结晶器温度测量中的自适应滤波方法研究
|
摘要
为了减少连铸生产过程中的漏钢事故，有必要可靠地测量结晶器温度。在圆坯连铸中使用热电偶测温是个有效的方式。由于工业现场存在大量干扰，尤其是电磁搅拌转置的使用，使得干扰比有用信号强很多。尽管采用了一些硬件抗干扰措施，仍然不能获得满意的效果。常用软件滤波方法也只是一定程度上可以滤除干扰，需要采用新的方法对此进行了处理。
首先本文研究了横向自适应滤波器结构，分析了自适应滤波的几种常用算法(LMS，RLS和NLMS)的特点，应用范围等。按照自适应噪声抵消原理，应用于自适应陷波器的实例，对这几种算法进行了分析。
根据结晶器信号和干扰的不同特性，按照自适应噪声抵消原理，给出了一个新的自适应噪声抵消器结构对温度数据进行了处理。采用温度信号的时延做参考信号，为了消除直流分量的影响，在自适应滤波器输入前加了一个高通滤波器。本文研究了变步长LMS算法在自适应噪声抵消中的应用，最后给出了一个新的变步长NLMS算法。新的变步长NLMS算法设计简单，在初始收敛速度、时变系统跟踪能力及稳态失调几个方面性能比常用的LMS算法和NLMS算法好。
结合神经网络技术，设计了基于BP神经网络的自适应噪声抵消器，并对温度信号进行了处理。
Matlab仿真结果证明了上述方法的有效性。
For reducing accidents of breakout in the continuous casting, it is necessary to measure the crystallizer temperature. It is an effective method to use thermocouple to get the temperature of the round mould. Because there are so many interferences in the industry, especially the electromagnetic stirring make the noise is more greater than the useful signal. Although some anti-interference hardwares have been used , the result could not be satisfactory.The common software filter method get rid of thenoise insome degree,so the new technique is used to do it.
At first this paper studies the structure of the adaptive transversal filter,and analyzes the common adaptive filter algorithm(LMS,RLS and NLMS)'s characteristics and applied range,and so on.Based on adaptive noise cancellation theory, this paper analyzes these algorithms in an adaptive trap filter example.
Based on the different characters between the temperature signal and noise, a new adaptive noise canceller structure is given to dispose the temperature data by the adaptive noise cancellation theory. The delayed signal of temperature is selected for adaptive filter's reference signal. For cancelling the effect of the direct current, a high-pass filter is added in front of the input. To revise these adaptive filter algorithms, the variable step-size LMS algorithm is studied in this paper. At last, a variable step-size NLMS algorithm is given. The new variable step-size NLMS algorithm is more simpler than LMS algorithm and NLMS algorithm, and the new VSNLMS algorithm is better than the LMS algorithm and NLMS algorithm in the initial convergence rate ,time-varying system tracing ability and steady offset.
On the basis of neural networks technology and principles of adaptive noise cancellation system, this paper sets up an adaptive noise canceller with Back Propagation(BP) algorithm, and processes the temperature signal.
The Matlab simulation examples using above methods show their effectiveness.
首先本文研究了横向自适应滤波器结构，分析了自适应滤波的几种常用算法(LMS，RLS和NLMS)的特点，应用范围等。按照自适应噪声抵消原理，应用于自适应陷波器的实例，对这几种算法进行了分析。
根据结晶器信号和干扰的不同特性，按照自适应噪声抵消原理，给出了一个新的自适应噪声抵消器结构对温度数据进行了处理。采用温度信号的时延做参考信号，为了消除直流分量的影响，在自适应滤波器输入前加了一个高通滤波器。本文研究了变步长LMS算法在自适应噪声抵消中的应用，最后给出了一个新的变步长NLMS算法。新的变步长NLMS算法设计简单，在初始收敛速度、时变系统跟踪能力及稳态失调几个方面性能比常用的LMS算法和NLMS算法好。
结合神经网络技术，设计了基于BP神经网络的自适应噪声抵消器，并对温度信号进行了处理。
Matlab仿真结果证明了上述方法的有效性。
For reducing accidents of breakout in the continuous casting, it is necessary to measure the crystallizer temperature. It is an effective method to use thermocouple to get the temperature of the round mould. Because there are so many interferences in the industry, especially the electromagnetic stirring make the noise is more greater than the useful signal. Although some anti-interference hardwares have been used , the result could not be satisfactory.The common software filter method get rid of thenoise insome degree,so the new technique is used to do it.
