软测量技术

软测量技术黄福珍[e-mail]教学目的和任务•软测量技术是一门有着广阔发展前景的新兴工业技术，已发展成为过程检测技术与仪表研究的主要方向之一。通过本课程的学习，使学生掌握软测量技术的基本原理和基本方法，了解较前沿的软测量应用技术，能从控制系统整体出发考虑如何应用软测量设计方法完成复杂难测过程参数的在线检测。课程特点和要求•本课程是一门专业技术课，涉及的面较广，软测量通常是在成熟的硬件传感器基础上，以计算机技术为核心，通过软测量模型运算处理完成的。本课程要求学生具有足够的数理统计知识和计算机知识。本课程的主要内容•本课程的主要内容包括：软测量技术的数学描述、结构及分类；多变量统计建模方法及其在软测量中的应用；系统辨识及其在软测量技术中的应用；基于人工神经网络的软测量方法；现代优化算法及其在软测量技术中的应用；软测量技术工程设计主要的参考文献•潘立登，李大字，马俊英.软测量技术原理与应用.北京：中国电力出版社，2009•李海青，黄志尧等.软测量技术原理及应用.北京:化学工业出版社，2000•俞金寿，刘爱伦，张克进.软测量技术及其在石油化工中的应用.北京:化学工业出版社，2000第一章软测量技术概述本章主要内容•软测量技术的提出、发展及应用概况•软测量技术的数学描述和结构•软测量技术的分类•影响软仪表性能的因素•软测量的实施•软测量的工业应用•本章小结1.1软测量技术的提出、发展及应用概况•软测量技术的提出•软测量技术的基本概念•软测量技术的发展概况•软测量技术的发展趋势1.1.1软测量技术的提出•到目前为止，在实际生产过程中，存在着许多因为技术或经济原因无法通过传感器进行直接测量的过程变量，如精馏塔的产品组分浓度、生物发酵罐的菌体浓度、高炉铁水中的含硅量和化学反应器中反应物浓度、转化率、催化剂活性等•传统的解决方法有两种：一是采用间接的质量指标控制，如精馏塔灵敏板温度控制、温差控制等，存在的问题是难以保证最终质量指标的控制精度；二是采用在线分析仪表控制，但设备投资大、维护成本高、存在较大的滞后性，影响调节效果•软测量技术应运而生1.1.2软测量技术的基本概念•软测量技术也称为软仪表技术，就是利用易测过程变量（称为辅助变量或二次变量），依据这些易测过程变量与难以直接测量的待测过程变量（称为主导变量）之间的数学关系（软测量模型），通过各种数学计算和估计方法，从而实现对待测过程变量的测量•软测量的基本思想是把自动控制理论与生产工艺过程知识有机结合起来，应用计算机技术，对于一些难于测量或暂时不能测量的重要变量（主导变量），选择另外一些容易测量的变量（辅助变量），通过构成某种数学关系来推断和估计，以软件来代替硬件功能•软测量是一种利用较易在线测量的辅助变量和离线分析信息去估计不可测或难测变量的方法；以成熟的传感器检测为基础，以计算机技术为核心，通过软测量模型运算处理而完成1.1.2软测量技术的基本概念•软测量的意义：◆能够测量目前由于技术或经济的原因无法或难以用传感器直接检测的重要的过程参数◆打破了传统单输入、单输出的仪表格局◆能够在线获取被测对象微观的二维/三维时空分布信息，以满足许多复杂工业过程中场参数测量的需要◆可在同一仪表中实现软测量技术与控制技术的结合◆便于修改◆有助于提高控制性能1.1.2软测量技术的基本概念•软测量的适用条件：◆无法直接检测被估计变量，或直接检测被估计变量的自动化仪器仪表较贵或维护困难◆通过软测量技术所得到的过程变量的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是否需要校正◆被估计过程变量具有灵敏性、精确性、鲁棒性等特点1.1.3软测量技术的发展概况•软测量技术的基本思想早就被潜移默化地得到了应用。工程技术人员很早就采用体积式流量计结合温度、压力等补偿信号，通过计算来实现气体质量流量的在线测量。20世纪70年代提出的推断控制（InferentialControl）至今仍可视为软测量技术在过程控制中应用的一个范例。