??? 世界各國(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)過程控制等方面進(jìn)行研究,推出了從實(shí)際工業(yè)過程特點(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)。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,由于預(yù)估補(bǔ)償器對(duì)參數(shù)變化靈敏度極高,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)??刂?、雙控制器、達(dá)林控制箅法、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)多于過程工業(yè)上的實(shí)際應(yīng)用,其中主要原因是:工業(yè)過程的多輸入——多輸出的高維復(fù)雜系統(tǒng)難于建立精確的數(shù)學(xué)模型,工業(yè)過程模型結(jié)構(gòu)、參數(shù)和環(huán)境都有大量不確定性;工業(yè)過程都存在著非線性,只是程度不同而已;工業(yè)過程都存在著各種各樣的約束,而過程的最佳操作點(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,針對(duì)工業(yè)過程特點(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、分餾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)——內(nèi)??刂疲↖MC),發(fā)現(xiàn)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(Robust Multivariable Predictive Control Technology)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處理過程的描述問題,特別是非線性過程取得了一定成果。
??? 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,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)生了新問題,由于系統(tǒng)受外界干擾,可能會(huì)造成QP無可行解的情況;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)變化問題;容錯(cuò)能力待提高,需要處理子系統(tǒng)病態(tài)問題;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)來表示所有控制要求是非常困難的。
??? 為了解決無可行解的問題,控制結(jié)構(gòu)能隨情況發(fā)生變化,能使用于過程動(dòng)態(tài)特性以及更高的品質(zhì)要求,國(guó)外公司技術(shù)人員開發(fā)第三代MPC,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
??? (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)控制軟件,并已投入使用。另外,Honeywell Profimatics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;大慶石油化工總廠在第三套常減壓蒸餾裝置引進(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)自行開發(fā)部分先進(jìn)控制軟件包應(yīng)用
??? 我國(guó)通過“八五”“九五”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)合作開發(fā)催化裂化裝置先進(jìn)控制系統(tǒng);洛陽石油化工總廠與石油大學(xué)、洛陽石化公司共同開發(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)開發(fā)APC-Hiecon,APC-PFC先進(jìn)控制軟件在國(guó)內(nèi)許多工業(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)考慮到模型不確定性,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)過程是非線性,開發(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)量目前無法測(cè)量,這在工業(yè)生產(chǎn)中實(shí)例很多,例如精(分)餾塔產(chǎn)品成分;塔板效率;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,為了解決這類變量的測(cè)量問題,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),通過構(gòu)成某種數(shù)學(xué)關(guān)系來推斷和估計(jì),以軟件來代替硬件(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,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)際過程控制專家McaVoy教授將軟測(cè)量技術(shù)列為未來控制領(lǐng)域需要研究的幾大方向之一,具有廣闊的應(yīng)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,通過對(duì)過程對(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程,該
??? 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)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(Principal Component Regression,PCR)和部分最小二乘回歸法(Partial-Least-Squares Regression,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)量建模
??? 基于人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)的軟測(cè)量建模方法是近年來研究最多、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)過程參數(shù)的軟測(cè)量問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。基于模式識(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),通過對(duì)系統(tǒng)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,在過程軟測(cè)量建模中也得到了應(yīng)用?;谀:龜?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)理論基礎(chǔ)上的支持向量機(jī)(SVMs- Support Vector Machines)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)方法難以解決的問題,如神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)選擇問題和模型學(xué)習(xí)問題等,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)問題歸結(jié)為一個(gè)二次規(guī)劃問題,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)問題取得不錯(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.基于過程層析成像的軟測(cè)量建模
