杜啟亮１，莫鴻強２，田聯房２，毛宗源２
１．華南理工大學電子與信息學院，廣東廣州　

２．華南理工大學自動化科學與工程學院，廣東廣州

摘　　　要：針對回轉窯過程多時間尺度信號的耦合關系往往會掩蓋過程變化規律，導致未經時間尺度分解的直接的因子分析方法難以得到過程固有的變化模式的問題，提出采用基于ＥＭＤ的多尺度因子分析方法對鋅鋇白煅燒過程的數據進行分析。該方法利用ＥＭＤ有較強的自適應性，分解結果往往具有較強的物理意義等特性，首先對鋅鋇白回轉窯平穩運行時的生產數據進行ＥＭＤ分解，根據分解結果提取不同的時間尺度數值，然后對不同尺度下的數據進行因子分析。分析結果顯示，數據在周期３ｈ以上的大時間尺度和周期３０ｍｉｎ以下的中小時間尺度上都分別表現出定常的特點，表明人工控制可分解為長周期控制和短周期控制兩方面。實驗結果表明該方法在處理回轉窯過程多尺度數據處理方面的有效性。

關　鍵　詞：煅燒過程；多尺度；因子分析；經驗模態分解

１　引　言
回轉窯煅燒過程是一個多擾動、大滯后、強耦合、非線性的復雜對象，難以精確機理建模。目前國內外的控制系統一般采用在非模型條件下通過智能方法來實現過程控制［１］。當過程工藝合理，工人責任心強且經驗豐富時，人工控制可實現穩定運行，因此可參考人工經驗實現控制。傳統的監控、智能控制和專家系統等方法很多都是參考人工控制經驗分層實現的［２�玻常�，也有用試驗方法進行分析后進行系統設計的［４］，但實際中由于生產的連續性等各種原因，不一定具備后者所要求的試驗條件，因此有必要從生產數據中尋找人工控制和分層的依據。因子分析是一種多元統計方法，能夠從一組隨機變量的數據資料出發，分析出對變量有公共影響的公因子，適合用于對煅燒過程生產變量的數據資料的分析。由于鋅鋇白煅燒過程具有多尺度特征，表現在以下幾個方面：回轉窯的信號變化是多尺度的，如窯頭溫度等一類信號變化較快，而進料量等信號則相對穩定；實際操作中工人對不同的變量有不同的控制頻率，對頻繁波動的變量調整得較多，而變化緩慢的變量則很長時間才調整一次；從現場操作人員的角度看，他們的任務主要是根據生產需要保持關鍵變量短時間內穩定在某數值，而管理人員更關心的是各關鍵變量的長期趨勢并據此發現生產和管理上存在的問題，所以信號的頻譜有很大差異。如果直接用這些信號數據進行因子分析，這種多時間尺度耦合關系必定會影響分析結果。經驗模態分解法（ＥｍｐｉｒｉｃａｌＭｏｄｅＤｅｃｏｍｐｏｓｉｔｉｏｎ，ＥＭＤ）具有把信號按不同的時間尺度自動地分解成不同數據序列的能力，可以用于消除變量之間的耦合關系。本文首先采用經驗模態分解法對過程數據進行分解，然后選擇不同時間尺度下的數據進行因子分析，挖掘煅燒過程人工控制中的固有模式，從而為回轉窯的分段控制提供了依據。

登錄網站后可下載文件