At first this paper studies the structure of the adaptive transversal filter,and analyzes the common adaptive filter algorithm(LMS,RLS and NLMS)'s characteristics and applied range,and so on.Based on adaptive noise cancellation theory, this paper analyzes these algorithms in an adaptive trap filter example.
Based on the different characters between the temperature signal and noise, a new adaptive noise canceller structure is given to dispose the temperature data by the adaptive noise cancellation theory. The delayed signal of temperature is selected for adaptive filter's reference signal. For cancelling the effect of the direct current, a high-pass filter is added in front of the input. To revise these adaptive filter algorithms, the variable step-size LMS algorithm is studied in this paper. At last, a variable step-size NLMS algorithm is given. The new variable step-size NLMS algorithm is more simpler than LMS algorithm and NLMS algorithm, and the new VSNLMS algorithm is better than the LMS algorithm and NLMS algorithm in the initial convergence rate ,time-varying system tracing ability and steady offset.
On the basis of neural networks technology and principles of adaptive noise cancellation system, this paper sets up an adaptive noise canceller with Back Propagation(BP) algorithm, and processes the temperature signal.
The Matlab simulation examples using above methods show their effectiveness.
引文
[1] 郭戈，王伟，柴天佑．连铸过程自动化技术综述[J]．冶金自动化，2002(2)：10-14
[2] 职建军，文吴．宝钢板坯连铸漏钢预报系统的开发与应用[J]．宝钢技术，2000(5)：45-47
[3] 郝培锋，徐心和等．连铸漏钢预报系统数据采样与热电偶埋设方式[J]．东北大学学报，1997，18(4)：400-403
[4] 张炯明，张立，王新华等．板坯连铸结晶器热流量分布的研究[J]．金属学报，2003，39(12)：1285-1290
[5] 王金城，张艳．圆坯连铸机结晶器的温度数据分析[J]．控制工程，2003，10(增刊)：170-172．
[6] 马明建，周长城．数据采集与处理技术[M]．西安：西安交通大学出版社，1998
[7] 高攸纲．电磁兼容总论[M]，北京：北京邮电大学出版社，2001
[8] 瞿瞾，刘文彦，邓新中．测试系统中干扰及其形成机理[J]，自动化仪表，2003，24(6)：20-23
[9] 胡广书．数字信号处理：理论、算法与实现[M]．北京：清华大学出版社，2003
[10] 王欣，王德隽．离散信号的滤波[M1．北京：电子工业出版社，2002．
[11] 邓自立．最优滤波理论及其应用．现代时间序列分析方法[M]．哈尔滨：哈尔滨工业大学出版社，2000．
[12] 邓自立．自校正滤波理论及其应用-现代时间序列分析方法[M]．哈尔滨：哈尔滨工业大学出版社，2003．
[13] 危韧勇，李志勇．基于人工神经元网络的电力系统谐波测量方法[J]．电网技术，1999，23(12)：20-23
[14] 王群，周维，吴宁．一种基于神经网络的自适应谐波电流检测法[J]．重庆大学学报，1997，20(5)：6-11．
[15] 乐波，曹戍平，李俭等．局部放电在线监测中的自适应数字滤波器研究[J]．西安交通大学学报，2003，37(6)：617-621
[16] 周元建，谢胜利．一种新 NLMS自适应滤波算法及其在多路回波消除中的应用[J]．通信学报，2003年，24(7)：1-8
[17] 袁杰，许小汉，高敦堂，施广飞．在每个心跳周期中检测微弱心电信号的方法[J]．生物医学工程学杂志2001，18(4)：515-519
[18] 刘晓文，李明锋，李晓东等．自适应抗噪声送话器的实验研究[J]．电声技术，1999(5)：26-30
[19] 吴荔清，邦杰，刘润华等．输油管道泄漏检测信号的自适应滤波处理[J]．遥测遥控，2001，22(4)：48-51
[20] 曹建章，陈民新等．瞬变电磁测量中抗干工频干扰问题的研究[J]．工程堪察，2000，(6)：35-38
[21] 罗发龙，李衍达：神经网络信号处理[M]．北京：电子工业出版社，1993
[22] 李金屏．利用BP神经网络从强噪声背景中提取弱信号[J]．济南大学学报，2001，15(3)：195-197．
[23] Jose R.Dorronsoro, Vicente Lopez, CarlosSanta Cruz, Juan A. Siguenza. Autoassociative neural networks and noise filtering[J]. IEEE Transactions on Signal Processing ,2003,51(5): 1431 - 1438.
