基于经验模态分解的纸机横向定量测量数据去噪

汤　伟　连钰洋,*　胡连华　刘文波　王孟效

(1.陕西科技大学电气与信息工程学院,陕西西安,710021；

2.陕西西微测控技术有限公司,陕西咸阳,712000)



基于经验模态分解的纸机横向定量测量数据去噪

汤伟1连钰洋1,*胡连华2刘文波1王孟效2

(1.陕西科技大学电气与信息工程学院,陕西西安,710021；

2.陕西西微测控技术有限公司,陕西咸阳,712000)

摘要：针对传统去噪算法不能满足更高质量横向定量控制要求,提出一种基于经验模态分解(Empirical Mode Decomposition,EMD)的去噪方法。该方法利用EMD分解时间尺度的特性和自适应性,通过去除高频分量并进行滑动平均滤波达到去噪效果。仿真结果表明,这种算法能有效地滤除噪声,同时又保留定量主要细节,有利于进行后续控制。

关键词：横向定量；去噪；经验模态分解

定量是评价纸张质量的最重要的指标之一,用来表征单位面积的纸张质量,是纸张质量控制的重要内容[1]。随着纸机车速和幅宽的增加,以及消费者对纸张品质要求的日益提高,与纸机运行方向垂直的横向定量控制成为我国造纸工业的一个研究热点。横向定量测量数据的去噪效果直接影响横向定量控制的好坏。工业现场常用的滑动平均滤波是一种粗糙的去噪方法,并不能满足更高质量纸张生产的需要。为此,急需一种高效快速的针对纸张定量测量数据的去噪方法。本研究通过引入经验模态分解(Empirical Mode Deconposition, EMD),利用它不同时间尺度的特性对横向定量测量数据进行去噪处理。

1去噪必要性分析

消费者对纸张品质要求的提高和高速印刷机的引入对纸张纤维的匀度分布(主要反应在定量分布上)提出了更加严格的要求。定量波动一般包括纵向定量波动和横向定量波动。纵向定量波动是指沿纸机运行方向的定量波动,主要归因于上浆浓度和上浆流量的变化,通常称之为MD(Machine Direction)定量波动。纸张横向定量波动是指其垂直于纸机运行方向的定量波动,其原因主要是由纸机设备(如流浆箱的匀浆和布浆质量)所引起的,通常称之为CD(Cross Direction)定量波动。CD定量分布是否均匀不仅关系到纸张本身的质量,还会大大影响生产效率以及原料的消耗。普通长网纸机的工艺流程及MD和CD定量控制方案示意图如图1所示(对于车速大于450 m/min的造纸机不再使用高位箱,直接由低脉冲上浆泵供浆)。横向沿整个纸幅执行器(稀释水阀)个数众多,不同执行器间存在耦合,扫描架和执行器间存在较大时滞,控制难度大。若测量数据不做去噪处理,就为控制系统引入了新的干扰因素,容易导致执行器动作絮乱,直接造成CD定量控制失败。为此,对扫描架测量数据进行去噪处理是急需和必要的。

图1　长网造纸机工艺流程及纵向(MD)和横向(CD)定量控制方案示意图

2经验模态分解

文献[2]中黄锷于1998年提出经验模态分解,它能够自适应地将复杂的非线性、非平稳信号分解为多个本征模函数(Intrinsic Mode Function, IMF)和一个均值趋势(Mean Trend)信号。一个本征模函数必须满足2个条件：①函数在整个时间范围内,局部极值点和过零点的数目必须相等,或最多相差一个；②在任意时刻点,局部最大值的包络(上包络线)和局部最小值的包络(下包络线)平均必须为零。其中第一个条件保证本征模态函数在每个周期只含有一个振动模态,而不含其他复杂的奇波；2个条件让本征模函数的瞬时频率具有明确的物理意义[3]。Huang假设信号由不同的简单振动模态构成,每个本征模函数只含有一种振动模态,这令EMD分解能够清晰地分辨复杂交叠信号的内蕴模态。经验模态分解不基于任何基函数,直接提取信号的局部特征,因此自适应性很强,适用于分解非线性、非平稳信号。EMD分解广泛应用于信号处理、机械故障诊断等领域,而EMD分解与希尔伯特变换(HHT)的结合更是一种十分重要的时频分析工具。

