一种温度控制回路性能评估方法及相关设备

本发明涉及温度控制回路性能评估，特别涉及一种温度控制回路性能评估方法及相关设备。

背景技术：

1、在工业生产中，控制系统的可靠性和准确性对与工厂的高效、盈利和安全运行至关重要。在工业生产中控制器占据很大的比例，当控制器开始投用的时候，技术人员会根据刚投用时的生产状况和曲线变化情况给出一组合适的控制器参数。这组参数数据往往只适合当前的生产工况，但是随着工况的变化，这组参数将不在适用于当前的工况，回路的控制性能会有所下降，此时便需要对温度控制回路进行评估，并根据评估结果对控制器参数进行调整。

2、国内外学者对温度控制回路的性能评估进行了广泛的研究。现有技术有基于最小方差控制(minimum variance control，mvc)方法，通过控制信号与输出信号的连接，得出相应的最优控制律，使得输出信号的波动最小；还有基于mvc的单回路控制系统性能评价方法，在此研究基础上，还有基于对延迟项的不同解释，将mvc的应用扩展到多变量控制系统。

3、在mvc的基础上，针对mvc的不足，学界提出了广义最小方差控制(generalizedminimum variance control，gmvc)，并将其作为控制回路性能评估(control loopperformance assessment，cpla)的性能指标。gmvc的基本思想是通过基于系统输出信号和控制器输出信号的指标来评估控制器的性能。gmvc通过使用权重来限制控制器的输出并以此动态地对系统进行评估，相较于其他控制器有着较大的优势，已经逐渐在cpla中得到了广泛的应用。

4、同时国内外学界针对如何提取温度控制回路的平稳随机项这一问题设计了多种方法，如小波分解、小波包分解、经验模态分解(empirical mode decomposition，emd)和局部均值分解(local mean decomposition，lmd)等，但是小波分解和小波包分解是一种非自适应信号分析方法，小波基函数是事先通过经验选定的，emd和lmd虽然是自适应信号处理方法，但由于模式混合的存在，限制了它应用，集成emd和集成lmd等噪声辅助技术在一定程度上缓解了模式混合问题，但计算复杂度急剧增加，且不能有效消除所增加的白噪声。

5、变分模态分解(variational mode decomposition，vmd)是一种新的自适应信号分解方法，与递归模态分解方法如emd和lmd相比，vmd可以将信号分解为本征模态函数的集合，能够在线计算中心频率并同步提取所有模态，vmd在信号检测、信号分离和噪声鲁棒性方面优于emd。但是基于以往经验的参数选择方法极大地影响了vmd方法的准确性，因此选择合适的参数组合是基于vmd的信号分解的关键问题，现有技术提出了一种基于遗传算法的优化vmd方法，可以同时优化这两个参数，但该方法所使用的优化目标函数只考虑了分解模式的影响特性，二忽略了分解模式与原始信号之间的相关性，可能会导致信息丢失。

6、此外，上述这些方法大多忽略了其中测量噪声的存在，测试噪声对于温度控制回路的性能评估影响巨大，因为它会显著降低整体系统的性能，从而影响cpa的具体结果。

技术实现思路

1、本发明提供了一种温度控制回路性能评估方法及相关设备，其目的是为了提高评估温度控制回路随机性性能的准确性。

2、为了达到上述目的，本发明提供了一种温度控制回路性能评估方法，应用于加氢裂化生产反应部分的温度控制回路，包括：

3、步骤1，采集一组温度控制回路输出的工业温度数据，工业温度数据包括温度控制回路中每个控制器输出的温度数据；

4、步骤2，对工业温度数据进行变分模态预处理，得到与每个控制器输出的温度数据对应的模态数量和用于控制信号分量带宽的惩罚因子，并通过混沌因子对与每个控制器输出的温度数据对应的模态数量和惩罚因子进行扰动迭代，得到满足迭代要求的模态数量和惩罚因子；

5、步骤3，通过设置满足迭代要求的模态数量和惩罚因子，对工业温度数据进行分频变异模态分解，得到与每个模态对应的序列分量；

6、步骤4，将与每个模态对应的序列分量进行筛选滤波，得到工业温度数据的平稳随机项；

7、步骤5，根据平稳随机项求解随机性性能指标，通过随机性性能指标对温度控制回路进行性能评估，得到温度控制回路的性能评估结果。

8、进一步来说，在步骤2之前，还包括：

9、根据公式φ(t)＝py(t+d)+qu(t)对工业温度数据进行预处理，得到广义输出信号；

10、对广义输出信号中的每个信号进行求解。

11、进一步来说，步骤2包括：

12、通过鲸鱼优化算法将广义输出信号中的每个信号随机生成为若干个鲸鱼个体；

13、针对每个鲸鱼个体，对鲸鱼个体进行变分模态分解预处理，得到与每个鲸鱼个体对应的模态数量和惩罚因子；

14、利用混沌因子对与每个鲸鱼个体对应的模态数量和惩罚因子进行迭代处理，并计算鲸鱼个体的适应度，得到与满足预设条件的适应度个体对应的模态数量和惩罚因子。

15、进一步来说，步骤3包括：

16、引入二次惩罚因子和卡格朗日算子，利用交替方向乘子迭代算法对与满足预设条件的适应度个体对应的模态数量和惩罚因子进行求解，得到与每个模态对应的序列分量。

17、进一步来说，迭代终止公式为：

18、

19、其中，k表示序列分量个数，表示第n+1次迭代中第k个序列分量的估计，第n次迭代中第k个序列分量的估计，ξ为判断精度。

20、进一步来说，步骤4包括：

21、对与每个模态对应的序列分量进行归一化处理，得到归一化结果；

22、根据归一化结果，计算序列分量与温度数据之间的互信息系数；

23、根据互信息系数计算与序列分量与温度数据的互信息的标准差；

24、根据标准差计算划分有效信号和噪声信号的阈值，并根据阈值对序列分量进行筛选，得到符合预设条件的序列信号；

25、通过奇异谱分析方法对符合预设条件的序列信号进行滤波重构，得到多个时序序列；

26、将多个时序序列进行线性叠加，得到工业温度数据的平稳随机项。

27、进一步来说，归一化处理公式为：

28、

29、其中，u表示序列中每个温度数据；umin表示温度序列中最小值，umax表示温度序列中最大值。

30、进一步来说，根据互信息系数计算与序列分量与温度数据的互信息的标准差为：

31、

32、其中，i(xi,y)表示两个温度序列之间的互信息系数，μ为互信息系数的平均值。

33、本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，当该计算机程序被处理器执行时，实现温度控制回路性能评估方法。

34、本发明还提供了一种终端设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现温度控制回路性能评估方法。

35、本发明的上述方案有如下的有益效果：

36、本发明通过采集一组包括温度控制回路中每个控制器输出的温度数据的工业温度数据；对工业温度数据进行变分模态预处理，得到与每个控制器输出的温度数据对应的模态数量和用于控制信号分量带宽的惩罚因子，并通过混沌因子对与每个控制器输出的温度数据对应的模态数量和惩罚因子进行扰动迭代，得到满足迭代要求的模态数量和惩罚因子；通过设置满足迭代要求的模态数量和惩罚因子，对工业温度数据进行分频变异模态分解，得到与每个模态对应的序列分量；将与每个模态对应的序列分量进行筛选滤波，得到工业温度数据的平稳随机项；根据平稳随机项求解随机性性能指标，通过随机性性能指标对温度控制回路进行性能评估，得到温度控制回路的性能评估结果；与现有技术相比，通过在变分模态分解方法中引入混沌因子对工业温度数据中与每个控制器输出的温度数据对应的模态数量和惩罚因子进行扰动迭代，有效提高了算法的优化能力，并且通过筛选滤波的方法，在有效抑制数据噪声的同时，提取出数据的有效信息，显著提高了平稳随机项的提取精度，通过平稳随机项求解随机性性能指标来实现对温度控制回路进行性能评估，提高了评估温度控制回路随机性性能的准确性。

37、本发明的其它有益效果将在随后的具体实施方式部分予以详细说明。