先進(jìn)控制之 軟測量技術(shù)

1第五章軟測量技術(shù)基本思想是把自動控制理論與生產(chǎn)過程知識有機(jī)結(jié)合起來，應(yīng)用計(jì)算機(jī)技術(shù)，對于難于測量或暫時(shí)不能測量的重要變量（或稱之為主導(dǎo)變量）通過選擇了我一些人員測量的變量（或稱為輔助變量）與之構(gòu)成某種數(shù)學(xué)關(guān)系來推斷和估計(jì)，以軟件代替硬件（傳感器）。軟測量技術(shù)往往與先進(jìn)過程控制相伴。軟測量解決的問題：生產(chǎn)過程中一些被控變量（特別是質(zhì)量參數(shù)）無法在線測量，而在線分析儀價(jià)格昂貴，不易維護(hù)，而且分析一般均存在滯后，那么在以這些參數(shù)為指標(biāo)進(jìn)行控制時(shí)就無法構(gòu)成實(shí)時(shí)反饋回路，而不能保證對其很好的控制。2軟測量技術(shù)是利用可測過程變量、通過各種數(shù)學(xué)計(jì)算和估計(jì)方法推斷待測過程變量的技術(shù)，從而達(dá)到了在不增加硬件的情況下用軟件來估計(jì)重要質(zhì)量參數(shù)的目的。軟測量舉例：延遲焦化裝置的粗汽油干點(diǎn)和柴油95%點(diǎn)等；催化裂化分餾塔的粗汽油干點(diǎn)和輕柴油凝固點(diǎn)等；聚合物的漿液濃度、產(chǎn)率等。3軟測量模型長期校正模塊初始模型在線校正模塊簡單機(jī)理模型預(yù)處理模塊測量數(shù)據(jù)歷史數(shù)據(jù)歷史數(shù)據(jù)修正的模型數(shù)據(jù)化驗(yàn)數(shù)據(jù)模型參數(shù)輸出

軟測量結(jié)構(gòu)圖建立工業(yè)工程的可靠模型是核心4軟儀表模型可測過程擾動可測過程輸入可測過程輸出輔助變量校正值主導(dǎo)變量估計(jì)值5軟測量儀表的建模方法6軟測量技術(shù)的優(yōu)缺點(diǎn)優(yōu)點(diǎn)：軟測量模型一般是通過歷史數(shù)據(jù)建立的。軟測量模型易于維護(hù)。軟測量模型為進(jìn)一步的過程優(yōu)化和控制創(chuàng)造了條件。缺點(diǎn)：軟測量模型不能完全取代在線分析儀或?qū)嶒?yàn)室分析工作。歷史數(shù)據(jù)的質(zhì)量直接影響軟測量模型的精度。過程操作條件發(fā)生變化后需要重新建立軟測量模型。軟測量模型需要長期進(jìn)行維護(hù)。75.1軟測量技術(shù)概論5.1.1機(jī)理分析與輔助變量的選擇輔助變量的選擇應(yīng)符合關(guān)聯(lián)性、特異性、過程適用性、精確性和魯棒性等原則。可以從系統(tǒng)的自由度出發(fā)，來確定輔助變量的最小數(shù)量。85.1.2數(shù)據(jù)采集和處理數(shù)據(jù)處理：換算和數(shù)據(jù)誤差處理。換算包括標(biāo)度、轉(zhuǎn)換和權(quán)函數(shù)三個(gè)方面數(shù)據(jù)誤差：隨機(jī)誤差和過失誤差。、濾波的方法剔除統(tǒng)計(jì)假設(shè)校驗(yàn)法，神經(jīng)網(wǎng)絡(luò)95.1.3軟測量模型的建立1機(jī)理建模2經(jīng)驗(yàn)建模3機(jī)理建模和經(jīng)驗(yàn)建模相結(jié)合第三種方法目前應(yīng)用廣泛1.主體用機(jī)理建模，部分參數(shù)通過實(shí)測得到2.通過機(jī)理分析，把變量適當(dāng)結(jié)合，得出數(shù)學(xué)模型函數(shù)形式3由機(jī)理出發(fā)，通過仿真或計(jì)算，得到大量輸入輸出數(shù)據(jù)，再用回歸活神經(jīng)網(wǎng)絡(luò)？105.1.4軟測量模型的在線校正115.2軟測量建模方法-回歸分析5.2.1多元線性和逐步回歸(1)多元線性回歸（MLR）基于最小二乘法假設(shè)有因變量y和m個(gè)自變量x1,x2,…xn,MLR的目標(biāo)是建立一個(gè)從m個(gè)不相關(guān)自變量xi到估計(jì)量的線性映射：式中y是估計(jì)量，xi是互不相關(guān)變量，bi為回歸系數(shù)，b0是偏置常數(shù)。用矩陣可以表示為：

