软测量技术及其应用发展.doc

软测量技术及其应用发展

摘要: 采用软测量技术，可利用工业标准计算机平台将不同仪表混合连接，使用集成化、标准化虚拟仪器仪表软件集成在一个系统中，应用系统工程的方法进行优化，使之以最优的性价比满足应用系统的性能要求。软测量技术的应用将会极大限度地降低工业过程检测和控制系统的成本，提高系统控制性能指标，为工业过程检测和控制系统的发展提供必要的技术条件。
关键词: 软测量　虚拟仪器　数学模型　检测与控制系统
1、引言
当今工业界对过程控制系统的要求越来越高，不仅希望控制指标能保持平稳或快速跟踪，而且常常希望控制指标能够以一定方式显示出来。然而对许多工业过程来说，一些重要的输出变量目前还很难通过传感器得到，如精馏塔的产品浓度。
软测量技术的理论根源是基于软仪表的推断控制。推断控制的基本思想是采集过程中比较容易测量的辅助变量，通过构造推断估计器来估计并克服扰动和测量噪声对主导变量的影响。软测量技术体现了估计器的特点。估计器的设计是根据某种最优准则，选择一种即与主导变量有密切联系又容易测量的辅助变量，通过构造某种数学关系，实现对主导变量的在线估计。软测量技术除了能“测量”主导变量，还可以对一些反映过程特性的工艺参数如精馏塔的塔板效率和反应器的催化剂活性等做出估计。所以它已成为自动监测和过程优化的有力工具。近年来，在软测量方面国内外有大量的研究，Thomas J.McAvoy更是将Soft Sensor列为几大研究之首，因为软测量方法涉及到自动控制的许多重要领域,如:过程建模、系统辨识、数据处理等等。总的说来，软测量方法的研究经历了从线性到非线性,从静态到动态，从无校正功能到有校正功能的发展过程。

2、控制方法概述
2. 1. 软测量技术的应用条件
　软测量技术主要由4个相关要素组成：(1) 中间辅助变量的选择；(2) 数据处理；(3) 软测量模型的建立；(4) 软测量模型的在线校正。其中 (3) 是软测量技术最重要的组成部分。
2.1.1. 中间辅助变量的选择
从间接质量指标出发进行中间辅助变量类型的选择，即应选择那些对被估变量的输出具有较大影响且变化较大的中间辅助变量，从工艺上分析，这些中间辅助变量对估计值的影响不能被忽略；根据系统的机理和需要确定中间辅助变量的数量，应该根据软测量采用的系统建模方法及其机理，结合具体过程进行分析；采用奇异值分解或工业控制仿真软件等方法进行检测点的选取，在使用软测量技术时，检测位置对模型的动态特性有一定影响。因此，对输入中间辅助变量各个检测点的检测方法、位置和仪表精确度等需有一定要求。 
2.1.2. 数据处理
数据预处理：由于工业现场采集的数据具有一定随机性，数据预处理主要是消除突变噪声和周期性波动噪声的污染。为提高数据处理的精确度，除去随机噪声，可采用数据平滑化方法如时域平滑滤波和频域滤波法等;
数据二次处理：根据软测量采用的系统建模方法及其机理不同，须对预处理后的数据进行二次处理，如采用神经网络方法进行系统建模需要对预处理后的数据进行归一化处理，采用模糊逻辑方法需对预处理后的数据进行量化处理。
2.1.3. 数学模型的建立
　　在软测量技术发展过程中，推理控制模型经历了从线性到非线性过程。线性软测量模型的建立一般在Kalman滤波理论基础上，这类方法对模型误差和测量误差很敏感，很难处理具有严重非线性过程。而非线性软测量采用许多当前前沿技术，可采用机理建模、统计回归建模、模糊建模及神经网络建模等人工智能方法。人工智能技术因无需对象精确的数学模型成为软测量技术中建模的有效方法。
机理建模：根据生产过程中各物料、热量间平衡关系和有关物理、化学等基本规则及定理等，在较为合理的假设条件下得到的数学模型。由于过程机理推导的数学模型比较符合生产过程特性，具有较高模型精确度，在多数应用场合不必再进行在线或离线校正。在实际应用时，由于对工业生产过程机理的认识不够，建立机理模型估计一些过程变量具有一定困难；
统计回归建模：根据统计学原理，通过大量在线实时检测的现场数据，由统计回归方法建立难以检测的过程变量与可检测的过程变量间的数学模型；
模糊建模：根据过程检测变量的实时数据及领域专家的经验，通过划分输入输出模糊空间及建立模糊规则进行系统模型辨识。这种建模方法能有效辨识复杂和病态结构及具有时延、时变、多输入单输出的非线性系统；能辨识性能优越的人类控制器；可得到实控对象的定性与定量相结合的模型；但需要定期校正规则库及输入输出模糊空间的划分；
神经网络建模：根据神经网络的自学习功能对大量过程检测变量的实时数据进行学习，并根据学习结果建立数学模型。这种建模方法具有较强鲁棒性，且不需先验知识，对于非线性和较大滞后的系统有较好应用效果；需对模型输入变量中超出正常操作条件的数据组进行手工剔除。 
在实际应用中，可具体分析工业过程系统的特点，综合上述两种或多种方法进行系统建模。随着人工智能技术的发展，也为建模提供了新的手段和方法，如将小波变换与神经网络相结合进行系统建模。

