本發明涉及工業控制中的性能評估領域，具體涉及一種基于改進多維經驗模式分解的工業過程多回路振蕩提取與檢測方法。
背景技術：
：現代工業過程設備具有規模大、綜合度高、操控復雜、變量多，且長時間運行在閉環控制下等特點。工業常見的化工生產過程，往往包含成千上萬個控制回路，而且這些控制回路由于耦合關系而互相影響。由于工業控制回路中控制器過整定、外部擾動和調節閥非線性工作等特性的普遍存在，控制回路的振蕩行為尤其是多回路振蕩時常發生，這極大地影響了工業流程設備運行的經濟效益和穩定性。對工業流程設備進行初步準確的振蕩檢測可以減少廢品生產量，降低不合格率，提高工業流程設備運行過程中的可靠性、安全性，同時降低制造成本。許多控制器在運行初期還能保持良好的性能，但隨著時間的推移，由于外部干擾因素或設備自身問題的影響，控制器的性能會逐漸降低甚至失效。具體表現為控制回路過程發生各類振蕩行為，其中一些強度較大的振蕩還可能傳播至其它耦合回路，形成多回路廠級振蕩，從而威脅到工業過程的安全穩定運行。同時，由于實時環境中設備負載和工況經常發生變化，工業過程還表現出非平穩數據特性的一面，具體表現為過程數據的局部均值遷移現象。對于重要的控制回路，及時發現其運行過程的振蕩特性有助于工程人員進行故障診斷和排查。因此，在工業控制系統性能評估過程中，設計有效的在線監控手段，及時、準確檢測出控制回路中非平穩過程數據的各類振蕩成分，并區分出各自不同的頻率范圍，以及是否傳播影響到多個回路，對于控制器性能評估和控制回路故障診斷都有著重要意義。現有的工業控制回路振蕩檢測技術，絕大多數都是基于單變量數據的分析方法。無論是基于過程數據時域統計的分析方法，亦或是基于過程數據的自相關函數(ACF)的分析方法，都不能用以處理多變量(即多回路)過程數據。盡管單變量分析方法可以分別地對多維數據中各變量進行單獨分析，但這種方式至少有兩種缺陷。一、各回路過程數據處理與檢測結果可能不一致；二、各回路之間耦合關系被徹底打亂。最近二十年也出現了一些多回路振蕩的檢測方法，如基于譜主成分分析或基于譜包絡線法的多回路振蕩檢測與聚類方法。但這些方法對存在非平穩和非線性特征的工業過程，無法實現全自動無干預檢測，需要事先設計針對性的濾波器進行數據平穩化處理和振蕩成分分離。在過程振蕩檢測算法的實際應用中，能同時處理多回路過程輸出數據，有效檢測工業控制回路是否具有振蕩行為，并定量評估振蕩行為的規則度指數，且普遍適用于存在時變振蕩、多重振蕩、非平穩和非線性成分的過程數據，對于準確診斷工業過程振蕩的存在性有非常重要的實用意義，也有利于工業過程控制性能的定量評估。技術實現要素：本發明提供了一種基于改進多維經驗模式分解的工業過程多回路振蕩提取與檢測方法，能夠適用于存在時變振蕩、多周期振蕩等行為的工業控制回路過程，檢測方法普遍適用于非平穩或平穩的過程數據，只需獲取常規運行數據，無需過程機理知識。一種工業過程多回路振蕩提取與檢測方法，包括：步驟1，采集工業過程中所有待檢測控制回路的過程輸出信號；步驟2，利用譜相關波形匹配方法，對各過程輸出信號進行端點延拓；步驟3，對端點延拓后的過程輸出信號進行改進的多維經驗模式分解，得到分解子信號；步驟4，計算各層分解子信號的零交叉點規律性指標；步驟5，判斷各零交叉點規律性指標是否超過閾值，若超過閾值，則對應的分解子信號判定為振蕩信號；步驟6，若同一層分解子信號中，存在兩個或兩個以上分解子信號被判定為振蕩信號，則判定該工業過程中存在多回路振蕩。本發明可以提高多維度振蕩行為的檢測準確度和可靠性，且能為其他振蕩源定位方法提供數據支持，在提高經濟效益方面具有重要的實用價值。可選的，所述工業過程為化工過程，本發明可直接采用化工過程的可測變量作為過程輸出信號，所有待檢測過程輸出信號均通過現場實時采集獲得，并隨著時間推移，不斷采集和更新過程輸出信號到監控系統。首先對所采集到的所有過程歷史數據分別進行端點延拓處理，然后利用改進的多維經驗模式分解得到分解子信號集合，計算各個分解子信號對應的零交叉點規律性指標，從而判斷過程是否存在振蕩，進而判斷是否存在多回路振蕩。作為優選，步驟2中，所述端點延拓為如下操作：在當前過程輸出信號的左端取一段波形，尋找該過程輸出信號中與該段波形譜相關度最高的波形的左邊波形，并利用該左邊波形對當前過程輸出信號的左端進行延拓；同理，在該過程輸出信號的右端取一段波形，尋找該過程輸出信號中與該段波形匹配度最高的波形的右邊波形，利用右邊波形對當前過程輸出信號的右端進行延拓。作為優選，步驟3中，進行改進的多維經驗模式分解時，采用隨機初始化加反函數置換的哈爾頓(Halton)序列作為超球面采樣的投影依據，采用雙門限的幅值波動判定形式作為多維本征模態函數篩選過程的停機標準。作為優選，步驟3中，隨機初始化加反函數置換的哈爾頓序列計算方式如下：步驟3-1、初始點級數展開式中初始點采用隨機正整數予以替代；步驟3-2、哈爾頓序列各項系數用以下公式計算：其中，Sp表示哈爾頓序列當前系數值，p表示某一選定質數，b0,b1,...,bm表示初始點級數展開式中各項系數。函數πp(bi)含義是：采用沃諾克方法計算得到最優乘子Gp，則參數w按如下方法取值：①若Gp是質數p的一個原根，則w取值為Gp；②若Gp不是質數p的一個原根，則w取值為Ap。其中Ap是質數p的原根中數值上最接近Gp的一個。所述多維本征模態函數篩選過程的停機標準是指經二范數規范化后的包絡線均-幅比σ(t)滿足一下條件：條件3-1，序列σ(t)中的絕大部分，即占比為(1-α)×100％；滿足條件σ(t)＜θ1；條件3-2，序列σ(t)中的剩余部分，即占比為α×100％；滿足條件σ(t)＜θ2；其中α＝0.05，θ1＝0.075，θ2＝0.75。作為優選，步驟4中，計算各分解子信號的零交叉點規律性指標的步驟如下：步驟4-1，統計當前分解子信號內所有連續零交叉點之間的間隔并分別計算間隔的均值和標準差其中k表示分解子信號的層次編號，l表示當前分解子信號所屬原信號在輸入過程數據中的編號；步驟4-2，利用下式計算零交叉點規律性指標ηk,l：作為優選，步驟5中的閾值為1。本發明與現有技術相比具有的有益效果有：1、無需外部附加信號激勵，也不會對控制系統引入附加擾動，能夠實現非侵入式的檢測與診斷。2、同時處理多回路輸出數據，可檢測廠級振蕩的存在，同時保留回路間耦合信息。3、所采用的信號分解方法實現了過程數據中非平穩分量的自動分離，相比于現有其他多變量分析技術，其可靠性更高。4、所提出的隨機初始化加反函數置換的哈爾頓序列可使超球面采樣更為均一，而所采用的雙門限幅值波動停機標準對噪聲、局部抖動更魯棒。5、能夠對工業過程各回路的振蕩行為進行量化指標檢測，為待檢測回路性能的評估和故障源診斷提供了豐富的數據支持。6、完全采用數據驅動型的方法，無需過程先驗知識，無需預先設計濾波器，也不需進行人工干預。附圖說明圖1為實施例中化工過程的流程示意圖；圖2為實施例中采集的各待檢測控制回路的過程輸出信號示意圖；圖3為實施例中所有待檢測的過程輸出信號經譜相關波形匹配方法端點延拓后的示意圖；圖4為實施例中過程輸出信號經改進的多維經驗模式分解后的示意圖；圖5為本發明的方法流程圖。具體實施方式下面以國內某工廠的流化間歇過程裝置性能評估為例，對存在控制閥粘滯特性的化工過程的多回路振蕩(廠級振蕩)行為檢測方法做詳細描述。如圖1所示，在生產過程中，流化床T4需要由惰性氣體供氣以保證其安全性，該氣體在填料之前充滿設備，在生產過程中保持穩定，在收集階段后充當清洗氣體，并經由風機作用，在裝置中不斷循環。惰性氣體經過熱交換器W1加熱溫度，在風機V2的作用下進入儲罐B3，儲罐控制壓力后，惰性氣體進入流化床T4，流體介質從頂部霧化噴嘴噴入流化床T4后不斷進行流化過程。該氣源流出T4，同時維持產品容器B5的壓力。在間歇過程的生產階段，由于惰性氣體供氣設備閥門存在粘滯性，導致設備內各壓力回路均存在同一振蕩模式，即多回路振蕩或者廠級振蕩現象。為了研究該過程的惰性氣體氣源故障傳播路徑，選取與惰性氣體氣壓相關的6個變量進行多回路振蕩檢測分析，對這些用于振蕩提取與檢測的變量的描述和編號如表1所示。表1編號描述備注1熱交換器W1出口氣體壓力2風機V2出風口壓力3儲罐B3出口氣體壓力4流化床T4上部氣體壓力以流化床T4上半部壓力為準5流化床T4下部氣體壓力以流化床T4下半部壓力為準6產品容器B5內部壓力產品容器B5上方氮氣壓力如圖5所示，一種基于改進經驗模式分解的工業控制回路振蕩檢測方法，包括：步驟1，采集過程中所有待檢測控制回路的過程輸出信號，即采集編號1-6對應變量的過程輸出信號。