经验模态分解实现方法如下：

(1)求取初始x(t)信号的所有极值点,并通过三次样条插值求取上包络u(t)和下包络。

(2)计算平均包络m(t)=[u(t)+v(t)]/2。

(3)求取信号与平均包络之差h(t)=x(t)-m(t)。

(5)记录此时残余项r(t)=x(t),整个EMD分解过程结束。

3去噪算法和硬件实现

由图1可知，在整个横向定量控制系统中,去噪属于数据预处理。在本系统中,纸幅横向的定量波动相对于噪声信号是个低频信号,因此EMD分解可直接用于本系统的去噪。具体流程如图2所示。

EMD分解通过自身时间尺度的特性,将原始信号分解为不同频段的本征模函数。每个本征模函数平均包络为零,不含有趋势信号,因此本系统可以直接用含噪信号去除高频IMF,从而得到去噪后的定量数据。只采用EMD分解进行去噪是一种粗糙的去噪方式,本方法将EMD分解与滑动平均滤波结合起来。由图2可见,首先对含噪信号进行EMD分解,之后去除先得到的最高频IMF,随后将所得的剩余信号进行滑动平均滤波。滑动平均滤波后得到的信号作为初始信号进行EMD分解,再去除最高频IMF分量,重复此步骤。但不能无限的删减,以防将有用信号剔除。在此,人为设定一个信噪比的阈值,若所得信噪比大于阈值则停止迭代过程,算法结束。信噪比阈值的具体值,根据纸机和生产纸种的不同来按照经验选取。

图3　横向定量控制系统结构图

图2　去噪流程图

整个横向定量控制系统结构如图3所示。稀释水阀控制柜和QCS控制柜均采用西门子S7-315PLC为控制核心,二者与相应的上位机均采用MPI网络连接。本方法所用的去噪算法在QCS数据服务器实现,采用VB高级开发语言编写,并通过OPC驱动与上位机软件WinCC自带的OPC驱动通信。横向定量控制算法直接在相应的PLC中实现。

4仿真分析及应用

为了对比去噪效果,假定纸幅定量真值已知,并在此基础上加入方差0.16的高斯噪声(见图6(a))。O型扫描架从纸幅一端到另一端扫描点数为500。分别采用频率域低通滤波、滑动平均滤波、中值滤波EMD分解和与滑动平均滤波相结合的改进EMD分解进行去噪对比。

其中,频率域低通滤波采用的是FIR数字滤波器。本方法的窗口长度选为8,以达到去噪效果和计算量的平衡。滑动平均滤波为一种均值滤波,它是用一个包含奇数个点的滑动窗口依次处理整个离散序列,用窗口内所有点的均值作替换中间点的值,是一种线性滤波[4]。滑动平均滤波器常用于时域滤波,尽管它很简单,但是可以有效地抑制随机噪声并保留陡峭边沿。中值滤波与此类似,不过是将窗口中的点排序,用中值替换窗口中间点的值,是一种非线性滤波,它对孤立的噪声点去噪效果显著。

图4为含噪信号完整EMD分解结果。本文为简化计算并不进行完整分解,只分解最高频的IMF,随后进行滑动平均滤波,所得信号再作为初始信号分解,直至达到终止条件。去噪过程见图5。

由去噪效果图6可以看出,所有的滤波方法对含噪信号都有一定的滤波效果。频率域低通滤波和滑动平均滤波去噪效果相近,这是由于滑动平均滤波的频率响应本质也相当于一个低通滤波器,滑动窗口包含点数越多,通带越窄。中值滤波作为一种非线性过程,在本系统中含噪点众多并不十分适用,去噪效果也最差。

与滑动平均滤波相结合的改进EMD分解去噪效果明显好于传统方法,而相较于单纯的EMD分解去噪,由于加入了滑动平均滤波,很好地抑制了EMD分解过程插值等引入的误差等,进一步改善了去噪效果,尽量避免噪声引入的虚假定量波动,更接近纸张定量的真实情况,更有利于后续对稀释水阀的控制,有效地防止误动作。各去噪方法Matlab仿真时间列于表1,可见改进EMD去噪计算量较其他滤波算法略大。不过改进EMD分解每次只分解最高频的IMF,而无需进行完全的EMD分解,一定程度简化了计算,以保证运算速度能够满足后续在线控制的要求。方法,而相较于单纯的EMD分解去噪后所得离散序列均方根误差(RMSE)和信噪比(SNR)列于表2,可见改进后EMD去噪两指标均优于其他去噪方法。当噪声幅值减小时,各去噪方法均方误差均减小,信噪比均增大,但改进EMD去噪效果仍然最优。