上图：数学描述
2.1.4. 数学模型的修正
　　由于过程的随机噪声和不确定性，所建数学模型与实际对象间有误差，如果误差大于工艺允许的范围时，应对数学模型进行校正。校正方法可以是自学习方法，也可根据当前数据进行重新建模。采用卡尔曼—布西观测器进行状态估计时，可通过闭环校正进行数学模型修正。
　　软测量技术与其他技术互相推进，也不断提出新的问题，如最优过程变量数目的选择，推理估计器(软传感器)的优化设计等问题。

2.2软测量技术的实现
　　随着计算机技术的发展，PC与台式工作站已成为测量应用领域的标准控制平台。带有用户接口程序库、仪器仪表驱动程序库、测试执行程序及分析库的虚拟仪器仪表应用软件包极大提高了仪器仪表系统的开发效率。这些仪器仪表系统包括GPIB(IEEE 488.2)、VXIbus、插入式数据/图像采集板、串行与工业网络等4类I/O接口。
　　对用户来说，建立软测量技术控制方案的关键还是软件。软测量系统软件主要分为4层结构：测试管理层、测试程序层、仪器驱动层和I/O接口层。目前，PC软硬件资源不断丰富与发展，已出现了虚拟仪器软件标准，使这些软件层的设计均以“与设备无关”为特征，大大改善了开发环境。由于虚拟仪器的本质是面向对象的，不同开发人员采用不同工具开发的测试程序很方便地集成在一个系统中。同时，提供通信功能的图形化虚拟仪器测试测量系统的工具化软件在逐步完善，解决了对开发人员编程能力和硬件掌握要求高、开发周期长、软件移植与维护难的问题。目前HP公司的HP VEE及NI公司的LabVIEW是两种非常适用的图形化虚拟仪器编程工具。

上图：软测量技术的结构图
3、应用实例分析
3.1软测量技术的应用及其意义
3.1.1. 软测量技术的应用条件
　　软测量技术作为一种新的检测与控制技术，与其他技术相似，只有在其适用范围内才能充分发挥自身优势。因此，必须对其适用条件进行分析：
通过软测量技术所得到的过程变量估计值必须在工艺过程所允许的精确度范围内；
能通过其他检测手段根据过程变量估计值对系统数学模型进行校验，并根据两者偏差确定数学模型校正与否；
直接检测被估过程变量的自动化仪器仪表较贵或维护困难；
被估过程变量应具有灵敏性、精确性、鲁棒性、合理性及特异性。 

3.1.2. 软测量技术的应用
　　在不增加或少增加投资的条件下，软测量技术将会得到广泛应用，从而对过程检测和控制系统产生巨大影响。
打破传统单输入单输出仪表格局：软测量仪表是多输入多输出智能型仪表，它可以是专用仪表，也可以是由用户进行编程的通用仪表，一些价格较贵难维护的仪表将为软测量仪表所代替；
实现在同一仪表中结合软测量技术与控制技术：采用智能总线化仪表后，在一台仪表中实现多个回路的控制将成为可能；
修改方便：软测量的本质是面向对象的，通过编程或组态来实现软测量数学模型，可以通过编程器或组态操作方便地对模型参数进行修改，甚至可以对推理控制模型进行修正；
在分散控制系统中实现方便：一些较简单的数学模型还可在单回路控制器中实现。 
对过程控制系统来说，原来因缺少检测手段而采用的一些间接控制方案将被采用软测量技术的以直接控制目标为目的的控制方案所代替，以提高控制性能指标。同时，软测量技术的应用对原有一些经典控制方案也提出了挑战。例如，在经典优化控制系统中，由于优化目标函数难于直接估计，使优化控制级分列在过程控制级上，采用软测量技术可直接对多优化目标函数进行估计，使优化控制直接在过程控制级实现，减少控制回路间的协调。