[24] Simon Haykin. Adaptive filter theory[M].Beijing: Publishing House of Electronics Industry, 2002.
[25] 沈福民．自适应信号处理[M]．西安：西安电子科技大学出版社，2001
[26] Bernard Picinbono. Random signals and systems[M].Englewood Cliffs, N.J.: Prentice Hall, c1993.
[27] G．C．古德温，孙贵生．自适应滤波、预测与控制[M]．北京：科学出版社，1992
[28] 叶万兴，叶大田，曹宇．自适应信号增强在瞬态诱发耳声发射信号检测中的应用[J]．声学学报，2003，28(3)：248-254
[29] 张璞，黄锐光．自适应噪声抵消系统的算法讨论与DSP实现研究[J]．电声技术，2003(3)：59-63
[30] 裴炳南．LMS算法的收敛与步长选取[J]．通信学报1994，15(4)：106-111
[31] Gitlin R.D. Weinstein.S.B,On the design of gradient algorithm for implemented adaptive filters[J].IEEE Tans on CT, 1973(2): 125-136
[32] Yasukawa H, Shimada S, Furukrawa I, et al.Acoustic echo canceller with high speech quality.ICASSP'87:2125-2128
[33] 叶华，吴伯修．变步长自适应滤波算法的研究[J]．电子学报，1990，18(4)：744-752
[34] 覃景繁，欧阳景正．一种新的变步长 LMS 自适应滤波算法[J]．数据采集与处理 1997，12(3)：171-174
[35] 盛三元，王建华．一种新的变步长 LMS 自适应滤波算法[J]．华东船舶工业学院学报，2002，16(3)：50-52
[36] 高鹰，谢胜利．一种变步长 LMS 自适应滤波算法及分析[J]．电子学报，2001，29(8)：1094-1097
[37] 谷源涛，唐昆等．最优变步长最小均方模型和实现算法[J]．清华大学学报，2003，43(1)：9-12
[38] 李盈颖，万建伟等．一种改进的变步长归一化LMS算法[J]．国防科技大学学报，1999，21(1)：94-96
[39] 童爱红，项楚恒，拓雄伟．基于神经网络的自适应滤波技术[J]．数字通信．1996，(4)：19-22
[40] 王政炳，张殿治．一种基于神经网络的非线性自适应滤波器[J]．系统工程与电子技术，1999，21(6)：66-69
[41] 易继锴，侯媛彬．智能控制技术[M]．北京：北京工业大学出版社．1999
[42] 宋杭宾，姚庆栋，归琳．TMS320C3XDSP 实现自适应滤波的算法分析．浙江大学学报．2000，34(5)：483-488
[2] 职建军，文吴．宝钢板坯连铸漏钢预报系统的开发与应用[J]．宝钢技术，2000(5)：45-47
[3] 郝培锋，徐心和等．连铸漏钢预报系统数据采样与热电偶埋设方式[J]．东北大学学报，1997，18(4)：400-403
[4] 张炯明，张立，王新华等．板坯连铸结晶器热流量分布的研究[J]．金属学报，2003，39(12)：1285-1290
[5] 王金城，张艳．圆坯连铸机结晶器的温度数据分析[J]．控制工程，2003，10(增刊)：170-172．
[6] 马明建，周长城．数据采集与处理技术[M]．西安：西安交通大学出版社，1998
[7] 高攸纲．电磁兼容总论[M]，北京：北京邮电大学出版社，2001
[8] 瞿瞾，刘文彦，邓新中．测试系统中干扰及其形成机理[J]，自动化仪表，2003，24(6)：20-23
[9] 胡广书．数字信号处理：理论、算法与实现[M]．北京：清华大学出版社，2003
[10] 王欣，王德隽．离散信号的滤波[M1．北京：电子工业出版社，2002．
[11] 邓自立．最优滤波理论及其应用．现代时间序列分析方法[M]．哈尔滨：哈尔滨工业大学出版社，2000．
[12] 邓自立．自校正滤波理论及其应用-现代时间序列分析方法[M]．哈尔滨：哈尔滨工业大学出版社，2003．
[13] 危韧勇，李志勇．基于人工神经元网络的电力系统谐波测量方法[J]．电网技术，1999，23(12)：20-23
[14] 王群，周维，吴宁．一种基于神经网络的自适应谐波电流检测法[J]．重庆大学学报，1997，20(5)：6-11．
