CN111538309B - 一种基于多变量非线性调频模态分解的工业过程厂级振荡检测方法 - Google Patents
一种基于多变量非线性调频模态分解的工业过程厂级振荡检测方法 Download PDFInfo
- Publication number
- CN111538309B CN111538309B CN202010258014.9A CN202010258014A CN111538309B CN 111538309 B CN111538309 B CN 111538309B CN 202010258014 A CN202010258014 A CN 202010258014A CN 111538309 B CN111538309 B CN 111538309B
- Authority
- CN
- China
- Prior art keywords
- mode
- industrial process
- frequency modulation
- decomposition
- loop
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于多变量非线性调频模态分解的工业过程厂级振荡检测方法,包括:(1)采集多个待检测工业过程控制回路的输出信号;(2)用多变量非线性调频模态分解方法对采集所得信号进行分解;(3)计算分解所得模态的归一化相关系数,保留归一化相关系数较大的模态;(4)用零交叉点估计保留下来的模态的振荡周期,用以分析工业过程厂级振荡情况。利用本发明,可以提高工业过程厂级振荡检测准确度和可靠性,为性能评估和故障诊断提供数据支持,为后续的振荡溯源工作奠定基础。
Description
技术领域
本发明属于工业控制***中的性能评估与故障诊断领域,尤其是涉及一种基于多变量非线性调频模态分解的工业过程厂级振荡检测方法。
背景技术
随着工业控制回路的故障诊断与性能评估技术的迅速发展,振荡检测成为了控制回路的故障诊断的主要任务之一。
由于控制***回路之间的连接与耦合,在某一个回路中产生的振荡通常会传播到其他的回路,形成了厂级振荡。这些振荡会造成产品质量波动、能源和原材料浪费,甚至威胁到整个工程的安全稳定运行。因此,在工业过程生产控制***中对厂级振荡进行及时准确的检测对提高生产安全性和经济效益具有重要意义。
传统的厂级振荡检测方法,如谱主成分分析法、傅里叶频谱法等手段都要求数据是平稳的、线性的条件下进行。但在工业生产实际中,严格线性、平稳的数据是不存在的,所采集到的数据,往往伴随着非线性、非平稳、强噪声等。因此这些传统的方法的实用性有限。
近年来,信号分解技术发展迅猛,把这些新的信号处理技术用于处理工业控制***数据的研究方兴未艾。比如,Bahji等人首先使用经验模式分解检测并诊断了工业过程控制***数据的非线性振荡。但这些方法目前大多局限于处理单变量信号,适用于单回路振荡信号的检测,没有考虑多回路信号之间的关系,因而不适用于厂级振荡检测。最近,Aftab等人把多变量经验模态分解引入了振荡检测领域。但多变量经验模态分解方法易受采样率和噪声的干扰,分解性能不稳定。
因此需要设计一种新的多变量信号分解技术,对厂级振荡进行更加准确的检测。
发明内容
本发明提供了一种基于多变量非线性调频模态分解的工业过程厂级振荡检测方法,检测精度高,只需要获取常规运行数据,无需过程机理知识。
一种基于多变量非线性调频模态分解的工业过程厂级振荡检测方法,包括以下步骤:
(1)采集多个待检测工业过程控制回路的输出信号;
(2)用多变量非线性调频模态分解方法对采集的信号进行分解;
(3)计算分解所得模态的归一化相关系数,保留归一化相关系数大于预设值的模态;
(4)对于保留下来的模态,采用零交叉点估计模态的振荡周期,根据振荡周期分析工业过程厂级振荡情况。
本发明充分利用了非线性调频模态分解处理非平稳、非线性多变量数据的优势,可以提高工业过程的控制回路的厂级振荡检测准确度和可靠性,为性能评估和故障诊断提供数据支持,为后续的振荡溯源工作奠定基础。
本发明直接采用过程控制回路的可测变量作为过程输出信号,所有待检测过程输出信号均通过现场实时采集获得。
步骤(1)的具体步骤为:在预设的每个采样间隔内记录下待检测的控制回路中的过程数据,且每个采样间隔内采集到的过程数据都添加在先前所采集的过程数据末端。
步骤(2)的具体步骤如下:
(2-1)构建多变量非线性调频模态分解的目标函数:
其中,xm=[xm(t0),...,xm(tN-1)]T表示第m个回路采集得到的信号,总共采集了M个回路;i表示第i层模态,总共有Q层模态;εm表示第m个回路的重建误差;t=t0,...,tN-1表示采样时刻; 是估计的第i层模态的瞬时频率,
(2-3)第m个回路、第i层模态为gi,m=Aiui,m+Bivi,m,其中i=1,...,Q,m=1,...,M。
步骤(3)中,分解所得模态的归一化相关系数计算公式为:
其中,ζi,m表示第m个回路、第i层模态的归一化相关系数;ρi,m表示分解所得模态gi,m和采集的回路输出信号xm之间的相关系数;
其中,cov(·)表示协方差,std(·)表示标准差。
步骤(3)中,预设值为0.35,如果ζi,m大于0.35,则保留第m个回路、第i层模态gi,m。
步骤(4)中,采用零交叉点估计模态的振荡周期的公式为:
其中,T为振荡周期,Δt是模态的两个连续零交叉点的间隔,n一般默认取值为11。
与现有技术相比,本发明具有以下有益效果:
1、本发明采集信号时无需外部附加信号激励,也不会对控制***引入附加扰动,能够实现非侵入式的检测。
2、本发明所采用的多变量非线性调频模态分解适用于非线性、非平稳的多变量信号处理。
3、本发明所提出的基于多变量非线性调频模态分解的工业过程厂级振荡检测方法,相较于基于傅里叶谱、多变量经验模态分解、多变量本征时间尺度分解等的厂级振荡检测方法,具有理论基础完备、检测准确的优势。
4、本发明能够对工业过程各回路的振荡行为进行量化指标检测,为待检测回路性能的评估和故障源诊断提供了丰富的数据支持。
5、本发明完全采用数据驱动型的方法,无需过程先验知识,也不需要进行人工干预。
附图说明
图1为本发明一种基于多变量非线性调频模态分解的工业过程厂级振荡检测方法的流程示意图;
图2为本发明实施例采集的待检测工业过程厂级振荡输出信号图;
图3为本发明实施例中多变量非线性调频模态分解所得的模态。
具体实施方式
下面结合附图和实施例对本发明做进一步详细描述,需要指出的是,以下所述实施例旨在便于对本发明的理解,而对其不起任何限定作用。
本实施例以某浮法选矿过程控制***为例进行基于多变量非线性调频模态分解的工业过程厂级振荡检测,数据来源于“Lindner B,Chioua M,Groenewald J W D,etal.Diagnosis of oscillations in an industrial mineral process using transferentropy an”。
如图1所示,一种基于多变量非线性调频模态分解的工业过程厂级振荡检测方法,包括以下步骤:
步骤1,采集多个待检测工业过程控制回路的输出信号。
采集过程输出信号的方法为:在预设的每个采样间隔内记录下待检测的控制回路中的过程数据,且每个采样间隔内采集到的过程数据都添加在先前所采集的过程数据末端。
采样间隔是指性能评估***的采样间隔。过程数据随着时间推移不断更新,每经过一个采样间隔的时间长度,均有新的过程数据添加到先前采集的过程数据的末端。性能评估***的采样间隔一般与工业控制***中的控制周期相同,也可以选择为控制周期的整数倍,具体根据性能监控和工业现场的实时性要求和数据存储量限制来确定。
本实施例所采集的过程输出信号的原始数据如图2所示,图2中横坐标为时间,单位为秒,纵坐标为液位。
步骤2,用多变量非线性调频模态分解方法对回路输出信号进行分解。
分解方法的原理如下:
步骤2-1,多变量非线性调频模态分解方法的目标函数为
其中xm=[xm(t0),...,xm(tN-1)]T表示第m个回路采集得到的信号,总共采集了M个回路,i表示第i层模态,总共有Q层模态,εm表示第m个回路的重建误差,t=t0,...,tN-1表示采样时刻, 是估计的第i层模态的瞬时频率,
步骤2-3,分解所得的第m个回路、第i层模态为gi,m=Aiui,m+Bivi,m,其中i=1,...,Q,m=1,…,M。
最终分解后所得的模态,如图3所示。
步骤3,计算分解所得模态的归一化相关系数,如表1所示,把归一化相关系数大于0.35的模态保留,即保留回路x1-x6的第一层模态和回路x7-x8的第二层模态。
表1
回路 | x<sub>1</sub> | x<sub>2</sub> | x<sub>3</sub> | x<sub>4</sub> | x<sub>5</sub> | x<sub>6</sub> | x<sub>7</sub> | x<sub>8</sub> | x<sub>9</sub> |
层1 | 1 | 1 | 1 | 1 | 1 | 1 | 0.277 | 0.317 | 0.238 |
层2 | 0.164 | 0.175 | 0.217 | 0.251 | 0.030 | 0.157 | 1 | 1 | 1 |
步骤4,中用零交叉点估计保留下来的模态的振荡周期。
如表2所示(单位:秒),可以观察到,回路x1-x6的第一层的振荡周期高度一致,回路x7-x8的第二层振荡周期也高度一致。根据先验知识,回路x1-x6和x7-x8中分别存在着周期为465秒和266秒的厂级振荡,可以发现,所提出方法得到的振荡周期与先验知识高度吻合。
表2
回路 | x<sub>1</sub> | x<sub>2</sub> | x<sub>3</sub> | x<sub>4</sub> | x<sub>5</sub> | x<sub>6</sub> | x<sub>7</sub> | x<sub>8</sub> | x<sub>9</sub> |
层1 | 464 | 458 | 460 | 454 | 452 | 454 | - | - | - |
