基于增強慢特征分析的控制系統振蕩智能檢測

韓濤，姚 維

（浙江大學電氣工程學院，杭州 310027）

0 引言

控制系統是現代工業的核心，廣泛存在于鋼鐵冶煉、火力發電等場景，系統的穩定運行至關重要［1-3］。然而，受工作環境、自身材料或結構老化、參數設定不合理等因素影響，控制系統往往會出現緩慢的性能退化直至失效，進而引發生產事故。在眾多性能退化表現中，振蕩最為常見，其會對控制回路性能產生不利影響，并可能迫使系統長期在次優條件下運行［4-5］，因此，控制系統振蕩的智能檢測技術的研究具有十分重要的意義。

現有的振蕩智能檢測方法主要分為信號分析法和統計學習法。信號分析法主要包括誤差積分法［6］、小波分析法［7］、離散傅里葉分解［8］、經驗模態分解［9］等，該類方法通常需要對數據進行在線處理，且易受噪聲影響，不利于振蕩的實時檢測；統計學習法包括相對變化分析法［10］和慢特征分析法（Slow Feature Analysis，SFA）［11-14］，該類方法可通過離線建模獲取模型特征，有效降低在線應用的復雜度。其中，SFA 雖然能有效地從數據中解耦出系統的主要變化趨勢和波動特征，識別系統的振蕩信號，但SFA 為線性統計模型，對于非線性系統，模型檢測準確率比較低。

針對上述問題，本文提出了增強慢特征分析方法（Feature-Enhanced SFA，FESFA）來實現非線性系統的振蕩檢測，在原有SFA 方法的基礎上，引入增強特征來處理非線性變量，使其更好地捕捉控制系統的時序特性，提高振蕩現象的檢測準確度。同時，仿真實驗結果證實所提出方法能有效地提升振蕩檢測的準確率。……