基于解析模型的方法以是系统严格机理模型的输出信息作为依据进行监测。它将通过传感器获得的观测信息与模型的输出信息进行比较，将不符合机理模型的信息归为异常或者故障。该方法准确直观，适用于简单小型的系统，对于大型复杂的系统，该方法受到了一定的限制。

基于专家知识的方法是以专家知识库作为依据进行监测的。专家知识库由经验丰富的现场操作工程师来建立和维护。该方法能用简单的知识语句来概括传统方法难以分析的问题，而不需要精确的数学模型。但是由于各个工程师经验和认知上的差距，存在对于同一现象的不同概括，导致不能准确地获取知识。

基于数据分析和解释的监测方法通过对大量冗余数据进行分析与解释，然后将分析结果作为依据来进行监测。这种方法本质上是一种数据挖掘技术，不需要建立系统的机理模型，也不需要很强的背景经验，因此具有较广泛的适用性，随着数据获取技术的进步，该方法将获得了越来越广泛的发展空间。

由于基于数据分析和解释方法更加精确有效，且不需要很强的背景经验，具有其他两种方法无可比拟的优越性，因而该方法成为振荡监测领域的主流，下面简单介绍一下该领域内的一些具体的研究成果。源]自{优尔^*论\文}网·www.youerw.com/

2.1.2 现有振荡监测的研究成果

消除回路振荡的前提是通过算法能监测到控制回路中存在振荡。振荡监测领域的研究工作主要从时域和频域两个方向开展。在时域方向，振荡监测的概念是Hagglund和Thornhill[5]最早提出的，他们提出了一种基于误差绝对值积分（IAE）的监测方法。另一种由Miao[6]提出的基于信号自相关函数(ACF)的振荡监测的方法。在频域方向，有Hail ei Jiang[8]等人提出的利用信号频谱包络的方法,基于小波分析的振荡检测方法等。

1、基于误差绝对值积分(IAE)的监测

对于单入单出(SISO)控制回路，我们通常会利用回路偏差 的过零点(zero-crossings)来进行振荡监测。这是由Hagglund T[5]提出的振荡监测方法，该方法计算回路偏差信号相邻两个过零点之间的偏差绝对值积分(IAE)。其思路是：当回路偏差处于振荡状态时，其IAE值在统计意义上要比偏差处于随机波动状态时的IAE值大。IAE的定义为： ，式中 为偏差信息， 与 是它相邻两个过零点的时间。将这些IAE值和一个下限阈值 进行比较分析，就可以判定回路是否振荡。实际应用中可根据一段时间内IAE值超限的频度来确认是否发生振荡，振荡的周期可根据相邻两个过零点的时间。即：如果在一定的监测周期 内，这种负载扰动次数达到一定数目 时，便可以推断出振荡存在。

这种监测方法计算方便、简洁且易于实施。但是，如果信号中噪声过大，就会降低监测的成功率，因此在使用前还需对信号进行滤波处理。另外，上述方法假设振荡波形是对称的，在实际使用中存在局限性。

2、基于自相关函数[6](ACF)的监测

假设控制回路输出信号为y，它的采样序列为{y(t),t=1,2,3,…,N，t为采样点}，则其滞后数为k处的自相关系数为式(2.1)。其中， 为N个采样点的均值，Miao利用y的自相关系数定义了一个振荡指数R。