CN105511454A - 一种工业控制回路时变振荡行为检测方法 - Google Patents

Abstract

本发明公开了一种工业控制回路时变振荡行为检测方法，包括：步骤1，采集一组待检测控制回路的过程输出信号；步骤2，将过程输出信号分解为若干个分解子信号；步骤3，对各分解子信号进行归一化处理，得到标准波；步骤4，计算各标准波对应的基于鲁棒LZ复杂度的监控统计量；步骤5，判断各监控统计量是否超过阈值，若监控统计量超过阈值，则控制回路中相应的分解子信号中存在振荡。利用本发明方法，能够对工业控制回路的时变、间歇、多周期振荡行为进行定量检测，能对其中时变振荡、多重振荡、间歇振荡及非平稳信号等成分加以区分，同时获得各个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。

Description

一种工业控制回路时变振荡行为检测方法

技术领域

本发明涉及工业控制中的性能评估领域，具体涉及一种工业控制回路时变振荡行为检测方法。

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，增加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，其中可能包含多重振荡、间歇振荡、非线性等成分，从而威胁到工业过程的安全稳定运行。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，设计有效的振荡监控手段，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，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，绝大多数都是基于平稳过程数据的分析方法。最近二十年中也出现了一些针对非平稳过程数据的振荡检测方法，其中基于过程数据的信号分解方法(包括经验模式分解EMD、本质时间尺度分解ITD以及局部均值分解LMD等)应用效果最为优质。但是其局限性主要体现在：现有信号分解技术分解得到的子信号缺乏良好的自动监测指标。Thronhill提出的基于自相关函数零交叉点规律性的方法是目前最受认可的振荡检测指标，然而，其在存在时变振荡、间歇振荡行为的控制回路应用效果较差。

在过程振荡检测算法的实际应用中，能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、间歇振荡、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时变振荡行为检测方法，能够适用于存在时变振荡、间歇振荡、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。

一种工业控制回路时变振荡行为检测方法，包括：

步骤1，采集一组待检测控制回路的过程输出信号；

步骤2，将过程输出信号分解为若干个分解子信号；

步骤3，对各分解子信号进行归一化处理，得到标准波；

步骤4，计算各标准波对应的基于鲁棒LZ复杂度的监控统计量；

步骤5，判断各监控统计量是否超过阈值，若监控统计量超过阈值，则控制回路中相应的分解子信号中存在振荡。

通过对待检测过程输出信号进行分解处理、归一化处理、计算鲁棒LZ复杂度，并在此基础上计算各层分解子信号的监控统计量，实现对该工业过程各层振荡行为的定量评估。

本发明直接采用化工过程的可测变量作为过程输出信号，该过程输出信号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数据到监控系统。

本发明首先对所采集到的过程历史数据进行信号分解处理，得到分解子信号集合{x^k}，然后对各个分解子信号进行归一化处理，计算其内所有标准波的鲁棒LZ复杂度，最后计算每个分解子信号x^k对应的监控统计量η^k，依据监控统计量实现对该工业过程各层振荡行为的定量评估。

本发明中的监控统计量的计算复杂度极小，对大批量的多组数据也可以同时进行操作。

现有的信号处理方法中，能将原信号分解为各层单组分信号的处理方法，均可用于执行步骤2，优选地，步骤2中，采用经验模式分解、本质时间尺度分解、局部均值分解中的一种方法将过程输出信号分解为若干个分解子信号。

作为优选，步骤3中的归一化处理步骤如下：

步骤3-1，以周期为单位，找出当前分解子信号中所有具有完整周期的全波；

步骤3-2，在时间尺度和幅值尺度上进行伸缩变换，得到标准波，标准波中幅值和波长的取值范围均为[-1,1]。

步骤3-1中，信号中两个连续上零穿越点间的波形，或信号中两个连续下零穿越点间的波形为一个具有完整周期的全波。标准波仅有一个完整周期。

作为优选，步骤4中，首先对标准波进行符号化，然后计算每个标准波的鲁棒LZ复杂度，最后基于鲁棒LZ复杂度计算监控统计量。

作为优选，步骤4中，采用静态法对标准波进行符号化，公式如下：

$a_i^k=\left\{\begin{array}{cc}1;& x_i^k<b_1^k\\ 2;& b_1^k\&le;x_i^k<b_2^k\\ & \mathrm{...}\\ z;& b_{z-1}^k\&le;x_i^k\end{array}\right.;$

其中，为符号化后的序列，z为符号集的尺度，为分解子信号序列，k为分解子信号的序号，界限值的计算方式如下：

$b_i^k={\mathrm{sort}}_{\frac{i}{z}}(x_1^k,x_2^k,...,x_n^k);$

式中，n为分解子信号的个数。

鲁棒LZ复杂度计算方法提高了时变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，优选地，步骤4中，鲁棒LZ复杂度的计算方法如下：

步骤4-1，初始化C＝1；

步骤4-2，当 $Q=a_{i-m}^k{a}_{i-m+1}^k...a_i^k,(i-m>1,i\&le;n)$ 时：如果Q∈SQP，则S＝S，继续执行步骤4-2；如果转到步骤4-3；

步骤4-3，不失一般性，设变更至或则 $Q=a_{i-m}^k{a}_{i-m+1}^k...a_i^k$ 变更为 $\tilde{Q}=a_{i-m}^k{a}_{i-m+1}^k...{\tilde{a}}_i^k,$ 检查是否属于如果转到步骤4-4；如果则转到步骤4-5；

步骤4-4，设判断是否属于如果表示Q是SQP的子序列，修正回到步骤4-2；如果表示Q不是SQP的子序列，转到步骤4-5；

步骤4-5，S＝SQ，C＝C+1，回到步骤4-2；

步骤4-6，当Q计算至时，循环结束，此时C的取值即为所给序列的鲁棒LZ复杂度

鲁棒LZ复杂度计算过程中的计算规则为：设代表要计算复杂度的字符串，n为字符串长度，SQ表示将字符串S与Q连接，SQP表示SQ去掉最后一个字符；如果Q是S中子字符串，则Q属于S，即Q∈S。

作为优选，监控统计量的计算公式如下：

${\mathrm{\&eta;}}^k=\frac{{\mathrm{\&mu;}}_C^k}{{\mathrm{\&sigma;}}_C^k};$

其中，为复杂度的均值，为复杂度的标准差。

步骤5中，根据各分解子信号判断结果得到当前过程数据振荡检测结果的具体方式为：如果其中一个监控统计量η^k超过阈值Ω，则判断该控制回路中相应的分解子信号中存在振荡，若所采集的过程数据中有多个分解子信号存在振荡行为，则判断该控制回路存在多周期振荡行为。

作为优选，步骤5中的阈值为10。

步骤5中，通过规定阈值Ω判断，当某一分解子信号x^k对应的监控统计量η^k超过该阈值时，说明该分解子信号和原信号发生振荡。

本发明与现有技术相比具有的有益效果：

1、算法无需外部附加信号激励，也不会对系统引入附加扰动，能够实现非侵入式的检测与诊断。

2、计算复杂度低，便于操作，算法编写简易，利于在现有的DCS工作站或控制系统上位机上实施。

3、所采用信号分解方法实现了过程数据中非平稳分量的自动分离，相比于现有其他分解技术，分解效率更高，计算复杂度更低。

4、所提出的鲁棒LZ复杂度指标，能量化原始波形的形态特征，且更加鲁棒。

5、能够对工业控制回路的时变、间歇、多周期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为本发明实施例中的化工过程的流程示意图；