[15] 乐波，曹戍平，李俭等．局部放电在线监测中的自适应数字滤波器研究[J]．西安交通大学学报，2003，37(6)：617-621
[16] 周元建，谢胜利．一种新 NLMS自适应滤波算法及其在多路回波消除中的应用[J]．通信学报，2003年，24(7)：1-8
[17] 袁杰，许小汉，高敦堂，施广飞．在每个心跳周期中检测微弱心电信号的方法[J]．生物医学工程学杂志2001，18(4)：515-519
[18] 刘晓文，李明锋，李晓东等．自适应抗噪声送话器的实验研究[J]．电声技术，1999(5)：26-30
[19] 吴荔清，邦杰，刘润华等．输油管道泄漏检测信号的自适应滤波处理[J]．遥测遥控，2001，22(4)：48-51
[20] 曹建章，陈民新等．瞬变电磁测量中抗干工频干扰问题的研究[J]．工程堪察，2000，(6)：35-38
[21] 罗发龙，李衍达：神经网络信号处理[M]．北京：电子工业出版社，1993
[22] 李金屏．利用BP神经网络从强噪声背景中提取弱信号[J]．济南大学学报，2001，15(3)：195-197．
[23] Jose R.Dorronsoro, Vicente Lopez, CarlosSanta Cruz, Juan A. Siguenza. Autoassociative neural networks and noise filtering[J]. IEEE Transactions on Signal Processing ,2003,51(5): 1431 - 1438.
[24] Simon Haykin. Adaptive filter theory[M].Beijing: Publishing House of Electronics Industry, 2002.
[25] 沈福民．自适应信号处理[M]．西安：西安电子科技大学出版社，2001
[26] Bernard Picinbono. Random signals and systems[M].Englewood Cliffs, N.J.: Prentice Hall, c1993.
[27] G．C．古德温，孙贵生．自适应滤波、预测与控制[M]．北京：科学出版社，1992
[28] 叶万兴，叶大田，曹宇．自适应信号增强在瞬态诱发耳声发射信号检测中的应用[J]．声学学报，2003，28(3)：248-254
[29] 张璞，黄锐光．自适应噪声抵消系统的算法讨论与DSP实现研究[J]．电声技术，2003(3)：59-63
[30] 裴炳南．LMS算法的收敛与步长选取[J]．通信学报1994，15(4)：106-111
[31] Gitlin R.D. Weinstein.S.B,On the design of gradient algorithm for implemented adaptive filters[J].IEEE Tans on CT, 1973(2): 125-136
[32] Yasukawa H, Shimada S, Furukrawa I, et al.Acoustic echo canceller with high speech quality.ICASSP'87:2125-2128
[33] 叶华，吴伯修．变步长自适应滤波算法的研究[J]．电子学报，1990，18(4)：744-752
[34] 覃景繁，欧阳景正．一种新的变步长 LMS 自适应滤波算法[J]．数据采集与处理 1997，12(3)：171-174
[35] 盛三元，王建华．一种新的变步长 LMS 自适应滤波算法[J]．华东船舶工业学院学报，2002，16(3)：50-52
[36] 高鹰，谢胜利．一种变步长 LMS 自适应滤波算法及分析[J]．电子学报，2001，29(8)：1094-1097
[37] 谷源涛，唐昆等．最优变步长最小均方模型和实现算法[J]．清华大学学报，2003，43(1)：9-12
[38] 李盈颖，万建伟等．一种改进的变步长归一化LMS算法[J]．国防科技大学学报，1999，21(1)：94-96
[39] 童爱红，项楚恒，拓雄伟．基于神经网络的自适应滤波技术[J]．数字通信．1996，(4)：19-22
[40] 王政炳，张殿治．一种基于神经网络的非线性自适应滤波器[J]．系统工程与电子技术，1999，21(6)：66-69
[41] 易继锴，侯媛彬．智能控制技术[M]．北京：北京工业大学出版社．1999
[42] 宋杭宾，姚庆栋，归琳．TMS320C3XDSP 实现自适应滤波的算法分析．浙江大学学报．2000，34(5)：483-488