工业分布参数动态软检测方法研讨.docxVIP

摘要：关键词：工业现场；分布参数；动态检测目录目录III第一章软检测的发展5第二章软检探究5第三章软检测的方法8参考文献11第一章随着科学技术和经济的迅速发展，许多工业生产过程已不能满足现代生产的要求，亟需各种先进控制技术和优化控制技术代替传统的简单、局部的控制方法，许多企业都面临着如何提高产品质量，如何保障生产过程的顺利进行以及如何获得较高的经济效益等问题。若要更好地解决这些问题，则必须从最基础的过程控制环节开始，即对生产过程中的时变参数进行软测量。实际工况中，由于许多产品的关键指标无法在线测量或难以直接测量，传统的工艺中常采用在线分析仪直接测量或通过控制与待测指标相关的易测指标间接的来测量。但由于在线分析仪表的价钱比较昂贵，且其维护和保养复杂，仪表的时间滞后性大，很难获得较好的系统性能，难以满足实际生产要求。若采用间接的方法测量，由于许多指标不好控制，对生产的效益影响很大。例如现在并没有可以直接检测运用于化工生产中反应釜里的实时催化剂活性的硬件传感器；在以往实验室检测聚乙烯中间产品的质量指标时，往往延时2小时以上，这样检测出来的结果对优化控制已经没有任何用途：在控制精馏塔内的塔板温度和温差时，操作员必须十分熟悉对象的工作机理，由于存在很大的不确定性，即使把间接指标控制的很好，也不能保证可以很好地控制急需测得的指标和获得较好地生产效益。为了解决上述类似问题，20世纪Brosillow提出了推断控制的思想【1】，即最初的软测量技术。第二章随着推断控制思想的提出，软测量技术受到国内外许多研究人员的关注，目前己成为过程控制领域中的热门话题，成功应用于石油、化工、生物等诸多领域。软测量技术主要用来解决生产过程中产品指标的可检测性和实时问题，其基本思想是根据某种最优准则，选择一些易于测量的变量(又称辅助变量)，通过构建某种数学关系建立一个推理模型，进而用该模型预测难以在线测量的变量(又称主导变量)。软测量技术把自动控制理论与生产过程知识很好的结合到一起，实现了用软件来代替硬件的功能。软测量技术的使用，实现了可以在线检测元素组分含量，且经济可靠，动态响应迅速，模型预测结果更精确。利用软测量技术建模主要可分为以下几个过程：选取辅助参数变量、采集数据样本、数据处理、构建软测量模型、在线校正等【2】。整个过程中如何构建合适的软测量模型是最关键部分，也是难点部分，它往往决定了整个技术的成败。常用的建模方法主要有基于机理的建模方法、以数据驱动为基础的建模方法及二者相结合的混合建模方法【3】。其中基于机理建模方法又可细分为基于对象数据模型建模方法和基于自适应推理模型方法两种。以数据驱动为基础的建模方法又包括以多元统计分析为基础的建模方法、以统计学习理论为基础的建模方法、以人工智能为基础的建模方法。机理建模的基本思想就是从生产过程的内在机理出发，按照某种物理和化学规律，比如物料平衡、能量平衡、动量平衡等，构造输入输出之间的数学模型。此建模方法可以充分地学习己知的样本数据集，从事物的本质逐步推出其外部特征，较适用于生产过程比较简单的情景，对于某些复杂的生产过程，不易用此方法建模，且必须要用输入输出数据验证。文献【4】将机理建模和数据建模结合，提出了一个新的算法一椭球定界算法，此算法可以使模型误差稳定收敛且加快收敛速度，可以较好地用于混合建模中。文献【5】通过自适应模糊理论对智能机器人进行了相关的建模和控制，并利用Lyapunov函数论证了系统跟踪误差的有界性，最后仿真也验证了文中给出方法的有效性。文献【6】是通过基于自适应神经模糊对跳汰机床层的某部分进行相关的软测量建模，并对其表面的松紧情况进行了在线估计。基于数据驱动的建模方法不需要了解对象的内部机理情况，可以通过生产过程获得数据，按照某一最优准则构建主导参数变量与辅助参数变量间的关系，从而实现对主导参数变量的估计。与上一方法相比，此方法较简单，不需了解对象的内部结构。文献【7】考虑到磨矿过程中的参数不确定性，对其展开了相关的软测量建模。首先采用递归主元分析的理论对训练数据进行了主元分析处理后，接着采用最小二乘支持向量机LSSVM(LeastSquares Support Vector Machine)设计了的参数软测量模型。文献[8]分析机的参数软测量模型。文献[8]分析其磨机的参数软测量模型。文献【8】分析了氢气回收系统中相关参数难以实时测量的难题，借鉴主元分析理论，建立了一种基于径向基RBF(Radical Basis Function)神经网络的软测量模型，最后实验检测了文中方法的可行性。文献【9】鉴于海洋生物发酵反应中某些重要的参数指标不能实时检测到的难题，采用了一种新颖的软测量建模思想实现了对其参数在线测量，通过最d,--乘支持向量机对其发酵过程展开分析后进行了建模。同样，文献【10】考虑