[发明专利]一种基于自适应啁啾模态分解的过程非线性波动检测方法

说明书

一种基于自适应啁啾模态分解的过程非线性波动检测方法，包括：(1)采集待检测工业过程的回路输出信号，并初始化模态数和近似熵；(2)用VNCMD方法分解信号；(3)计算每个分解模态的近似熵，保留满足阈值条件的模态，确定VNCMD的最佳模态数；(4)重新用VNCMD方法分解信号，获得所需的模态和瞬时频率；(5)计算每个分解模态的归一化相关系数和规律性指数，保留满足振荡检测指标的模态，检测出振荡；(6)将归一化互相关系数最大的模态的平均振荡周期作为基本频率；(7)计算当前基本频率对应模态之外的其他所有模块的置信区间上限和下限；(8)判断该置信区间内是否存在基本频率的整数倍，如果存在，则认为该振荡是由非线性问题诱发的。利用本发明，能够自适应的确定模态数，并提供具有瞬时频率的分解模态。

技术领域

本发明属于工业控制系统中的性能评估与故障诊断领域,尤其是涉及一种基于自适应啁啾模态分解的过程非线性波动检测方法。

背景技术

研究表明，由于非线性问题的存在，超过30％的控制回路出现振荡。非线性诱发的振荡可能会与其他导致故障的原因相混淆，如控制器调谐不良、多回路相互作用。此外，这种振荡不能通过控制器的调谐或数字阀门定位器的动作完全消除。因此，检测和分析非线性引起的振荡是非常必要的。

近年来，信号分解方法被广泛地应用于振荡的检测和分析。虽然经验模态分解(EMD)、本征时间尺度分解和局部均值分解均被用于检测振荡，但这些方法不能判断振荡的类型。Babji等人应用 EMD检测非线性诱发的振荡。然而，该方法仅提供定性描述。 Aftab等人进一步提出基于EMD的测量方法来量化非线性的严重程度。但它受到模态混叠和端点效应的影响。以上信号分解方法都是经验建立的，缺乏理论基础。

变分模态分解(VMD)是基于优化的信号分解方法的先驱，一直是研究的热点。Chen等人提出了一种改进的VMD来检测非线性诱发的振荡。但该方法仅适用于时不变情况，不能提供时频信息。最近，Chen等人提出了新的时频分析方法，称为变分非线性啁啾模态分解(VNCMD)。VNCMD能够处理非平稳、时变和宽带信号。它首先通过解调技术将宽带信号解调为窄带信号。然后，通过估计解调信号的带宽，建立变分目标函数。最后，提出了一种基于交替方向乘法器(ADMM)的联合优化方案，以精确捕获信号的模态和相应的瞬时频率。VNCMD在早期故障检测和多特征提取中显示了强大的效果。但是，它要求用户提前手动设置模态数，这在实际操作中是一个具有挑战性的任务。如何自动设置模态数，尚未得到有效研究。

发明内容

1.一种基于自适应啁啾模态分解的过程非线性波动检测方法，其特征在于，包括：

(1)采集待检测工业过程的回路输出信号，并初始化模态数和近似熵；

(2)用VNCMD方法分解信号；

(3)计算每个分解模态的瞬时频率的近似熵，保留满足阈值条件的模态，从而确定VNCMD的最佳模态数；

(4)重新用VNCMD方法分解信号，获得所需的模态和瞬时频率；

(5)计算每个分解模态的归一化相关系数和规律性指数，保留满足振荡检测指标的模态，从而检测出振荡；

(6)将归一化互相关系数最大的模态的平均振荡周期的倒数作为基本频率；

(7)计算当前基本频率对应模态之外的其他所有模块的置信区间上限和下限；

(8)判断基本频率的整数倍是否存在该置信区间内，如果存在，则认为该振荡是由非线性问题诱发的，如果不存在，则认为该振荡不是由非线性问题诱发的。

2.根据权利要求1所述的基于自适应啁啾模态分解的过程非线性波动检测方法，其特征在于，步骤(3)中，计算每个分解模态的瞬时频率的近似熵，具体计算步骤如下：

步骤(2-1)，将步骤(2)中分解得到的模态的瞬时频率离散化，形式如下：