软测量技术及其应用

软测量技术及发展

刘江宽

(桂林电子科技大学 电子工程与自动化学院, 广西 桂林 541004)

摘 要:软测量技术(Soft-sensing Technique)是二十世纪六、七十年代涌现的一种为控制过程建立模型的新技术，被列为未来控制领域需要研究的几大方向之一。在工业过程中，一些关键变量很难通过常规的测量方法检测出来，而软测量技术在这一方面却起着很大的作用。软测量技术在工业过程的控制、分析、优化的理论研究和实践应用中都取得了较好的成果。本文在介绍软测量技术基础上，对目前各类软测量建模的方法进行综述，列举了工业应用实例，最后对软测量技术研究的方向进行了展望。

关键词: 软测量技术;软测量思想;建模方法;工业应用实例

Soft-Sensing Technique and Its Development

Liu Jiangkuan

(School of Electronic Engineering and Automation, Guilin University of Electronic Technology, Guilin Guangxi , 541004 China)

Abstract: Born in the 1960s and 1970s,soft-sensing technique is a new technique to build model of the controlling process and deemed to one of the main research of controlling. In industrial processes, some of the key variables are difficult to detected by routine measurement method, but soft-sensing Technique plays a important role in this respect. Soft-sensing Technique in industrial process control, analysis, optimization of theoretical research and practical applications have achieved good results. In this paper, some kinds of soft-sensing modeling methods were summarized, and then some industrial application examples are listed. The deeply thinking about soft-sensing is also given.

Key words: Soft-sensing Technique; Soft-sensing Idea; Method of modeling; Practical example of industrial application

越与扩展，出现了许多基于软测量思想的技术，

形成了传统意义软测量与扩展软测量，正确认识与分清这两种技术及其应用，对于正确认识软测量技术与促进软测量理论体系的形成、发展均具有重要意义。

在工业过程控制中，经常会遇到这样的情况，

1 引言

关键的被控变量无法进行在线测量，或者是能够在线测量，但是由于工艺原因或者硬件原因，数据反馈有很大的滞后性，导致反馈回来的数据不精确，难以控制。针对类似问题，传统的解决方法是对能够较好反映和影响被控变量的因子加以控制，以达到控制被控变量的目的。但是随着现代科技的发展，工业过程控制系统日益复杂，所需要的输出变量很难通过常规的检测技术检测得到，为此提出了软测量的思想[1]。

软测量（Soft-sensing）的思想以及由此形成的软测量技术是过程控制和检测领域涌现出的一种新思路与新技术，其理论体系正在逐渐形成，是目前检测和过程控制研究发展的重要方向。在实践中，该技术的应用与研究业已有了很大的超

2 软测量的基本思想

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，对于难于测量或暂时不能测量的重要变量，选择另外一些容易测量的变量，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等部分组成。软测量的数学分析参见下图2-1。

u θ

图2-1 对象的输入、输出

图2-1中y代表主导变量，θ代表可测的辅助变量，d和u分别表示可测的干扰和控制变量。软测量的目的就是利用所有可获得的信息求取主

ˆ，即构造从可测信息导变量的“最优”估计值y

ˆ的映射：yˆ(s)=K(s)θ(s)。 集θ到y

测变量为自变量、主导变量为因变量的软测量模型，并通过各种复杂的数学计算和估计，用计算机软件获得主导变量的值[2]。

3 软测量设计的基本步骤

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等部分组成。下面图3-1给出了软测量辨识的流程图，它说明了软测量设计中的一些步骤，体现了软测量设计思想[3]。

通常，可测信息集θ包括所有的可测主导变量y（或主导变量y中部分可测的量）、辅助变量θ、

ˆ控制变量u和可测干扰d。在这样的框架结构下，y

的性能将依赖于过程的描述、噪声和扰动的特性、辅助变量的选取以及“最佳”的含义，即给定的某种准则。

图2-2 过程控制中软测量模型的输入、输出

图2-2表示在过程控制系统中所采用的软测量模型输入、输出与对象的输入、输出之间的关系，带下标r的变量yr代表被控变量（即主导变量）的设定值，开关K代表输出y的采样，用于

ˆ代表由软测量模型获得的主导变量在线校正，y

图3-1 软测量辨识流程图

y的估计值。可见，软测量模型与一般意义下的

3.1机理分析与辅助变量的选择

首先要确软测量的任务，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。辅助变量的选择包括变量类型、变量数目和检测点位置的选择。这三个方面是互相关联、互相影响，由过程特性所决定的。在实际应用中，还受经济条件、维护的难易程度等外部因素制约[4]。 3.2数据采集和处理

