù)據(jù)策略相比，它可以將歷史數(shù)據(jù)分析擴(kuò)展為一種新的工業(yè)建模策略，還可以提高數(shù)據(jù)利用率，減少過(guò)程信息的損失，這對(duì)工業(yè)建模的低成本具有重要意義。同時(shí)，提出了一種SWEM方法，并仿真驗(yàn)證了其海量數(shù)據(jù)集分類的優(yōu)點(diǎn)。該方法還用于驗(yàn)證理論衰減激勵(lì)設(shè)計(jì)，實(shí)現(xiàn)了快速的信息片段提取和所需的精確過(guò)程模型。
徐寶昌，副教授，博士生導(dǎo)師，長(zhǎng)期從事復(fù)雜系統(tǒng)的建模與先進(jìn)控制；鉆井過(guò)程自動(dòng)控制技術(shù)；井下信號(hào)的測(cè)量與處理；多傳感器信息融合與軟測(cè)量技術(shù)等方面的研究工作。現(xiàn)為中國(guó)石油學(xué)會(huì)會(huì)員，中國(guó)化工學(xué)會(huì)信息技術(shù)應(yīng)用專業(yè)委員會(huì)委員。曾參與多項(xiàng)國(guó)家級(jí)、省部級(jí)科研課題的科研工作，并在國(guó)內(nèi)外核心刊物發(fā)表了論文60余篇；其中被SCI、EI、ISTP收錄20余篇。