先進(jìn)控制技術(shù)研究與應(yīng)用現(xiàn)狀調(diào)研報(bào)告

1、先進(jìn)控制技術(shù)研究與應(yīng)用現(xiàn)狀在工業(yè)生產(chǎn)過(guò)程中，一個(gè)良好的控制系統(tǒng)不但要保護(hù)系統(tǒng)的穩(wěn)定性和整個(gè)生產(chǎn)的安全，滿足一定約束條件，而且應(yīng)該帶來(lái)一定的經(jīng)濟(jì)效益和社會(huì)效益。然而設(shè)計(jì)這樣的控制系統(tǒng)會(huì)遇到許多困難，特別是復(fù)雜工業(yè)過(guò)程往往具有不確定性（環(huán)境結(jié)構(gòu)和參數(shù)的未知性、時(shí)變性、隨機(jī)性、突變性）、非線性、變量間的關(guān)聯(lián)性以及信息的不完全性和大純滯后性等，要想獲得精確的數(shù)學(xué)模型十分困難。因此，對(duì)于過(guò)程控制系統(tǒng)的設(shè)計(jì)，已不能采用單一基于定量的數(shù)學(xué)模型的傳統(tǒng)控制理論和控制技術(shù)，必須進(jìn)一步開(kāi)發(fā)高級(jí)的過(guò)程控制系統(tǒng)，研究先進(jìn)的過(guò)程控制規(guī)律，以及將現(xiàn)有的控制理論和方法向過(guò)程控制領(lǐng)域移植和改造等方面越來(lái)越受到控制界的關(guān)注。世界

2、各國(guó)在加強(qiáng)建模理論、辨識(shí)技術(shù)、優(yōu)化控制、最優(yōu)控制、高級(jí)過(guò)程控制等方面進(jìn)行研究，推出了從實(shí)際工業(yè)過(guò)程特點(diǎn)出發(fā)，尋求對(duì)模型要求不高，在線計(jì)算方便，對(duì)過(guò)程和環(huán)境的不確定性有一定適應(yīng)能力的控制策略和方法，如自適應(yīng)控制系統(tǒng)、預(yù)測(cè)控制系統(tǒng)、魯棒控制系統(tǒng)、智能控制系統(tǒng)等先進(jìn)控制系統(tǒng)。O對(duì)于含有大量不確定性和難于建模的復(fù)雜系統(tǒng)，基于知識(shí)的專家系統(tǒng)、模糊控制、人工神經(jīng)網(wǎng)絡(luò)控制、學(xué)習(xí)控制和基于信息論的智能控制等應(yīng)運(yùn)而生，它們?cè)谠S多領(lǐng)域都開(kāi)始得到了應(yīng)用，成為自動(dòng)控制的前沿學(xué)科之一。由于變量間的關(guān)聯(lián)，使系統(tǒng)不能正常平穩(wěn)運(yùn)行，出現(xiàn)各類解耦控制系統(tǒng)。對(duì)于大純滯后系統(tǒng)自年史密斯提出預(yù)估補(bǔ)償器以來(lái)，由于預(yù)估補(bǔ)償器對(duì)參數(shù)變化靈

3、敏度極高，又相繼出現(xiàn)了各種改進(jìn)預(yù)估補(bǔ)償方法，如觀測(cè)補(bǔ)償器控制方案、內(nèi)模控制、雙控制器、達(dá)林控制算法、純滯后對(duì)象采樣控制等，但均尚未完全真正解決，人們還在繼續(xù)努力想方設(shè)法尋求解決辦法。針對(duì)信息不完全性出現(xiàn)了推斷控制系統(tǒng)和軟測(cè)量技術(shù)。本文就目前應(yīng)用較多、且取得經(jīng)濟(jì)效益的預(yù)測(cè)控制、軟測(cè)量技術(shù)發(fā)展及應(yīng)用作一些介紹，以推動(dòng)先進(jìn)控制技術(shù)的應(yīng)用。一、基于模型的預(yù)測(cè)控制自20世紀(jì)60年代蓬勃發(fā)展起來(lái)的以狀態(tài)空間分析法為基礎(chǔ)的現(xiàn)代控制理論，在航空、航天、制導(dǎo)等領(lǐng)域取得了輝煌的成果。在過(guò)程控制領(lǐng)域亦有所移植，但實(shí)驗(yàn)室及學(xué)院式的研究遠(yuǎn)多于過(guò)程工業(yè)上的實(shí)際應(yīng)用，其中主要原因是：工業(yè)過(guò)程的多輸入一一多輸出的高維復(fù)雜系統(tǒng)

