基于数据挖掘的分散控制系统特性函数在线拟合方法

摘要

基于数据挖掘的分散控制系统特性函数在线拟合方法，属于工业控制技术领域。本发明包括下述步骤：步骤一，获取要进行拟合的相关数据，对数据进行预处理；步骤二，建立人工神经网络模型，对模型进行训练后，计算得到特性函数曲线；步骤三，对步骤二所得曲线进行折线拟合，得到特性函数的折线拟合结果；步骤四，根据新的特性函数曲线，对已有的特性函数的拟合折线进行在线修正，修正方法能够达到对分散控制系统工作无扰动的要求。本发明将人工智能方法和数值计算方法相结合，运算速度快、拟合效果好，有效地解决了以往分散控制系统的特性函数手工计算、难于精确拟合和在线修正的问题。

主权项

1、一种基于数据挖掘的分散控制系统特性函数在线拟合方法，其特征在于该方法包括以下步骤：步骤一，获取要进行拟合的相关数据，对数据进行必要的预处理，具体为：获取要建立关系模型的两个变量的足够多的数据样本X_i、Y_i，对数据进行必要的预处理，包括：异常数据的剔除、数据的平滑，并对数据进行归一化，方法为：$X^{\prime }=\frac{X-x_{\min }}{x_{\max }-x_{\min }},$$Y^{\prime }=\frac{Y-y_{\min }}{y_{\max }-y_{\min }};$步骤二，建立人工神经网络模型，采用步骤一所得数据对神经网络模型进行充分的训练，将X′输入训练好的神经网络，计算得到Y′，将Y′反归一化，得到Y″，所得点集i＝1，2，3，...，n即拟合得到的特性函数曲线；步骤三，对步骤二所得的特性函数曲线进行折线拟合，得到特性曲线的折线拟合结果；步骤四，根据新的特性函数曲线，对已有的特性函数折线拟合结果进行在线修正。