智能数值计算与流程分析:从推理到优化
在科学和工程计算领域,传统数值算法往往只是按预定步骤执行计算并得出结果,忽略了对计算过程和结果的反思。而智能数值计算则试图改变这一现状,将推理融入计算过程,从而提高算法效率。本文将围绕智能数值计算展开,以流车间调度问题为例,详细介绍相关概念、方法及应用。
1. 时间推理与特征提取
时间推理在过程分析中具有重要作用,特别是在提取过程变量的时间特征方面。通过小波分解测量数据,可以自然地提取出表征操作过程变量及其趋势的时间特征。这些特征在频率和时间上具有局部性,能为理解过程运行情况提供有价值的见解,进而支持数据压缩、过程故障诊断和质量控制等工程方法。
在处理过程数据时,通常采用两阶段方法来进行推理:
- 阶段1:生成广义描述并提取每个变量的区分特征
- 生成广义趋势的过程之前已有描述,广义趋势的特征由任意所需详细程度的三角事件给出,包括定性、半定量和实值分析等。
- 阶段2:学习提取特征与输出类之间的映射
- 通过对可用记录的描述进行泛化,提取出每个输入变量的区分特征后,这些特征将作为归纳学习过程的输入,通过决策树进行学习。
以分批发酵过程为例,应用上述方法处理41组批次记录和24个测量变量。决策树发现只有少数变量是相关的,并得出了用于指导发酵罐诊断或控制的规则,例如:
- 诊断规则1 :如果高底部溶解氧(BDO)阶段的持续时间 > 3.6小时,且生产阶段的CO₂生成水平 > 4.3单位,则发酵质量为优。
- 控制规则1