从理论上讲，过程数据包含了工业对象的大

数学模型有所不同，通常我们所指的数学模型主要是反映对象输出y与对象输入u或d之间的动态（或稳态）关系，而软测量则包含了通过对象输出θ求得对象输出y的估计值。

可见，软测量的思想就是以易测的过程变量为基础，利用易测过程变量和待测过程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，采用软件的形式实现对待测过程变量的测量。显然，软测量思想的核心就是构造一个以易

量相关信息。因此数据采集量多多益善，不仅可以用来建模，还可以检验模型。

实际需要采集的数据是与软测量主导变量对应时间的辅助变量的过程数据。其次，数据覆盖面在可能条件下应宽一些，以便软测量具有较宽的适用范围。

为了保证软测量精度，数据正确性和可靠性十分重要。采集数据必须进行处理。数据处理包含两个方面，即换算(Scaling)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。

过失误差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[4]。

3.3软测量模型的建立

软测量模型是软测量技术的核心。建立的方法有机理建模，实验测试以及两者结合起来。 3.3.1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，而对于一复杂过程，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。 3.3.2 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。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，这样可能一举两得，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。 3.3.3机理建模和经验相结合

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。 3.4软测量的在线校正

在软测量模型的应用过程中,工业实际装置随着操作条件的变化,不可避免

地过程对象特性和工作点要发生变化和漂移,软测量模型必须进行在线校正才能适应新的工况。

校正通常是对模型参数来进行校正和模型结

构来进行优化。通常情况下,模型参数校正所采用的方法是自适应法、多时标法以及增量法等。

图3-2 软测量校正框图

相对于模型参数,对于模型结构的校正则较为复杂,利用大量的数据和较长的时间通过短期校正和长期校正来对模型结构进行优化。短期校正是通过现场所采集的辅助变量的分析值与软测量值二者差值,通过建模方法修正模型系数,这种校正方法简单、速度快可实时应用。长期校正则

是当软测量模型在线运行一段时间后,积累了足够多的数据,依据这些数据,采用建模方法,重新建立软测量模型。长期校正是对软测量模型结构的校正，是在离线情况下进行的。软测量校正框图如上图3-2所示。

模型。这种软测量建模方法是工程中常用的方法,其特点是简单、工程背景清晰,便于实际应用,但应用效果依赖于对工艺机理的了解程度,因为这种软测量方法是建立在对工艺过程机理深刻认识的基础上,建模的难度较大。 4.2基于回归分析的软测量建模

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。通过实验或仿真结果的数据处理[6],可以得到回归模型。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。 4.3基于状态估计的软测量建模

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。 4.4基于模式识别的软测量建模

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別模型。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

4 软测量设计的数学建模

软测量技术的核心是建立软测量模型。软测量模型的建立在软测量技术中起着举足轻重的作用,主要是建立辅助变量与需测量变量间的关联模型。软测量建模的方法有很多,在使用过程中即可单独使用,也可混合使用相互融合。

软测量建模就是根据可测数据得到被估计变量x的最优估计：

ˆ f(d,u,y,x*,t) x

ˆ为被其中f(d,u,y,x*,t)为动态软测量模型。x

估计变量集，d为可测扰动，u为对象的控制输入，y为对象可测输出变量，x*为可能有的离线分析计

算值或大采样间隔的测量值（如分析仪输出），一般用于离线辨识模型的参数，也用于软测量模型的在线校正。

在软测量技术的发展过程中，推理控制模型经历了从线性到非线性这样一个过程，线性软测量模型一般建立在卡尔曼滤波理论基础之上，这类算法对模型误差和测量误差很敏感，很难处理具有严重非线性的过程。随着软测量技术的发展，非线性软测量揉和进了许多当前最前沿的技术，使得软测量建模能够适用于更多的场合[5]。下面我们具体介绍几种常用的建模方法。 4.1基于工艺机理分析的软测量建模

基于工艺机理分析的软测量建模主要是运用化学反应动力学、物料平衡、能量平衡等原理,通过对过程对象的机理分析建立机理模型,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,通过这种建模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,难以建立合适的机理

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。

4.5基于人工神经网络的软测量建模

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。人工神经网络(ANN)——具备优良的信息处理特性：无需具备对象的先验知识,可以根据对象的输入输出数据直接建模；独特的非传统的表达方式和固有的学习能力,使之在解决高度非线性方面具有很大的潜力。

