软测量技术及其应用发展.docVIP

软测量技术 作者: (华东理工大学) 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。 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。 .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。 2.3. 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