工业过程控制回路振荡预测研究

作者：张威; 郎恂^*; 梁虹; 李鹏; 谢磊

来源：控制工程, 2023, 1-12.

DOI：10.14107/j.cnki.kzgc.20221087

• 振荡预测
• 控制系统
• EEMD
• SVR
• 组合预测模型

工业过程控制回路振荡的预测性检测与维护是实现流程工业振荡早期检测与自愈控制的首要任务。面向工业过程振荡数据的预测问题，提出基于集合经验模态分解(ensemble empirical mode decomposition， EEMD)和支持向量回归(support vector regression， SVR)的组合预测模型，以实现超前预测过程异常振荡波动的目的。仿真模型及真实回路信号的实验结果表明，所提出的EEMD-SVR方法对于不同特征的振荡信号均能实现较好的预测效果。与未对信号进行EEMD处理的单一预测模型相比，所提EEMD-SVR模型对各类信号的预测精度均提高了42% 以上，且相较于EEMD与反向传播神经网络(back propagation neural network， BPNN)、长短期记忆网络(long short-term memory， LSTM)、门控循环单元网络(gated recurrent unit， GRU)的组合预测模型精度提高了1.4%～79%。综上，所提方法能够有效实现对工业控制过程振荡数据的预测，为振荡早期检测与诊断提供前提。

• 单位
  云南大学; 工业控制技术国家重点实验室; 浙江大学