4.6 基于回归支持向量机的方法

基于回归支持向量机的方法是一种经典的建模方法,应用范围相当广泛。回归分析不需要建立复杂的数学模型,只要收集大量过程参数和质量分析数据,运用统计方法将这些数据中隐含的对象信息进行浓缩和提取,就能建立起主导变量和辅助变量之间的数学模型。这种建模方法可分为两类:一类是线性回归,包括最小二乘法、主元回归法及部分最小二乘法；另一类是非线性回归。基于回归分析法的软测量建模其特点是简单实用,但需要大量的数据,对测量误差较为敏感。 4.7基于模糊数学的软测量建模

模糊数学模仿人脑逻辑思维特点,是处理复杂系统的一种有效手段,在过程软测量建模中也得到了大量应用。基于模糊数学软测量模型是一种知识性模型。模糊技术模仿人脑的逻辑思维,用于处理模型未知或不精确的控制问题,在软测量中也得到大量的应用。通常将模糊逻辑与神经网络相结合,形成模糊神经网络,以充分发挥模糊逻辑较强的结构性知识表达能力和神经网络较强的自学习能力和数据的直接处理能力,适用于处

理非线性的、复杂的系统。 4.8基于过程层析成像的软测量建模

基于过程层析成像PT的软测量建模方法与其它软测量建模方法不同,它是一种以医学层析成像CT技术为基础的在线获取过程参数二维或三维的实时分布信息的先进检测技术,即一般软测量技术所获取的大多是关于某一变量的宏观信息,而釆用该技术可获取关于该变量微观的时空分布信息。由于受技术发展水平的制约,该种软测量建模方法目前离工业实用化还有一定距离,在过程控制中的直接应用还不多。 4.9基于相关分析的软测量建模

基于相关分析的软测量建模方法是以随机过程中的相关分析理论为基础,利用两个或多个可测随机信号间的相关特性来实现某一参数的软测量建模方法。该方法采用的具体实现方法大多是互相关分析方法,即利用各辅助变量间的互相关函数特性来进行软测量建模。目前这种方法主要应用于难测流体流速或流量的在线测量和故障诊断等。

4.10基于现代非线性信息处理技术的软测量建模

基于现代非线性信息处理技术的软测量建模方法是利用辅助变量,采用先进的信息处理技术,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。这种软测量建模技术的基本思想与基于相关分析的软测量建模技术一致,都是通过信号处理来解决软测量建模问题,所不同的是具体信息处理方法不同。该软测量建模方法的信息处理方法大多是各种先进的非线性信息处理技术,例如小波分析、混沌和分形技术等,因此能适用于常规的信号处理手段难以适应的复杂工业系统。相对而言,基于现代非线性信息处理技术的软测量建模方法的发展较晚,研究也还比较分散。该技术目前一般主要应用于系统的故障诊断、状态检测和过失误

差侦破等,并常常和人工神经网络或模糊数学等人工智能技术相结合。

需要适应于不同的需求,可分为短期校正和长期校正。在模型校正方法的使用时,有其相应的限制条件；

(5)在装置上实现软测量:在分布式控制系统的装置上,实现软测量的数据处理、模型计算和在线校正模块的集成,设计工艺员修改参数界面和操作员观测、输入化验值界面,并设计模型报警模块；

(6)评价软测量:软测量模型建立完成后还需要利用一些指标来进行评价,已明确其可靠性。需要将釆集测量对象的实际值与模型估计值进行相互比较来验证软测量模型是否满足设计要求。如果不满足,则需要深入的分析失败原因,之后重复之前的步骤重新设计软测量模型[8]。 5.1工业实例

软测量技术工业应用成功实例不少。国外有Inferential Control公司、Setpoint公司、DMC公司、Profimatics公司、Simeon公司、Applied Automation公司等以商品化软件形式推出各自的软测量仪表，这些已广泛应用于常减压塔、FCCU主分馏塔、焦化主分馏塔、加氢裂化分馏塔、汽

5工业应用分析

软测量作为一项实用性很强的的应用技术,在设计过程当中必须满足于工程应用的可靠性、简易性及有效性的要求,最终达到软测量模型在线运算以及得到准确的估计值的目的。软测量开发流程图如图5-1所示。

(1)机理分析,选择辅助变量:了解工艺流程和控制系统,以明确软测量的任务,确定主导变量,分析变量的可观性以及可控性对辅助变量进行初步选择；

(2)数据采集和预处理:采集辅助变量的测量数据以及主导变量的化验数据,并对数据进行预处理,分析数据相关性,如果变量数目过多时,则需要进行主元分析,为之后软测量模型的建立打好基础；