4、難于建立精確的數(shù)學(xué)模型，工業(yè)過(guò)程模型結(jié)構(gòu)、參數(shù)和環(huán)境都有大量不確定性；工業(yè)過(guò)程都存在著非線性，只是程度不同而已；工業(yè)過(guò)程都存在著各種各樣的約束，而過(guò)程的最佳操作點(diǎn)往往在約束的邊界上等，理論與工業(yè)應(yīng)用之間鴻溝很大，為克服理論與應(yīng)用之間的不協(xié)調(diào)，70年代以來(lái),針對(duì)工業(yè)過(guò)程特點(diǎn)尋找各種對(duì)模型精確度要求低，控制綜合質(zhì)量好，在線計(jì)算方便的優(yōu)化控制算法。預(yù)測(cè)控制是在這樣的背景下發(fā)展起來(lái)的一類新型計(jì)算機(jī)優(yōu)化控制算法。（一）預(yù)測(cè)控制的發(fā)展20世紀(jì)70年代后期，模型算法控制（MAC）和動(dòng)態(tài)矩陣控制（DMC）分別在鍋爐、分儲(chǔ)塔和石油化工裝置上獲得成功的應(yīng)用，取得了明顯經(jīng)濟(jì)效益，從而引起工業(yè)控制界的廣泛重視。國(guó)外一

5、些公司如Setpoint、DMC、Adersa、Profimatics等也相繼推出了預(yù)測(cè)控制商品化軟件包，獲得了很多成功的應(yīng)用。20世紀(jì)80年代初期，人們?cè)谧赃m應(yīng)控制的研究中發(fā)現(xiàn)，為了克服最小方差控制的弱點(diǎn)，有必要吸取預(yù)測(cè)控制中的多步預(yù)測(cè)優(yōu)化策略，這樣可增強(qiáng)算法的應(yīng)用性和魯棒性。因此出現(xiàn)了基于辨識(shí)模型并帶有自校正的預(yù)測(cè)控制算法，如擴(kuò)展時(shí)域自適應(yīng)控制（EPSAC）、廣義預(yù)測(cè)控制（GPC）等，這類算法以長(zhǎng)時(shí)段多步優(yōu)化取代了經(jīng)典最小方差控制中的一步預(yù)測(cè)優(yōu)化，從而可應(yīng)用于時(shí)滯和非最小相位對(duì)象，并改善了控制性能和對(duì)模型失配的魯棒性。此外，莫拉里等1982年研究一類新型控制結(jié)構(gòu)一一內(nèi)?？刂疲↖MC）,發(fā)現(xiàn)

6、預(yù)測(cè)控制算法與這類控制算法有著密切聯(lián)系。MAC、DMC是IMC的特例，從結(jié)構(gòu)的角度對(duì)預(yù)測(cè)控制作了更深入的研究。目前，GPC都是以線性系統(tǒng)作為被控制對(duì)象，對(duì)于弱非線性系統(tǒng)，一般仍能取得較好的控制效果，但對(duì)一些強(qiáng)的非線性系統(tǒng)難于奏效。對(duì)此，非線性的廣義預(yù)測(cè)控制研究開(kāi)始重視，主要有基于Hammerstein模型廣義預(yù)測(cè)控制、基于LMOPDP模型廣義預(yù)測(cè)控制、基于神經(jīng)網(wǎng)絡(luò)的非線性系統(tǒng)廣義預(yù)測(cè)控制，還有基于雙線性模型、多模型等多種方法。預(yù)測(cè)控制的魯棒性設(shè)計(jì)成為預(yù)測(cè)控制研究的熱點(diǎn)之一。魯棒預(yù)測(cè)控制的思想即使用魯棒控制算法，在算法設(shè)計(jì)初期就將系統(tǒng)的不確定性考慮進(jìn)去，使得整個(gè)預(yù)測(cè)控制系統(tǒng)在實(shí)際控制中面對(duì)對(duì)象不

7、確定時(shí)仍能表現(xiàn)出應(yīng)有的穩(wěn)定性。相應(yīng)軟件有Honeywell公司推出的基于魯棒預(yù)測(cè)控制的RMPCT（RobustMultivariablePredictiveControlTechnology）等。智能預(yù)測(cè)控制主要形式有：基于神經(jīng)網(wǎng)絡(luò)、模糊模型、遺傳算法、專家控制等智能技術(shù)的預(yù)測(cè)控制算法，這些算法可以處理非線性、多目標(biāo)、約束條件等生產(chǎn)邊界條件在幅度變化的異常情況，智能預(yù)測(cè)控制思想主要是用智能方法來(lái)處理過(guò)程的描述問(wèn)題，特別是非線性過(guò)程取得了一定成果。由于預(yù)測(cè)控制對(duì)于復(fù)雜工業(yè)過(guò)程的適應(yīng)性，在國(guó)內(nèi)外許多企業(yè)得到廣泛應(yīng)用，取得顯著經(jīng)濟(jì)效益，它在工業(yè)過(guò)程中有著廣闊的應(yīng)用前景。（二）預(yù)測(cè)控制軟件包的發(fā)展目前