•软测量技术作为一个概括性的科学术语被提出始于20世纪80年代中后期，至此它迎来了一个发展的黄金时期，并且在世界范围内掀起了一股软测量技术研究的热潮。•1992年国际过程控制专家T.J.Macvoy在Automatica上发表的“Contemplativestanceforchemicalprocesscontrol”一文明确指出软测量技术是今后过程控制的主要发展方向之一，对软测量技术的研究起了重要的促进作用。1.1.4软测量技术的发展趋势•测量数据处理•软仪表在线校正技术•软测量建模方法研究◆将新兴的技术应用于软测量建模◆将不同的方法相互融合建立混合模型或多模型◆动态软测量模型研究1.2软测量技术的数学描述和结构•软测量的数学描述：软测量的目的就是利用所有可以获得的信息求取主导变量的最佳估计值，即构造从可测信息集到的映射，其中可测信息集包括所有的可测主导变量y、辅助变量、控制变量u和可测扰动d1：1(,,)yfduy主导变量辅助变量干扰控制变量1.2软测量技术的数学描述和结构•软测量的数学描述：◆建立软仪表的过程就是构造一个数学模型。在许多建立软仪表的方法中，要以一般意义下的数学模型为基础。◆软仪表与一般意义下的数学模型区别：–数学模型主要反映y与u或d之间动态(或稳态)关系–软仪表是通过求y的估计值。1.2软测量技术的数学描述和结构•软测量的结构：1.3软测量技术的分类•基于工艺机理分析的软测量方法：◆主要是运用物料平衡、能量平衡、化学反应动力学等原理，通过对过程对象的机理分析，找出不可测主导变量与可测辅助变量之间的关系（建立机理模型），从而实现对某一参数的软测量。◆对于工艺机理较为清楚的工艺过程，该方法能构造出性能良好的软仪表；但是对于机理研究不充分、尚不完全清楚的复杂工业过程，则难以建立合适的机理模型。1.3软测量技术的分类•基于回归分析的软测量方法：◆通过实验或仿真结果的数据处理，可以得到回归模型◆经典的回归分析是一种建模的基本方法，应用范围相当广泛。以最小二乘法原理为基础的回归技术目前已相当成熟，常用于线性模型的拟合。对于辅助变量较多的情况，通常要借助机理分析，首先获得模型各变量组合的大致框架，然后再采用逐步回归方法获得软测量模型。为简化模型，也可采用主元回归分析法和部分最小二乘回归法等方法。◆基于回归分析的软测量建模方法简单实用，但需要足够有效的样本数据，对测量误差较为敏感。1.3软测量技术的分类•基于状态估计的软测量方法：◆基于某种算法和规律，从已知的知识或数据出发，估计出过程未知结构和结构参数、过程参数。对于数学模型已知的过程或对象，在连续时间过程中，从某一时刻的已知状态y(k)估计出该时刻或下一时刻的未知状态x(k)的过程就是状态估计。如果系统的主导变量作为系统的状态变量关于辅助变量是完全可观的，那么软测量问题就转化为典型的状态观测和状态估计问题。◆采用Kalman滤波器和Luenberger观测器是解决问题的有效方法。前者适用于白色或静态有色噪声的过程，而后者则适用于观测值无噪声且所有过程输入均已知的情况。1.3软测量技术的分类•基于知识的软测量方法：◆基于人工神经网络的软测量建模方法是近年来研究最多、发展很快和应用范围很广的一种软测量建模方法。由于能适用于高度非线性和严重不确定性系统，因此它为解决复杂系统过程参数的软测量问题提供了一条有效途径。◆基于模糊数学的软测量模型也是一种知识性模型。该方法特别适合应用于复杂工业过程中被测对象呈现亦此亦彼的不确定性，且难以用常规数学定量描述的场合。实际应用中常将模糊技术和其他人工智能技术相结合，例如将模糊数学和人工神经网络相结合构成模糊神经网络，将模糊数学和模式识别相结合构成模糊模式识别，这样可互相取长补短，以提高软仪表的效能。1.3软测量技术的分类•基于知识的软测量方法：◆基于模式识别的软测量方法是采用模式识别的方法对工业过程的操作数据进行处理，从中提取系统的特征，构成以模式描述分类为基础的模式识别模型。