??? 基于過程層析成像(Process Tomography,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(Computerized Tomography,CT)技術(shù)為基礎(chǔ)的在線獲取過程參數(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,在過程控制中的直接應(yīng)用還不多。
??? 8.基于相關(guān)分析的軟測(cè)量建模
??? 基于相關(guān)分析的軟測(cè)量建模方法是以隨機(jī)過程中的相關(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)量建模
??? 基于現(xiàn)代非線性信息處理技術(shù)的軟測(cè)量是利用易測(cè)過程信息(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)某一參數(shù)的在線檢測(cè)或過程的狀態(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,都是通過信號(hào)處理來解決軟測(cè)量問題,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。
??? 軟測(cè)量建模方法雖然經(jīng)過多年的發(fā)展有了很多成果,但仍有許多問題有待于進(jìn)一步研究。
??? (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Inferential Control、Setpoint、DMC、Profimatics、Simcon、Applied Automation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主分餾塔、焦化主分餾塔、加氫裂化分餾塔、汽油穩(wěn)定塔、脫乙烷塔等先進(jìn)
??? 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)等自行開發(fā)了不少軟測(cè)量技術(shù)工業(yè)應(yīng)用,甲醇生產(chǎn)過程中烴類轉(zhuǎn)化反應(yīng)器出口氣中CH4含量軟測(cè)量。在現(xiàn)場(chǎng)進(jìn)行測(cè)試獲得大量數(shù)據(jù)后通過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。
??? 催化裂化裝置分餾塔輕柴油凝固點(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1.65℃,并用了閉環(huán)控制,平穩(wěn)了生產(chǎn),減少凝固點(diǎn)波動(dòng),合格品由94%提高到100%。
催化裂化裝置主分餾塔粗汽油干點(diǎn)軟測(cè)量。通過機(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3℃,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餾塔航煤干點(diǎn)軟測(cè)量。根據(jù)加氫裂化分餾塔的工藝機(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)采集和預(yù)處理。在此基礎(chǔ)上開發(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。
??? 延遲焦化裝置分餾塔粗汽油干點(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,該箅法已在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,還有丙烯腈收率軟測(cè)量;高壓聚乙烯生產(chǎn)過程中的重要參數(shù)——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、裂解深度的軟測(cè)量;丁二烯裝置的DA106塔塔底的水含量、塔頂?shù)募谆胰玻∕A)和DA107塔塔底的丁二烯(BD-13)、塔頂?shù)亩《˙D-13)和總?cè)玻ㄖ饕且一胰?,用EA表示)的軟測(cè)量。
??? (三)軟測(cè)量技術(shù)研究的方向
??? 軟測(cè)量技術(shù)是工業(yè)計(jì)算機(jī)優(yōu)化控制的有利工具,在理論研究和實(shí)際應(yīng)用中已經(jīng)取得了不少成果,其理論體系亦正在逐步形成。不論過于夸大軟測(cè)量的作用或忽視軟測(cè)量的重要性均是不正確的。軟測(cè)量技術(shù)研究的方向是:
??? 1.?dāng)?shù)據(jù)處理
??? 數(shù)據(jù)處理是一個(gè)十分重要的問題,尤其是過失誤差處理。在理論研究方面已經(jīng)取得不少成果,但跟實(shí)際應(yīng)用還存在相當(dāng)距離,應(yīng)進(jìn)一步深入研究,縮小理論與實(shí)際的差距。近年來,出現(xiàn)了神經(jīng)網(wǎng)絡(luò)方法,很有吸引力。
??? 2.軟測(cè)量建模方法研究
??? 將新興的技術(shù)用于軟測(cè)量建模。目前雖然出現(xiàn)了眾多軟測(cè)量建模方法,但仍不能滿足實(shí)際需要。將一些新興的技術(shù)用軟測(cè)量建模,建立基于新興技術(shù)的軟測(cè)量模型仍是目前研究的熱點(diǎn)。如:將微粒群優(yōu)化技術(shù)、遺傳算法、混沌與分形技術(shù)等新興技術(shù)用于軟測(cè)量建模,建立性能更好的軟測(cè)量模型。
??? 將不同的方法相互融合建立混合模型。由于實(shí)際系統(tǒng)的復(fù)雜多變,一種方法建立的模型難以滿足要求。如果結(jié)合實(shí)際系統(tǒng)的機(jī)理分析和實(shí)際情況,將不同的方法相互融合,建立混合模型,這一建模方向是值得研究的方向。
??? 3.在線校正的研究
??? 在線校正是軟測(cè)量應(yīng)用中必不可少的部分,盡管已有不少離線校正的方法,但在線校正的方法十分有限。因此,開發(fā)更多實(shí)用方法,以適應(yīng)復(fù)雜工業(yè)過程控制的需要亦應(yīng)是當(dāng)前研究重點(diǎn)。
三、結(jié)束語
??? 今后,還要進(jìn)一步開發(fā)魯棒性強(qiáng),適應(yīng)性寬(操作條件、原料性質(zhì)等),性能價(jià)格比優(yōu)的商品化先進(jìn)控制與優(yōu)化控制軟件,適應(yīng)國(guó)內(nèi)大中型企業(yè)需要。
??? 當(dāng)前先進(jìn)控制與優(yōu)化控制軟件的二次開發(fā)量較大,從設(shè)計(jì),測(cè)試,仿真研究,到實(shí)際工業(yè)裝置投運(yùn)周期較長(zhǎng),為此今后應(yīng)開發(fā)一些二次開發(fā)量較少的先進(jìn)控制與優(yōu)化控制軟件,以適應(yīng)市場(chǎng)需要。
??? 隨著人工智能的迅速發(fā)展和控制理與其他學(xué)科的交叉滲透,先進(jìn)控制技術(shù)將會(huì)得到更深入的發(fā)展,應(yīng)用更加廣泛,產(chǎn)生更大的經(jīng)濟(jì)效益和社會(huì)效益。
??? 用戶要建立一支能參與設(shè)計(jì)、測(cè)試、仿真研究、到實(shí)際工業(yè)裝置投運(yùn)技術(shù)隊(duì)伍,一旦先進(jìn)控制與優(yōu)化控制軟件廠商交付使用后,企業(yè)自已能運(yùn)行、維護(hù),保持長(zhǎng)期運(yùn)行。
評(píng)論