Y=XB+b0

如果n>m，則上式的解為：B=(XTX)-1XTY

12（2）多元逐步回歸（MSR）5.2.3部分最小二乘法（PLS）135.3軟測量建模方法-人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)（ANN）可以在不了解過程穩(wěn)態(tài)和動態(tài)的情況下，建立模型，同時(shí)隨著工業(yè)過程內(nèi)部特性的變化，軟測量模型可以通過學(xué)習(xí)及時(shí)得到修正。能夠以任意精度逼近任意非線性映射，具有自適應(yīng)能力，包括自學(xué)習(xí)能力、自組織推理能力等并行結(jié)構(gòu)和并行處理分布式信息存儲與處理結(jié)構(gòu)，具有獨(dú)特的容錯(cuò)性能夠同時(shí)融合定量和定性數(shù)據(jù)，可以與傳統(tǒng)控制方法及符號主義的人工智能相結(jié)合缺點(diǎn)：近年對ANN本身結(jié)構(gòu)的研究沒有根本突破網(wǎng)絡(luò)本身的黑箱結(jié)構(gòu)使其不能利用經(jīng)驗(yàn)進(jìn)行學(xué)習(xí)，易陷入局部極小值145.3.1BP網(wǎng)絡(luò)反向傳播算法（BackpropagationAlgorithm)是D.Rumellart等人提出的一種有導(dǎo)師學(xué)習(xí)算法。由四部分構(gòu)成：輸入模式是中間層向輸出層的模式順傳播過程網(wǎng)絡(luò)的期望輸出與網(wǎng)絡(luò)實(shí)際輸出之差的誤差信號由輸出層逐層修正連接權(quán)的誤差反傳播過程由模式順傳播與誤差反傳播的反復(fù)交替進(jìn)行的網(wǎng)絡(luò)記憶訓(xùn)練過程網(wǎng)絡(luò)趨向收斂即網(wǎng)絡(luò)的全局誤差趨向極小值的學(xué)習(xí)收斂過程模式順傳播誤差反傳播記憶訓(xùn)練學(xué)習(xí)收斂15IjI1ILvL1v1mv11v1jvLjvLmw11w1nwm1wmnCCCABC三層反向傳播網(wǎng)絡(luò)BP學(xué)習(xí)規(guī)則有時(shí)也稱為廣義δ規(guī)則，采用梯度法使目標(biāo)函數(shù)最小：廣義δ規(guī)則算法是一種用平方誤差最小的迭代梯度下降方法，它采用一種動量的方法來加速訓(xùn)練，動量是一種加到已調(diào)整的權(quán)重因子上的額外權(quán)重，通過加速權(quán)重因子的變化來提高訓(xùn)練速度。廣義δ規(guī)則采用偏置函數(shù)代替內(nèi)部閾值，在進(jìn)行節(jié)點(diǎn)求和的時(shí)候，加上偏置函數(shù)。16BP學(xué)習(xí)算法的步驟如下：Step1在（-1,1）之間給權(quán)重vij和wij隨機(jī)賦值Step2將輸入矢量Ii送入神經(jīng)元網(wǎng)絡(luò)，根據(jù)下式計(jì)算一層的輸出xi=Ii-T1I=Ii-0=Ii