图4　EMD分解结果

图6　去噪效果比较

图5　去噪过程

表1　不同去噪方法仿真时间

表2　不同去噪方法去噪后与真值的信噪比

按照第三部分所述设计,本算法已被实际运用,该系统已于2013年9月在陕西武功某纸厂投入运行,效果良好,去噪前后画面如图7和图8所示。可见本算法去噪效果明显,按照含噪信号本身特点,自适应去噪,保留信号本身主要变化趋势。因此,有效防止执行器絮乱,减少稀释水阀针对噪声信号进行的虚假操作,增加使用寿命,提高经济效益。

图7　去噪前定量曲线

图8　去噪后定量曲线

5结论

本研究提出一种将经验模态分解(EMD)与滑动平均滤波相结合的横向定量测量数据去噪方法,并给出了相应的DCS解决方案。具体算法先经过Matlab仿真,结果表明,EMD分解与滑动平均滤波结合的去噪方法具有良好的去噪效果,明显优于几种传统去噪方法。此外,它具有一定自适应性,保留信号的真实变化趋势,去噪后可显著减少执行器的工作负担,实际应用效果也是如此。

参考文献

[1]DING Zhi-liang, TANG Wei, HU Lian-hua, et al. SIMATIC S7-300 PLC Based QCS Design for Medium and Small Size Paperboard Machines[J]. China Pulp & Paper,2008, 27(12): 46.

丁智亮, 汤伟, 胡连华, 等. 基于S7-300的中小型板纸机QCS

系统的设计[J]. 中国造纸, 2008, 27(12): 46.

[2]Wang Ting. Research on EMD algorithm and its application in signal denoising[D]. Harbin: Harbin Engineering University, 2010.

王婷. EMD算法研究及其在信号去噪中的应用[D]. 哈尔滨: 哈尔滨工程大学, 2010.

[3]Yang Yu, Yu Dejie, Cheng Junsheng. Roller Bering Fault Diagnosis Based on Hilbert Marginal Spectrum[J]. Journal of Vibration and Shock, 2005, 24(1): 70.

杨宇, 于德介, 程军圣. 基于Hilbert边际谱的滚动轴承故障诊断方[J]. 振动与冲击, 2005, 24(1): 70.

[4]Li Xiang, Wang Wenbo. Hyperspectral Image Denoising Based on Bidimensional Empirical Mode Decomposition[J]. Laser & Infrared, 2013, 43(11): 1311.

厉祥, 王文波. 基于二维经验模态分解的高光谱影像去噪方法[J]. 激光与红外, 2013, 43(11): 1311.

[5]Rao Keke, Li Hua. Data CommunicationsBetween Multi-client and WINCC Based on OPC[J]. Control and Instruments in Chemical Industry, 2012, 39(1): 133.

饶克克, 李华. 基于OPC的多客户端与WINCC的数据通信[J]. 化工自动化及仪表, 2012, 39(1): 133.

[6]Sun Ruiqi. Research and Realization of Interface between Industrial Ethernet and Configuration Software Based on OPC[D]. Baoding: North China Electric Power University, 2012.

孙瑞琦. 基于OPC的工业以太网组态软件的接口设计与实现[D].保定:华北电力大学, 2012.

·横向定量测量·

Noise Removal of Cross-directional Basis Weight Measured Data on Paper Machines Based on EMD

TANG Wei1LIAN Yu-yang1,*HU Lian-hua2LIU Wen-bo1WANG Meng-xiao2

(1.CollegeofElectricalandInformationEngineering,ShaanxiUnicersityofScienceandTechnology,Xi’an,ShaanxiProvince, 710021；

2.ShaanxiXiweiprocessAutomationCo.，Ltd.,Xianyang,ShaanxiProvince, 712000)

(*E-mail: 575508370@qq.com)

Abstract：As conventional noise removal methods were not able to meet the requirement of higher performance cross-directional basis weight control, a new method based on EMD was proposed. The method achieved noise removal by removing the high-frequency component and moving average filter based on time scale features and adaptability of EMD. The simulation results showed that the method had good noise removal effect. The gained data retained the main details of basis weight, which was conducive to subsequent control.

Key words：cross-directional basis weight; noise removal processing; EMD

通信作者：*连钰洋先生，E-mail: 575508370@qq.com。

基金项目：陕西省科技统筹项目(2014KCT-15)；陕西省教育厅科研计划项目(2013JK1063)；陕西省教育厅自然科学研究项目(2013JK1062)；陕西省科技计划经费资助项目(2014K05-03)。

收稿日期：2014- 10- 27(修改稿)

中图分类号：TP15

文献标识码：A

文章编号：0254- 508X(2015)03- 0044- 05

作者简介：汤伟先生，博士，教授；主要研究方向：制浆造纸全过程自动化、工业过程高级控制、大时滞过程控制及应用。