没有合适的资源?快使用搜索试试~ 我知道了~
论文研究-一种基于EEMD的过程数据混合去噪方法.pdf
需积分: 2 2 下载量 11 浏览量
2019-07-22
23:05:04
上传
评论
收藏 1.04MB PDF 举报
温馨提示
试读
3页
针对化工过程数据的特点,提出一种基于集成经验模式分解(EEMD)滤波的过程数据混合去噪方法,以新秩一阶差分法抑制数据粗差干扰,以EEMD分解抑制脉冲干扰,分层滤波消除噪声成分。与传统的滤波方法相比,基于EEMD的混合滤波方法无须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。仿真实验结果表明,对过程数据的滤波预处理可以增强对异常突变数据的检测处理,提高故障检测效果。
资源推荐
资源详情
资源评论
收稿日期:20110831;修回日期:20111012 基金项目:江苏省基础研究计划(自然科学基金)资助项目(BK2009068)
作者简介:陈文驰(1978),男,江苏无锡人,博士研究生,主要研究方向为工业系统的监测与诊断等(cwc1978314@163.com);刘飞(1965),
男,安徽宣城人,教授,博士,主要研究方向为工业过程监控和控制理论.
一种基于 EEMD的过程数据混合去噪方法
陈文驰,刘 飞
(江南大学 信息技术系 轻工过程先进控制教育部重点实验室,江苏 无锡 214122)
摘 要:针对化工过程数据的特点,提出一种基于集成经验模式分解(EEMD)滤波的过程数据混合去噪方法,以
新秩一阶差分法抑制数据粗差干扰,以 EEMD分解抑制脉冲干扰,分层滤波消除噪声成分。与传统的滤波方法相
比,基于 EEMD的混合滤波方法无须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。仿真实验结果表明,对过程数据的滤波预处理可以增强对异常突变数据的检测处理,提高故障检测效果。
关键词:粗差;经验模式分解;过程数据处理;一阶差分
中图分类号:TP39304 文献标志码:A 文章编号:10013695(2012)04136803
doi:10.3969/j.issn.10013695.2012.04.046
HybridprocessdatadenoisingmethodbasedonEEMD
CHENWenchi,LIUFei
(KeyLaboratoryofAdvancedProcessControlforLightIndustry(MinistryofEducation),Dept.ofInformationTechnology,JiangnanUniversity,
WuxiJiangsu214122,China)
Abstract:Inviewofthefeaturesofchemicalprocessdata,thispaperpresentedanovelintegratedEEMDpreprocessingmet
hodbasedontheprinciplesofEMDdenoisingandfirstorderdifferential.Thismethoddesignedafirstorderdifferentialmethod
usingnewrankastheprefilterprocessunittoreducetheeffectsofgrosserrors
,andusedadenoisingschemebasedonEEMD
methodtosuppresspulseinterferenceandremovewhitenoisefromthesignal.Comparedwithtraditionalfiltering,thehybrid
EEMDfilteringmethoddidnotneedtodefinethecoefficientsoffilter,soitwasfullydatadrivenandadaptive.Thesimulation
andexperimentalresultsdemonstratetheeffectivenessofthismethodingrosserroreliminationandfaultdetection.
Keywords:grosserror;empiricalmodedecomposition(EMD);processdataprocessing;firstorderdifferential
在工业过程中,由于仪表和执行器的噪声、输入扰动及传
感器故障等原因往往使采集到的数据被噪声和粗差所干扰,而
数据质量对于后续的过程监测、在线优化以及各种控制算法的
有效实施都具有重要影响,所以进行过程数据预处理是非常必
要的。近年来,有学者将小波分析等先进的信号处理工具引入
化工过程数据处理中
[1]
,以完成对过程数据的去噪处理。常
用的基于阈值滤波的小波降噪法都假设噪声干扰为白噪声,当
干扰分布不再是高斯分布或者有粗差干扰时,阈值滤波就受到
了限制。
Nounou等人
[2]
给出了在线的不依赖于模型的能够剔
除粗差的过程数据滤波方法。为提高滤波效果,小波滤波法应
根据具体问题选择合适的小波基,许多应用中小波基选择必须
依靠过程的先验知识,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(
EMD)由 Huang等人提出,其被认为
是非线性、非平稳数据处理方法的新进展。EMD可以从数据
中自适应地得到基函数,克服了小波变换中要选取合适的小
波基的困难。本文针对化工过程数据的降噪预处理问题,提出
一种基于集成经验模式分解
[3]
(ensembleempiricalmodede
composition,EEMD)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。
!
基于秩的小样本数据粗差抑制
在实际的工业过程建模中,测量数据不可避免地会有不确
定的干扰信息存在,使得数据中往往包含一些粗差(异常点),
因此需要用某种方法来消除或减弱异常点的影响,以利于后续
的进一步降噪处理。常规的滑动中值滤波用于粗差抑制时,虽
然计算简单,但是容易造成有用信号细节的损失。差分方法是
一种常用的粗差处理方法,其判别粗大误差的基础在于:采样
速率 较 高 时,邻 近 样 本 值 的 差 值 应 较 小,即 x(i-1)-
x(i-2)
≈
x(i)-x(i-1)
≈
x(i+1)-x(i),此时 x(i)的估值
^
x
(i)应满足
^
x(i)=x(i-1)+[x(i-1)-x(i-2)]。当
^
x(i)与
x(i)之差的绝对值超过设定的阈值
Δ
时(阈值
Δ
通常是标准
差的整数倍),便认为
x(i)含有粗差,并用
^
x(i)代替它。一般
的差分方法消除粗差时采用的阈值是不抗差的,利用不抗差的
估计处理被污染的数据是不可靠的。于是便考虑利用分位数
法,用中位数代替平均值,四分位数离散度作为方差的度量。
由于分位数法利用了新秩排序,含有粗差的样本值肯定是出现
在数据的两端,对中位数和四分位数离散度的影响极小,因此
分位数方法具有良好的抗差性能。但是如果用分位数法直接
处理原始数据,进行粗差判别将存在两个缺陷:
a)有用信号会
将弱小误差淹没,使其不能被剔除;b)用于稳定数据离散度的
幂变换方法对数据的压缩严重,使含较小粗差的数据被正常数
据淹没,不利于粗差检出。
基于上述原因,对它们进行改进,由于一阶差分所得数据
离散度稳 定,粗 差 被 扩 散,可 采 用 新 秩 一 阶 差 分 分 位 数 判
第 29卷第 4期
2012年 4月
计 算 机 应 用 研 究
ApplicationResearchofComputers
Vol.29No.4
Apr.2012
资源评论
weixin_39841856
- 粉丝: 487
- 资源: 1万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- Edge浏览器下载文件提示 “无法安全下载” 的解决方法
- 基于springboot+layui的医院日常耗材管理系统.zip
- 计算机毕业设计-ASP.NET教育报表管理系统-权限管理模块(源代码+)-毕设源码实例.zip
- 计算机毕业设计-ASP.NET教务信息管理系统的设计与实现(源代码+)-毕设源码实例.zip
- 免费计算机毕业设计-线上公司求职招聘系统的设计与实现(包含论文+源码)
- Eleven的精益供应链管理-碓胤咨询龚胤全.rar
- 5套光伏、储能、充电收益测算表.zip
- C2 供应链集成演示平台操作手册(详细版).rar
- 3套光储充一体化站CAD+PDF图纸.zip
- c++游戏开发,本人开发的c++小游戏飞机大战(二)源码
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功