基于模式识别方法建立的软测量模型与传统的数学模型不同，它是一种以系统的输入、输出数据为基础，通过对系统特征提取而构成的模式描述模型。该方法的优势在于它适用于缺乏系统先验知识的场合，可利用日常操作数据来实现软测量建模。在实际应用中，这种软测量建模方法常常和人工神经网络以及模糊技术等结合在一起使用。◆基于现代优化算法的软测量是利用易测过程信息（辅助变量，它通常是一种随机信号），采用先进的信息优化处理技术，通过对所获信息的分析处理提取信号特征量，从而实现某一参数的在线检测或过程的状态识别。1.4影响软仪表性能的因素•辅助变量的选择•测量数据的处理•软仪表的在线校正1.4.1辅助变量的选择•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：–精馏塔产品的软测量一般采用塔板温度–化工反应器中产品的软测量采用反应器管壁温度1.4.1辅助变量的选择•辅助变量的选择原则：◆过程适用性：工程上易于在线获取并有一定的测量精度◆灵敏性：对过程输出或不可测扰动能做出快速反应◆特异性：对过程输出或不可测扰动之外的干扰不敏感◆准确性：构成的软测量仪表应能够满足精度要求◆鲁棒性：对模型误差不敏感等1.4.1辅助变量的选择•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，这需要大量的观测数据。◆受系统自由度的限制，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。辅助变量最佳数目的选择与过程的自由度、测量噪声以及模型的不确定性有关，一般建议从系统的自由度出发，先确定辅助变量的最小个数，再结合实际过程中的特点适当增加，以便更好地处理动态特性的问题。1.4.1辅助变量的选择•检测点位置的选择：◆对于许多工业工程，与各辅助变量相对应的检测点位置的选择是相当重要的。可供选择的检测点很多，而且每个检测点所能发挥的作用各不相同。一般情况下，辅助变量的数目和位置常常是同时确定的，用于选择变量数目的准则往往也被用于检测点位置的选择。◆检测点的选择方法：采用奇异值分解的确定；采用工业控制仿真软件确定◆确定的检测点往往需要在实际应用中加以调整1.4.2测量数据的处理•测量误差处理：◆在实际应用中，过程数据来自现场，受测量仪表精度、可靠性和现场测量环境等因素的影响，不可避免地要带有各种各样的测量误差，采用低精度或失效的测量数据可能导致软仪表测量性能的大幅度下降，严重时甚至导致软测量的失败，因此对测量数据的误差处理对保证软仪表正常可靠运行非常重要。◆测量数据的误差可分为随机误差和过失误差两大类。1.4.2测量数据的处理•测量误差处理：◆随机误差的处理：★符合统计规律，工程上多采用数字滤波算法，如：中位值滤波、算术平均滤波和一阶惯性滤波等。★随着计算机优化控制系统的使用，复杂的数值计算方法对数据的精确度提出了更高的要求，于是出现了数据一致性处理技术，其基本思想：根据物料或能量平衡等建立精确的数学模型，以估计值与测量值的方差最小为优化目标，构造一个估计模型，为测量数据提供一个最优估计。1.4.2测量数据的处理•测量误差处理：◆过失误差的处理：★含有过失误差的数据出现的机率较小，但是，一旦出现则可能严重破坏数据的统计特性，导致软测量的失败。★提高测量数据质量的关键：及时侦测、剔除和校正含有过失误差的数据。★侦测过失误差的方法：-对各种可能导致过失误差的因素进行理论分析；-借助于多种测量手段对同一变量进行测量，然后进行比较；-根据测量数据的统计特性进行检验等。1.4.2测量数据的处理•测量数据变换：◆测量数据变换不仅影响模型的精度和非线性映射能力，而且对数值算法的运行效果也有重要作用。测量数据的变换包括标度、转换和权函数三个方面。◆实际测量数据可能有着不同的工程单位，各变量的大小间在数值上可能