图2为本发明实施例中采集的一组加热炉出口温度控制回路的过程输出信号；

图3为本发明实施例中过程输出信号经本质时间尺度分解后的示意图；

图4为本发明的方法流程图。

具体实施方式

下面以国内某大型石化企业延迟焦化生产过程中主加热炉的性能评估为例，对存在控制阀粘滞特性的化工过程的时变振荡行为检测方法做详细描述。

如图1所示，石化过程加热炉是生产流程中的重要环节和主要能耗单元之一，炉出口温度的平稳控制对于提高产品品质和降低能耗有着重要意义。

加热炉通过瓦斯气供应取热，瓦斯量根据上游油性变化而波动，需要控制空气进风量使瓦斯气充分燃烧以获取最大热量，同时应保证一定的空气余量，但过多的低温空气会带走炉内热量，造成燃料浪费，损失经济效益，因此，以加热炉出口温度作为被控变量，燃料瓦斯气开度作为操作变量进行回路控制，同时过程存在随机扰动。

瓦斯气开度调节阀(控制阀)属于该控制回路的执行机构，运行一段时间后出现一定的非线性特性，由于控制器过整定等原因，控制回路容易出现持续振荡行为。而且，外部扰动也可以通过耦合回路引入该回路，导致回路产生其他频率振荡。

如图4所示，一种工业控制回路时变振荡行为检测方法，包括：

步骤1，采集一组待检测控制回路的过程输出信号。

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x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。

本实施例所采集的过程输出信号为瓦斯气调节阀粘滞情况下，又有间歇的外部扰动引入时加热炉出口温度数据。经过中心化后的加热炉出口温度数据如图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加热炉出口温度，单位为℃。

步骤2，利用现有任意一种信号分解技术，将原数据分为一系列处于不同频率段且不失其物理意义的子信号。

对原始过程输出信号进行分解处理，目的是获得原始信号中各层单组分信号，以便进一步的振荡行为检测。现有可用于信号分解的方法很多，本发明建议采用经验模式分解、本质时间尺度分解、局部均值分解中的任意一种。

经验模式分解可依据现有技术“HuangNE,ShenZ,LongSR,etal.TheempiricalmodedecompositionandtheHilbertspectrumfornonlinearandnon-stationarytimeseriesanalysis[C]//ProceedingsoftheRoyalSocietyofLondonA:Mathematical,PhysicalandEngineeringSciences.TheRoyalSociety,1998,454(1971):903-995.”实施。

本质时间尺度分解可依据现有技术“FreiMG,OsorioI.Intrinsictime-scaledecomposition:time–frequency–energyanalysisandreal-timefilteringofnon-stationarysignals[J].ProceedingsoftheRoyalSocietyA:Mathematical,PhysicalandEngineeringScience,2007,463(2078):321-342.”实施。

局部均值分解可依据现有技术“SmithJS.ThelocalmeandecompositionanditsapplicationtoEEGperceptiondata[J].JournaloftheRoyalSocietyInterface,2005,2(5):443-454.”实施。

本实施例中，对采集到的过程数据x进行本质时间尺度分解，得到本质时间尺度分解的分解子信号序列集合{x¹,x²,x³}，如图3所示。

步骤3，对各分解子信号进行归一化处理，得到标准波。

对各层分解子信号进行归一化处理是正确检测时变振荡行为的关键本发明中首先提取当前分解子信号中所有具有完整周期的全波，全波的定义为信号中连续两个上零穿越点间的波形或连续两个下零穿越点间的波形。值得注意的是，在提取全波过程中，要么全用上零穿越点，要么全用下零穿越点，对同一层信号不能混合使用。

其次，通过时间尺度、幅值尺度的伸缩变换，将当前层次所有全波变换为标准波。标准波的定义是仅有一个完整周期，且幅值、波长均在[-1,1]范围的波形信号。

但是，当某一全波所包含的采样点过少，尤其是采样点数少于符号集的尺度z时，将严重影响鲁棒LZ复杂度的计算。因此，对于采样点数特别少的全波，应考虑信号插值的方法将采样点数补全至合理的范围，如2z～3z。本发明所采用的信号插值方法为三次样条插值法。

本实施例中分别提取分解子信号x¹,x²,x³中的全波波形，并作归一化处理，其中x³包含全波个数低于5个，在计算振荡监控指标时将该项舍去，而x¹中所有采样点数小于2z的全波都进行了三次样条插值处理。

