申请/专利权人：兰州理工大学

申请日：2021-08-06

公开（公告）日：2024-04-19

公开（公告）号：CN113778027B

主分类号：G05B19/418

分类号：G05B19/418

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2021.12.28#实质审查的生效;2021.12.10#公开

摘要：本发明涉及流程型工业生产及制造业技术领域，具体为一种基于广义似然比控制图的非线性自相关数据监控方法，其实施步骤是：获取一组受控状态的自相关数据，计算样本均值、方差和自相关系数；建立基于Copula模型的一阶自相关模型；根据自相关数据的相关系数估计受控模型参数；构建同源自相关数据生成方法；设计基于广义似然比的控制图；对非线性自相关过程进行监控；其有益效果为：本发明给出的自相关数据监控方法，在非线性过程数据建模的基础上，依据广义似然比理论，提出了一种新型控制图，扩大了控制图的应用范围，使自相关数据的监控更有效，本发明适用范围广，尤其适用于健康监控、冶炼和石化等行业对过程数据的监控。

主权项：1.一种基于广义似然比控制图的非线性自相关数据监控方法，其特征在于，包括以下步骤：步骤一：获取一组受控状态的自相关数据，计算其均值、方差和kendall型相关系数τ；根据在受控状态监测到的一组平稳时间序列xt,t＝1,…,N，计算样本的均值方差和kendall型相关系数τ；步骤二：建立基于ClaytonCopula函数的一阶Markov模型： 其中，Fxt-1,xt是紧邻两个观测值xt-1和xt的联合分布函数；Ft-1和Ft分别是xt-1和xt的分布函数；θ是ClaytonCopula函数的唯一参数，且θ∈-1,+∞；步骤三：根据自相关数据的相关系数估计受控模型参数，具体采用两阶段极大似然估计法和ClaytonCopula模型的唯一参数估计；步骤四：构建同源自相关数据生成方法，根据ClaytonCopula模型及参数估计结果生成T个仿真数据，1：从标准均匀分布U0,1中随机生成u1，记t＝2；2：从标准均匀分布U0,1中随机生成变量qt，求解方程qt＝hut|ut-1得到ut；3：如果t＝T，终止；否则，令i＝i+1，跳转到2继续执行；4：对所有的ut计算其中是正态分布的反函数；步骤五：基于广义似然比理论设计用于监控均值漂移的控制图；原假设H0：μn＝μ0，备择假设H1:μn＝μ1，根据对数似然比构建检验统计量： 步骤六：对非线性自相关过程进行监控，设置初始值设为S1＝0，监控用控制图的递归形式Sn＝max{0,Sn-1+Ln},n＝1,2,…其中，Ln＝lnhxn|xn-1,μ1-lnhxn|xn-1,μ0。

全文数据：

权利要求：

百度查询： 兰州理工大学 一种基于广义似然比控制图的非线性自相关数据监控方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD