基于ＥＭＤ的锌钡白煅烧过程多尺度因子分析

2012年03月06日13:44:56 本网站我要评论(2)字号：T | T | T

关键字：工控

杜启亮１，莫鸿强２，田联房２，毛宗源２
１．华南理工大学电子与信息学院，广东广州　

２．华南理工大学自动化科学与工程学院，广东广州

摘　　　要：针对回转窑过程多时间尺度信号的耦合关系往往会掩盖过程变化规律，导致未经时间尺度分解的直接的因子分析方法难以得到过程固有的变化模式的问题，提出采用基于ＥＭＤ的多尺度因子分析方法对锌钡白煅烧过程的数据进行分析。该方法利用ＥＭＤ有较强的自适应性，分解结果往往具有较强的物理意义等特性，首先对锌钡白回转窑平稳运行时的生产数据进行ＥＭＤ分解，根据分解结果提取不同的时间尺度数值，然后对不同尺度下的数据进行因子分析。分析结果显示，数据在周期３ｈ以上的大时间尺度和周期３０ｍｉｎ以下的中小时间尺度上都分别表现出定常的特点，表明人工控制可分解为长周期控制和短周期控制两方面。实验结果表明该方法在处理回转窑过程多尺度数据处理方面的有效性。

关　键　词：煅烧过程；多尺度；因子分析；经验模态分解

１　引　言
回转窑煅烧过程是一个多扰动、大滞后、强耦合、非线性的复杂对象，难以精确机理建模。目前国内外的控制系统一般采用在非模型条件下通过智能方法来实现过程控制［１］。当过程工艺合理，工人责任心强且经验丰富时，人工控制可实现稳定运行，因此可参考人工经验实现控制。传统的监控、智能控制和专家系统等方法很多都是参考人工控制经验分层实现的［２３］，也有用试验方法进行分析后进行系统设计的［４］，但实际中由于生产的连续性等各种原因，不一定具备后者所要求的试验条件，因此有必要从生产数据中寻找人工控制和分层的依据。因子分析是一种多元统计方法，能够从一组随机变量的数据资料出发，分析出对变量有公共影响的公因子，适合用于对煅烧过程生产变量的数据资料的分析。由于锌钡白煅烧过程具有多尺度特征，表现在以下几个方面：回转窑的信号变化是多尺度的，如窑头温度等一类信号变化较快，而进料量等信号则相对稳定；实际操作中工人对不同的变量有不同的控制频率，对频繁波动的变量调整得较多，而变化缓慢的变量则很长时间才调整一次；从现场操作人员的角度看，他们的任务主要是根据生产需要保持关键变量短时间内稳定在某数值，而管理人员更关心的是各关键变量的长期趋势并据此发现生产和管理上存在的问题，所以信号的频谱有很大差异。如果直接用这些信号数据进行因子分析，这种多时间尺度耦合关系必定会影响分析结果。经验模态分解法（ＥｍｐｉｒｉｃａｌＭｏｄｅＤｅｃｏｍｐｏｓｉｔｉｏｎ，ＥＭＤ）具有把信号按不同的时间尺度自动地分解成不同数据序列的能力，可以用于消除变量之间的耦合关系。本文首先采用经验模态分解法对过程数据进行分解，然后选择不同时间尺度下的数据进行因子分析，挖掘煅烧过程人工控制中的固有模式，从而为回转窑的分段控制提供了依据。

登录网站后可下载文件

基于ＥＭＤ的锌钡白煅烧过程多尺度因子分析

相关阅读: