推断控制和软测量技术

—ShenyangInstituteofAutomation—2020/6/171推断控制和软测量技术王卓房间：A楼608电话：3873E-mail：[e-mail]—ShenyangInstituteofAutomation—2020/6/172概述•概念：推断控制是利用数学模型由可测信息将不可测的输出变量推算出来实现反馈控制，或将不可测扰动推算出来以实现前馈控制。•背景：反馈控制中，有些被控变量难以直接测得；前馈控制中，扰动不可测。•分类：简单推断控制、对不可测扰动的推断控制—ShenyangInstituteofAutomation—2020/6/173概念•基本涵义：推理控制或推断控制是指利用过程模型由可测输出变量将不可测的被控过程的输出变量推算出来，以实现反馈控制，或将不可测扰动推算出来，以实现前馈的一种控制系统[1]。—ShenyangInstituteofAutomation—2020/6/174背景•推理控制自从70年代被提出以来，便在化工过程控制中起着重要的作用。•1992年的一份IFAC报告[2]中说明了这一点。这份报告是由IFAC应用委员会化工过程控制工作组起草的，以提高过程控制技术基础和扫除技术障碍，最终实现商业应用为目标，提出了7项技术前沿，其中软传感器列在首位。30年来，在国内外学者的不断努力下，软传感器的理论基础及其应用已经成为过程控制中的一个较为活跃的领域。—ShenyangInstituteofAutomation—2020/6/1751简单推断控制•基本思想：被控变量不可测时，采用可测的输入变量或其余辅助变量推算出不可测的被控变量。–精熘塔的内回流控制–精熘塔的热焓控制–干燥器湿含量控制–。。。。。。—ShenyangInstituteofAutomation—2020/6/176内回流控制•概念：内回流通常是指精馏塔精馏段内上层塔板向下层塔板流动的液体流量。内回流控制是指在精馏过程中控制内回流为恒定量和按某一规律而变化。内回流平稳是保证精馏塔操作良好的一个重要因素。•内回流和外回流的区别•影响因素：外回流流量、塔顶温度和外回流温度之差。•背景：内回流因在塔内很难直接测得和控制。iRRLiLiV—ShenyangInstituteofAutomation—2020/6/177内回流的数学模型)1()(PRiRiPRRicLLcLllLLiRRLiLiV—ShenyangInstituteofAutomation—2020/6/178热焓控制•概念：热焓是指单位质量的物料所积存的热量。热焓控制是保持某物料的热焓为定值或按一定的规律而变化。热焓是影响精馏塔平稳操作的扰动因素之一。•背景：对于气液混相进料时，热焓与温度之间往往没有单值的对应关系，或者对应关系很不明显。目前还没有直接测量热焓的仪表。•解决方案：热焓可以通过热量衡算关系间接得到，即载热体放出的热量等于进料所取得的热量，从而间接计算出进料的热焓。•热量衡算公式)()(00issffissffcFFcHcFFcFH—ShenyangInstituteofAutomation—2020/6/179流化床干燥器湿含量推断控制•背景：流化床干燥器的主要控制质量指标是物料出口的湿含量。固体颗粒的湿含量难以直接测量，所以采用推断控制。•解决方法：根据工艺得到关系式湿球温度Tw测量也困难。可以针对特定的物料湿含量，建立To~Ti的关系曲线。只要使To、Ti符合某条曲线关系，就可以得到湿含量。wowiTTTTKxln—ShenyangInstituteofAutomation—2020/6/17102推断控制系统•推断控制系统的基本组成：–信号分离–估计器E(s)–推断控制器GI(s)其实质是估计出不可测的扰动以实现前馈性质的控制，从这个意义上上讲它是开环的。因此必须要准确的知道过程数学模型以及所有扰动特性。GI(s)C(s)A(s)B(s)P(s)E(s)P’(s)设定值Yd(s)+++++--推断控制控制输入m(s)估计器主要输出Y(s)不可直接测量扰动u(s)辅助输出估计模型—ShenyangInstituteofAutomation—2020/6/17113推断反馈控制系统•单纯的推断控制是开环的，且对模型要求较高。为克服模型误差以及其他扰动所导致的过程稳态误差，将推断控制与反馈控制结合起来，构成推断反馈控制系统。•需要引入一个均衡环节。•工程上常配合滤波器使用。GI(s)C(s)A(s)B(s)P(s)E(s)P’(s)设定值Yd(s)+++++--推断控制器控制输入m(s)估计器主要输出Y(s)不可直接测量扰动u(s)辅助输出估计模型GL(s)Gc(s)Gm(s)反馈控制器均衡环节-++测量滞后—ShenyangInstituteofAutomation—2020/6/17124输出可测条件下的推断控制•系统组成：•模型误差对系统性能的影响：不管模型有什么样的误差，系统输出总是稳态无偏的。GI(S)C’(S)B(S)C(S)Yd(S)Y(S)U(S)-—ShenyangInstituteofAutomation—2020/6/17135、软测量技术概论•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（称之为主导变量），选择另外一些容易测量的变量（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。•组成：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组成。可测过程扰动可测过程输入可测过程输出软测量模型主导变量估计值辅助变量校正值—ShenyangInstituteofAutomation—2020/6/1714机理分析与辅助变量的选择•首先明确软测量的任务，确定主导变量，在此基础上了解工艺，确定辅助变量。•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。