[发明专利]一种基于本征模态函数重组信号相对熵的自适应流程工业过程的工艺参数去噪方法

说明书

本发明提供一种基于本征模态函数重组信号相对熵的自适应流程工业过程的工艺参数去噪方法，本方法以高炉生产过程中的工艺参数为例进行说明，包括如下步骤：取一段高炉数据中的两个不同区间，并对两个数据中的信号分别使用经验模态分解方法进行分解；对分解后得到的两部分信号分量中的本征模态函数，从频率由高到低的顺序进行逐步重组，并同时计算两部分重组分量间的相对熵，构成相对熵的二维向量；将数据形式最接近的两部分视为两个过程中普遍共存的噪声成分；并对两部分信号中接近于该噪声分布的重组分量进行去除，以达到去噪的目的。该方法可以在噪声信息未知的前提下仅通过数据本身进行去噪，并且可以达到较高水平的信噪比，去噪效果稳定。

技术领域

本发明涉及流程工业技术领域，尤其涉及一种基于本征模态函数重组信号相对熵的自适应流程工业过程的工艺参数去噪方法。

背景技术

高炉炼铁是一种典型的流程工业，高炉炼铁是一个多种因素耦合的复杂过程，在实际生产中需要对大部分过程参数的变化趋势进行分析。高炉生产环境具有高温高压的特点，并且伴随有复杂的热扰动与电磁干扰，数据本身的波动较为剧烈，这为后续的分析与建模带来了挑战。现有的数据去噪方法，在得知噪声频率、相位等先验信息的条件下可以对特定的噪声进行去除，但是在高炉参数中噪声成分复杂不同参数含有的噪声特点不同，无法知悉噪声的先验信息，需要做大量的数据实验来确定数据中的周期性噪声，并且无法去除所混有的白噪声成分；使用均值滤波方法进行去噪，又容易造成数据序列中信息的缺失。

发明内容

根据上述提出的数据去噪方法的局限性，以及高炉参数数据的变化特点，而提供一种基于本征模态函数重组信号相对熵的自适应流程工业过程的工艺参数去噪方法对高炉的生产过程参数进行处理。本发明采用的技术手段如下：

一种基于本征模态函数重组信号相对熵的自适应流程工业过程的工艺参数去噪方法，用于对高炉生产过程工艺参数进行去噪，包括如下步骤：

S1：获取高炉炼铁过程中相关的工艺参数，并获取一定长度生产区间数据序列；

S2、在所述生产区间数据序列中取两个不同的区间，分别记为数据区间P与数据区间Q，每个数据区间长度为原数据区间长度的50％以上；

S3：对区间P与区间Q内的数据序列分别进行经验模态分解，其中区间P内的数据序列被分解为m个本征模态函数分量与1个余项分量，区间Q内的数据序列被分解为n个本征模态函数分量与1个余项分量；

S4：对得到的本征模态函数分量依据频率由高到低的顺序逐步重组，P中重组所得到的分量为m个，Q中重组所得到的分量为n个；

S5：计算两个部分重组分量之间的相对熵值并组成二维向量，取得m×n对相对熵向量；

S6：计算每个相对熵向量到原点的欧式距离，并绘制二维向量的散点图：依据P区间的每一个本征模态重组分量，对与该重组分量相关的相对熵二维向量绘制散点图，即m张散点图，每一张散点图中有n个点；

S7：每一个P相对熵的散点图以向量到原点间的欧式距离为依据，对距离偏差较大的离群点进行排除。计算每一个散点图余下的散点群中心到原点的距离，点群中心距离原点最近的散点图所对应的P重组分量为P区间信号中的最普遍噪声分量组合记为P_s，并计算Q重组分量中与P_s分布形式相近的重组分量记为Q_s，P_s与Q_s的分布形式十分相近，可以分别看做P、Q信号区间的噪声组合形式；

S8：P，Q区间的信号减去相应的噪声成分完成各自部分的去噪。

进一步地，所述S3具体步骤如下：

S31：设置阈值与最大迭代次数；

S32：对所要处理的数据序列使用三次样条插值法绘制上包络线；