采集過程輸出信號的方法為，在預設的每個采樣間隔內記錄下待檢測的控制回路中的過程數據，且每個采樣間隔內采集到的過程數據都添加在先前所采集的過程數據末端。采樣間隔是指性能評估系統的采樣間隔。過程數據隨著時間推移不斷更新，每經過一個采樣間隔的時間長度，均有新的過程數據添加到先前采集的過程數據的末端。性能評估系統的采樣間隔一般與工業控制系統中的控制周期相同，也可以選擇為控制周期的整數倍，具體根據性能監控和工業現場的實時性要求和數據存儲量限制來確定。本實施例所采集6個過程輸出信號經過中心化后如圖2所示，圖2中橫坐標為采樣點序數，單位為Sample(1個Sample對應一個數據的采樣間隔)，縱坐標為經過中心化后的正常工況下氣體壓力，單位為MPa。步驟2，利用譜相關波形匹配方法，對過程輸出信號進行端點延拓。分別對各個過程輸出信號進行左右端點延拓處理，目的是消除輸入信號對分解方法的端點效應影響，其具體實施方式為：步驟2-1，以過程輸出信號的左端點x(t0)為起點，向右取原信號的一部分波形w(t0:t0+l)＝[x(t0),x(t0+1),Lx(t0+l)]，其中l是滿足w(t0:t0+l)只包含一個零交叉點的最大值；步驟2-2，找到w(t0:t0+l)的中點其中[·]表示取往正無窮方向的最近整數；步驟2-3，向右方向搜尋下一個序列x(t)中與值相同的點，記為x(t1)，以x(t1)為中間點提取一段與w(t0:t0+l)長度相同的波形，記為w(t1-[l/2]:t1+[l/2]-1)；步驟2-4，計算w(t0:t0+l)與w(t1-[l/2]:t1+[l/2]-1)的譜相關波形匹配度m1。其中譜相關指標的計算可依據現有技術“GuoW,HuangL,ChenC,etal.Eliminationofendeffectsinlocalmeandecompositionusingspectralcoherenceandapplicationsforrotatingmachinery[J].DigitalSignalProcessing,2016,55:52-63.”計算。步驟2-5，重復步驟2-3和步驟2-4，直到過程輸出信號搜索結束，這樣可以得到一系列匹配度m＝[m1,m2,Lmn]；步驟2-6，找到m中最大值mb，則相應的波段w(tb-[l/2]:tb+[l/2]-1)即為與w(t0:t0+l)波形最匹配的一段，此時信號x(t)的左端即可用w(tb-l-[l/2]:tb-[l/2])進行延拓；步驟2-7，采用同樣的方法對信號x(t)的右端點進行延拓。本實施例對所選取的6個過程輸出信號進行延拓的結果如圖3所示。步驟3，對延拓后的過程輸出信號進行改進的多維經驗模式分解，得到分解子信號。本發明對現有技術中的多維經驗模式分解進行改進，保留了原有方法的所有數學和計算特征，只是在超球面采樣的投影依據及多維本征模態函數篩選過程的停機標準(終止條件)上進行修改，改進的分解方法對于同一組過程數據，相比于原方法，分解能力更強，獲得的子信號數量更少，迭代時間更快，更適合于分析原多維數據的振蕩行為。原始的多維經驗模式分解可依據現有技術“RehmanN,MandicDP.Multivariateempiricalmodedecomposition[C]//ProceedingsofTheRoyalSocietyofLondonA:Mathematical,PhysicalandEngineeringSciences.TheRoyalSociety,2010,466(2117):1291-1302.”進行。改進的多維經驗模式分解中，超球面采樣的投影依據是指，哈爾頓序列構造過程中，初始點級數展開式中初始點采用隨機正整數予以替代。其次，哈爾頓序列各項系數用以下公式計算：其中，Sp表示哈爾頓序列當前系數值，p表示某一選定質數，通常情況下，質數從2開始往上依次取值。b0,b1,...,bm表示初始點級數展開式中各項系數。置換函數πp(bi)含義是：參數w的取值與利用沃諾克方法計算得到的最優乘子Gp有關，沃諾克方法可依據現有技術“WarnockTT.Computationalinvestigationsoflow-discrepancypointsetsII[M]//MonteCarloandQuasi-MonteCarloMethodsinScientificComputing.SpringerNewYork,1995:354-361.”進行。則參數w的取值方法為：①若Gp是質數p的一個原根，則w取值為Gp；②若Gp不是質數p的一個原根，則w取值為Ap。其中Ap是質數p的原根中數值上最接近Gp的一個。改進的多維經驗模式分解中，多維本征模態函數篩選過程的停機標準是指，經二范數規范化后的包絡線均-幅比σ(t)滿足一下條件：條件3-1，序列σ(t)中的絕大部分(占比為(1-α)×100％)滿足條件σ(t)＜θ1；條件3-2，序列σ(t)中的剩余部分(占比為α×100％)滿足條件σ(t)＜θ2。其中參數θ1保證了包絡線信號的全局低抖動，而參數θ2則允許信號存在局部較大偏差行為，本發明參數設置為α＝0.05，θ1＝0.075，θ2＝0.75。本實施例對延拓得到的過程數據集進行改進的多維經驗模式分解，得到的分解子信號如圖4所示。各過程輸出數據分別分解得到13層子信號，為展示方便，此處將第1到第4層加在一起(C1-C4)，將第5到第9層加在一起(C5-C9)，將第11到第13層加在一起(C11-C13)，而代表振蕩層的第10層則單獨顯示(C10)。采用本發明所提出的零交叉點規律性指標分別評估第10層所對應的6個分解子信號{x10，1,x10，2,x10，3,x10，4,x10，5,x10，6}。步驟4，計算各分解子信號的零交叉點規律性指標，具體步驟如下：步驟4-1，統計當前分解子信號內所有連續零交叉點之間的間隔并分別計算間隔的均值和標準差其中k表示分解子信號的層次編號，l表示當前分解子信號所屬原信號在輸入過程數據中的編號；步驟4-2，利用下式計算零交叉點規律性指標：零交叉點規律性指標ηk,l是依據現有技術“ThornhillNF,HuangB,ZhangH.Detectionofmultipleoscillationsincontrolloops[J].JournalofProcessControl,2003,13(1):91-100.”中所提出的自相關函數零交叉點規律性指標簡化而來。自相關函數的作用是去除噪聲對振蕩檢測的影響，因為多維經驗模式分解已經將噪聲層次濾除，因此可以直接采用時域的零交叉點規律性指標。零交叉點規律性指標的深層含義為，對于標準振蕩信號，其包含的所有振蕩波形都應具有相同的波長跨度，因此ηk,l→∝，而在實際運行中，由于環境及測量誤差等不利因素影響，該方法規定ηk,l＞1即可判定原信號中極大可能還有振蕩行為信號。另外，零交叉點規律性指標還受信號中零交叉點個數影響，如果原信號中零交叉點個數過少，則均值、標準差的估計都可能有較大偏差，因此本發明規定，原過程輸出信號中全波個數必須大于等于5。本實施例中，第10層中所有子信號均包含5個以上全波，因此分別計算各分解子信號{x10，1,x10，2,x10，3,x10，4,x10，5,x10，6}所對應的零交叉點規律性指標{η10，1,η10，2,η10，3,η10，4,η10，5,η10，6}。步驟5，如果其中一個分解子信號的零交叉點規律性指標超過閾值Ω，則判斷該控制回路對應的分解子信號存在振蕩行為。第10層對應的6個分解子信號的零交叉點規律性指標分別為η10，1＝3.83，η10，2＝2.56，η10，3＝3.04，η10，4＝3.83，η10，5＝1.56，η10，6＝1.76。顯然所有分解子信號對應的零交叉點規律性指標均超過給定閾值Ω＝1，可以肯定這些分解子信號均為振蕩分量，如圖4所示。步驟6，當同一層分解子信號中，存在兩個或兩個以上分解子信號表現振蕩行為，則可判定該過程存在多回路振蕩(廠級振蕩)。本案例檢測到6個回路同時存在振蕩，因此可以判定為廠級振蕩。利用本發明方法，在進行多回路振蕩檢測的基礎上，還能夠對各個工業控制回路振蕩行為進行定量檢測，獲得這些振蕩分量的規則程度和周期，為振蕩行為的評價和故障源診斷提供了豐富的數據支持。當前第1頁1 2 3