10.6軟測量技術(shù)軟測量就是依據(jù)可測、易測的過程變量(稱為輔助變量)與難以直接檢測的待測變量(稱為主導變量)的數(shù)學關(guān)系，根據(jù)某種最優(yōu)準則，采用各種計算方法，用軟件實現(xiàn)對待測變量的測量或估計。軟測量技術(shù)主要包括四個方面：

(1)輔助變量的選取；

(2)數(shù)據(jù)處理；

(3)軟測量模型的建立；

(4)軟測量模型的在線校正。軟測量技術(shù)10.6.1輔助變量的選取10.6.2測量數(shù)據(jù)的處理10.6.3軟測量模型的建立10.6.4軟儀表的在線校正10.6.5軟測量的工業(yè)應用10.6.1輔助變量的選取1.變量類型的選擇2.變量數(shù)目的選擇3.測點位置的選擇1.變量類型的選擇選擇的方法往往從間接質(zhì)量指標出發(fā)。例如：精餾塔產(chǎn)品的軟測量一般采用塔板溫度，化工反應器中產(chǎn)品的軟測量采用反應器管壁溫度。2.變量數(shù)目的選擇從過程機理入手分析，從影響被估計變量的變量中去挑選主要因素，因為全部引入既不可能也沒必要。如果缺乏機理知識，則可用回歸分析的方法找出影響被估計變量的主要因素，這需要大量的觀測數(shù)據(jù)。需要指出，受系統(tǒng)自由度的限制，輔助變量的個數(shù)不能小于被估計變量的個數(shù)。至于輔助變量的最優(yōu)數(shù)量問題，目前尚無統(tǒng)一結(jié)論。3.測點位置的選擇對于許多工業(yè)過程，輔助變量的檢測點的選擇是十分重要的，因為可供選擇的檢測點很多。檢測點的選擇方法：采用奇異值分解的確定，采用工業(yè)控制仿真軟件確定。確定的檢測點往往需要在實際應用中加以調(diào)整。一種輔助變量的選擇原則如下靈敏性：能對過程輸出(或不可測擾動)作出快速反應。特異性：能對過程輸出(或不可測擾動)之外的干擾不敏感。工程適應性：工程上易于獲得并達到一定的測量精度。精確性：構(gòu)成的估計器達到要求的精度。魯棒性：構(gòu)成的估計器對模型誤差不敏感。軟測量技術(shù)10.6.1輔助變量的選取10.6.2測量數(shù)據(jù)的處理10.6.3軟測量模型的建立10.6.4軟儀表的在線校正10.6.5軟測量的工業(yè)應用10.6.2測量數(shù)據(jù)的處理1．誤差處理2．數(shù)據(jù)的變換1．誤差處理從現(xiàn)場采集的測量數(shù)據(jù)，由于受儀表精度和測量環(huán)境的影響，一般都不可避免地帶有誤差，有時甚至有嚴重的過失誤差。如果將這些現(xiàn)場測量數(shù)據(jù)直接用于軟測量，會導致軟測量的精度降低，甚至完全失敗。因此，測量數(shù)據(jù)必須經(jīng)過誤差處理。測量數(shù)據(jù)的誤差：隨機誤差、系統(tǒng)誤差和過失誤差。隨機誤差的處理符合統(tǒng)計規(guī)律，工程上多采用數(shù)字濾波算法。如：中位值濾波、算術(shù)平均濾波和一階慣性濾波等。隨著計算機優(yōu)化控制系統(tǒng)的使用，復雜的數(shù)值計算方法對數(shù)據(jù)的精確度提出了更高的要求，于是出現(xiàn)了數(shù)據(jù)一致性處理技術(shù)。基本思想：根據(jù)物料或能量平衡等建立精確的數(shù)學模型，以估計值與測量值的方差最小為優(yōu)化目標，構(gòu)造一個估計模型，為測量數(shù)據(jù)提供一個最優(yōu)估計。過失誤差處理含有過失誤差的數(shù)據(jù)出現(xiàn)的機率較小，但是，一旦出現(xiàn)則可能嚴重破壞數(shù)據(jù)的統(tǒng)計特性，導致軟測量的失敗。提高測量數(shù)據(jù)質(zhì)量的關(guān)鍵：及時偵測、剔除和校正含有過失誤差的數(shù)據(jù)。偵測過失誤差的方法：(i)對各種可能導致過失誤差的因素進行理論分析；(ii)借助于多種測量手段對同一變量進行測量，然后進行比較；(iii)根據(jù)測量數(shù)據(jù)的統(tǒng)計特性進行檢驗等。2．數(shù)據(jù)的變換對數(shù)據(jù)的變換包括標度、轉(zhuǎn)換和權(quán)函數(shù)三方面。工業(yè)過程中的測量數(shù)據(jù)有著不同的工程單位，直接使用這些數(shù)據(jù)進行計算，不能得到準確結(jié)果，甚至結(jié)果分散。利用合適的因子對數(shù)據(jù)進行標度，能夠改善算法的精度和穩(wěn)定性。轉(zhuǎn)換包含對數(shù)據(jù)的直接轉(zhuǎn)換以及尋找新的變量替換原變量兩個含義。通過對數(shù)據(jù)的轉(zhuǎn)換，可以有效地降低非線性特性。權(quán)函數(shù)則可實現(xiàn)對變量動態(tài)特性的補償。合理使用權(quán)函數(shù)使我們有可能用穩(wěn)態(tài)模型實現(xiàn)對過程的動態(tài)估計。軟測量技術(shù)9.6.1輔助變量的選取9.6.2測量數(shù)據(jù)的處理9.6.3軟測量模型的建立9.6.4軟儀表的在線校正9.6.5軟測量的工業(yè)應用10.6.3軟測量模型的建立1．軟儀表的描述2.建模方法1．軟儀表的描述