8、，國(guó)外已經(jīng)形成許多以預(yù)測(cè)控制為核心思想的先進(jìn)控制商品化軟件包，成功應(yīng)用于石油化工中的催化裂化、常減壓、連續(xù)重整、延遲焦化、加氫裂化等許多重要裝置。有關(guān)部分國(guó)外公司軟件產(chǎn)品如表。隨著MPC技術(shù)應(yīng)用不斷擴(kuò)大和深入，QDMC在實(shí)際應(yīng)用發(fā)生了新問(wèn)題，由于系統(tǒng)受外界干擾，可能會(huì)造成QP無(wú)可行解的情況；系統(tǒng)輸入輸出可能會(huì)失效而丟失，這就產(chǎn)生了自由度可控制結(jié)構(gòu)變化問(wèn)題；容錯(cuò)能力待提高，需要處理子系統(tǒng)病態(tài)問(wèn)題；控制要求向多樣化和復(fù)雜化發(fā)展，用單目標(biāo)函數(shù)中的權(quán)系數(shù)來(lái)表示所有控制要求是非常困難的。為了解決無(wú)可行解的問(wèn)題，控制結(jié)構(gòu)能隨情況發(fā)生變化，能使用于過(guò)程動(dòng)態(tài)特性以及更高的品質(zhì)要求，國(guó)外公司技術(shù)人員開(kāi)發(fā)第三代M

9、PC,第三代模型預(yù)測(cè)控制技術(shù)主要特點(diǎn)是：處理約束的多變量、多目標(biāo)、多控制模式和基于模型預(yù)測(cè)的最優(yōu)控制器。在國(guó)內(nèi)應(yīng)用較多有：IDCOM-M、DMC、SMCA等控制軟件包。在第三代模型預(yù)測(cè)控制技術(shù)基礎(chǔ)上又出現(xiàn)了第四代模型預(yù)測(cè)控制技術(shù)，特征是：基于Windows的圖形用戶界面；采用多層優(yōu)化，以實(shí)現(xiàn)不同等級(jí)目標(biāo)控制；采用靈活的優(yōu)化方法；直接考慮模型不確定性(魯棒控制設(shè)計(jì))；改進(jìn)的辨識(shí)技術(shù)等。主要代表產(chǎn)品有DMC-pllus、RMPCT等。(三)我國(guó)預(yù)測(cè)控制應(yīng)用1 .國(guó)外引進(jìn)部分先進(jìn)控制軟件包應(yīng)用由于先進(jìn)控制軟件包可以為企業(yè)帶來(lái)可觀的經(jīng)濟(jì)效益，我國(guó)已引進(jìn)IDCOM-M、SMCA、DMCplus等先進(jìn)控制

10、軟件，并已投入使用。另外，HoneywellProfimatics公司已經(jīng)與中國(guó)石化總公司合作，在石化行業(yè)推廣他們的RMPCT軟件，部分已投入使用。(1)催化裂化裝置國(guó)內(nèi)首先由齊魯石化公司勝利煉油廠引進(jìn)美國(guó)Setpoint公司的多變量預(yù)測(cè)控制技術(shù)(IDCOM-M)獲得成功后，大慶石油化工總廠催化裂化裝置、蘭州煉油化工總廠催化裂化裝置、前郭煉油廠催化裂化裝置、撫順石化公司煉油一廠催化裂化裝置、燕山石化公司催化裂化裝置、烏魯木齊石化總廠催化裂化裝置、荊門石化總廠催化裂化裝置等亦從國(guó)外引進(jìn)與合作開(kāi)發(fā)了先進(jìn)控制系統(tǒng)。(2)常減壓裝置齊魯石化公司勝利煉油廠引進(jìn)Honeywell公司先進(jìn)控制軟件；大慶石油

11、化工總廠在第三套常減壓蒸播裝置引進(jìn)Honeywell公司RMPCT先進(jìn)控制軟件；燕山石化公司常減壓裝置先進(jìn)控制；蘭煉常減壓裝置先進(jìn)控制。(3)連續(xù)重整裝置廣州石油化工總廠連續(xù)重整裝置采用美國(guó)西雷公司的數(shù)據(jù)平臺(tái)ONSPEC、美國(guó)Setpoint公司的多變量預(yù)估軟件SMCA；金陵石化公司煉油廠連續(xù)重整和抽提裝置上采用Honeywell公司的魯棒多變量預(yù)估控制器RMPCT；鎮(zhèn)海煉化股份有限公司煉油廠連續(xù)重整裝置采用美國(guó)Aspen公司DMCplus先進(jìn)控制軟件。(4)聚丙烯裝置揚(yáng)子石化公司、上海石化、齊魯石化公司、燕山石化公司等在聚丙烯裝置實(shí)施先進(jìn)控制技術(shù)獲得了明顯經(jīng)濟(jì)效益。2 .國(guó)內(nèi)自行開(kāi)發(fā)部分先進(jìn)

