一种工业过程多回路振荡提取与检测方法与流程

本发明涉及工业控制中的性能评估领域，具体涉及一种基于改进多维经验模式分解的工业过程多回路振荡提取与检测方法。
背景技术：
：现代工业过程设备具有规模大、综合度高、操控复杂、变量多，且长时间运行在闭环控制下等特点。工业常见的化工生产过程，往往包含成千上万个控制回路，而且这些控制回路由于耦合关系而互相影响。由于工业控制回路中控制器过整定、外部扰动和调节阀非线性工作等特性的普遍存在，控制回路的振荡行为尤其是多回路振荡时常发生，这极大地影响了工业流程设备运行的经济效益和稳定性。对工业流程设备进行初步准确的振荡检测可以减少废品生产量，降低不合格率，提高工业流程设备运行过程中的可靠性、安全性，同时降低制造成本。许多控制器在运行初期还能保持良好的性能，但随着时间的推移，由于外部干扰因素或设备自身问题的影响，控制器的性能会逐渐降低甚至失效。具体表现为控制回路过程发生各类振荡行为，其中一些强度较大的振荡还可能传播至其它耦合回路，形成多回路厂级振荡，从而威胁到工业过程的安全稳定运行。同时，由于实时环境中设备负载和工况经常发生变化，工业过程还表现出非平稳数据特性的一面，具体表现为过程数据的局部均值迁移现象。对于重要的控制回路，及时发现其运行过程的振荡特性有助于工程人员进行故障诊断和排查。因此，在工业控制系统性能评估过程中，设计有效的在线监控手段，及时、准确检测出控制回路中非平稳过程数据的各类振荡成分，并区分出各自不同的频率范围，以及是否传播影响到多个回路，对于控制器性能评估和控制回路故障诊断都有着重要意义。现有的工业控制回路振荡检测技术，绝大多数都是基于单变量数据的分析方法。无论是基于过程数据时域统计的分析方法，亦或是基于过程数据的自相关函数(ACF)的分析方法，都不能用以处理多变量(即多回路)过程数据。尽管单变量分析方法可以分别地对多维数据中各变量进行单独分析，但这种方式至少有两种缺陷。一、各回路过程数据处理与检测结果可能不一致；二、各回路之间耦合关系被彻底打乱。最近二十年也出现了一些多回路振荡的检测方法，如基于谱主成分分析或基于谱包络线法的多回路振荡检测与聚类方法。但这些方法对存在非平稳和非线性特征的工业过程，无法实现全自动无干预检测，需要事先设计针对性的滤波器进行数据平稳化处理和振荡成分分离。在过程振荡检测算法的实际应用中，能同时处理多回路过程输出数据，有效检测工业控制回路是否具有振荡行为，并定量评估振荡行为的规则度指数，且普遍适用于存在时变振荡、多重振荡、非平稳和非线性成分的过程数据，对于准确诊断工业过程振荡的存在性有非常重要的实用意义，也有利于工业过程控制性能的定量评估。技术实现要素：本发明提供了一种基于改进多维经验模式分解的工业过程多回路振荡提取与检测方法，能够适用于存在时变振荡、多周期振荡等行为的工业控制回路过程，检测方法普遍适用于非平稳或平稳的过程数据，只需获取常规运行数据，无需过程机理知识。一种工业过程多回路振荡提取与检测方法，包括：步骤1，采集工业过程中所有待检测控制回路的过程输出信号；步骤2，利用谱相关波形匹配方法，对各过程输出信号进行端点延拓；步骤3，对端点延拓后的过程输出信号进行改进的多维经验模式分解，得到分解子信号；步骤4，计算各层分解子信号的零交叉点规律性指标；步骤5，判断各零交叉点规律性指标是否超过阈值，若超过阈值，则对应的分解子信号判定为振荡信号；步骤6，若同一层分解子信号中，存在两个或两个以上分解子信号被判定为振荡信号，则判定该工业过程中存在多回路振荡。本发明可以提高多维度振荡行为的检测准确度和可靠性，且能为其他振荡源定位方法提供数据支持，在提高经济效益方面具有重要的实用价值。可选的，所述工业过程为化工过程，本发明可直接采用化工过程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，并随着时间推移，不断采集和更新过程输出信号到监控系统。首先对所采集到的所有过程历史数据分别进行端点延拓处理，然后利用改进的多维经验模式分解得到分解子信号集合，计算各个分解子信号对应的零交叉点规律性指标，从而判断过程是否存在振荡，进而判断是否存在多回路振荡。作为优选，步骤2中，所述端点延拓为如下操作：在当前过程输出信号的左端取一段波形，寻找该过程输出信号中与该段波形谱相关度最高的波形的左边波形，并利用该左边波形对当前过程输出信号的左端进行延拓；同理，在该过程输出信号的右端取一段波形，寻找该过程输出信号中与该段波形匹配度最高的波形的右边波形，利用右边波形对当前过程输出信号的右端进行延拓。作为优选，步骤3中，进行改进的多维经验模式分解时，采用随机初始化加反函数置换的哈尔顿(Halton)序列作为超球面采样的投影依据，采用双门限的幅值波动判定形式作为多维本征模态函数筛选过程的停机标准。作为优选，步骤3中，随机初始化加反函数置换的哈尔顿序列计算方式如下：步骤3-1、初始点级数展开式中初始点采用随机正整数予以替代；步骤3-2、哈尔顿序列各项系数用以下公式计算：其中，Sp表示哈尔顿序列当前系数值，p表示某一选定质数，b0,b1,...,bm表示初始点级数展开式中各项系数。函数πp(bi)含义是：采用沃诺克方法计算得到最优乘子Gp，则参数w按如下方法取值：①若Gp是质数p的一个原根，则w取值为Gp；②若Gp不是质数p的一个原根，则w取值为Ap。其中Ap是质数p的原根中数值上最接近Gp的一个。所述多维本征模态函数筛选过程的停机标准是指经二范数规范化后的包络线均-幅比σ(t)满足一下条件：条件3-1，序列σ(t)中的绝大部分，即占比为(1-α)×100％；满足条件σ(t)＜θ1；条件3-2，序列σ(t)中的剩余部分，即占比为α×100％；满足条件σ(t)＜θ2；其中α＝0.05，θ1＝0.075，θ2＝0.75。作为优选，步骤4中，计算各分解子信号的零交叉点规律性指标的步骤如下：步骤4-1，统计当前分解子信号内所有连续零交叉点之间的间隔并分别计算间隔的均值和标准差其中k表示分解子信号的层次编号，l表示当前分解子信号所属原信号在输入过程数据中的编号；步骤4-2，利用下式计算零交叉点规律性指标ηk,l：作为优选，步骤5中的阈值为1。本发明与现有技术相比具有的有益效果有：1、无需外部附加信号激励，也不会对控制系统引入附加扰动，能够实现非侵入式的检测与诊断。2、同时处理多回路输出数据，可检测厂级振荡的存在，同时保留回路间耦合信息。3、所采用的信号分解方法实现了过程数据中非平稳分量的自动分离，相比于现有其他多变量分析技术，其可靠性更高。4、所提出的随机初始化加反函数置换的哈尔顿序列可使超球面采样更为均一，而所采用的双门限幅值波动停机标准对噪声、局部抖动更鲁棒。5、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。6、完全采用数据驱动型的方法，无需过程先验知识，无需预先设计滤波器，也不需进行人工干预。附图说明图1为实施例中化工过程的流程示意图；图2为实施例中采集的各待检测控制回路的过程输出信号示意图；图3为实施例中所有待检测的过程输出信号经谱相关波形匹配方法端点延拓后的示意图；图4为实施例中过程输出信号经改进的多维经验模式分解后的示意图；图5为本发明的方法流程图。具体实施方式下面以国内某工厂的流化间歇过程装置性能评估为例，对存在控制阀粘滞特性的化工过程的多回路振荡(厂级振荡)行为检测方法做详细描述。如图1所示，在生产过程中，流化床T4需要由惰性气体供气以保证其安全性，该气体在填料之前充满设备，在生产过程中保持稳定，在收集阶段后充当清洗气体，并经由风机作用，在装置中不断循环。惰性气体经过热交换器W1加热温度，在风机V2的作用下进入储罐B3，储罐控制压力后，惰性气体进入流化床T4，流体介质从顶部雾化喷嘴喷入流化床T4后不断进行流化过程。该气源流出T4，同时维持产品容器B5的压力。在间歇过程的生产阶段，由于惰性气体供气设备阀门存在粘滞性，导致设备内各压力回路均存在同一振荡模式，即多回路振荡或者厂级振荡现象。为了研究该过程的惰性气体气源故障传播路径，选取与惰性气体气压相关的6个变量进行多回路振荡检测分析，对这些用于振荡提取与检测的变量的描述和编号如表1所示。表1编号描述备注1热交换器W1出口气体压力2风机V2出风口压力3储罐B3出口气体压力4流化床T4上部气体压力以流化床T4上半部压力为准5流化床T4下部气体压力以流化床T4下半部压力为准6产品容器B5内部压力产品容器B5上方氮气压力如图5所示，一种基于改进经验模式分解的工业控制回路振荡检测方法，包括：步骤1，采集过程中所有待检测控制回路的过程输出信号，即采集编号1-6对应变量的过程输出信号。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系统的采样间隔。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。性能评估系统的采样间隔一般与工业控制系统中的控制周期相同，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6个过程输出信号经过中心化后如图2所示，图2中横坐标为采样点序数，单位为Sample(1个Sample对应一个数据的采样间隔)，纵坐标为经过中心化后的正常工况下气体压力，单位为MPa。步骤2，利用谱相关波形匹配方法，对过程输出信号进行端点延拓。分别对各个过程输出信号进行左右端点延拓处理，目的是消除输入信号对分解方法的端点效应影响，其具体实施方式为：步骤2-1，以过程输出信号的左端点x(t0)为起点，向右取原信号的一部分波形w(t0:t0+l)＝[x(t0),x(t0+1),Lx(t0+l)]，其中l是满足w(t0:t0+l)只包含一个零交叉点的最大值；步骤2-2，找到w(t0:t0+l)的中点其中[·]表示取往正无穷方向的最近整数；步骤2-3，向右方向搜寻下一个序列x(t)中与值相同的点，记为x(t1)，以x(t1)为中间点提取一段与w(t0:t0+l)长度相同的波形，记为w(t1-[l/2]:t1+[l/2]-1)；步骤2-4，计算w(t0:t0+l)与w(t1-[l/2]:t1+[l/2]-1)的谱相关波形匹配度m1。其中谱相关指标的计算可依据现有技术“GuoW,HuangL,ChenC,etal.Eliminationofendeffectsinlocalmeandecompositionusingspectralcoherenceandapplicationsforrotatingmachinery[J].DigitalSignalProcessing,2016,55:52-63.”计算。步骤2-5，重复步骤2-3和步骤2-4，直到过程输出信号搜索结束，这样可以得到一系列匹配度m＝[m1,m2,Lmn]；步骤2-6，找到m中最大值mb，则相应的波段w(tb-[l/2]:tb+[l/2]-1)即为与w(t0:t0+l)波形最匹配的一段，此时信号x(t)的左端即可用w(tb-l-[l/2]:tb-[l/2])进行延拓；步骤2-7，采用同样的方法对信号x(t)的右端点进行延拓。本实施例对所选取的6个过程输出信号进行延拓的结果如图3所示。步骤3，对延拓后的过程输出信号进行改进的多维经验模式分解，得到分解子信号。本发明对现有技术中的多维经验模式分解进行改进，保留了原有方法的所有数学和计算特征，只是在超球面采样的投影依据及多维本征模态函数筛选过程的停机标准(终止条件)上进行修改，改进的分解方法对于同一组过程数据，相比于原方法，分解能力更强，获得的子信号数量更少，迭代时间更快，更适合于分析原多维数据的振荡行为。原始的多维经验模式分解可依据现有技术“RehmanN,MandicDP.Multivariateempiricalmodedecomposition[C]//ProceedingsofTheRoyalSocietyofLondonA:Mathematical,PhysicalandEngineeringSciences.TheRoyalSociety,2010,466(2117):1291-1302.”进行。改进的多维经验模式分解中，超球面采样的投影依据是指，哈尔顿序列构造过程中，初始点级数展开式中初始点采用随机正整数予以替代。其次，哈尔顿序列各项系数用以下公式计算：其中，Sp表示哈尔顿序列当前系数值，p表示某一选定质数，通常情况下，质数从2开始往上依次取值。b0,b1,...,bm表示初始点级数展开式中各项系数。置换函数πp(bi)含义是：参数w的取值与利用沃诺克方法计算得到的最优乘子Gp有关，沃诺克方法可依据现有技术“WarnockTT.Computationalinvestigationsoflow-discrepancypointsetsII[M]//MonteCarloandQuasi-MonteCarloMethodsinScientificComputing.SpringerNewYork,1995:354-361.”进行。则参数w的取值方法为：①若Gp是质数p的一个原根，则w取值为Gp；②若Gp不是质数p的一个原根，则w取值为Ap。其中Ap是质数p的原根中数值上最接近Gp的一个。改进的多维经验模式分解中，多维本征模态函数筛选过程的停机标准是指，经二范数规范化后的包络线均-幅比σ(t)满足一下条件：条件3-1，序列σ(t)中的绝大部分(占比为(1-α)×100％)满足条件σ(t)＜θ1；条件3-2，序列σ(t)中的剩余部分(占比为α×100％)满足条件σ(t)＜θ2。其中参数θ1保证了包络线信号的全局低抖动，而参数θ2则允许信号存在局部较大偏差行为，本发明参数设置为α＝0.05，θ1＝0.075，θ2＝0.75。本实施例对延拓得到的过程数据集进行改进的多维经验模式分解，得到的分解子信号如图4所示。各过程输出数据分别分解得到13层子信号，为展示方便，此处将第1到第4层加在一起(C1-C4)，将第5到第9层加在一起(C5-C9)，将第11到第13层加在一起(C11-C13)，而代表振荡层的第10层则单独显示(C10)。采用本发明所提出的零交叉点规律性指标分别评估第10层所对应的6个分解子信号{x10，1,x10，2,x10，3,x10，4,x10，5,x10，6}。步骤4，计算各分解子信号的零交叉点规律性指标，具体步骤如下：步骤4-1，统计当前分解子信号内所有连续零交叉点之间的间隔并分别计算间隔的均值和标准差其中k表示分解子信号的层次编号，l表示当前分解子信号所属原信号在输入过程数据中的编号；步骤4-2，利用下式计算零交叉点规律性指标：零交叉点规律性指标ηk,l是依据现有技术“ThornhillNF,HuangB,ZhangH.Detectionofmultipleoscillationsincontrolloops[J].JournalofProcessControl,2003,13(1):91-100.”中所提出的自相关函数零交叉点规律性指标简化而来。自相关函数的作用是去除噪声对振荡检测的影响，因为多维经验模式分解已经将噪声层次滤除，因此可以直接采用时域的零交叉点规律性指标。零交叉点规律性指标的深层含义为，对于标准振荡信号，其包含的所有振荡波形都应具有相同的波长跨度，因此ηk,l→∝，而在实际运行中，由于环境及测量误差等不利因素影响，该方法规定ηk,l＞1即可判定原信号中极大可能还有振荡行为信号。另外，零交叉点规律性指标还受信号中零交叉点个数影响，如果原信号中零交叉点个数过少，则均值、标准差的估计都可能有较大偏差，因此本发明规定，原过程输出信号中全波个数必须大于等于5。本实施例中，第10层中所有子信号均包含5个以上全波，因此分别计算各分解子信号{x10，1,x10，2,x10，3,x10，4,x10，5,x10，6}所对应的零交叉点规律性指标{η10，1,η10，2,η10，3,η10，4,η10，5,η10，6}。步骤5，如果其中一个分解子信号的零交叉点规律性指标超过阈值Ω，则判断该控制回路对应的分解子信号存在振荡行为。第10层对应的6个分解子信号的零交叉点规律性指标分别为η10，1＝3.83，η10，2＝2.56，η10，3＝3.04，η10，4＝3.83，η10，5＝1.56，η10，6＝1.76。显然所有分解子信号对应的零交叉点规律性指标均超过给定阈值Ω＝1，可以肯定这些分解子信号均为振荡分量，如图4所示。步骤6，当同一层分解子信号中，存在两个或两个以上分解子信号表现振荡行为，则可判定该过程存在多回路振荡(厂级振荡)。本案例检测到6个回路同时存在振荡，因此可以判定为厂级振荡。利用本发明方法，在进行多回路振荡检测的基础上，还能够对各个工业控制回路振荡行为进行定量检测，获得这些振荡分量的规则程度和周期，为振荡行为的评价和故障源诊断提供了丰富的数据支持。当前第1页1 2 3