(3)建立软测量模型:确定辅助变量,选择相应的软测量模型结构,确定软测量模型系,通过模型交叉验证的方法确定模型结构和模型参数；

图5-1 软测量开发流程图

油稳定塔、脱乙烷塔等先进控制和优化控制。它增加了轻质油收率，降低了能耗并减少了原油切

换时间，取得了明显经济效益[9]。

国内引进和自行开发软测量技术在石油化

工、炼油工业过程应用比较多，例如催化裂化装置分馏塔轻柴油凝固点软测量，基于现场数据分析并结合工艺机理分析，建立了多层前向网络柴油凝固点的软测量模型设计简单在线校正。神经网络模型估计值与分析值最大误差为1.65 cC ，并用了闭环控制，平稳了生产，减少凝固点波动，合格品由94%提高到100%；常减压装置常压塔柴油凝固点软测量。

通过现场采集数据经处理后，建立了非线性回归模型和神经网络模型，为提高模型精度和鲁棒性，组成非线性回归模型与神经网络模型结合

(4)设计校正模块:如果不设计校正模块的话,会使软测量应用范围受限,而对应于软测量校正

的混合模型，并设计了一个串级控制系统。投人运行后获得较好控制效果，可以满足生产要求；气分装置丙烯丙烷塔塔顶丙烯成分软测量。通过严格的汽液平衡模型简化和现场测试，得到非线性回归模型，并设计在线校正。该软测量估计器投人在线运行，精度能满足要求，并成功应用于丙烯成分闭环控制，取得了明显经济效益;延迟焦化装置分馏塔粗汽油干点软测量。经对现场采集的数据及工艺机理分析，确定了影响粗汽油干点的最主要因素，分别建立了PLS和RBFN模型，为提高模型精度和泛化能力、将PLS模型和RBFN模型并联建立了粗汽油干点混合模型，交叉验证表明这一方法是有效的，所建模型精度较高和良好的泛化能力；连续重整装置中重整产品辛烷值、待生催化剂结焦含量、重整产品C5+液收率的软测量，实现在保证质量合格前提下提高产品收率的优化操作指导；完成对重整再生器氧含量的软测量[9]。两个系统先后投运后运行正常，取得了良好的经济效益。

向之一，具有广阔的应用前景。

我们可以相信，随着计算机技术的不断发展和新兴技术的不断融合，在软测量中遇到的一些比如可计算型问题、自校正问题、实时性问题、智能化问题等都会得到解决，软测量技术也会得到大力的发展和应用。

参考文献:

[1]俞金寿.软测量技术及其应用[J].自动化仪表,2008, 29(1):1-7

[2]于静江,周春晖.过程控制中的软测量技术[J].控制理

论与应用，1996.13(3):137-144

[3]刘兴业,刘兴森.基于多个软测量模型集成的温度控制

[J].计算机与数字工程，2011.62(8):166-170 [4]王建,杨耀权,马高伟.软测量辅助变量选择方法研究

[J].电力科学与工程，2011.27(7):37-40

[5]李修亮.软测量建模方法研究与应用[D].杭州：浙江大

学,2009.36-55

[6]孔建益，李公法,熊禾根.工业生产中软测量建模方法

及其应用研究[J].机床与液压，2007.35(6):149-151 [7]胡斌,于晨斯.软测量技术及其应用[J].科技广场，

2010.3:209-211

[8]朱群雄,郎娜.工业软测量模型结构与输入变量选择的

研究[J].控制工程，2011.18(3):388-392 [9]林盛,梁强,高树奎.软测量技术在石化过程中的应用

[J].当代化工，2009.4(2):182-183

[10]侯岩松,张敏,刘亚儒.软测量建模软件的设计与开发

[J].电脑知识与技术，2011.4(7):753-756 [11]孙福进,孙福兆.软测量技术的发展及其研究[J].公

交通科技，2008(11):98-101

6 总结与展望

随着科技向生产力的转化，高新技术在工业中得到了越来越广泛的应用，在将来很长一段时间内，为了提高生产过程的自动化程度以及提高产品的质量，工业过程中必将出现更多需要检测的参数变量，其难测性也逐渐增加，寻求合适的检测手段进而研制新型的测试仪器将成为科技工作者追求的目标。软测量的思路给人们留下了巨大的发展空间，基于软测量的检测技术借助于计算机的强大计算功能，以及计算机软件的多样性，为各行各业中参量检测奠定了基础，有着诱人的前景，但还远非成熟[11]。如世界著名过程控制专家Thomas McAvoy教授所说的：软测量方法作为今后的一大研究热点才刚刚起步，但是尚缺乏系统的开发思路以及与控制系统相集成的途径，还有很多路要走。但是Thomas McAvoy教授仍然将软测量技术列为未来控制领域需要研究的几大方