計算機數據采集時間序列控制方法工業應用解析與展望

張培方

（集寧師范學院 計算機系，內蒙古 烏蘭察布 012000）

計算機數據采集時間序列控制方法工業應用解析與展望

張培方

（集寧師范學院 計算機系，內蒙古 烏蘭察布 012000）

本文通過文獻綜述與實驗方法相結合，針對現實數據采集所存在的問題，經過研究提出工業過程控制時序數據的特點是數據量大，重復度高，直接在原始時序數據上作分析不僅效率低，而且不易觀察數據的主要特征，而進一步提出時間序列方法的應用現實價值與展望.

計算機；時間序列；控制方法；應用

1 前言

提到數據采集，通常意義上是指直觀分析數據的方法，數據采取系統是當前計算機應用的一個重要的方面，用微型計算機控制數據處理和采集來取代人類繁雜的現代社會信息量激增，人們對信息的依賴與以往任何一個時期相比，都是有過之，而無不及.然而，信息的處理在現實生產、生活中有著重要的意義.計算機的出現給數據處理帶來了集約化、快速化、并且極大的提高了人的效率.通過計算機數據處理提高了各種場合的數據統計、核實以及應用的能力.在現實生活中，尤其在工業生產的過程中.信息化和網絡化，每天都會產生大量的以時間序列形式存在的數據.這些時序數據包含了許多重要的信息，有效地分析處理這些時序數據，可以及時發現生產過程中的異常情況、分析錯誤原因、對比產品質量改善的情況，從而提高生產質量和生產效率.

2 數據采集工業化應用實例解讀

2.1 當前工業中數據采集的缺陷

在工業化占據主導地位的現實社會，尤其在高速發展的信息化社會中.信息化與工業化發展緊密結合在一起，人們通過計算機作為媒介來實現對信息的高速處理，從現場信息采集到數據傳輸到具體分析一系列的操控.然而，在實踐操作的過程中，發現操控數據是難以完成或者說很難完成.在模擬控制階段尚可以考慮，而在現實生活中，則出現模擬方式抗干擾性不強，在長距離傳輸的過程中出現信息畸形等問題.從而，導致在數據處理在很大程度上難以實現高速、高效、高精度的控制要求.

2.2 數據集中式采集受到很大的限制

信息在收集的過程中，測控的信息與生產應用實踐的信息處理還存在著一定的差距.因此，這里需要把測控的信息進行集成，來實現生產應用所需要.但是，把測控信息集中到一起，不是簡單的把信息集成在一起，而是通過信息集散系統，實現對信息的管理和處理，實現通信的數字化.現實應用中，部分集成信息的處理仍然受到很大的限制，其中，通信處理的障礙很大，這里影響了信息的集約化處理.

2.3 信息高度集成的優勢

隨著局域網的進一步發展以及互聯網的速度的提升，在一定區域內執行局部任務的速度大大提高.因此，現場總線的技術為人們所提出，并提出現場總線技術對于監控、管理、控制分線路，實現自動化等方面內容給予一定的優勢.同時，為數據的傳輸與控制提供強有力的后臺支持，通過改進技術成本的輸出，把各個網絡節點分掛在現場控制總線上，

實現現場性數據轉換和控制，省去大量的傳輸過程，這樣做，在很大程度上，有利于信息的集成，使各種信息的處理成為自動化過程.

3 數據采集時間序列控制方法的提出

3.1 工農業對時間序列控制的需求

編碼和解碼是計算機語言中重要的組成部分.隨著現代計算機技術的微型化發展，與人們對各種元素的認知和處理的精確化，編碼和解碼的作用顯得更加重要.尤其是外界大量的信息在短時間內需要獲得處理，如溫度、張長、坡度、厚度等.通過各種符號的解讀形式，進而轉換為數字化量，這一過程中數據采集形式得以完成.

在工農業生產、科學技術和社會經濟生活的許多領域，普遍存在著按時間順序發生的具有概率特征的各種隨機現象，按照時間順序把隨機現象變化發展的過程記錄下來就構成了時間性序列.從概念界定和技術分析的角度上出發，時間序列是指通過對一系列技術指標在一個連續的時間節點上有不同的體現.

3.2 相關性與不規則性是現代時間序列的特征

相關性是時間序列的重要保證，也是時間序列的重要體現.無論是統計特性，還是結構特性，對于相互性的表述，時間序列表現的是相對嚴謹的.通過一定的時間序列的分析與運行，能夠使整個事物的進展控制在現實生活中，通過季節性、長短期的變化、循環變化規律的展示和表現，則表現出時間序列的本質特征.傳統的時間序列與現代時間序列的劃分在于規則與非規則的界定.現代序列特征把不規則的因素也考慮在其中，基于對非規則因素的控制.確定在現實生活或生產中，難以處理的一系列的因素，把現代生活的時間性界定擴大，更有利于對時間序列上的事物的發展和改變.

就是設法消除不規則變動因素，擬合長期變動趨勢，分析季節變動和循環波動因素等一系列確定性的方法.技術的不斷推進，工業的發展與人類對自身認知的提升，對微觀狀態下的部分觀念也發生著變化，對時間階段的分析、對循環波動的處理、對變化趨勢的分析，均為時間序列變化的樣式，但時間序列全部內容并指是如此，而是采用隨機過程理論和控制理論來控制變化趨勢的長短和季節性變化的多方面因素，使時間序列的控制理論更加合理與良性.

3.3 時間序列分析的理論基礎

時間幅度和頻率幅度的成為時間序列的兩個主線，也是時間序列中最重要兩大類.通過二個指標來揭示時間序列的發展規律.自相關、偏相關、模糊處理、因子分析、差分方程理論均是時間序列分析應用的主流方法.對于各種方法的應用通常借助于相關性分析，在理論和規范的基礎上，借助曲線圖來描述現實動態生活，通常T值的應用是最為廣泛的.存在著起點、坐標、升降極點等在內的各種表現方式.把簡單、直觀的方法應用在計算機編碼和解碼的過程中，使數據結果更加容易觀察員，給予動態的特征.另外，近年來在現實應用中，人們總結出模型法也常應用在工業生產中.因此，曲線圖與模型圖相結合，在實際生產應用過程中較多.通過數學方法和統計原理的應用，把序列的適應性給予統計，并且應用于預測和控制的時間序列過程中，把時間序列結合在模型中.隨著工業化進程和產業化集成速度加快和生產規模不斷擴大，每天都會產生大量的控制數據，對這些數據進行有效地分析，不僅可以從中獲得有用信息，還可以指導生產操作提高生產效率，改善生產質量等.

4 數據采集時間序列方法應用的展望

4.1 現代工業對時間序列的依賴漸增

現代工業過程控制都采用自動化方式，而且生產節奏越來越快，每天都會產生很多過程控制數據.這些歷史工業過程控制數據蘊含很多有價值的信息，比如可以回看數據分析發生錯誤的原因，還可以將現在的數據對比一個月前的數據，看看產品改善的情況僅僅只是對時序數據當前的特點進行分析獲取的信息是有限的，如果能夠對時序數據未來的發展趨勢進行預測，則可以提前掌握該參數的變化情況，根據趨勢變化來判斷是否有錯誤發生，能夠及時的發現錯誤.本文對分析這些時序數據設計了一個可行方案，從實驗結果來看，響應速度和分析效率都比較令人滿意.但是這個方案從設計到最后實現驗證并實現經歷了一個較長的探索過程.

4.2 可視化時序數據處理的特殊性

可視化時序數據是一種分析數據的簡單而且直觀地方法，將時序數據繪制時序圖，可以很方便的觀察數據點的變化范圍以及與其他信號點數據進行對比.這種方式顯示數據可以很直觀的對數據進行分析，本文將待分析的數據繪制時序圖展現出來，然后可以進行一些交互式操作.工業過程數據采樣周期非常短，每7分鐘一個信號點的數據個數就有幾萬個，將這些數據點全部繪制需要的時間很長.要縮短繪圖時間，提高響應速度，必須對待分析數據進行壓縮.工業過程控制數據是基于時間的，所以也是時間序列，時間序列的線性分段就是對時間序列進行壓縮，方便后續處理.直接對海量時序數據進行分析，不僅浪費時間而且不容易發現數據的主要特點.大多數時候，分析數據都不需要去對每個數據點單獨進行分析，而只需要掌握最主要的特點，比如數據點的變化范圍，變化趨勢等.本文在研究學習了各種時間序列分段算法的基礎上，對比各種算法的優缺點以及適用范圍，提出了一種基于屏幕分辨率的分段方法，這種算法的時間復雜度低，而且分段效果很好，可以很好的擬合原時序數據，而且提高了分析效率.

4.3 時間序列現實操作的規范

對數據時域進行分析不能滿足數據分析的需要，很多情況下要獲得更多的信息，要在頻域下對數據分析.本文探索了濾波器設計的方法，一開始準備用C++/C#代碼編寫濾波器，但是發現這樣實現起來很困難.MATLAB中有非常強大的信號處理工具，而且也有MATLAB與計算機程序設計語言混合編程的方法，后來就嘗試用MATLAB來實現濾波函數.MATLAB程序必須做成COM組件，才能被C#語言調用，所以需要濾波的數據必須從C#程序中傳入COM，一開始還擔心這樣會不會速度很慢，達不到要求.后來實驗證明，在C#中調用MATLAB程序，只是在加載COM組件的時候需要的時間比較長，數據傳遞速度還是很快的，所以后面就確定用MATLAB來對信號進行濾波和快速傅里葉變換.

5 小結

本文對工業過程控制時序數據進行預處理，分析出該時序數據的特點，選擇用ARMA模型對時序數據進行預測，并繪制趨勢圖.時序數據預測采用的SAS系統來實現的，該軟件具有強大的數據分析功能.從實驗結果來看，預測效果很好.

對工業過程控制數據進行分析有很大的價值，本文僅僅只是結合平面趨勢圖對數據進行分析，有一些數據用2D或者3D圖形顯示分析效果會更好，更直觀，所以對數據繪制2D、3D圖形是本文下一步應該關注的.本文在提高數據分析速度上做了一些工作，分析速度還可以進一步提高，在今后的工作中應該繼續研究如何提高分析響應速度.對于工業過程控制時序數據進行預測，本文只是作了短期預測，在今后的工作中要研究如何做長期預測，即預測更多的數據點，使得預測效果更好.

〔1〕魏青軒.PDA數據采集系統在熱軋生產線的應用[D].太原：太原理工大學，20100509．

〔2〕李志忠，王永楨.數據采集和監控中的微機應用[M].北京：清華大學出版社，1988．36-38，46-47．

〔3〕湯巖.時間序列分析的研究與應用[D].哈爾濱：東北農業大學，2007.10-13．

〔4〕劉大海.海量數據可視化方法的研究[D].天津，天津大學計算機應用技術，2009．

〔5〕MariosD.Dikaiakos，George Pallis.Cloud Computing-Distributed Internet Computing for IT and Scientific Research[R]．2009，13(5).

TP 274.2

A

1673-260X（2013）02-0030-02