[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

权利要求书

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：

[f_k(t₁),f_k(t₂),…,f_k(t_N)]

其中：

N为数据长度。

步骤(2-2)设从第i分量开始的p个连续子分段，形式如下：

F_k(i)＝[f_k(t_i),f_k(t_i+1),…,f_k(t_i+p-1)],i＝1,2,…,N-p+1

步骤(2-3)，计算任意两个子分段的距离：

步骤(2-4)，统计满足dist[F_k(i),F_k(j)]δ的子分段数量，记为：

num{dist[F_k(i),F_k(j)]δ}

其中：

δ为容差。

步骤(2-5)，计算在容差δ内，模态相似的频率，公式如下：

步骤(2-6)，对每个频率取自然对数，并计算它们的算术平均值，公式如下：

步骤(2-7)，令p＝p+1，重复步骤(2-2)-(2-6)，得到A^p+1(δ)

步骤(2-8)，得到每个分解模态的瞬时频率的近似熵，如下：

ApEn＝A^p+1(δ)-A^p(δ)。

3.根据权利要求2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，所述阈值条件如下：

ApEn0.1 。

4.根据权利要求3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(5)中，所述的归一化相关系数，用于识别和剔除杂散模态，计算如下：

其中：

ρ_k为分解模态的相关系数。

5.根据权利要求4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(5)中，所述分解模态的相关系数，用于量化复合信号和子信号之间的相关性，公式如下：

其中：

Cov(·)表示协方差；

σ表示标准差。

6.根据权利要求5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(5)中，所述规律性指数，用于衡量振荡程度，公式如下：

其中：

T_k为分解模态的平均振荡周期；

为平均振荡周期的标准差。