层2 | - | - | - | - | - | - | 258 | 258 | 262 |
因此,本发明所提出方法准确检测到了该工业过程中存在的厂级振荡,检测的量化结果还可以为后续振荡诊断和振荡溯源工作提供丰富的数据支持。
以上所述的实施例对本发明的技术方案和有益效果进行了详细说明,应理解的是以上所述仅为本发明的具体实施例,并不用于限制本发明,凡在本发明的原则范围内所做的任何修改、补充和等同替换,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于多变量非线性调频模态分解的工业过程厂级振荡检测方法,其特征在于,包括以下步骤:
(1)采集多个待检测工业过程控制回路的输出信号;
(2)用多变量非线性调频模态分解方法对采集的信号进行分解;具体步骤如下:
(2-1)构建多变量非线性调频模态分解的目标函数:
其中,xm=[xm(t0),...,xm(tN-1)]T表示第m个回路采集得到的信号,总共采集了M个回路;i表示第i层模态,总共有Q层模态;εm表示第m个回路的重建误差;t=t0,...,tN-1表示采样时刻; 是估计的第i层模态的瞬时频率, ai,m(t)是第m个回路、第i层模态的瞬时幅值,fi是真实的第i层模态的瞬时频率,φ表示初始相位,j表示复数单位,是二阶差分矩阵;
(2-3)第m个回路、第i层模态为gi,m=Aiui,m+Bivi,m,其中i=1,...,Q,m=1,...,M;
(3)计算分解所得模态的归一化相关系数,保留归一化相关系数大于预设值的模态;
(4)对于保留下来的模态,采用零交叉点估计模态的振荡周期,根据振荡周期分析工业过程厂级振荡情况。
2.根据权利要求1所述的基于多变量非线性调频模态分解的工业过程厂级振荡检测方法,其特征在于,步骤(1)的具体步骤为:在预设的每个采样间隔内记录下待检测的控制回路中的过程数据,且每个采样间隔内采集到的过程数据都添加在先前所采集的过程数据末端。
4.根据权利要求3所述的基于多变量非线性调频模态分解的工业过程厂级振荡检测方法,其特征在于,步骤(3)中,预设值为0.35,如果ζi,m大于0.35,则保留第m个回路、第i层模态gi,m。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010258014.9A CN111538309B (zh) | 2020-04-03 | 2020-04-03 | 一种基于多变量非线性调频模态分解的工业过程厂级振荡检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010258014.9A CN111538309B (zh) | 2020-04-03 | 2020-04-03 | 一种基于多变量非线性调频模态分解的工业过程厂级振荡检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111538309A CN111538309A (zh) | 2020-08-14 |
CN111538309B true CN111538309B (zh) | 2021-06-22 |
Family
ID=71978607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010258014.9A Active CN111538309B (zh) | 2020-04-03 | 2020-04-03 | 一种基于多变量非线性调频模态分解的工业过程厂级振荡检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111538309B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112182773A (zh) * | 2020-10-16 | 2021-01-05 | 北京航天自动控制研究所 | 一种基于线性调频z变换的飞行器舵机故障在线辨识方法 |
CN112925290A (zh) * | 2021-01-22 | 2021-06-08 | 浙江大学 | 一种基于多变量本征chirp模态分解的厂级振荡检测方法 |
CN113589795B (zh) * | 2021-08-02 | 2022-08-23 | 湖州师范学院 | 一种基于智能寻优的非线性啁啾模态分解算法的多重振荡检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013085831A1 (en) * | 2011-12-06 | 2013-06-13 | Qualcomm Incorporated | Wireless repeater implementing multi-parameter gain management |
CN106647691A (zh) * | 2016-11-08 | 2017-05-10 | 浙江大学 | 一种工业过程多回路振荡提取与检测方法 |
