郑奕扬，倪 何，金家善

(1.海军92118部队，浙江 舟山 316000；2.海军工程大学 动力工程学院，武汉 430033；3.海军工程大学 船舶与海洋学院，武汉 430033)

蒸汽动力系统因其组成设备多、系统耦合关系复杂的特点，在不同的运行工况下都保持稳定运行是相当困难的，因此蒸汽动力系统的运行稳定性评估相当重要.目前，稳定性评估在多系统耦合的复杂大系统中的应用停留在理论研究的层面上[1]，不能全面评估系统的真实运行稳定性.而系统在一段运行时间内参数的时间序列则真实反应了系统的运行状态，分解参数的时间序列，对重构后得到的趋势项和扰动项进行预测分析可以从中提取反应系统运行稳定性的评估指标.

在非平稳时间序列趋势项提取方面，基于经验模态分解(EMD)及基本模式分量(IMF)重构是一种常用的算法[2-4].由于传统的经验模态分解不能完全提取所有IMF分量中包含的趋势信息，出现了大量的改进算法[5-7].文献[8]提出了集合经验模态分解(EEMD)、奇异值分解(SVD)和排列熵(PE)的趋势提取方法，并验证了该方法相对于传统分解算法的优越性，为本文研究提供了思路.但是，EEMD算法在原信号的基础上添加了不同的白噪声并通过重复集合平均进行抵消，分解效果取决于添加白噪声的去除，重构误差较大.同时，在排列熵的计算上较为粗糙，无法保证以此为依据进行选取分量的合理性.在时间序列分析中，非平稳时间序列的常用预测模型为整合滑动平均自回归模型(ARIMA)[9]；……