Step3已知一層的輸出，用下式計(jì)算2層的輸出

17式中，f()為Sigmoid函數(shù)Step4：

已知2層的輸出，根據(jù)下式計(jì)算輸出層的結(jié)果：Step5：

對于送入輸出層的M個(gè)訓(xùn)練模式繼續(xù)Step1-Step4,根據(jù)下式計(jì)算總的平方誤差E:

18Step6已知第m個(gè)模式，用下式計(jì)算，即前隱含層（第2層）第j個(gè)處理單元的梯度下降項(xiàng)：Sigmoid函數(shù)的偏微分

19Step7已知隱含層的和輸出層的，用下式計(jì)算權(quán)重變化：

式中：η為學(xué)習(xí)效率；α為動量系數(shù)，0<α<1

20Step8已知權(quán)重變化，根據(jù)下式計(jì)算權(quán)重：對所有訓(xùn)練模式，重復(fù)Step2-Step8,直至平方誤差為0或充分小為止。215.3.2RBF網(wǎng)絡(luò)225.4軟測量建模方法-基于核函數(shù)方法核函數(shù)方法是一類較新的機(jī)器學(xué)習(xí)方法，他們在模式識別領(lǐng)域獲得了成功應(yīng)用。幾種典型的核函數(shù)方法：支持向量機(jī)（SVMs,supportvectormachine),核主元回歸（Kernel,PCR),核偏最小二乘法（KernelPLS)在軟測量建模中的應(yīng)用。235.5軟測量工程設(shè)計(jì)5.5.1軟測量的設(shè)計(jì)步驟24機(jī)理分析、選擇輔助變量數(shù)據(jù)采集和預(yù)處理建立軟測量模型設(shè)計(jì)校正模塊在裝置上實(shí)現(xiàn)軟測量評價(jià)軟測量1了解工藝流程和控制系統(tǒng)2明確軟測量任務(wù)，確定主導(dǎo)變量3分析變量的可觀、可控性4初步選擇輔助變量1確定輔助變量2選擇軟測量模型結(jié)構(gòu)3確定軟測量模型系4模型交叉驗(yàn)證1選擇短期校正方法2選擇長期校正方法1在DCS上實(shí)現(xiàn)軟測量的數(shù)據(jù)處理、模型計(jì)算和在線校正模塊2設(shè)計(jì)工藝員修改參數(shù)界面和操作員觀測、輸入化驗(yàn)值界面3設(shè)計(jì)模型報(bào)警模塊1采集輔助變量的測量數(shù)據(jù)和主導(dǎo)變量的化驗(yàn)數(shù)據(jù)2數(shù)據(jù)校正3數(shù)據(jù)變換4數(shù)據(jù)相關(guān)性分析5主元分析1針對軟測量對象進(jìn)行機(jī)理分析，選擇輔助變量了解和熟悉軟測量對象以及裝置的工藝流程，明確軟測量任務(wù)2數(shù)據(jù)采集和預(yù)處理用統(tǒng)計(jì)假設(shè)檢驗(yàn)剔除有顯著誤差的數(shù)據(jù)后，再用平均濾波的方法來去除隨機(jī)誤差3建立軟測量模型用回歸分析或者人工神經(jīng)網(wǎng)絡(luò)的方法4設(shè)計(jì)模型校正模塊5在實(shí)際工業(yè)裝置上實(shí)現(xiàn)軟測量將離線采集的軟測量模型和數(shù)據(jù)采集及預(yù)處理模塊，模型校正模塊以軟件的形式嵌入到裝置的DCS上256軟測量的評價(jià)在軟測量運(yùn)行期間，采集軟測量對象的實(shí)測值和模型估計(jì)值，根據(jù)比較結(jié)果評價(jià)該軟測量模型是否滿足工藝要求，如果不滿足，要利用過程數(shù)據(jù)分析原因，判斷是模型選擇不當(dāng)，參數(shù)選擇不當(dāng)還是該時(shí)間段內(nèi)的工況遠(yuǎn)離模型的預(yù)測范圍。265.5.2過程數(shù)據(jù)預(yù)處理1異常數(shù)據(jù)的剔除測量者讀數(shù)和記錄的嚴(yán)重失誤，或儀器儀表的突然波動，都會造成異常的觀測結(jié)果，稱這類數(shù)據(jù)叫異常數(shù)據(jù)。樣本數(shù)據(jù)是否是異常數(shù)據(jù)27如何判斷？技術(shù)判別法：根據(jù)物理或化學(xué)性質(zhì)進(jìn)行技術(shù)分析，以判別偏差較大的數(shù)據(jù)是否為異常數(shù)據(jù)統(tǒng)計(jì)判別法：用數(shù)學(xué)的方法做出鑒別拉依達(dá)準(zhǔn)則格拉布斯準(zhǔn)則羅曼諾夫斯基準(zhǔn)則方差比準(zhǔn)則狄克遜準(zhǔn)則拉依達(dá)準(zhǔn)則又稱為3σ準(zhǔn)則，以試驗(yàn)測試的次數(shù)充分多為前提，一般情況下，對一組樣本數(shù)據(jù)，如果樣本中存在隨機(jī)誤差，則根據(jù)隨機(jī)誤差的正態(tài)分布規(guī)律，其偏差落在±3σ以外的概率約為0.3%,所以在有限次數(shù)的樣本中，如果發(fā)現(xiàn)偏差大于3σ的數(shù)值，則認(rèn)為它是異常數(shù)據(jù)而予以剔除。

設(shè)樣本數(shù)據(jù)位y1,y2,…yn,平均值為，偏差為vi=yi-(i=1,2,…n)，按照Bessel公式計(jì)算出標(biāo)準(zhǔn)偏差：

28如果某一樣本數(shù)據(jù)yk的偏差vk(1≤k≤n)滿足下式：

則認(rèn)為yk是異常數(shù)據(jù)，應(yīng)予以剔除

2數(shù)據(jù)的平滑在建模前采集的樣本數(shù)據(jù)中，需要的是被測樣本的真實(shí)信號，所以要從采樣數(shù)據(jù)中盡可能的排除噪聲成分，一般采樣數(shù)字濾波技術(shù)。而在數(shù)字濾波中用于消去頻率較高的噪聲，保留或突出頻率較低的信號，這類方法稱為數(shù)據(jù)的平滑。

29線性滑動平滑法：取第i點(diǎn)及附近若干點(diǎn)的數(shù)據(jù)，用最小二乘法擬合一條直線，用該直線方程計(jì)算出第i點(diǎn)的因變量作為平滑后的數(shù)據(jù)值5.5.3數(shù)據(jù)校正在基于軟測量的先進(jìn)控制于優(yōu)化系統(tǒng)中，融合了大量的現(xiàn)場數(shù)據(jù)，實(shí)際測量數(shù)據(jù)不可避免的會帶有誤差，而且數(shù)據(jù)不完整，所以有必要對數(shù)據(jù)進(jìn)行校正。誤差分為隨機(jī)誤差和顯著誤差。隨機(jī)誤差：操作過程中的微小波動活檢測信號的噪聲等顯著誤差：儀表的系統(tǒng)誤差、測量設(shè)備失靈，不完全或不正確的過程模型。30數(shù)據(jù)校正分為三步：1.變量分類：確定變量的可觀性、冗余性等2顯著誤差的檢測：辨識過失誤差的位置，并進(jìn)行剔除或補(bǔ)償3參數(shù)估計(jì)和數(shù)據(jù)協(xié)調(diào)：對可觀但沒有測量儀