CN109542089A (zh) * | 2018-12-21 | 2019-03-29 | 浙江大学 | 一种基于改进变分模态分解的工业过程非线性振荡检测方法 |
CN110687791A (zh) * | 2019-10-31 | 2020-01-14 | 浙江大学 | 一种基于改进自适应调频模态分解的非线性振荡检测方法 |
-
2020
- 2020-04-03 CN CN202010258014.9A patent/CN111538309B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013085831A1 (en) * | 2011-12-06 | 2013-06-13 | Qualcomm Incorporated | Wireless repeater implementing multi-parameter gain management |
CN106647691A (zh) * | 2016-11-08 | 2017-05-10 | 浙江大学 | 一种工业过程多回路振荡提取与检测方法 |
CN109542089A (zh) * | 2018-12-21 | 2019-03-29 | 浙江大学 | 一种基于改进变分模态分解的工业过程非线性振荡检测方法 |
CN110687791A (zh) * | 2019-10-31 | 2020-01-14 | 浙江大学 | 一种基于改进自适应调频模态分解的非线性振荡检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111538309A (zh) | 2020-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111538309B (zh) | 一种基于多变量非线性调频模态分解的工业过程厂级振荡检测方法 | |
CA2309271C (en) | System for surveillance of spectral signals | |
CN109542089B (zh) | 一种基于改进变分模态分解的工业过程非线性振荡检测方法 | |
US9581980B2 (en) | Method and system for updating a model in a model predictive controller | |
CN104764869A (zh) | 一种基于多维特征量的变压器气体故障诊断和报警方法 | |
CN104881567A (zh) | 一种基于统计模型的桥梁健康监测数据小波降噪方法 | |
CN116933044B (zh) | 一种供电数据智能处理方法及*** | |
CN104921736A (zh) | 一种包含参数估计功能滤波模块的连续血糖监测设备 | |
CN103105849B (zh) | 工业调节阀非线性工作特性诊断方法 | |
CN110687791B (zh) | 一种基于改进自适应调频模态分解的非线性振荡检测方法 | |
CN116861313B (zh) | 基于振动能量趋势的卡尔曼滤波工况识别方法、*** | |
CN106647691A (zh) | 一种工业过程多回路振荡提取与检测方法 | |
CN112925290A (zh) | 一种基于多变量本征chirp模态分解的厂级振荡检测方法 | |
CN110716534B (zh) | 一种基于自整定变分模态分解的工业过程振荡检测方法 | |
CN105675320B (zh) | 一种基于声学信号分析的机械***运行状态实时监控方法 | |
CN111190049B (zh) | 主分量分析的混沌***检测纳伏级微弱正弦信号的方法 | |
CN117556366B (zh) | 基于数据筛选的数据异常检测***及方法 | |
CN115305526A (zh) | 基于x射线测量的铜箔厚度面密度一致性自适应控制方法 | |
CN115016440A (zh) | 一种基于麻雀搜索的多元变分模态分解算法的全机组振荡检测方法 | |
CN108345289B (zh) | 一种基于替代数据法的工业过程平稳性检测方法 | |
CN103344740A (zh) | 基于多输入维纳模型的谷氨酸产物浓度在线软测量方法 | |
Jing et al. | Stability analysis in micro milling based on p‑leader multifractal method | |
CN103389360A (zh) | 基于概率主元回归模型的脱丁烷塔丁烷含量软测量方法 | |
CN112580183B (zh) | 一种在线学习水泵模型实时流量精确控制方法 | |
CN108345214B (zh) | 一种基于替代数据法的工业过程非线性检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |