一种工业控制多回路振荡行为稀疏因果分析方法与流程

技术特征：

1.一种工业控制多回路振荡行为稀疏因果分析方法，其特征在于，包括：

步骤1，采集各个待分析的控制回路的过程输出时间序列信号；

步骤2，对各个过程输出时间序列信号进行去余弦趋势预处理，得到相应的子信号；

步骤3，对各个控制回路的子信号建立稀疏多变量向量自回归模型；

步骤4，基于稀疏多变量自回归模型进行格兰杰因果分析，得到任意两个控制回路间的格兰杰因果指标；

步骤5，对格兰杰因果指标进行统计显著性判断，若结果显著，则认为在相应显著水平下，该格兰杰因果指标表示的相应控制回路间的因果关系成立。

2.如权利要求1所述的工业控制多回路振荡行为稀疏因果分析方法，其特征在于，步骤2中的去余弦趋势预处理具体包括：

步骤2-1，若待分析的控制回路的振荡周期已知，则直接执行步骤2-2；若待分析的控制回路的振荡周期未知，则对其过程输出时间序列信号进行分解，提取振荡子信号以得到所述待分析的控制回路的振荡周期，再执行步骤2-2；

步骤2-2，采用滑动均值法对所述过程输出时间序列信号进行分解即完成去除余弦趋势预处理，采用滑动均值法进行分解时采用的滑动均值窗口长度等于振荡周期。

3.如权利要求2所述的工业控制多回路振荡行为稀疏因果分析方法，其特征在于，步骤3中，针对每个待分析的控制回路采用LASSO拟合方法建立稀疏多变量向量自回归模型。

4.如权利要求3所述的工业控制多回路振荡行为稀疏因果分析方法，其特征在于，步骤3中，针对每个待分析的控制回路采用线性LASSO拟合方法建立稀疏多变量向量自回归模型。

5.如权利要求4所述的工业控制多回路振荡行为稀疏因果分析方法，其特征在于，步骤3中，针对任意一个待分析的控制回路采用线性LASSO拟合方法建立稀疏多变量向量自回归模型时具体步骤如下：

步骤3-1，根据BIC最小原则，依次确定当前待分析的控制回路的最大滞后期数和开始滞后期数；

步骤3-2，根据所述的最大滞后期数和开始滞后期数对当前待分析的控制回路进行线性LASSO拟合，即求解得到稀疏向量自回归模型。

6.如权利要求5所述的工业控制多回路振荡行为稀疏因果分析方法，其特征在于，步骤4中，根据各个控制回路的稀疏多变量向量自回归模型确定任意两个控制回路之间的相关性，并针对任意两个确定相关的控制回路进行格兰杰因果分析得到该相关的两个控制回路之间的格兰杰因果指标。

7.如权利要求6所述的工业控制多回路振荡行为稀疏因果分析方法，其特征在于，步骤4中，计算第i个控制回路和与其相关的各个控制回路之间的格兰杰因果指标的具体方法如下：

步骤4-1，根据第i个控制回路的稀疏多变量向量自回归模型，进行如下判断：

若满足条件1：则认为第j个控制回路与第i个控制回路不存在因果关系；

若满足条件2：则表示第j个控制回路与第i个控制回路可能存在因果关系，并执行步骤4-2计算格兰杰因果指标；

其中，p_start(i)为第i个控制回路的开始滞后期数，p_end(i)为第i个控制回路的最大滞后期数，a_jτ为第j个控制回路滞后期数τ时的回归系数，m＝1,2……K；

步骤4-2，计算满足条件2的控制回路和与其相关的各个控制回路之间的格兰杰因果指标，其中第i个控制回路为结果，第j个控制回路为原因的格兰杰因果指标G(i,j)：

$G(i,j)=ln\frac{\left|\Σe_{{\mathrm{withoutX}}_j}\right|}{\left|\Σe\right|},$

其中，为除第j个控制回路时间序列信号之外，满足条件2的其他所有回路信号对第i个控制回路进行最小二乘拟合的残差协方差矩阵行列式的值；|∑e|为满足条件2的所有回路信号对第i个控制回路进行最小二乘拟合的残差协方差矩阵行列式的值。

8.如权利要求7所述的工业控制多回路振荡行为稀疏因果分析方法，其特征在于，步骤5中，统计显著性检验方法如下：

步骤5-1，计算每个格兰杰因果指标对应的p_值；

步骤5-2，若该格兰杰因果指标对应的p_值小于预设的置信水平，则认为该格兰杰因果指标表示的因果关系成立；否则，认为该格兰杰因果指标表示的因果关系不成立。

9.如权利要求8所述的工业控制多回路振荡行为稀疏因果分析方法，其特征在于，所述步骤5-2中预设的置信水平为0.005～0.01。