12、控制軟件包應(yīng)用我國(guó)通過(guò)八五“尤五”國(guó)家重點(diǎn)科技攻關(guān)等，在先進(jìn)控制與優(yōu)化控制方面積累了許多經(jīng)驗(yàn)，成功應(yīng)用實(shí)例亦不少。部分成果已逐漸形成商品化軟件。福建煉油廠化工有限公司與浙江大學(xué)合作開(kāi)發(fā)催化裂化裝置先進(jìn)控制系統(tǒng)；洛陽(yáng)石油化工總廠與石油大學(xué)、洛陽(yáng)石化公司共同開(kāi)發(fā)催化裂化裝置；茂名石化煉油廠與石油大學(xué)聯(lián)合開(kāi)發(fā)催化裂化裝置先進(jìn)控制與實(shí)時(shí)優(yōu)化系統(tǒng)；上海交通大學(xué)開(kāi)發(fā)研制的多變量約束控制軟件包MCC是一個(gè)處理約束的多變量、多目標(biāo)、多控制模式和基于模型預(yù)測(cè)的最優(yōu)控制器，已成功應(yīng)用于石家莊煉油化工股份有限公司催化裂化裝置，取得明顯經(jīng)濟(jì)效益；還有浙江大學(xué)開(kāi)發(fā)APC-Hiecon,APC-PFC先進(jìn)控制軟件在國(guó)內(nèi)許

13、多工業(yè)裝置得到了應(yīng)等等。（四）預(yù)測(cè)控制發(fā)展方向1 .自適應(yīng)MPC:目前亦有自適應(yīng)MPCSPAN的產(chǎn)品，但實(shí)時(shí)實(shí)現(xiàn)自適應(yīng)控制存在一定困難，有待進(jìn)一步研究。2 .魯棒MPC:只有RMPCT在控制器設(shè)計(jì)時(shí)考慮到模型不確定T所以設(shè)計(jì)具有魯棒穩(wěn)定性MPC保障的控制器將減少整定與測(cè)試時(shí)間。3 .非線性MPC:由于不少的生產(chǎn)過(guò)程是非線性，開(kāi)發(fā)簡(jiǎn)單實(shí)用的非線性MPC亦是今后的一個(gè)發(fā)展方向。二、軟測(cè)量技術(shù)由于在線分析儀表（傳感器）不僅價(jià)格昂貴，維護(hù)保養(yǎng)復(fù)雜，而且由于分析儀表滯后大，最終將導(dǎo)致控制質(zhì)量的性能下降，難以滿足生產(chǎn)要求。還有部分產(chǎn)品質(zhì)量目前無(wú)法測(cè)量，這在工業(yè)生產(chǎn)中實(shí)例很多，例如精（分）福塔產(chǎn)品成分；塔板

14、效率；干點(diǎn)、閃點(diǎn)；反應(yīng)器中反應(yīng)物濃度、轉(zhuǎn)化率、催化劑活性；高爐鐵水中的含硅量；生物發(fā)酵罐中的生物量參數(shù)等。近年來(lái)，為了解決這類變量的測(cè)量問(wèn)題，各方面在深入研究，目前應(yīng)用較廣泛的是軟測(cè)量方法。軟測(cè)量的基本思想是對(duì)于難于測(cè)量或暫時(shí)不能測(cè)量的重要變量（或稱之為主導(dǎo)變量），選擇另外一些容易測(cè)量的變量（或稱之為輔助變量），通過(guò)構(gòu)成某種數(shù)學(xué)關(guān)系來(lái)推斷和估計(jì)，以軟件來(lái)代替硬件（傳感器）功能。這類方法具有響應(yīng)迅速，連續(xù)給出主導(dǎo)變量信息，且具有投資低、維護(hù)保養(yǎng)簡(jiǎn)單等優(yōu)點(diǎn)。近年來(lái)，國(guó)內(nèi)外對(duì)軟測(cè)量技術(shù)進(jìn)行了大量研究。著名國(guó)際過(guò)程控制專家McaVoy教授將軟測(cè)量技術(shù)列為未來(lái)控制領(lǐng)域需要研究的幾大方向之一，具有廣闊的應(yīng)

