论文部分内容阅读
现代流程工业产生了大量与生产状态相关的过程数据，其庞大的规模凸显了传统数据分析方法运算复杂度过高、分析规模受限的不足。同时，流程工业生产过程中所包含的一些复杂性，如传感器数据中的高噪音以及异步采样所导致的数据时标不统一等，都增加了过程数据分析的难度。
为了应对上述挑战，本文将粒度计算的思想引入流程工业中的过程数据分析领域。粒度计算是信息处理领域中一种新兴的概念和计算范式，其核心思想是通过适度放松精度要求，在较大粒度上进行分析以提高方法整体的效率和鲁棒性。
本文重点研究了面向过程数据的粒度化分析方法，并围绕该方法的关键性质展开了深入细致的论证，在此基础上给出了选择粒度的方法和准则，最后我们还通过具体实例对上述方法的有效性进行了应用验证。
论文的主要贡献体现在：
(1)将粒度计算的思想和过程数据分析方法相结合，提出了一种粒度化的过程数据分析方法，并证明了在特定条件下粒度化的数据分析能够得到原问题解的下界或下确界，为粒度化过程数据分析方法奠定了坚实的理论基础。
(2)深入探讨了不同粒度下过程数据分析的计算复杂性变化情况，提出了一种利用多粒度分析挑选最佳分析粒度的方法。该方法针对现有数据分析方法难于应对海量数据的缺点，可以根据具体应用的精度需求灵活地调整分析粒度，从而降低数据分析的总体计算复杂性。
(3)针对过程数据分析中面临的稳态周期评估问题，提出了一种基于多粒度分析的过程数据稳态周期检测算法。该算法基于作者提出的过程数据质量评估指标，能够灵活地调整查询周期，提供符合应用系统质量需求的数据，同时尽量减少运行开销。
(4)针对大规模软测量面临的计算效率问题，提出了一种基于多粒度分析的软测量方法。该方法通过构建一组粒度化的软测量模型，并依次在多个粒度中求解，最终确定一个既能满足特定精度需求又能确保运算效率最高的粒度。该方法已经得到实践检验并取得良好的效果。