軟儀表的目的：利用所有可獲得的信息，求取主導變量的“最佳”估計值，即構(gòu)造從可測信息集到的映射。主導變量輔助變量干擾控制變量軟儀表性能依賴于過程的描述、噪聲和擾動的特性、輔助變量的選取以及“最佳”的含義，即給定的某種準則。建立軟儀表的過程就是構(gòu)造一個數(shù)學模型。在許多建立軟儀表的方法中，要以一般意義下的數(shù)學模型為基礎(chǔ)。軟儀表與一般意義下的數(shù)學模型區(qū)別：數(shù)學模型主要反映與或之間動態(tài)(或穩(wěn)態(tài))關(guān)系，軟儀表是通過求的估計值。2.建模方法過程建模方法主要有兩大類：機理建模方法實驗建模方法。構(gòu)造軟儀表的方法也可分為兩大類。機理分析方法

建立在對過程工藝機理的深刻認識的基礎(chǔ)上，運用物料平衡、熱量平衡和化學反應動力學等原理，找出不可測主導變量與可測輔助變量之間的關(guān)系。對于過程機理較為清楚的工業(yè)過程，基于機理模型可以構(gòu)造良好的軟儀表。對復雜工業(yè)過程，其內(nèi)在機理往往不十分清楚，完全依賴機理分析建模比較困難，通常要選用其它方法，結(jié)合機理知識構(gòu)造軟儀表。系統(tǒng)辨識方法

辨識方法是將輔助變量和主導變量組成的系統(tǒng)看成“黑箱”，以輔助變量為輸入，主導變量為輸出，通過現(xiàn)場采集、流程模擬或?qū)嶒灉y試，獲得過程輸入、輸出數(shù)據(jù)，以此為依據(jù)建立軟儀表模型。狀態(tài)估計方法

如果已知系統(tǒng)的狀態(tài)空間模型，而主導變量作為系統(tǒng)狀態(tài)變量時輔助變量是可觀測的，那么構(gòu)造軟儀表的問題可以轉(zhuǎn)化為狀態(tài)觀測或狀態(tài)估計問題。假設(shè)已知對象的狀態(tài)空間模型為輔助變量如果系統(tǒng)的狀態(tài)關(guān)于輔助變量完全可測，那么，軟測量問題就轉(zhuǎn)化為典型的狀態(tài)觀測和狀態(tài)估計問題，估計值就可以表示成Kalman濾波器形式。Kalman濾波器、Luenberger觀測器是解決上述問題的有效方法。回歸方法基于最小二乘原理的一元、多元線性回歸技術(shù)已經(jīng)非常成熟。對于輔助變量較少的情況，利用多元線性回歸中的逐步回歸技術(shù)可以得到較理想的軟儀表模型。對于輔助變量較多的情況，通常要借助機理方法，得到變量組合的基本假定，然后再采用逐步回歸的方法排除不重要的變量組合，得到軟儀表模型。也可以采用主元分析等數(shù)學方法，對原問題進行降維處理，然后進行回歸。神經(jīng)網(wǎng)絡方法