15、用前景。軟測(cè)量技術(shù)主要內(nèi)容有：機(jī)理分析與輔助變量選擇，數(shù)據(jù)采集和預(yù)處理，軟測(cè)量模型建立，在線校正，實(shí)施及評(píng)價(jià)。（一）軟測(cè)量建模方法軟測(cè)量的核心問(wèn)題是其模型的建立，也即建立待估計(jì)變量與其他直接測(cè)量變量間的關(guān)聯(lián)模型。軟測(cè)量建模的方法多種多樣，且各種方法互有交叉，且有相互融合的趨勢(shì)，因此很難有妥當(dāng)而全面的分類方法。目前，軟測(cè)量建模方法一般可分為：機(jī)理建模、回歸分析、狀態(tài)估計(jì)、模式識(shí)別、人工神經(jīng)網(wǎng)絡(luò)、模糊數(shù)學(xué)、基于支持向量機(jī)(SVMs)和核函數(shù)的方法、過(guò)程層析成像、相關(guān)分析和現(xiàn)代非線性系統(tǒng)信息處理技術(shù)等。這些方法都不同程度地應(yīng)用于軟測(cè)量實(shí)踐中，均具有各自的優(yōu)缺點(diǎn)及適用范圍，有些方法在軟測(cè)量實(shí)踐中己有許

16、多成功的應(yīng)用，后面幾種建模方法限于技術(shù)發(fā)展水平，在過(guò)程控制中目前還應(yīng)用較少。1 .基于工藝機(jī)理分析的軟測(cè)量建模基于工藝機(jī)理分析的軟測(cè)量建模主要是運(yùn)用化學(xué)反應(yīng)動(dòng)力學(xué)、物料平衡、能量平衡等原理，通過(guò)對(duì)過(guò)程對(duì)象的機(jī)理分析，找出不可測(cè)主導(dǎo)變量與可測(cè)輔助變量之間的關(guān)系(建立機(jī)理模型)，從而實(shí)現(xiàn)對(duì)某一參數(shù)的軟測(cè)量。對(duì)于工藝機(jī)理較為清楚的工藝過(guò)程，該方法能構(gòu)造出性能良好的軟儀表。但是對(duì)于機(jī)理研究不充分、尚不完全清楚的復(fù)雜工業(yè)過(guò)程，難以建立合適的機(jī)理模型。2 .基于回歸分析的軟測(cè)量建模經(jīng)典的回歸分析是一種建模的基本方法，應(yīng)用范圍相當(dāng)廣泛。以最小二乘法原理為基礎(chǔ)的回歸技術(shù)目前已相當(dāng)成熟，常用于線性模型的擬合。對(duì)

17、于輔助變量較多的情況，通常要借助機(jī)理分析，首先獲得模型各變量組合的大致框架，然后再采用逐步回歸方法獲得軟測(cè)量模型。為簡(jiǎn)化模型，也可采用主元回歸分析法(PrincipalComponentRegression,PCR)和部分最小二乘回歸法(Partial-Least-SquaresRegression,PLSR)等方法?；诨貧w分析的軟測(cè)量建模方法簡(jiǎn)單實(shí)用，但需要足夠有效的樣本數(shù)據(jù)，對(duì)測(cè)量誤差較為敏感。3 .基于人工神經(jīng)網(wǎng)絡(luò)的軟測(cè)量建?；谌斯ど窠?jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwork,ANN)的軟測(cè)量建模方法是近年來(lái)研究最多、發(fā)展很快和應(yīng)用范圍很廣泛的一種軟測(cè)量建模方法。能適用于

18、高度非線性和嚴(yán)重不確定性系統(tǒng)，因此它為解決復(fù)雜系統(tǒng)過(guò)程參數(shù)的軟測(cè)量問(wèn)題提供了一條有效途徑。采用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行軟測(cè)量建模有兩種形式：一種是利用人工神經(jīng)網(wǎng)絡(luò)直接建模，用神經(jīng)網(wǎng)絡(luò)來(lái)代替常規(guī)的數(shù)學(xué)模型描述輔助變量和主導(dǎo)變量間的關(guān)系，完成由可測(cè)信息空間到主導(dǎo)變量的映射；另一種是與常規(guī)模型相結(jié)合，用神經(jīng)網(wǎng)絡(luò)來(lái)估計(jì)常規(guī)模型的模型參數(shù)，進(jìn)而實(shí)現(xiàn)軟測(cè)量。4 .基于模式識(shí)別的軟測(cè)量建模這種軟測(cè)量建模方法是采用模式識(shí)別的方法對(duì)工業(yè)過(guò)程的操作數(shù)據(jù)進(jìn)行處理，從中提取系統(tǒng)的特征，構(gòu)成以模式描述分類為基礎(chǔ)的模式識(shí)別模型?；谀Ｊ阶R(shí)別方法建立的軟測(cè)量模型與傳統(tǒng)的數(shù)學(xué)模型不同，它是一種以系統(tǒng)的輸入、輸出數(shù)據(jù)為基礎(chǔ)，通過(guò)對(duì)系統(tǒng)

