虛拟仪器与软测量技术.docVIP

软测量技术及其应用 摘要：软测量技术作为当前过程控制中的研究热点之一，近年来取得了重大发展。本文介绍了软测量技术的基本原理，对目前主要软测量建模的方法进行了介绍, 并列举了工业应用实例。 关键词：软测量 建模方法 工业应用实例 引言 随着现代工业过程对控制、计算、节能增效和运行可靠性等要求的不断提高, 各种测量要求日益增多。现代过程检测的内涵和外延较之以往均有很大的深化和拓展。一般解决工业过程的测量问题有两条途径: 一是沿袭传统的检测技术发展思路, 通过研制新型的过程测量仪表,以硬件形式实现过程参数的直接在线测量; 另一种就是采用间接测量的思路,利用易于获取的其它测量信息,通过计算来实现对被测变量的估计。近年来在过程控制和检测领域涌现出的一种新技术——软测量技术就是这一思想的集中体现。 软测量的基本思想是把自动控制理论与生产过程知识有机结合起来,应用计算机技术,针对难于测量或暂时不能测量的重要变量(或称之为主导变量),选择另外一些容易测量的变量(或称之为辅助变量),通过构成某种数学关系来推断和估计,以软件来代替硬件(传感器 )功能。这类方法响应迅速,能够连续给出主导变量信息,且具有投资低、维护保养简单等优点。 软测量技术的基本原理 软测量技术在工业过程中主要应用于实时估计、故障冗余、智能校正和多路复用等方面。软测量技术主要由辅助变量的选择、数据采集和处理、软测量模型及在线校正四个部分组成。 辅助变量的选择 首先明确软测量的任务, 确定主导变量。在此基础上深入了解和熟悉软测量对象及有关装置的工艺流程, 通过机理分析可以初步确定影响主导变量的相关变量——辅助变量。辅助变量的选择分为数量、类型和检测点的选择。目前软测量对象都是灰箱系统,得不到系统的准确模型。一般来说, 原始辅助变量数目、 类型很多,为了实时运行方便, 有必要对输入变量进行适当的降维处理。 数据采集和处理 软仪表是根据过程测量数据经过数值计算从而实现软测量的,其性能很大程度上依赖于所获过程测量数据的准确性和有效性,为了保证这一点,一方面,在数据采集时,要注意数据的信息量,均匀分配采样点,尽量拓宽数据的涵盖范围,减少信息重叠,避免某一方面信息冗余,否则会影响最终建模的质量。 采集的数据必须进行处理, 数据处理包含两个方面,即换算和数据误差处理。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;后者包括仪表的系统误差(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、热损失等不确定因素影响)。过失误差出现的几率较小,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。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3方面。 软测量模型的建立 从软测量技术的过程可以看出,软测量技术的核心是建立对象的数学模型, 对象数学模型的好坏,将直接关系到软测量器的计算结果。建立的方法有机理建模、经验建模以及两者相结合的建模。 机理建模 从机理出发,也就是从过程内在的物理和化学规律出发,通过物料平衡与能量平衡和动量平衡建立数学模型。对于简单过程可以采用解析法, 而对于复杂 过程,特别是需要考虑输入变量大范围变化的场合,采用仿真方法。典型化工过程的仿真程序已编制成各种现成软件包。 机理模型优点是可以充分利用已知的过程知识,从事物的本质上认识外部特征;有较大的适用范围,操作条件变化可以类推。但它亦有弱点,对于某些复杂的过程难于建模, 必须通过输入/输出数据验证。 经验建模 通过实测或依据积累操作数据, 用数学回归方法、神经网络方法等得到经验模型来进行测试,理论上有很多实验设计方法,如常用的正交设计等。有一种办法是吸取调优操作经验,即逐步向更好的操作点移动,这样可一举两得,既扩大了测试范围,又改进了工艺操作。测试中另一个问题是稳态是否真正建立,否则会带来较大误差。还有数据采样与产品质量分析必须同步进行。最后是模型检验, 检验分为自身检验与交叉检验。我们建议和提倡交叉检验。经验建模的优点与弱点与机理建模正好相反,特别是现场测试,实施中有一定难处。 机理建模与经验建模相结合 把机理建模与经验建模结合起来, 可兼容两者之长, 补各自之短。机理与经验相结合建模是一个较实用的方法, 目前被广泛采用。简化机理模型提供的先验知识，可以为基于经验的建模节省训练样本，同时基于经验的建模又可以补偿简化机理模型的未建模特性。 软测量模型的在线校正 在软仪表的使用过程中,随着对象特性的变化和工作点的漂移,需要对软仪表进行校正以适应新的工况。通常对软仪表的在线校正方法有自适应法、增量法