ИДЕНТИФИКАЦИЯ НА ДИНАМИЧНИ СИСТЕМИ ЧРЕЗ КОРЕЛАЦИОНЕН АНАЛИЗ ЗА УСЪВЪРШЕНСТВАНО УПРАВЛЕНИЕ И АВТОМАТИЗАЦИЯ НА МНОГОМЕРНИ ПРОМИШЛЕНИ ПРОЦЕСИ

Автори

  • Илиян Василев ХТМУ- София Автор

DOI :

https://doi.org/10.29114/ejtuv.vol1.iss3.89

Ключови думи :

промишлена автоматизация, идентификация на времеви закъснения, автокорелация, векторна авторегресия, мониторинг на процеси, прогнозно моделиране, метода Монте Карло, времева декорелация

Абстракт

Автокорелацията на сигналите и динамичните взаимодействия между променливите в промишлените процеси могат да изместят пиковете на взаимнокорелационните функции и да доведат до неточно оценяване на времевите закъснения. В статията се изследва възпроизводима методика за идентификация на закъсненията, която съчетава предварителна времева декорелация чрез авторегресионно филтриране (prewhitening), взаимнокорелационен анализ по двойки и векторно авторегресионно (VAR) моделиране с отчитане на условните зависимости между наблюдаваните променливи. Методиката е проверена върху синтетични данни за термохидравличен процес с четири променливи, три преки връзки с предварително зададени закъснения и една косвена връзка. Наборът от 3200 наблюдения е разделен хронологично на обучаваща и тестова извадка, а надеждността на идентификацията е оценена допълнително чрез 200 независими реализации по метода Монте Карло. При демонстрационната реализация взаимнокорелационният анализ на нефилтрираните сигнали дава оценки за две от трите закъснения с отклонение от един период на дискретизация спрямо зададените стойности. След времева декорелация и трите закъснения са идентифицирани правилно. Този резултат се запазва във всичките 200 реализации на експеримента Монте Карло, докато при анализа без времева декорелация правилните оценки за трите закъснения са получени съответно в 2, 158 и 13 реализации. За модела VAR(3), чийто ред е избран чрез Байесовия информационен критерий (BIC), не се установява статистически значим допълнителен принос на управляващия сигнал към нагревателя за прогнозиране на налягането при отчитане на предходните стойности на температурата и управляващия сигнал към клапана (p = 0,496). Върху тестовата извадка грешките при едностъпково прогнозиране на температурата и налягането са съответно с 39,2% и 40,9% по-ниски спрямо тези на отделни авторегресионни модели от първи ред — AR(1). Резултатите за изследвания процес показват, че времевата декорелация подобрява точността на идентификацията на времевите закъснения, а условният анализ във VAR модела позволява да се оцени допълнителната прогностична информация, която дадена променлива предоставя при отчитане на останалите наблюдавани променливи.

Файлове за сваляне

Публикуван

2026-11-16

Брой

Раздел (Секция)

Статии

Категории