19、特征提取而構(gòu)成的模式描述模型。該方法的優(yōu)勢(shì)在于它適用于缺乏系統(tǒng)先驗(yàn)知識(shí)的場(chǎng)合，可利用日常操作數(shù)據(jù)來(lái)實(shí)現(xiàn)軟測(cè)量建模。在實(shí)際應(yīng)用中，這種軟測(cè)量建模方法常常和人工神經(jīng)網(wǎng)絡(luò)以及模糊技術(shù)等技術(shù)結(jié)合在一起使用。5 .基于模糊數(shù)學(xué)的軟測(cè)量建模模糊數(shù)學(xué)模仿人腦邏輯思維特點(diǎn)，是處理復(fù)雜系統(tǒng)的一種有效手段，在過(guò)程軟測(cè)量建模中也得到了應(yīng)用。基于模糊數(shù)學(xué)軟測(cè)量模型是一種知識(shí)性模型。該法特別適合應(yīng)用于復(fù)雜工業(yè)過(guò)程中被測(cè)對(duì)象呈現(xiàn)亦此亦彼的不確定性，難以用常規(guī)數(shù)學(xué)定量描述的場(chǎng)合。實(shí)際應(yīng)用中常將模糊技術(shù)和其他人工智能技術(shù)相結(jié)合，例如模糊數(shù)學(xué)和人工神經(jīng)網(wǎng)絡(luò)相結(jié)合構(gòu)成模糊神經(jīng)網(wǎng)絡(luò)，將模糊數(shù)學(xué)和模式識(shí)別相結(jié)合構(gòu)成模糊模式識(shí)別，這樣

20、可互相取長(zhǎng)補(bǔ)短以提高軟儀表的效能。6 .基于支持向量機(jī)（SVMs）的方法建立在統(tǒng)計(jì)學(xué)習(xí)理論基石上的支持向量機(jī)（SVMs-SupportVectorMachines）業(yè)已成為當(dāng)前機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)研究熱點(diǎn)。支持向量機(jī)采用結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則，在有限樣本情況下，得到現(xiàn)有信息下的最優(yōu)解而不僅僅是樣本數(shù)趨于無(wú)窮大時(shí)的最優(yōu)值，解決了一般學(xué)習(xí)方法難以解決的問(wèn)題，如神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)選擇問(wèn)題和模型學(xué)習(xí)問(wèn)題等，從而提高了模型的泛化能力。另外，支持向量機(jī)把機(jī)器學(xué)習(xí)問(wèn)題歸結(jié)為一個(gè)二次規(guī)劃問(wèn)題，因而得到的最優(yōu)解不僅是全局最優(yōu)解，而且具有唯一性。由于軟測(cè)量建模與一般數(shù)據(jù)回歸問(wèn)題之間存在著共性，支持向量機(jī)方法應(yīng)用于回歸估計(jì)問(wèn)題

21、取得不錯(cuò)的效果應(yīng)用，也促使人們把眼光投向工程應(yīng)用領(lǐng)域，提出了建立基于支持向量機(jī)的軟測(cè)量建模方法。7 .基于過(guò)程層析成像的軟測(cè)量建?；谶^(guò)程層析成像（ProcessTomography,PT）的軟測(cè)量建模方法與其他軟測(cè)量建模方法不同的是，它是一種以醫(yī)學(xué)層析成像（ComputerizedTomography,CT）技術(shù)為基礎(chǔ)的在線獲取過(guò)程參數(shù)二維或三維的實(shí)時(shí)分布信息的先進(jìn)檢測(cè)技術(shù)，即一般軟測(cè)量技術(shù)所獲取的大多是關(guān)于某一變量的宏觀信息，而采用該技術(shù)可獲取關(guān)于該變量微觀的時(shí)空分布信息。由于技術(shù)發(fā)展水平的制約，該種軟測(cè)量建模方法目前離工業(yè)實(shí)用化還有一定距離，在過(guò)程控制中的直接應(yīng)用還不多。8 .基于相關(guān)分

22、析的軟測(cè)量建?；谙嚓P(guān)分析的軟測(cè)量建模方法是以隨機(jī)過(guò)程中的相關(guān)分析理論為基礎(chǔ)，利用兩個(gè)或多個(gè)可測(cè)隨機(jī)信號(hào)間的相關(guān)特性來(lái)實(shí)現(xiàn)某一參數(shù)的軟測(cè)量方法。該方法采用的具體實(shí)現(xiàn)方法大多是互相關(guān)分析方法，即利用各輔助變量（隨機(jī)信號(hào)）間的互相關(guān)函數(shù)特性來(lái)進(jìn)行軟測(cè)量。目前這種方法主要應(yīng)用于難測(cè)流體（即采用常規(guī)測(cè)量?jī)x表難以進(jìn)行有效測(cè)量的流體）流速或流量的在線測(cè)量和故障診斷（例如流體輸送管道泄漏的檢測(cè)和定位）等。9 .基于現(xiàn)代非線性信息處理技術(shù)的軟測(cè)量建?；诂F(xiàn)代非線性信息處理技術(shù)的軟測(cè)量是利用易測(cè)過(guò)程信息（輔助變量，它通常是一種隨機(jī)信號(hào)），采用先進(jìn)的信息處理技術(shù)，通過(guò)對(duì)所獲信息的分析處理提取信號(hào)特征量，從而實(shí)現(xiàn)某

23、一參數(shù)的在線檢測(cè)或過(guò)程的狀態(tài)識(shí)別。這種軟測(cè)量技術(shù)的基本思想與基于相關(guān)分析的軟測(cè)量技術(shù)一致，都是通過(guò)信號(hào)處理來(lái)解決軟測(cè)量問(wèn)題，所不同的是具體信息處理方法不同。該軟測(cè)量建模方法的信息處理方法大多是各種先進(jìn)的非線性信息處理技術(shù)，例如小波分析、混沌和分形技術(shù)等，因此能適用于常規(guī)的信號(hào)處理手段難以適應(yīng)的復(fù)雜工業(yè)系統(tǒng)。相對(duì)而言，基于現(xiàn)代非線性信息處理技術(shù)的軟測(cè)量建模方法的發(fā)展較晚，研究也還比較分散。該技術(shù)目前一般主要應(yīng)用于系統(tǒng)的故障診斷、狀態(tài)檢測(cè)和過(guò)失誤差偵破等，并常常和人工神經(jīng)網(wǎng)絡(luò)或模糊數(shù)學(xué)等人工智能技術(shù)相結(jié)合。（二）工業(yè)應(yīng)用實(shí)例軟測(cè)量技術(shù)工業(yè)應(yīng)用成功實(shí)例不少。國(guó)外有InferentialControl

24、、Setpoint、DMC、Profimatics、Simeon、AppliedAutomation等公司以商品化軟件形式推出各自的軟測(cè)量?jī)x表，例如：測(cè)量10%、50%、90%和最終的ASTM沸點(diǎn)、閃點(diǎn)、傾點(diǎn)、黏點(diǎn)和雷得蒸汽壓等，這些已廣泛應(yīng)用于常減壓塔、FCCU主分儲(chǔ)塔、焦化主分儲(chǔ)塔、加氫裂化分儲(chǔ)塔、汽油穩(wěn)定塔、脫乙烷塔等先進(jìn)控制和優(yōu)化控制。它增加了輕質(zhì)油收率，降低了能耗并減少了原油切換時(shí)間，取得了明顯經(jīng)濟(jì)效益。國(guó)內(nèi)引進(jìn)催化裂化、常減壓等裝置的先進(jìn)控制軟件亦有軟測(cè)量技術(shù)，但這些引進(jìn)軟件價(jià)格昂貴。國(guó)內(nèi)有關(guān)高等院校、科研院所和企業(yè)等自行開(kāi)發(fā)了不少軟測(cè)量技術(shù)工業(yè)應(yīng)用，甲醇生產(chǎn)過(guò)程中燒類轉(zhuǎn)化反應(yīng)器出

25、口氣中CH4含量軟測(cè)量O在現(xiàn)場(chǎng)進(jìn)行測(cè)試獲得大量數(shù)據(jù)后通過(guò)回歸方法得到了一個(gè)線性回歸模型，并進(jìn)行適當(dāng)校正后投入運(yùn)行，與分析值十分接近，并用軟測(cè)量得到的CH4估計(jì)值成功應(yīng)用于串級(jí)控制。氣分裝置丙烯丙烷塔塔頂丙烯成分軟測(cè)量。通過(guò)嚴(yán)格的汽液平衡模型簡(jiǎn)化和現(xiàn)場(chǎng)測(cè)試，得到非線性回歸模型，并設(shè)計(jì)在線校正。該軟測(cè)量估計(jì)器投入在線運(yùn)行，精確度滿足要求，并成功應(yīng)用于丙烯成分閉環(huán)控制，取得了明顯經(jīng)濟(jì)效益。催化裂化裝置分儲(chǔ)塔輕柴油凝固點(diǎn)軟測(cè)量，基于現(xiàn)場(chǎng)數(shù)據(jù)分析并結(jié)合工藝機(jī)理分析，建立了多層前向網(wǎng)絡(luò)柴油凝固點(diǎn)的軟測(cè)量模型，設(shè)計(jì)簡(jiǎn)單在線校正。神經(jīng)網(wǎng)絡(luò)模型估計(jì)值與分析值最大誤差為1.65C,并用了閉環(huán)控制，平穩(wěn)了生產(chǎn)，減少

26、凝固點(diǎn)波動(dòng)，合格品由94%提高到100%。催化裂化裝置主分儲(chǔ)塔粗汽油干點(diǎn)軟測(cè)量。通過(guò)機(jī)理和現(xiàn)場(chǎng)采集數(shù)據(jù)分析，建立回歸模型和神經(jīng)網(wǎng)絡(luò)模型，模型精確度均能滿足生產(chǎn)。最后采用回歸模型，并加在線控制，現(xiàn)場(chǎng)應(yīng)用表明誤差小于3C,達(dá)98%,已投入閉環(huán)控制。常減壓裝置常壓塔柴油凝固點(diǎn)軟測(cè)量。通過(guò)現(xiàn)場(chǎng)采集數(shù)據(jù)經(jīng)處理后，建立了非線性回歸模型和神經(jīng)網(wǎng)絡(luò)模型，為提高模型精確度和魯棒性，組成非線性回歸模型與神經(jīng)網(wǎng)絡(luò)模型結(jié)合的混合模型，并設(shè)計(jì)了一個(gè)串級(jí)控制系統(tǒng)。投入運(yùn)行后獲得較好控制效果，可以滿足生產(chǎn)要求。加氫裂化裝置第一分儲(chǔ)塔航煤干點(diǎn)軟測(cè)量。根據(jù)加氫裂化分儲(chǔ)塔的工藝機(jī)理和實(shí)測(cè)數(shù)據(jù)分析，合理確定輔助變量，進(jìn)行數(shù)據(jù)采集和

27、預(yù)處理。在此基礎(chǔ)上開(kāi)發(fā)了BP-RBF-PLS的航煤干點(diǎn)軟測(cè)量混合模型。在工業(yè)裝置上投入運(yùn)行精度較高，已通過(guò)驗(yàn)收，認(rèn)為該軟測(cè)量可實(shí)現(xiàn)航煤干點(diǎn)在先連續(xù)測(cè)量，滿足生產(chǎn)要求，為實(shí)現(xiàn)先進(jìn)控制創(chuàng)造了條件。延遲焦化裝置分儲(chǔ)塔粗汽油干點(diǎn)軟測(cè)量。經(jīng)對(duì)現(xiàn)場(chǎng)采集的數(shù)據(jù)及工藝機(jī)理分析，確定了影響粗汽油干點(diǎn)的最主要因素，分別建立了PLS和RBFN模型，為提高模型精確度和泛化能力、將PLS模型和RBFN模型并聯(lián)建立了粗汽油干點(diǎn)混合模型，交叉驗(yàn)證表明這一方法是有效的，所建模型精確度較高和良好的泛化能力。PTA氧化反應(yīng)質(zhì)量指標(biāo)軟測(cè)量。經(jīng)工藝機(jī)理分析，結(jié)合實(shí)際數(shù)據(jù)的相關(guān)分析，確定輔助變量，采用基于遞推算法的PLS建立軟測(cè)量模型，該算法已在PTA氧化反應(yīng)質(zhì)量指標(biāo)的先進(jìn)控制中應(yīng)用，取得了較好經(jīng)濟(jì)效益。連續(xù)重整裝置中重整產(chǎn)品辛烷值、待生催化劑結(jié)焦含量、重整產(chǎn)品C5+液收率的軟測(cè)量，實(shí)現(xiàn)在保證質(zhì)量合格前提下提高產(chǎn)品收率的優(yōu)化操作指導(dǎo)；完成對(duì)重整再生器氧含量的軟測(cè)量。兩個(gè)系統(tǒng)先后投運(yùn)后運(yùn)行正常，取得了良好的經(jīng)濟(jì)效益。另外，還有丙烯睛收率軟測(cè)量；高壓聚乙烯生產(chǎn)過(guò)程中的重要參數(shù)一一熔融指數(shù)（MI）的軟測(cè)量；合成醋酸乙烯的空時(shí)得率和催化劑選擇性的軟測(cè)量；乙烯裝置裂解爐出口乙烯收率、丙烯收率、裂解深度的軟