现代化工业过程控制系统一般拥有成百数千个控制回路,具有大规模、高集成、强耦合等特点。为了最大限度地提高生产效率并确保产品质量,通常要求控制回路在最佳状态下运行。但是由于某些原因,部分回路存在不同程度的控制性能问题,对经济效益、生产环境和安全产生不利影响。因此,对问题回路进行准确的因果分析,尽早查明故障根源并采取相应措施对工业过程控制性能的评估与诊断有重要意义。本文基于收敛交叉映射(Convergent Cross Map,CCM)因果分析方法,结合信号处理、特征选择等手段,研究了工业过程控制系统中振荡回路之间的因果关系,实现了振荡传播路径的有效分析与振荡源的准确定位。本文的主要研究内容如下:1、对已有的因果分析方法,如经典Granger因果关系检验法、传统CCM法、扩展CCM法等,进行了深入对比研究,结果表明扩展CCM具有较好的准确性和适用性。同时针对传统CCM判断因果关系时未考虑时间延迟特性的局限性,提出了一种新的CCM因果关系量化标准,并用实验验证其有效性。所提出方法减少了 CCM因果分析过程中的人力依赖性,提高了因果关系分析的自动化水平。2、针对工业过程控制回路振荡信号,本文提出了 一种去噪去周期项的CCM因果分析方法。首先,基于经验模态分解、变分模态分解和奇异谱分析这三种信号分解方法设计了一类基于去趋势波动分析的去噪方法和两类去周期项方法,对比了上述信号分解方法的优缺点以及适用对象特征。然后,通过仿真对比实验,验证了去噪去周期项对使用CCM分析振荡回路因果关系的必要性。最后,对Tennessee Eastman过程中3个主要振荡回路实现了振荡传播路径的诊断,验证该方法的可行性和准确性。3、针对工业过程全局振荡现象,本文提出一种基于分组谐波检测的去噪去周期项CCM因果分析方法。该方法利用多维经验模态分解对振荡信号进行分解,通过组别频率间的关系寻找模态分量中的谐波成分,筛选出与非线性引起的振荡相关的回路,再对这些回路进行去噪去周期项的CCM因果分析。基于东南亚某炼油厂的全局振荡工业数据集的实验结果表明,与已有方法相比,所提出的方法能在实际工业控制系统中更有效地诊断非线性振荡传播路径并准确定位非线性振荡源。4、针对工业过程中的线性振荡传播分析问题,本文提出一种基于K阶最近邻域互信息的去噪去周期项CCM因果分析方法。该方法通过K阶最近邻域计算全局振荡回路之间的互信息进行特征选择,去除无关或者相关程度较低的回路,筛选出相关程度相对较高的回路,再进行去噪去周期项的CCM因果分析。基于TE过程的因果关系分析实验表明,所提出的方法在线性振荡传播路径分析与振荡源定位方面具有更好的准确性与可靠性。