检测第11章.ppt.pptVIP

11.1 软测量技术的基本概念 在许多工业生产过程中，存在着一些变量：它们由于技术的或经济的原因，目前尚难以或暂时无法通过传感器进行检测；但同时又需要严格控制的、与产品质量密切相关的重要过程参数。例如有蒸馏塔的产品组分浓度、化学反应器的反应物浓度和产品分布，以及生物发酵罐中生物量参数等。对于这些问题，一方面可以通过开发和使用新型检测仪表或传感器（如各种在线分析仪、物性传感器等）来解决；另一方面，可以应用软测量技术，通过构造软仪表来解决。 软测量就是依据可测、易测的过程变量（称为辅助变量，如温度和压力等）与难以直接检测的待测变量（称为主导变量，如产品分布和物料成分等）的数学关系，根据某种最优准则，采用各种计算方法，用软件实现对待测变量进行测量或估计。近几年来，软测量技术取得了重大进展。 软测量技术的主要内容有：辅助变量的选取；测量数据处理；软测量模型的建立；软测量模型的在线校正等。 11.1.1 辅助变量的选取 辅助变量的选取非常重要，因为不可测的主导变量需要由这些辅助变量推断出来。这其中包括变量的类型、数目及测点位置三个关键点。这三点是相互关联的，在实际中受到经济性、维护的难易等额外因素的制约。 (1) 变量类型的选择 选择的方法往往从间接质量指标出发。例如，蒸馏塔产品的软测量一般采用踏板温度，化工反应器中的软测量采用反应器管壁温度。 (2) 变量数目的选择 从过程机理入手分析，从影响被估计变量的变量中去挑选主要因素，因为全部引入既不可能，也没有必要。如果缺乏机理知识，则可用回归分析的方法找出影响被估计变量的主要因素，但这需要大量的观测数据。需要指出，受控制自由度的限制，辅助变量的个数不能小于被估计变量的个数。至于辅助变量的最优数量问题，目前尚无统一结论。 (3) 测点位置的选择 对于许多工业过程，辅助变量的检测点的选择是十分重要的，因为可供选择的检测点很多。检测点的选择可以采用奇异值分解的方法确定，也可以采用工业控制仿真软件确定。这些确定的检测点需要在实际应用中加以调整。 11.1.2 测量数据的处理 输入数据的正确性和可靠性关系到软测量的精度，而任一数据的失效都会导致整体性能的大幅度下降，因此对输入数据的处理十分重要。输入数据处理包含两个方面，即数据的变换(或称为换算)和数据误差处理。 1. 数据的变换 对数据的变换包括标度、转换和权函数三个方面。工业过程中的测量数据有着不同的工程单位，变量之间数值上可能相差几个数量级，直接使用这些数据进行计算，不能得到准确结果，甚至使结果分散。利用合适的因子对数据进行标度，能够改善算法的精度和稳定性。 转换包含对数据的直接转换以及寻找新的变量替换原变量两个含义。通过对数据的转换，可以有效地降低非线性特性。 权函数则可实现对变量动态特性的补偿。如果辅助变量和主导变量之间具有相同或相似的动态特性，那么，使用静态软仪表就足够了。合理使用权函数使我们有可能用稳态模型实现对过程的动态估计。 换算不仅直接影响过程模型的精度和非线性映射能力，而且影响数值优化算法的运行效果。 2. 数据误差处理 数据误差分为随机误差和过失误差两类。前者是随机因素的影响，如操作过程微小的波动或测量信号的噪声等 ，常用滤波的方法来解决。过失误差包括仪表的系统偏差（如堵塞、校正不准等）以及不完全或不正确的过程模型（受泄漏、热损失等不定因素影响）。过失误差出现的机率较小，但它的存在会严重恶化数据的品质，可能会导致软测量甚至整个过程优化的失效。因此，及时侦破、剔除和校正这类数据是误差处理的首要任务。常用的方法有统计假设校验法（如残差分析法、校正量分析法等）、广义似然法和贝叶斯法等。这些方法在理论上是可行的，但和实际工程应用还有相当大的距离，还有许多工作要做。对于特别重要的参数可以采用硬件冗余的方法，以提高系统的安全性。 如果辅助变量个数太多，为了实时运行方便，需要对系统进行降维，降低测量噪声的干扰和软测量模型的复杂性。降维的方法可以根据机理模型，用几个辅助变量计算得到不可测的辅助变量，如分压、内回流比等；亦可采用主元分析（PCA）、部分最小二乘法（PLS）等统计方法进行数据相关分析，剔除冗余的变量，降低系统的维数。 11.1.3 软测量模型的建立 软仪表的描述如图11.1所示，它描述了过程对象的输入输出关系。 图11.1中，y为主导变量， 为可测的辅助变量，d、u分别为可测的 干扰和控制变量。软仪表的目的就是利用所有可获得的信息，求取 主导变量的“最佳”估计值，即构造从可测量信息集到的映射。 图11.1 对象输入输出关系 一般来说，可测信息集包含所有可测的主导变量（主导变量中可能部分是可测的）y、辅助变量 、控制变量u和可测干扰d