[发明专利]工业控制回路的多周期振荡行为检测方法

说明书

技术领域

本发明涉及工业控制系统中的性能评估领域，具体涉及一种工业控制回路的多周期振荡行为检测方法。

背景技术

现代工业流程设备具有规模大、复杂度高、变量多，且在闭环控制下运行的特点，对于复杂的化工生产过程，往往具有成千上万个回路，而且，这些回路由于存在耦合互相影响。控制回路的振荡现象由于控制器过整定、外部扰动和调节阀非线性工作特性的普遍存在，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停产时间，增加工业流程设备运行的安全性，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，但往往经过一段时间后，由于受到外部环境或设备问题的影响，控制器性能会逐渐下降。具体表现为控制回路过程发生多周期振荡，对工业过程的安全稳定运行造成威胁。同时，由于负载和工况经常发生变化，大部分工业过程均表现出非平稳数据的特性，具体表现为过程数据的局部均值发生变化。因此，在工业监测过程中，有效的检测出控制回路中非平稳过程数据的多重振荡，并区分出不同的振荡频率，对于控制器性能评估和故障诊断有重要意义。

现有技术中，对于控制回路的振荡检测技术，绝大部分都是适用于平稳过程数据，近年来出现了一些针对非平稳过程数据的振荡检测技术。其主要思路有三种：基于过程数据的时域统计分析；基于过程数据的自相关函数域ACF分析；基于过程数据的信号分解方法（包括经验模式分解和基变换分解）。基于时域统计和自相关函数域分析的检测方法在实际应用中存在三点局限性：其一，该方法需要对待检测过程有一定预先了解和经验参数确定，其二，对非平稳数据和多振荡周期无法实现全自动无干预检测，需要有针对性的预设计滤波器进行数据平稳化处理和振荡分离，其三，多数检测算法无法定量计算振荡的规则程度。目前基于过程数据的信号分解的振荡检测方法与上类检测方法存在进步，但是局限性主要在于：现有信号分解技术得到的子信号数目冗余繁多，无法得到适合于振荡检测的最优分解结构，这种非正交分解得到的振荡分量信号不具有良好的代表性，对非平稳信号的趋势的拟合度也比较差，计算复杂度也比较高。

在过程振荡检测算法的实际应用中，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，普遍适用于存在多周期振荡和非平稳的过程数据，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，也有利于工业过程的控制性能定量评估。

发明内容

本发明提供了一种工业控制回路的多周期振荡行为检测方法，能够适用于存在多周期振荡行为的工业控制回路过程，普遍适用于非平稳或平稳的过程数据，只需一组常规运行数据，无需过程机理知识，通过实现对待检测数据的最优信号分解结构，从而实现对该工业过程多周期振荡行为的定量评估，可以提高多周期振荡行为的检测准确度和可靠性，在提高经济效益方面具有重要的实用价值。

一种工业控制回路的多周期振荡行为检测方法，包括如下步骤：

步骤1，在待检测的控制回路中，采集一组过程数据x_t；

步骤2，对过程数据x_t进行小波包变换分解，得到原始二叉树状分解结构T₀；

步骤3，根据最小香农熵规则、非高斯指数以及准振荡指数对原始二叉树状分解结构T₀进行简化得到最优二叉树状分解结构T_best；

步骤4，依据最优二叉树状分解结构T_best上所有叶节点的非高斯指数T_G，将非高斯分布的叶节点所对应的子空间进行标记，得到子空间被标记的叶节点所对应的坐标位置集合I；

步骤5，通过交叉检验方法判断坐标位置集合I中各个坐标位置所对应的节点是否存在振荡分量，从而检测工业控制回路的过程数据中的多周期振荡行为。

其中，在步骤4中分解结构得到的每一个叶节点的坐标位置，为该叶节点对应的子空间，因此每个叶节点对应一个子空间。对叶节点的子空间进行标记是指对叶节点的坐标位置标记至坐标位置集合I中。由于坐标位置集合I中各个坐标位置均为叶节点的坐标位置，因此步骤5中的节点是指叶节点。