步骤4，计算各标准波对应的基于鲁棒LZ复杂度的监控统计量。

经过归一化处理后的信号，在计算其监控统计量以前，首先要将该序列符号化。用静态法分别符号化x¹,x²中所有经归一化得到的标准波，其公式如下：

$a_i^k=\left\{\begin{array}{cc}1;& x_i^k<b_1^k\\ 2;& b_1^k\&le;x_i^k<b_2^k\\ & \mathrm{...}\\ z;& b_{z-1}^k\&le;x_i^k\end{array}\right.;$

其中为符号化后序列，z为符号集的尺度，取值为10，为分解子信号序列，界限值的计算方式如下：

$b_i^k={\mathrm{sort}}_{\frac{i}{z}}(x_1^k,x_2^k,...,x_n^k).$

当前归一化后的分解子信号中，计算每个经符号化后的标准波的鲁棒LZ复杂度。在本发明中，复杂度表征的是当前波形的形态特征，对于属于同一振荡模式的信号(包含时变振荡)，其每个周期内全波的复杂度值都应是相等的，而不含有振荡的信号则不具有该特征。

LZ复杂度(Lempel-Zivcomplexity)可依据现有技术“LempelA,ZivJ.Onthecomplexityoffinitesequences[J].InformationTheory,IEEETransactionson,1976,22(1):75-81.”计算。本发明中的鲁棒LZ复杂度，是在原LZ复杂度的基础上予以改进，使其在刻画波形信号特征时更加鲁棒。其具体实施方法为：

(设代表要计算复杂度的字符串，n为字符串长度。SQ表示将字符串S与Q连接，SQP表示SQ去掉最后一个字符；如果Q是S中子字符串，则Q属于S，即Q∈S)

步骤4-1，初始化C＝1；

步骤4-2，当 $Q=a_{i-m}^k{a}_{i-m+1}^k...a_i^k,(i-m>1,i\&le;n)$ 时：如果Q∈SQP，则S＝S，继续执行步骤4-2；如果转到步骤4-3；

步骤4-3，不失一般性，设变更至或则 $Q=a_{i-m}^k{a}_{i-m+1}^k...a_i^k$ 变更为 $\tilde{Q}=a_{i-m}^k{a}_{i-m+1}^k...{\tilde{a}}_i^k.$ 检查是否属于如果转到步骤4-4；如果则转到步骤4-5；

步骤4-4，设判断是否属于如果表示Q是SQP的子序列，只是a_i受到了干扰影响，修正回到步骤4-2；如果表示Q不是SQP的子序列，转到步骤4-5；

步骤4-5，S＝SQ，C＝C+1，回到步骤4-2；

步骤4-6，当Q计算至时，循环结束，此时C的取值即为所给序列的复杂度值

对x¹,x²中所有符号化后标准波，计算对应的鲁棒LZ复杂度从而得到各分解子信号对应的监控统计量{η¹,η²}，计算方式如下：

${\mathrm{\&eta;}}^k=\frac{{\mathrm{\&mu;}}_C^k}{{\mathrm{\&sigma;}}_C^k}$

其中为复杂度均值，为复杂度标准。两层分解信号的计算结果如表1所示。

表1

显然分解子信号x²所取得的统计指标值远远超过给定阈值Ω＝10，结合其全波幅值、波长变化趋势可以确定该层子信号为时变振荡信号，对于第一层分解子信号x¹，其统计指标值远远小于给定阈值，应认为是不存在振荡的子信号，如图3所示。

监控统计量的深层含义为，对于标准振荡信号，其包含的所有标准波都应具有相同的鲁棒LZ复杂度值，因此η^k→∝，而在实际运行中，由于环境及测量误差等不利因素影响，本发明规定η^k＞10即可判定原信号中极大可能还有振荡行为信号。另外，监控统计量还受信号中全波个数影响，如果原信号中全波个数过少，则均值、标准差的估计都可能有较大偏差，因此本发明规定，原序列中全波个数必须大于等于5。

