陳文馳，劉　飛
江南大學自動化研究所，江蘇無錫　

摘　　　要：針對化工過程數據的特點，提出一種基于形態�玻牛停臑V波的過程數據預處理方法，先構造一類廣義形態濾波器濾除過程數據的粗差干擾，引入經驗模式分解濾波法消除隨機噪聲成分，降低正常過程數據的波動，提取過程數據特征成分，顯著提高過程監控性能。與傳統的過程數據濾波方法相比，形態�玻牛停臑V波方法無需預先確定濾波器參數，是一種完全的數據驅動型方法，具有較好的自適應能力。仿真實驗的結果表明，對過程數據的濾波預處理可以提高數據信噪比，顯著提高故障檢測的準確性。

關　鍵　詞：形態濾波；經驗模式分解；數據預處理

１　引　言
在工業過程中，由于儀表和執行器的噪聲、輸入擾動和傳感器故障等原因往往使采集到的數據被噪聲（ｎｏｉｓｅ）和粗差（ｇｒｏｓｓｅｒｒｏｒ）所干擾，而數據質量對于后續的過程監測和故障診斷的有效實施都具有重要影響。近年來，有學者將小波變換引入化工過程數據處理中［１］，利用小波變換良好的多分辨特性完成對過程數據的去噪處理，小波濾波法應根據具體問題選擇合適的小波基，在工程實際中針對不同的工程數據選擇合適的基函數是一個困難的問題。近來，一種新的信號分解算法—經驗模式分解（ＥｍｐｉｒｉｃａｌＭｏｄｅＤｅｃｏｍｐｏｓｉｔｉｏｎ， ＥＭＤ）［３］ 由Ｎｏｒｄｅｎ�保弄保龋酰幔睿绲热颂岢觯�ＥＭＤ可以從數據中自適應地得到基函數，其被認為是非線性、非平穩數據處理方法的新進展。本文針對化工過程數據的降噪預處理問題，提出一種基于形態濾波和經驗模式分解（ＥｍｐｉｒｉｃａｌＭｏｄｅＤｅｃｏｍｐｏｓｉｔｉｏｎ，ＥＭＤ）的過程數據降噪方法，并將其用于對吸附分離過程故障檢測的數據預處理中。仿真實驗證明，本文降噪方法有助于改善檢測結果的準確性和有效性。

登錄網站后可下載文件