基于过程知识的智能软仪表.pdfVIP

第28卷增刊 信息与控制 Vol.28.Suppletnent 199，年8月 InformationandControl Aug..1999 基于过程知识的智能软仪表 段培永 邵惠鹤 (上海交通大学自动化系 上海 200030) 摘 典 HCMAC(HyperballcerebellarModelArticulationController)神经网络具有f化方 法简单，局部学习速度快等特点，用来设计软仪表棋型，以克服现有的羞于RBF网络软侧A软件 包在软仪表实时校正方面存在的缺陷.过程知识可以用来处理样本.FCCU装f应用实例表明了 该软仪表棋型的可行性和实用性. 关.祠 CMAC，过程控例，软仪表 1 引言 软仪表通常由软件实现，具有安装和维护费用低、可靠性和精度高等特点，因此，软测t的 研究越来越受到控制界特别是化工过程控制界的重视w[墓于RBF神经网络递阶聚类软侧盆 的方法的荃本思想是把样本按样本拾出的范围进行聚类，分成若干个组Z)，每一组样本用一 个子RBFj神经网络通近.对应抽入二的软仪表的抽出是这些RBF网络翰出的加权平均，其 权值的大小取决于x与乙中样本点的欧氏距离.该方法在模型校正方面存在如下不足:(1)当 操作点不变时，对一个校正样本，如何校正这些子RBFj神经网络组成的网络结构，至今没有 解决.每一组样本的抽出尽管相近，但不同组样本的拾人有很大的重登，而不是相互绝对的独 立.如果采用校正单个RBF网络的算法，显然不合适，这给该方法的实际应用带来困难.(2)如 果采用单个RBF网络作为软仪表模型，在当操作点漂移而进行棋型实时校正时，用RPCL法 修正基函数的中心点川，这些中心点也将变化到新的操作点附近.若操作点又变回原来的位 .’:黑凳烹{撬黑纂篡髯霭默器黔将会增加模型校正的频率和计算 由于HCMACII的局部学习的特性，使得记忆任何新工况的信息不会影响其它工况的输 出.软仪表在实际应用时，避免当过程操作点变化时，给软仪表模型的校正带来困难，HCMAC 神经网络特别适用于多操作工况的软测量的场合. 2 软仪表模型 HCMAC是CMAC神经网络的一种改进模型，具有许多优点I[s).HCMAC的抽出为定义 在以激活网点为中心的超闭球上的基函数的线性组合. .v,=STB(二))q一艺s,b,(x,)gl Zb,(二)。工 (1) C, 其中B(x,)=diag[bl(x,),乓(x,)...,瓦(x,)],q二[g,q.,-. ,4了是权系数向量.学习算法采 用改进的C-L算法[5] 匆,-i= (2) 增刊 段培永等:羞于过程知识的智能软仪表 其中a和夕是正常数.当满足。a2渭。时该学习算法收敛.指标集人={Pt,4A,-,rj 指示权系数选择向量S，中非零元素的位置.软仪表基本模型是一个HCMAC神经网络，如图1 所示. 3 软仪表估计FCCU装置轻柴油凝固 点应用实例 催化裂化装里(FCCU)是石油二次加工中 的关键装里之一，用HCMAC软仪表模型，估 计某练油厂轻集握固点.二次变t选取是很重 要的.根据工艺分析，影响轻柴油凝固点的主要 因素是轻柴油抽出沮度，因此轻柴油抽出温度 图1HCMAC的软侧ARM 是影响提固点的主导变tI，而对轻柴油抽出温度有直接影响的有19层汽相、一中回循环t、一 中循环抽出温度及一中循环返回温度，因此，将这五个变f作为估计凝固点的异次变t，作为 软仪表模型HCMAC的箱人来估计轻柴凝固点.在该炼油厂采集的数据，经过处理后，作为学