利用本发明方法，在进行单一振荡、多周期振荡检测的基础上，还能够对工业控制回路的时变振荡行为进行定量检测，获得时变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。

Claims (8)

1.一种工业控制回路时变振荡行为检测方法，其特征在于，包括：

步骤1，采集一组待检测控制回路的过程输出信号；

步骤2，将过程输出信号分解为若干个分解子信号；

步骤3，对各分解子信号进行归一化处理，得到标准波；

步骤4，计算各标准波对应的基于鲁棒LZ复杂度的监控统计量；

步骤5，判断各监控统计量是否超过阈值，若监控统计量超过阈值，则控制回路中相应的分解子信号中存在振荡。

2.如权利要求1所述的工业控制回路时变振荡行为检测方法，其特征在于，步骤2中，采用经验模式分解、本质时间尺度分解、局部均值分解中的一种方法将过程输出信号分解为若干个分解子信号。

3.如权利要求2所述的工业控制回路时变振荡行为检测方法，其特征在于，步骤3中的归一化处理步骤如下：

步骤3-1，以周期为单位，找出当前分解子信号中所有具有完整周期的全波；

步骤3-2，在时间尺度和幅值尺度上进行伸缩变换，得到标准波，标准波中幅值和波长的取值范围均为[-1,1]。

4.如权利要求3所述的工业控制回路时变振荡行为检测方法，其特征在于，步骤4中，首先对标准波进行符号化，然后计算每个标准波的鲁棒LZ复杂度，最后基于鲁棒LZ复杂度计算监控统计量。

5.如权利要求4所述的工业控制回路时变振荡行为检测方法，其特征在于，步骤4中，采用静态法对标准波进行符号化，公式如下：

$a_i^k=\left\{\begin{array}{cc}1;& x_i^k<b_1^k\\ 2;& b_1^k\&le;x_i^k\&le;b_2^k\\ & \mathrm{...}\\ z;& b_{z-1}^k\&le;x_i^k\end{array}\right.;$

其中，为符号化后的序列，z为符号集的尺度，为分解子信号序列，k为分解子信号的序号，界限值的计算方式如下：

$b_i^k={\mathrm{sort}}_{\frac{i}{z}}(x_1^k,x_2^k,...,x_n^k);$

式中，n为分解子信号的个数。

6.如权利要求5所述的工业控制回路时变振荡行为检测方法，其特征在于，步骤4中，鲁棒LZ复杂度的计算方法如下：

步骤4-1，初始化C＝1；

步骤4-2，当 $Q=a_{i-m}^k{a}_{i-m+1}^k...a_i^k,(i-m>1,i\&le;n)$ 时：如果Q∈SQP，则S＝S，继续执行步骤4-2；如果转到步骤4-3；

步骤4-3，不失一般性，设变更至或则 $Q=a_{i-m}^k{a}_{i-m+1}^k...a_i^k$ 变更为 $\tilde{Q}=a_{i-m}^k{a}_{i-m+1}^k...{\tilde{a}}_i^k,$ 检查是否属于如果转到步骤4-4；如果则转到步骤4-5；

步骤4-4，设判断是否属于如果表示Q是SQP的子序列，修正回到步骤4-2；如果表示Q不是SQP的子序列，转到步骤4-5；

步骤4-5，S＝SQ，C＝C+1，回到步骤4-2；

步骤4-6，当Q计算至时，循环结束，此时C的取值即为所给序列的鲁棒LZ复杂度

7.如权利要求6所述的工业控制回路时变振荡行为检测方法，其特征在于，监控统计量的计算公式如下：

${\mathrm{\&eta;}}^k=\frac{{\mathrm{\&mu;}}_C^k}{{\mathrm{\&sigma;}}_C^k};$

其中，为复杂度的均值，为复杂度的标准差。

8.如权利要求7所述的工业控制回路时变振荡行为检测方法，其特征在于，步骤5中的阈值为10。