以輔助變量為輸入，待測變量為輸出，形成足夠多的理想樣本，通過學習可以得到軟儀表的神經(jīng)網(wǎng)絡模型。理論上，神經(jīng)網(wǎng)絡不需要有過程的先驗知識，學習非線性特性的能力比較強，是解決軟測量問題的較為理想的方法。實際應用中，樣本的數(shù)量和質(zhì)量在一定程度上決定了網(wǎng)絡的性能。另外，網(wǎng)絡類型、結(jié)構(gòu)和算法的選擇對軟儀表的性能也有重要影響。模式識別方法在缺乏系統(tǒng)先驗知識的情況下，可以采用模式識別的方法對系統(tǒng)的操作數(shù)據(jù)進行處理，從中提取系統(tǒng)的特征，構(gòu)成以模式描述分類為基礎(chǔ)的模式識別模型。例如:分別采用空間超盒和多中心模聚類方法建立了某催化裂化裝置粗汽油蒸汽壓的軟測量儀表；采用基于Bayes序列分類器的模式識別方法進行精餾塔板效率的估計。模糊數(shù)學的方法

模糊數(shù)學是人們處理復雜系統(tǒng)的一種有效手段，在軟測量中也有應用。此外，模糊數(shù)學還與神經(jīng)網(wǎng)絡或模式識別技術(shù)相結(jié)合，構(gòu)成模糊神經(jīng)網(wǎng)絡和模糊模式識別方法。軟測量技術(shù)10.6.1輔助變量的選取10.6.2測量數(shù)據(jù)的處理10.6.3軟測量模型的建立10.6.4軟儀表的在線校正10.6.5軟測量的工業(yè)應用10.6.4軟儀表的在線校正由于裝置操作條件及原料性質(zhì)都會隨時間而變化，軟測量模型只適用于一定的操作范圍，因而需要不定期地對模型進行修正，以適應工況的變化。通常對軟儀表的在線修正僅修正模型的參數(shù)具體方法：自適應法、增量法和多時標法等。對模型結(jié)構(gòu)的修正需要大量的樣本數(shù)據(jù)和耗費較長時間，在線進行有困難。這可采用短期學習和長期學習的思路來解決。短期學習是指以某輔助變量的采樣化驗分析值與軟測量值之差為依據(jù)，采用建模方法，修改模型系數(shù)。長期學習是指當軟測量模型在線運行一段時間后，逐步積累了足夠的新樣本時，根據(jù)新樣本，采用建模方法，重建軟測量模型。值得注意的問題：在配備在線分析儀表的場合，系統(tǒng)的主導變量的真值可以連續(xù)得到，此時采用校正方法不會有太大問題。在主導變量的真值僅能來源于離線人工化驗的場合，通常取樣周期為數(shù)小時或更長，樣本密度稀疏。此時，采用何種校正方法值得研究。樣本數(shù)據(jù)與過程數(shù)據(jù)在時序上的配合，尤其在人工分析情況下，從輔助變量即時反映的產(chǎn)品質(zhì)量狀態(tài)到取樣位置需要一定的取樣時間，取樣后直到產(chǎn)品質(zhì)量數(shù)據(jù)返回現(xiàn)場又要耗費很長時間。因此，在利用分析值與與輔助變量進行軟儀表的校正時，應特別注意保持兩者在時間上的對應關(guān)系。軟測量技術(shù)10.6.1輔助變量的選取10.6.2測量數(shù)據(jù)的處理10.6.3軟測量模型的建立10.6.4軟儀表的在線校正10.6.5軟測量的工業(yè)應用10.6.5軟測量的工業(yè)應用首先，在過程操作和監(jiān)控方面有十分重要的作用。軟儀表實現(xiàn)成分、物性等特殊變量的在線測量，而這些變量往往對過程評估和質(zhì)量非常重要。沒有儀表的時候，操作人員要主動收集溫度、壓力等過程信息，經(jīng)過頭腦中經(jīng)驗的綜合，對生產(chǎn)情況進行判斷和估算。有了軟儀表，軟件就部分地代替了人腦的工作，提供更直觀的過程信息，并預測未來工況的變化，從而可以幫助操作人員及時調(diào)整生產(chǎn)條件，達到生產(chǎn)目標。過程控制應用軟儀表對過程控制也很重要，可以構(gòu)成推斷控制。推斷控制： 利用模型由可測