3.2应用实例
软测量技术工业应用成功实例不少。国外有Inferential Control公司、Setpoint公司、DMC公司、Profimatics公司、Simeon公司、Applied Automation公司等以商品化软件形式推出各自的软测量仪表，这些已广泛应用于常减压塔、FCCU主分馏塔、焦化主分馏塔、加氢裂化分馏塔、汽油稳定塔、脱乙烷塔等先进控制和优化控制。它增加了轻质油收率，降低了能耗并减少了原油切换时间，取得了明显经济效益。国内 引 进 和自行开发软测量技术在石油化工、炼油工业过程应用比较多，例如催化裂化装置分馏塔轻柴油凝固点软测量，基于现场数据分析并结合工艺机理分析，建立了多层前向网络柴油凝固点的软测量模型设计简单在线校正。神经网络模型估计值与分析值最大误差为1.65 cC ，并用了闭环控制，平稳了生产，减少凝固点波动，合格品由94%提高到100%;常减压装置常压塔柴油凝固点软测量。通过现场采集数据经处理后，建立了非线性回归模型和神经网络模型，为提高模型精度和鲁棒性，组成非线性回归模型与神经网络模型结合的混合模型，并设计了一个串级控制系统。投人运行后获得较好控制效果，可以满足生产要求;气分装置丙烯丙烷塔塔顶丙烯成分软测量。通过严格的汽液平衡模型简化和现场测试，得到非线性回归模型，并设计在线校正。该软测量估计器投人在线运行，精度能满足要求，并成功应用于丙烯成分闭环控制，取得了明显经济效益;延迟焦化装置分馏塔粗汽油干点软测量。经对现场采集的数据及工艺机理分析，确定了影响粗汽油干点的最主要因素，分别建立了PLS和RBFN模型，为提高模型精度和泛化能力、将PLS模型和RBFN模型并联建立了粗汽油干点混合模型，交叉验证表明这一方法是有效的，所建模型精度较高和良好的泛化能力;连续重整装置中重整产品辛烷值、待生催化剂结焦含量、重整产品C5+液收率的软测量，实现在保证质量合格前提下提高产品收率的优化操作指导;完成对重整再生器氧含量的软测量。两个系统先后投运后运行正常，取得了良好的经济效益;

4、总结
软测量技术是工业计算机优化控制的有利工具，在理论研究和实际应用中已经取得了不少成果，其理论体系亦正在逐步形成。不论 过 于 夸大软测量的作用或忽视软测量的重要性均是不正确的。软测量仅靠实验室分析仪表分析值进行校正要获得很高精度是很困难的，是一种粗放型测量技术，特别适合于炼油，石油化工中测量10%,50%,90%和最终的ASTM沸点、闪点、倾点、粘点和雷得蒸汽压等，因为这些测量精度一般要求不高，所以成功应用实例不少。软测量要想获得高精度，必须要用在线分析仪表进行实时校正，这时软测量主要是克服在线分线仪表纯滞后给控制带来的困难。经过在线分析仪表进行实时校正后软测量可应用于石油化工中成品精馏塔例乙烯塔、丙烯塔等装置。

参考文献
【1】LOUX S ,LOPAROK A.Bearing fault diagnosis based onwavelettrans form and fuzzy inference[ I] .Mechanical Systems and Signal Process sin g,20 04,18(5):1077一1095.
【2】 杨大峰，钱锋.粗糙集神经网络混合系统及其应用[J].通讯和计算机,2005,2(2):I1一13,57.
【3】 李绍军，钱锋.基于模糊免疫算法的溶剂脱水塔软测量[J].计算机工程与应用，2007,43(12):228一230.
【4】 李海青，主编.软测量技术原理及应用[M] .北京:化工出版社，2000.