由过程特性所决定，还受经济条件、维护的难易程度等因素制约。•辅助变量的选择应符合关联性、特异性、过程适用性、精确性和鲁棒性原则。•辅助变量数目的下限是被估计的主导变量数，最优数量目前尚无统一结论。—ShenyangInstituteofAutomation—2020/6/1715数据采集和处理•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。•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。•数据处理包含换算和数据误差处理两个方面。尤其要注意过失误差的处理。•如果辅助变量个数太多，为了实时运行方便需要对系统进行降维。—ShenyangInstituteofAutomation—2020/6/1716软测量模型的建立•机理建模–从机理出发，通过物料平衡、能量平衡和动量平衡建立动态数学模型。–优点是可充分利用已知的过程知识，从本质上认识事物。但对于复杂过程难以建模。•经验建模–通过实测或依据积累操作数据得到经验模型。–优缺点与机理建模相反。•机理建模和经验建模相结合–把二者结合起来，可兼容两者之长，补各自之短。—ShenyangInstituteofAutomation—2020/6/1717软测量模型的在线校正•模型的在线校正可表示为模型结构和模型参数的优化过程，具体方法有自适应法、增量法和多时标法。•为解决模型结构修正耗时长和在线校正的矛盾，提出了以下两种校正方法：–短期校正：以某时刻软测量对象的真实值与模型的预测值之差为动力，及时修正模型。算法简单，学习速度快，易于在线实现。–长期校正：当软测量仪表在线运行了一段时间积累了足够的新样本数据后，重新建立软测量模型。—ShenyangInstituteofAutomation—2020/6/17186、软测量建模方法—回归分析•回归分析是一种最常用的经验建模方法，为我们分析多个变量之间的函数关系或相互关系提供了有效的手段。•经典的回归分析方法：最小二乘法（LR）、递推最小二乘法（RLS）、带遗忘因子的最小二乘法、多元线性回归、逐步回归、主元分析和主元回归（PCA、PCR）、部分最小二乘法（PLS）。—ShenyangInstituteofAutomation—2020/6/1719多元线性和逐步回归•多元线性回归（MLR）–MLR基于最小二乘法，其目标是建立从m个不相关变量到估计量的线性映射。–定义了系数R、Vj作为评价指标。•多元逐步回归（MSR）–基本思想：将变量逐一引入回归方程。–该算法对个输入变量的贡献程度进行检测，剔除输入信息中的不重要部分。—ShenyangInstituteofAutomation—2020/6/1720主元分析和主元回归（PCA、PCR）•基本思想：为解决线性回归时由于数据共线性而导致病态协方差矩阵不可逆问题，并尽可能在保持原有信息的基础上减少变量个数、简化建模，对冗余和相关的数据进行压缩提取信息。•PCA：通过累计方差贡献率实现Rm→Rk的变换。•PCR：利用主元矩阵的非病态性，对投影矩阵进行线性回归。—ShenyangInstituteofAutomation—2020/6/1721部分最小二乘法（PLS）•基本思想：PLS在PCA的基础上同时考虑了输入输出数据集，对X、Y同时进行正交分解，使PLS能从较少的负荷矢量中得到尽可能多的信息。•特点：适用于复杂的混合情况，非常适合处理化工对象，但计算速度慢，模型抽象。—ShenyangInstituteofAutomation—2020/6/1722各种算法的比较•MLR：建立的模型意义明确，一次完成算法；但仅限于线性问题或非线性不严重的问题。•MSR：可以剔除输入信息的不重要部分，但决算时间较长。•PCA和PCR：能简化模型，但只考虑了输入矩阵，没有充分利用所有的信息。•PLS：同时考虑了输入输出数据集，但计算速度慢，模型抽象。—ShenyangInstituteofAutomation—2020/6/1723软测量建模方法—ANN•ANN可以在不需要了解过程稳态和动态的先验知识的情况下很方便的建立软测量模型。而且随着工业过程内部特性的变化，软测量模型可以通过学习及时的得到修正。•ANN的主要吸引力—学习能力•目前的研究已有停滞不前的趋势的原因–黑箱，泛化能力—ShenyangInstituteofAutomation—2020/6/1724BP网络•BP网络是采用反向传播（BP）算法进行学习的多层神经网络。•BP算法有四部分组成：模式顺传播、误差反传播、记忆训练、学习收敛。•BP学习规则也称为广义Delta规则，是一种使平方误差最小的迭代梯度下降方法。先计算输出误差，然后根据Sigmoid函数的梯度及输出误差产生新的权重值。—ShenyangInstituteofAutomation—2020/6/1725RBF网络•RBF网络只有一个隐层，中间层选取基函数作为转移函数，从输入层到隐层空间的变换是非线性的，隐层到输出层是线性的。•输出层和隐含层所完成的任务不同，因而学习策略也不同。输出层是对线性权进行调整，采用的是线性优化策略，学习速度较快。隐含层是对作用函数的参数进行调整，采用的是非线性优化策略，速度较慢，因此RBF的学习一般分为两个层次。•训练方法：Poggio训练方法、局部训练方法、监督训练方法、正交最小二乘训练方法。—ShenyangInstituteofAutomation—2020/6/17267、软测量工程设计•软测量的设计步骤：–针对软测量对象进行机理分析，选择辅助变量(三个方面，即变量类型、变量个数和检测点)–数据采集和预处理–建立软测量模型–设计模型校正模块–在实际工业装置上实现软测量–软测量的评价—ShenyangInstituteofAutomation—2020/6/1727选择辅助变量•①变量类型的选择–一般来说，选择二次变量应遵循下列若干原则：高灵敏性、特异性、过程适用性