控制系统是保障流程工业生产过程安全稳定运行的重要手段。随着系统运行,控制回路的性能往往会发生退化。回路振荡是控制性能下降的典型表现形式。现有过程振荡检测与诊断的研究工作主要有以下三个局限性:（i）大多数的振荡检测方法要求振荡信号满足平稳和时不变等条件,但是工业现场的数据具有非平稳、非线性、时变特性;（ii）现有的振荡诊断工作大多局限于诊断由非线性故障（例如阀门粘滞）引起的非线性振荡,线性振荡的诊断还缺乏有效手段;（iii）现有工作大多数集中于单回路振荡检测与诊断,对于厂级振荡的检测与诊断研究尚不深入,存在诸多尚未解决的问题,例如具有时变特性的厂级振荡的检测与诊断、振荡源的定位等。鉴于过程振荡往往具有周期性等特征,从时频分析的角度解决过程振荡检测与诊断问题是合理可行的方案。以经验模态分解为代表的信号分解方法突破了经典傅里叶变换的局限性,具备对时变、非线性、非平稳信号进行时频分析的能力,因此,利用信号分解方法进行振荡检测与诊断已成为控制系统性能监控与评估领域的重要研究方向。但是现有的信号分解方法存在鲁棒性差、模态混叠和端点效应问题突出等诸多不足。本文以多元时频分析理论方法创新为基础,围绕工业过程振荡检测与诊断进行了如下研究:·提出了自整定变分模态分解算法（SVMD）,解决变分模态分解（VMD）算法的性能高度依赖于模态数量K和惩罚系数α的问题。SVMD利用匹配追踪算法思想,分别通过能量占比和模态正交性来自适应更新模态数量K和惩罚系数α。SVMD具有与VMD类似的滤波器组结构,但分解性能对参数和噪声都更加鲁棒。另外,SVMD具有更好的收敛性并且能够降低模态混叠和端点效应的影响。实验表明,SVMD与其他经典信号分解方法相比具有更好的性能。·提出了一种基于快速自适应调频模态分解算法的振荡检测与诊断方法,包括两种振荡检测指标和一种新的非线性和线性振荡诊断策略。所提出的方法除了能检测和诊断单回路中的单一或多重振荡外,还可以区分线性振荡和非线性振荡的组合,并有助于定位厂级振荡的振荡源。工业案例应用表明,与已有工作相比,该方法在处理复杂的多重振荡时具有更好的检测效果。·提出了多变量非线性调频模态分解算法（MNCMD）,能够有效处理具有时变特性的多变量信号。MNCMD首先基于所有信号通道的模态带宽之和最小建立了目标函数,并通过交替方向乘子法进行求解。MNCMD可以无需先验知识的情况下提取一组最优的多变量模态及其对应的瞬时频率。本文对MNCMD的模态齐整特性、滤波器组结构、正交性、信道数和噪声鲁棒性等进行了对比研究,证明了MNCMD的有效性和优势。通过测试不同实际场景的多变量数据验证了MNCMD的实用性。此外,本文还将MNCMD与因果分析技术相结合,提出了一种新的厂级振荡检测与根源分析方法。与现有方法相比,所提出的方法能处理时变和时不变的振荡,并提供精确的时频信息。工业案例应用表明该方法提升了厂级振荡根源分析的准确性。·提出了多变量本征调频模态分解算法（MICMD）。MICMD通过求解一个多变量线性系统实现高效分解时变多变量信号并提取出对应的时频信息,把多变量分解算法的复杂度从MNCMD的O（N3）降低至O（N）。MICMD利用傅里叶级数对瞬时频率和瞬时幅值进行建模,并通过广义参数化时频变换估计瞬时频率模型参数;在此基础上,利用瞬时频率和瞬时幅值模型之间的线性关系,通过最小二乘法解得瞬时幅值模型参数;最后利用瞬时频率和瞬时幅值重构出多变量本征调频模态。本文对MICMD的模态齐整特性、参数敏感性、计算复杂度、滤波器组结构、正交性、信道数与噪声鲁棒性进行了对比研究,充分说明了MICMD的有效性与优势。通过测试不同实际场景的多变量信号验证了MICMD的实用性。在此基础上,提出了一种基于MICMD的厂级振荡检测方法,并通过工业案例验证了此方法的有效性。