仪器仪表学报

作者：郎煜民，郎 恂，吴建德，刘 燕，李 鹏

单位：郎煜民,1. 云南大学信息学院,,郎 恂,1. 云南大学信息学院,,吴建德,1. 云南大学信息学院，2. 云南大学云南省智能系统与计算重点实验室,,刘 燕,3. 东北林业大学计算机与控制学院,,李 鹏,1. 云南大学信息学院,

关键词：自适应噪声完备集合经验模态分解;去趋势波动分析;典型相关分析;工业振荡;去噪

基金：国家自然科学基金(62173168)、云南省基础研究计划(202301AT070277)项目资助

振荡现象是工业过程控制回路性能恶化的重要表现,因此有效的振荡监控机制对于保证过程的安全稳定运行至关重要。然而,过程振荡数据中普遍存在随机噪声和外部扰动等因素,导致信噪比较低,严重影响振荡检测与诊断的准确性。为此,提出一种新的工业过程数据去噪技术,结合自适应噪声完备集合经验模态分解(CEEMDAN)、去趋势波动分析(DFA)与典型相关分析(CCA)。首先,利用CEEMDAN对信号进行分解,得到一系列固有模态函数(IMFs);接着,通过DFA将IMF分量划分为信息主导和噪声主导两类;然后,对噪声主导的IMF分量应用CCA以去除噪声;最后,将CCA输出的结果与信息主导的IMF分量叠加,得到去噪后的振荡信号。仿真和实际工业振荡数据的实验结果表明,与现有的去噪技术相比,方法在去噪后的信号相对均方根误差最低,相关性最高,展示出卓越的去噪精度和鲁棒性。

来源：2024年第12期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2024年第12期