一种基于形态ＥＭＤ滤波的过程数据预处理方法

2012年04月13日10:52:34 本网站我要评论(2)字号：T | T | T

关键字：传感器

陈文驰，刘　飞
江南大学自动化研究所，江苏无锡　

摘　　　要：针对化工过程数据的特点，提出一种基于形态ＥＭＤ滤波的过程数据预处理方法，先构造一类广义形态滤波器滤除过程数据的粗差干扰，引入经验模式分解滤波法消除随机噪声成分，降低正常过程数据的波动，提取过程数据特征成分，显著提高过程监控性能。与传统的过程数据滤波方法相比，形态ＥＭＤ滤波方法无需预先确定滤波器参数，是一种完全的数据驱动型方法，具有较好的自适应能力。仿真实验的结果表明，对过程数据的滤波预处理可以提高数据信噪比，显著提高故障检测的准确性。

关　键　词：形态滤波；经验模式分解；数据预处理

１　引　言
在工业过程中，由于仪表和执行器的噪声、输入扰动和传感器故障等原因往往使采集到的数据被噪声（ｎｏｉｓｅ）和粗差（ｇｒｏｓｓｅｒｒｏｒ）所干扰，而数据质量对于后续的过程监测和故障诊断的有效实施都具有重要影响。近年来，有学者将小波变换引入化工过程数据处理中［１］，利用小波变换良好的多分辨特性完成对过程数据的去噪处理，小波滤波法应根据具体问题选择合适的小波基，在工程实际中针对不同的工程数据选择合适的基函数是一个困难的问题。近来，一种新的信号分解算法—经验模式分解（ＥｍｐｉｒｉｃａｌＭｏｄｅＤｅｃｏｍｐｏｓｉｔｉｏｎ，ＥＭＤ）［３］由ＮｏｒｄｅｎＥＨｕａｎｇ等人提出，ＥＭＤ可以从数据中自适应地得到基函数，其被认为是非线性、非平稳数据处理方法的新进展。本文针对化工过程数据的降噪预处理问题，提出一种基于形态滤波和经验模式分解（ＥｍｐｉｒｉｃａｌＭｏｄｅＤｅｃｏｍｐｏｓｉｔｉｏｎ，ＥＭＤ）的过程数据降噪方法，并将其用于对吸附分离过程故障检测的数据预处理中。仿真实验证明，本文降噪方法有助于改善检测结果的准确性和有效性。

登录网站后可下载文件

一种基于形态ＥＭＤ滤波的过程数据预处理方法

相关阅读: