專利名稱：基于工業(yè)軟測量模型的離線化驗(yàn)值雙重校正方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于工業(yè)軟測量模型的離線化驗(yàn)值雙重校正方法。
背景技術(shù)：
在流程工業(yè)領(lǐng)域，特別是在石化工業(yè)生產(chǎn)過程中，存在大量的難以測量，甚至無法測量的變量，一般只能做到依靠實(shí)驗(yàn)室人工化驗(yàn)的手段來了解這些變量的變化情況，這對(duì)于實(shí)現(xiàn)變量實(shí)時(shí)監(jiān)控，質(zhì)量控制甚至優(yōu)化等技術(shù)要求是遠(yuǎn)遠(yuǎn)不夠的。故目前主要采用建立軟測量模型進(jìn)行實(shí)時(shí)的估計(jì)，即通過測量易于檢測的輔助變量，基于估計(jì)模型來估算出難以甚至無法測量的變量。
由于實(shí)際工業(yè)生產(chǎn)過程普遍具有的干擾、時(shí)變性、非線性以及所建立的軟測量模型的不完整性等因素，必須考慮和解決軟測量模型的在線校正問題，才能適應(yīng)實(shí)際工況而得到成功應(yīng)用。
以石油化工為典型代表的連續(xù)工業(yè)生產(chǎn)過程中，一般難以甚至無法建立嚴(yán)格精確的數(shù)學(xué)模型來描述實(shí)際工業(yè)過程，亦即模型誤差必定存在，并且可能經(jīng)常性變化，而采用實(shí)時(shí)性強(qiáng)的過程模型在線校正技術(shù)將大大改善這一問題，從而可以較為準(zhǔn)確地反映過程的實(shí)際情況。工業(yè)過程軟測量技術(shù)的核心模型一般僅能大致反映實(shí)際過程的本質(zhì)的變化趨勢(shì)，而實(shí)現(xiàn)對(duì)實(shí)際工業(yè)過程變量進(jìn)行長期在線的精確估計(jì)是十分困難甚至是不可能的。此外，即使模型本身可以較為準(zhǔn)確地描述過程變化，但是根據(jù)模型所得到的估計(jì)是基于現(xiàn)場所采集的數(shù)據(jù)信息，而現(xiàn)場數(shù)據(jù)的可靠性存在很大的不確定性，如罐的虛假液位、在線分析儀表的測量精度漂移和其不定期清洗等原因，經(jīng)常會(huì)導(dǎo)致數(shù)據(jù)失真；同時(shí)由于工業(yè)過程本身和相應(yīng)的參數(shù)測量過程一般存在時(shí)滯現(xiàn)象，而且滯后時(shí)間隨實(shí)際工業(yè)生產(chǎn)狀況的變化而發(fā)生經(jīng)常性的波動(dòng)等等，這些都可能嚴(yán)重影響工業(yè)數(shù)據(jù)的可靠性，這些基于軟測量模型進(jìn)行參數(shù)估計(jì)的方法所遇到的問題必須充分考慮，而借助于性能良好的在線校正技術(shù)就是解決這些問題的有效手段和可靠保證。
很多研究者都提出了軟測量技術(shù)在工業(yè)實(shí)際過程中的應(yīng)用需要結(jié)合在線校正技術(shù)[1，2，3，4，5]，但大多數(shù)僅僅是簡單介紹在線校正的思路，或是介紹了化驗(yàn)值對(duì)軟測量模型輸出的校正等，與本專利技術(shù)最相近的在線校正技術(shù)是俞金壽等人[1]提出的短期學(xué)習(xí)和長期學(xué)習(xí)的校正方法。短期校正是以某時(shí)刻實(shí)際對(duì)象的真實(shí)值與軟測量模型的估計(jì)值的偏差來及時(shí)修正模型常數(shù)項(xiàng)，這種校正技術(shù)易于在線實(shí)現(xiàn)。同時(shí)為了保證軟測量模型的穩(wěn)定性，當(dāng)偏差在工藝允許的誤差范圍之內(nèi)時(shí)，不進(jìn)行模型校正，只有當(dāng)偏差超出一定范圍，才激發(fā)長期校正，即對(duì)模型結(jié)構(gòu)或參數(shù)進(jìn)行修正。短期學(xué)習(xí)由于算法簡單，學(xué)習(xí)速度快，便于實(shí)時(shí)應(yīng)用。長期學(xué)習(xí)是當(dāng)軟測量模型在線運(yùn)行一段時(shí)間積累了足夠新樣本信息后，重新建立軟測量模型。長期校正可以離線進(jìn)行，也可以在線進(jìn)行。
僅由離線得到的一個(gè)不變的軟測量模型來實(shí)時(shí)估計(jì)實(shí)際工業(yè)過程變量，往往不能很好地跟蹤過程的動(dòng)態(tài)變化、處理過程中的數(shù)據(jù)可靠性的不確定問題和解決過程變化幅度大的工業(yè)過程在線變量估計(jì)問題，因此，在線軟測量模型計(jì)算必須考慮在線過程校正。但是校正技術(shù)也不是萬能的，校正只是對(duì)過程模型估計(jì)精度進(jìn)行改善，軟測量模型必須要求能大致地反映實(shí)際過程中輔助變量對(duì)待估計(jì)的主導(dǎo)變量的作用效果。
很多研究者提出了在軟測量技術(shù)上實(shí)施在線校正技術(shù)，但大多或者只簡單介紹了對(duì)化驗(yàn)值偏差校正，或者只介紹了對(duì)基于神經(jīng)網(wǎng)絡(luò)軟測量建模的網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)進(jìn)行在線校正的技術(shù)，而且大部分均未能完整地給出校正效果。俞金壽等人[1]提出了短期學(xué)習(xí)和長期學(xué)習(xí)的校正方法，但也沒有詳細(xì)說明如何進(jìn)行兩種校正方法的有機(jī)結(jié)合，以及在實(shí)際工業(yè)過程應(yīng)用效果，而僅僅是介紹每一種校正思路和單獨(dú)的應(yīng)用效果，對(duì)于兩種方法的介紹很多僅僅是定性說明，對(duì)一些參數(shù)定義不夠定量化。他們提出的短期校正方法沒有考慮利用歷史偏差的信息，而只是利用當(dāng)前估計(jì)值與實(shí)際值的偏差進(jìn)行修正，這種方法在實(shí)際應(yīng)用中被證明會(huì)產(chǎn)生校正作用波動(dòng)幅度過大，效果并不理想。對(duì)于他們提出的長期校正方法，僅僅涉及在收集到足夠樣本數(shù)后，對(duì)模型進(jìn)行重新校正，沒有進(jìn)一步的詳細(xì)說明和論證等等。
單獨(dú)實(shí)施一種校正技術(shù)在改進(jìn)模型估計(jì)精度和預(yù)測趨勢(shì)上各有不足之處滾動(dòng)模型校正的作用是本質(zhì)的、主動(dòng)的和劇烈的；而化驗(yàn)值偏差校正則作用過于被動(dòng)，而且其效果是短期，不能對(duì)過程本質(zhì)的變化進(jìn)行很好的校正。因此有機(jī)結(jié)合兩類校正技術(shù)的雙重校正技術(shù)能夠?qū)洔y量模型從估計(jì)精度到預(yù)測趨勢(shì)上都得到很好的保證。本專利對(duì)兩類校正技術(shù)進(jìn)行了合理配置，由實(shí)驗(yàn)驗(yàn)證得到最優(yōu)校正參數(shù)，能保證使軟測量模型達(dá)到期望的估計(jì)精度。
參考文獻(xiàn)1)俞金壽、劉愛倫、張克進(jìn)編著，軟測量技術(shù)及其在石油化工中的應(yīng)用，化工工業(yè)出版社，2000。
2)史瑞生，催化裂化在線工藝計(jì)算的特點(diǎn)，煉油設(shè)計(jì)，2001，31(1)，P.55-593)王樹青等編著，先進(jìn)控制技術(shù)，化學(xué)工業(yè)出版社，20004)汪永生，邵惠鶴，微生物生長過程中菌體濃度的軟測量，無錫輕工大學(xué)學(xué)報(bào)，2000，19(5)491-4945)徐敏，俞金壽，軟測量技術(shù)，石油化工自動(dòng)化，1998，21-3，196)Shengjing Mu，Hongye Su，Ruilan Liu，Yong Gu，Jian Chu，Analysis andModeling of Industrial Purified Terephthalic Acid Oxidation Unit，InternationalSymposium on Advanced Control of Chemical Processes，2003，Hongkong.(ADCHEM 2003)7)舒迪前編著，預(yù)測控制系統(tǒng)及其應(yīng)用，機(jī)械工業(yè)出版社，1996發(fā)明內(nèi)容本發(fā)明的目的是提供一種基于工業(yè)軟測量模型的離線化驗(yàn)值的雙重校正方法。
它利用過程指標(biāo)的離線化驗(yàn)值，分別以可調(diào)節(jié)的周期對(duì)軟測量模型參數(shù)進(jìn)行滾動(dòng)校正和對(duì)軟測量計(jì)算輸出值進(jìn)行偏差校正的實(shí)現(xiàn)在線軟測量雙重校正，使軟測量模型預(yù)測輸出具有良好的精度和趨勢(shì)。
本發(fā)明的優(yōu)點(diǎn)1)有人提出了短期學(xué)習(xí)和長期學(xué)習(xí)的校正方法，但沒有介紹如何對(duì)兩種校正方法結(jié)合以及其效果。而本發(fā)明根據(jù)在線滾動(dòng)模型校正和化驗(yàn)值偏差校正技術(shù)各自的特點(diǎn)進(jìn)行有機(jī)結(jié)合，以充分發(fā)揮各自的優(yōu)點(diǎn)；2)前人曾單獨(dú)分析了短期校正和長期校正簡單思路及單獨(dú)的應(yīng)用效果，對(duì)校正方法的介紹不夠定量化。他們提出的短期校正方法沒有考慮利用歷史偏差的信息，而只是利用當(dāng)前預(yù)測值與實(shí)際值的偏差進(jìn)行修正，這種方法在實(shí)際中被證明是校正作用波動(dòng)幅度過大，效果并不理想。本發(fā)明中的化驗(yàn)室偏差校正則充分利用了歷史偏差信息，對(duì)當(dāng)前的偏差進(jìn)行加權(quán)處理，即對(duì)當(dāng)前的偏差進(jìn)行了濾波處理，真實(shí)反映了實(shí)際生產(chǎn)過程的連續(xù)性和平緩效果；3)他們提出的長期校正方法，僅僅談及在收集到足夠樣本數(shù)后，對(duì)模型進(jìn)行重新校正，沒有進(jìn)一步的詳細(xì)說明和論證。本發(fā)明提出的在線模型校正則在詳細(xì)論述了校正機(jī)制，觸發(fā)條件基礎(chǔ)上，很好地借鑒了在工業(yè)實(shí)際過程中得到廣泛應(yīng)用的預(yù)測控制技術(shù)中的思想和其中的兩個(gè)重要概念預(yù)測步長和建模步長，為在線模型校正方法提供了理論基礎(chǔ)，這也保證了在線模型校正技術(shù)能在實(shí)際過程中得到成功應(yīng)用。


圖1是在線滾動(dòng)模型校正流程示意圖；圖2是在線滾動(dòng)模型校正建模時(shí)域與預(yù)測時(shí)域示意圖；圖3是在線化驗(yàn)值偏差校正流程示意圖；圖4是利用化驗(yàn)值進(jìn)行在線雙重校正流程示意圖；圖5是4-CBA濃度的軟測量預(yù)測輸出(虛線)和化驗(yàn)值(實(shí)淺色線)在不同校正方法下精度比較結(jié)果示意圖；圖6是經(jīng)過數(shù)據(jù)平滑后的4-CBA濃度軟測量預(yù)測輸出(虛線)和化驗(yàn)值(實(shí)淺色線)在不同校正方法下精度比較結(jié)果示意圖。
具體實(shí)施例方式
本發(fā)明針對(duì)工業(yè)過程中由化驗(yàn)室進(jìn)行離線地采樣分析質(zhì)量變量數(shù)據(jù)這類目前國內(nèi)石化工業(yè)過程最普遍采用的情況，結(jié)合在線滾動(dòng)模型校正和化驗(yàn)室偏差校正技術(shù)，提出了在線軟測量模型估計(jì)輸出的在線雙重校正技術(shù)。經(jīng)過對(duì)其參數(shù)做合理設(shè)置后的雙重校正技術(shù)能很好地解決了復(fù)雜工業(yè)過程在線軟測量模型預(yù)測趨勢(shì)跟蹤和估計(jì)精度問題。
工業(yè)過程軟測量技術(shù)實(shí)施中，軟測量模型建立后并不是一成不變的。由于實(shí)際工業(yè)過程所存在的時(shí)變性、非線性、時(shí)滯等以及所獲得的基于工業(yè)數(shù)據(jù)和機(jī)理分析而建立的模型的不完整性和測量數(shù)據(jù)的可靠性等因素，都會(huì)影響軟測量模型的精度和相應(yīng)的變量估計(jì)精度，因此必須考慮模型的在線校正，才能適應(yīng)實(shí)際工況。目前大部分在線軟測量模型在設(shè)計(jì)時(shí)都考慮了在線校正，但很少有文獻(xiàn)對(duì)此提出合理和有效的解決方法。
另外一個(gè)軟測量在線校正技術(shù)必須注意的問題是過程測量數(shù)據(jù)與化驗(yàn)室分析數(shù)據(jù)在時(shí)序上的匹配。對(duì)于國內(nèi)少數(shù)石化企業(yè)配備了在線分析儀裝置并在現(xiàn)場分析中得到了很好應(yīng)用的情況，過程變量的分析值可以連續(xù)得到(滯后一段時(shí)間)，在校正時(shí)只要相應(yīng)地順延相同的時(shí)間即可。但對(duì)于國內(nèi)大多數(shù)企業(yè)，其某些過程變量還是依靠人工離線化驗(yàn)的情況，從實(shí)際過程變量數(shù)據(jù)到取樣位置需要一定的流動(dòng)時(shí)間，而從取樣后到實(shí)驗(yàn)分析數(shù)據(jù)返回現(xiàn)場又要耗費(fèi)很長的時(shí)間，因此利用化驗(yàn)值和過程數(shù)據(jù)進(jìn)行軟測量模型校正時(shí)，需要特別注意保持兩者在時(shí)間上的對(duì)應(yīng)關(guān)系，否則在線校正不但達(dá)不到目的，反而可能引起軟測量精度的下降，甚至完全失敗。
本發(fā)明是利用人工化驗(yàn)值對(duì)工業(yè)過程軟測量模型進(jìn)行在線軟測量雙重校正，即結(jié)合了在線滾動(dòng)模型校正技術(shù)和在線化驗(yàn)值偏差校正技術(shù)對(duì)軟測量模型實(shí)施有效的在線校正。
1 在線滾動(dòng)模型校正在線滾動(dòng)模型校正，是校正軟測量模型中的模型參數(shù)，利用的校正算法是阻尼非線性最小二乘法[6]，即改進(jìn)的Levenberg-Marquardt(LM)算法。滾動(dòng)校正的思想借鑒了預(yù)測控制技術(shù)的滾動(dòng)優(yōu)化和動(dòng)態(tài)建模思想[7]，即利用較長的多個(gè)采樣周期的最新幾組樣本回歸模型參數(shù)，得到的新模型用于預(yù)測接下來的較短的幾個(gè)采樣周期期間的變量值。這也就是多看和學(xué)幾步，而少走和做幾步的思想，進(jìn)行滾動(dòng)的實(shí)施，例如，精對(duì)苯二甲酸(PTA)氧化過程產(chǎn)品粗TA中的對(duì)羧基苯甲醛(4-CBA)濃度軟測量中利用6個(gè)點(diǎn)的化驗(yàn)樣本數(shù)據(jù)進(jìn)行模型參數(shù)回歸，得到的新模型用于預(yù)測后續(xù)3個(gè)采樣周期期間的質(zhì)量數(shù)據(jù)，而下一次模型校正時(shí)再利用上一次參數(shù)回歸所用的6個(gè)化驗(yàn)樣本中相對(duì)新的3個(gè)和上一次模型估計(jì)期間新增加的3個(gè)化驗(yàn)樣本組合成新的6個(gè)樣本作為最新的模型參數(shù)回歸樣本進(jìn)行新一次的模型校正，得到的新模型用于估計(jì)新的后續(xù)3個(gè)采樣周期期間的變量值。這里校正方法的參數(shù)6和3借用了預(yù)測控制中的預(yù)測時(shí)域步長P和控制時(shí)域步長M概念，其數(shù)值是可調(diào)的。滾動(dòng)模型校正的建模時(shí)域和預(yù)測時(shí)域隨時(shí)間而不斷地向前。
在線模型校正由在線收集一定數(shù)量的化驗(yàn)值與對(duì)應(yīng)過程輸入變量組成的樣本，利用非線性阻尼最小二乘法，即改進(jìn)的Levenberg-Marquardt(LM)法對(duì)模型參數(shù)進(jìn)行回歸迭代計(jì)算。如果回歸迭代收斂，模型參數(shù)取回歸計(jì)算結(jié)果，如果迭代不收斂，模型參數(shù)仍取上一個(gè)校正周期的模型參數(shù)。
如圖1所示，在線模型校正可定期進(jìn)行，如果在一個(gè)采樣周期檢驗(yàn)得到的新的樣本數(shù)目m達(dá)到要求，則立刻進(jìn)行模型校正，回歸新的模型參數(shù)，然后根據(jù)回歸算法的收斂情況，若不收斂，模型參數(shù)不改變；若收斂，則取新的一組模型參數(shù)，得到新的模型并繼續(xù)在線預(yù)測計(jì)算。
在線滾動(dòng)模型校正算法的啟動(dòng)是通過檢測化驗(yàn)值輸入樣本的累積數(shù)目，當(dāng)數(shù)目達(dá)到指定要求后進(jìn)行的。這是一個(gè)模型的參數(shù)優(yōu)化過程，通過在線滾動(dòng)實(shí)施，動(dòng)態(tài)得到最新的過程軟測量模型。此外，對(duì)模型校正周期和用所得到的最新的模型進(jìn)行在線預(yù)測計(jì)算的周期的設(shè)計(jì)上，本專利借鑒了預(yù)測控制技術(shù)中的預(yù)測時(shí)域步長P和控制時(shí)域步長M概念，即利用采樣時(shí)刻tk-P+1到tk之間的共P個(gè)采樣周期的樣本數(shù)據(jù)進(jìn)行模型參數(shù)校正計(jì)算，得到的模型參數(shù)作為最新的模型對(duì)tk+1到tk+M采樣周期之間的過程輸出進(jìn)行預(yù)測。這里設(shè)置P≥M，即利用長時(shí)域的樣本信息進(jìn)行短時(shí)域的過程預(yù)測輸出。當(dāng)M個(gè)采樣周期結(jié)束后到達(dá)tk+M時(shí)刻時(shí)，進(jìn)行下一次的模型校正，所需的P個(gè)樣本信息是由采樣時(shí)刻為tk-P+1+M的樣本到tk+M采樣周期的樣本組合成P個(gè)新樣本。在線滾動(dòng)建模中模型校正周期、模型預(yù)測周期以及對(duì)應(yīng)的建模時(shí)域和預(yù)測時(shí)域設(shè)置如圖2所示。
在時(shí)刻tk，新樣本個(gè)數(shù)達(dá)到指定數(shù)目P，進(jìn)行模型校正，利用tk時(shí)刻之前最新的P個(gè)化驗(yàn)值樣本進(jìn)行模型參數(shù)回歸，得到新的模型后，進(jìn)行接下來的M個(gè)采樣周期的輸出值預(yù)測。經(jīng)過M個(gè)采樣周期后到達(dá)tk+M時(shí)刻，再利用新組合成的包括最新的M個(gè)化驗(yàn)值樣本的新的一組P個(gè)樣本進(jìn)行模型校正，得到新的模型進(jìn)行接下來的M個(gè)采樣周期的輸出預(yù)測。這樣在線地進(jìn)行周期性的模型校正，以調(diào)整模型參數(shù)使得新的過程模型能緊密跟蹤過程變化，準(zhǔn)確反映最新的過程現(xiàn)狀。
2化驗(yàn)值偏差校正由于實(shí)際工業(yè)過程存在很多難以描述的因素，而軟測量模型所能表達(dá)的實(shí)際過程的可測變量對(duì)待估計(jì)變量的影響因素亦非十分完備，同時(shí)模型計(jì)算中存在其他誤差因素，這些原因使得模型計(jì)算出的結(jié)果只能是一個(gè)近似值，僅僅能大致表達(dá)出產(chǎn)品性質(zhì)的變化趨勢(shì)，而與真實(shí)化驗(yàn)室分析值之間往往存在一定偏差，因此需要對(duì)計(jì)算結(jié)果進(jìn)行校正以消除偏差。
在線化驗(yàn)值偏差校正，由于數(shù)據(jù)庫中的計(jì)算序列僅保存了軟測量模型計(jì)算經(jīng)過校正的估計(jì)輸出值，而沒有模型原始計(jì)算值，因此首先需要得到采樣時(shí)刻的模型原始計(jì)算值，同樣需要求得當(dāng)前時(shí)刻的模型原始計(jì)算值，求出采樣時(shí)刻的偏差，利用此采樣時(shí)刻的偏差和當(dāng)前時(shí)刻計(jì)算采用的偏差，加權(quán)求得當(dāng)前時(shí)刻應(yīng)采用的新的偏差，從而進(jìn)一步求得該時(shí)刻校正過的值。
詳細(xì)步驟如下a)求出采樣時(shí)刻的模型原始計(jì)算值YCal(t-d)YCal(t-d)＝Y(jié)Val(t-d)-bias(t-d) (1)或在原始計(jì)算序列中找出原始計(jì)算值YCal(t-d)其中d采樣時(shí)刻到當(dāng)前時(shí)間的滯后時(shí)間；YVal(t-d)采樣時(shí)刻校正所得的軟測量產(chǎn)品質(zhì)量輸出值；bias(t-d)采樣時(shí)刻的偏差。
b)求出當(dāng)前時(shí)刻的模型原始計(jì)算值
YCal(t)＝Y(jié)Val0(t)-bias(t-d) (2)其中YVal0(t)當(dāng)前時(shí)刻由未修正過的偏差(采樣時(shí)刻的偏差值)校正所得的軟測量產(chǎn)品質(zhì)量輸出值。
c)求出當(dāng)前時(shí)刻的偏差值bias0(t)bias0(t)＝Y(jié)Lab(t-d)-YCal(t-d) (3)其中YLab(t-d)采樣時(shí)刻化驗(yàn)室測得的化驗(yàn)值(當(dāng)前時(shí)刻才返回)。
d)根據(jù)當(dāng)前時(shí)刻的偏差bias0(t)和采樣時(shí)刻的偏差bias(t-d)求出當(dāng)前時(shí)刻的新偏差bias(t)bias(t)＝w1*bias0(t)+w2*bias(t-d) (4)其中w1＝1-w2，w1，w2≥0為可調(diào)節(jié)的校正參數(shù)，一般取w1＝0.3～0.5。
e)利用當(dāng)前時(shí)刻的模型原始計(jì)算值與當(dāng)前時(shí)刻的新偏差求出當(dāng)前時(shí)刻的軟測量產(chǎn)品質(zhì)量輸出值YVal(t)YVal(t)＝Y(jié)Cal(t)+bias(t)(5)在初始時(shí)刻t＝0，bias(0)＝0。
在線化驗(yàn)值偏差校正流程圖如圖3所示，由于當(dāng)前采樣周期的化驗(yàn)值輸入時(shí)刻總是滯后采樣時(shí)刻一定時(shí)間，這里包括兩部分時(shí)間滯后，從實(shí)際過程變量數(shù)據(jù)到取樣位置所需的流動(dòng)時(shí)間和從取樣后到實(shí)驗(yàn)分析數(shù)據(jù)返回現(xiàn)場所耗費(fèi)的時(shí)間。當(dāng)用戶輸入當(dāng)前采樣周期的化驗(yàn)值時(shí)，系統(tǒng)根據(jù)該化驗(yàn)值的采樣時(shí)刻得到采樣時(shí)刻的模型原始計(jì)算值YCal(t-d)，基于該時(shí)刻的化驗(yàn)值和模型原始計(jì)算值得到模型預(yù)測偏差bias0(t)，再與采樣時(shí)刻的偏差值進(jìn)行加權(quán)和得到當(dāng)前計(jì)算時(shí)刻的偏差值bias(t)，利用該偏差值來校正當(dāng)前時(shí)刻模型計(jì)算輸出YVal(t)作為最后的過程輸出。
3 在線雙重校正在線雙重校正技術(shù)有機(jī)結(jié)合了在線滾動(dòng)模型校正技術(shù)和在線化驗(yàn)值偏差校正技術(shù)，使工業(yè)過程軟測量模型估計(jì)輸出的精度和預(yù)測趨勢(shì)能得到有效的改善。模型校正利用了化驗(yàn)值反饋信息來調(diào)整模型參數(shù)以更好地適應(yīng)最新的過程變化?；?yàn)值偏差校正則對(duì)軟測量模型所不能很好描述實(shí)際過程的未建模因素、過程數(shù)據(jù)誤差、化驗(yàn)值誤差等造成的軟測量估計(jì)偏差問題做了很好的考慮和解決。因此結(jié)合這兩種各有優(yōu)勢(shì)的校正技術(shù)，相互補(bǔ)充，得到的雙重校正方法能很好地保證軟測量模型的估計(jì)精度和預(yù)測趨勢(shì)。
工業(yè)過程參數(shù)由現(xiàn)場DCS實(shí)時(shí)采集，在時(shí)刻t，軟測量系統(tǒng)在線讀取模型計(jì)算輸入?yún)?shù)X(t)，輸入到模型計(jì)算得到產(chǎn)品質(zhì)量YCal(t)。檢測時(shí)刻k是否有產(chǎn)品質(zhì)量的化驗(yàn)值YLab(t)輸入，若無輸入，則利用上一次偏差校正計(jì)算得到的偏差值bias(t)對(duì)模型計(jì)算值YCal(t)進(jìn)行校正，YVal(t)＝Y(jié)Cal(t)+bias(t)；若時(shí)刻t有化驗(yàn)值輸入，則累積新的模型校正樣本個(gè)數(shù)P，并判斷樣本個(gè)數(shù)是否達(dá)到設(shè)定值M，若新樣本個(gè)數(shù)未達(dá)到模型校正所需樣本個(gè)數(shù)，則利用偏差校正進(jìn)行新的偏差計(jì)算得到新的bias(t)，對(duì)模型計(jì)算值YCal(t)進(jìn)行校正，YVal(t)＝Y(jié)Cal(t)+bias(t)；若新樣本個(gè)數(shù)達(dá)到了模型校正所需樣本個(gè)數(shù)，則調(diào)用LM算法進(jìn)行模型參數(shù)回歸，完成模型校正，得到新的模型參數(shù)并建立新的模型后，再調(diào)用新的模型計(jì)算得到新的YCal(t)，同時(shí)將偏差bias(t)清零，軟測量系統(tǒng)輸出YVal(t)＝Y(jié)Cal(t)，完成整個(gè)校正過程。
在線雙重校正流程圖如圖4所示，這里雙重校正技術(shù)結(jié)合了在線滾動(dòng)模型校正和化驗(yàn)室偏差校正，其中在線滾動(dòng)模型校正僅在新樣本個(gè)數(shù)累積到一定數(shù)量后才觸發(fā)并實(shí)施，而在累積的新樣本個(gè)數(shù)未達(dá)到一定數(shù)量之前，每輸入一個(gè)化驗(yàn)值，系統(tǒng)計(jì)算新的偏差，并實(shí)施化驗(yàn)室偏差校正。系統(tǒng)在每次完成滾動(dòng)模型校正后將偏差值清零，在下一次化驗(yàn)值輸入進(jìn)行偏差校正時(shí)重新計(jì)算偏差值。
本發(fā)明的校正方法類同于預(yù)測控制策略中所采用的思想，從其實(shí)施上看，也考慮了滾動(dòng)參數(shù)優(yōu)化和動(dòng)態(tài)在線建模，利用化驗(yàn)值進(jìn)行的偏差反饋校正。模型校正是隨時(shí)間進(jìn)行在線滾動(dòng)優(yōu)化，反復(fù)進(jìn)行。其中每一步都是靜態(tài)優(yōu)化，但從全局看卻是動(dòng)態(tài)優(yōu)化。每到一個(gè)新的采樣時(shí)刻，都要通過實(shí)際得到的化驗(yàn)值，即模型輸出對(duì)基于模型的計(jì)算輸出進(jìn)行修正，然后再進(jìn)行新的優(yōu)化。不斷根據(jù)系統(tǒng)的實(shí)際輸出對(duì)預(yù)測輸出值作出修正使?jié)L動(dòng)優(yōu)化不但基于模型，而且利用了反饋信息，構(gòu)成閉環(huán)優(yōu)化校正。
4 仿真結(jié)果比較采用的實(shí)際工業(yè)過程應(yīng)用例子是某PTA工廠的PTA氧化過程產(chǎn)品粗TA性質(zhì)最主要指標(biāo)4-CBA含量的在線軟測量系統(tǒng)。過程模型主體結(jié)構(gòu)是由實(shí)驗(yàn)室得到的基于化學(xué)反應(yīng)機(jī)理的模型結(jié)構(gòu)，結(jié)合氧化反應(yīng)過程實(shí)際操作情況，對(duì)模型設(shè)置了6個(gè)裝置因數(shù)(即為需要在線滾動(dòng)回歸的模型參數(shù))。取建模樣本個(gè)數(shù)為6個(gè)，而預(yù)測周期為3個(gè)化驗(yàn)值采樣時(shí)間，即建模時(shí)域?yàn)?，而預(yù)測時(shí)域?yàn)?。偏差校正中權(quán)值w1＝0.5。而為了在化驗(yàn)值與軟測量輸出值之間進(jìn)行對(duì)比，取軟測量計(jì)算輸出值與化驗(yàn)值進(jìn)行同一采樣時(shí)刻的點(diǎn)進(jìn)行對(duì)比。所比較的現(xiàn)場數(shù)據(jù)共有220個(gè)點(diǎn)，質(zhì)量指標(biāo)4-CBA濃度經(jīng)過歸一化處理。所得到的仿真對(duì)比結(jié)果如圖5所示。其中圖a表示的是未經(jīng)過任何校正處理的軟測量計(jì)算輸出與化驗(yàn)室分析值的比較，圖b表示的是僅僅做了滾動(dòng)模型校正處理的軟測量計(jì)算輸出與化驗(yàn)室分析值對(duì)比，圖c是僅僅做了偏差校正處理的軟測量計(jì)算輸出與化驗(yàn)室分析值的對(duì)比，圖d是雙重校正處理的軟測量計(jì)算輸出與化驗(yàn)室分析值對(duì)比。統(tǒng)計(jì)誤差對(duì)比如表1所示。從上述4個(gè)圖的比較結(jié)果可以看出，軟測量模型做任何一種校正都比不做校正能顯著提高模型估計(jì)精度與預(yù)測趨勢(shì)，而在線滾動(dòng)模型校正與化驗(yàn)室偏差校正相比，前者效果過于強(qiáng)烈，表現(xiàn)更為主動(dòng)，這是因?yàn)樵诰€模型校正得到的是經(jīng)過重新建模后的模型，改變的是模型本質(zhì)預(yù)測性能，表現(xiàn)為在系統(tǒng)由新的樣本訓(xùn)練后，立刻產(chǎn)生對(duì)后續(xù)過程強(qiáng)烈的作用。而化驗(yàn)室偏差校正僅僅對(duì)軟測量模型的計(jì)算輸出進(jìn)行修正，而且僅在當(dāng)前一個(gè)化驗(yàn)室分析值輸入和下一次新的化驗(yàn)值輸入之間的軟測量計(jì)算結(jié)果起作用。偏差校正算法的性能是能很好的跟蹤實(shí)際過程變化，這是一個(gè)相對(duì)被動(dòng)的過程，其表現(xiàn)為軟測量計(jì)算輸出值僅是圍繞著實(shí)際化驗(yàn)室分析值波動(dòng)，因此過程越平穩(wěn)，跟蹤性能越好，而在過程變化幅度較大時(shí)，如升降負(fù)荷過程情況，跟蹤性能就明顯下降。因此這里結(jié)合了兩種校正技術(shù)優(yōu)勢(shì)特點(diǎn)的雙重校正方法所處理的估計(jì)輸出值表現(xiàn)出比單獨(dú)的兩種校正技術(shù)更優(yōu)越的效果。
表1.PTA氧化過程軟測量預(yù)測精度比較

為了更清楚的說明雙重校正的效果，這里通過對(duì)圖5的數(shù)據(jù)點(diǎn)做滑動(dòng)時(shí)間平均處理，以10個(gè)點(diǎn)做滑動(dòng)平均。這樣得到的經(jīng)過簡化處理的結(jié)果更能反映數(shù)據(jù)變化的本質(zhì)特性，其結(jié)果如圖6所示。雙重校正的效果表現(xiàn)為無論在估計(jì)精度上還是在預(yù)測趨勢(shì)上都優(yōu)越于前三種情況。
權(quán)利要求
1.一種對(duì)基于模型的工業(yè)過程軟測量在線雙重校正方法，其特征在于利用過程指標(biāo)的離線化驗(yàn)值，以可調(diào)節(jié)的周期分別實(shí)施軟測量模型參數(shù)的滾動(dòng)校正和軟測量計(jì)算輸出值偏差校正的雙重校正方法，使軟測量模型預(yù)測輸出具有良好的精度和趨勢(shì)。
2.根據(jù)權(quán)利要求1所述的一種對(duì)基于模型的工業(yè)過程軟測量在線雙重校正方法，其特征在于所說的利用過程指標(biāo)的離線化驗(yàn)值是利用了與軟測量模型計(jì)算所對(duì)應(yīng)的過程裝置指標(biāo)的離線化驗(yàn)室分析值，來作為對(duì)軟測量系統(tǒng)進(jìn)行在線校正的依據(jù)。
3.根據(jù)權(quán)利要求1所述的一種對(duì)基于模型的工業(yè)過程軟測量在線雙重校正方法，其特征在于所說的軟測量模型參數(shù)的滾動(dòng)校正是校正軟測量模型的參數(shù)，所采用的校正算法是阻尼非線性最小二乘法，即改進(jìn)的Levenberg-Marquardt算法，即利用多個(gè)采樣周期的幾組樣本來回歸當(dāng)前的模型參數(shù)，得到的模型用于預(yù)測后續(xù)幾個(gè)采樣周期期間的變量值。
4.根據(jù)權(quán)利要求1所述的一種對(duì)基于模型的工業(yè)過程軟測量在線雙重校正方法，其特征在于所說的軟測量計(jì)算輸出值偏差校正是利用此采樣時(shí)刻的模型計(jì)算值和化驗(yàn)值之間的偏差和當(dāng)前時(shí)刻軟測量計(jì)算所采用的偏差，經(jīng)加權(quán)求得當(dāng)前時(shí)刻應(yīng)采用的偏差，作為當(dāng)前軟測量計(jì)算值的偏差校正值。
5.根據(jù)權(quán)利要求1所述的一種對(duì)基于模型的工業(yè)過程軟測量在線雙重校正方法，其特征在于所說的以可調(diào)節(jié)的周期分別實(shí)施軟測量模型參數(shù)的滾動(dòng)校正和軟測量計(jì)算輸出值偏差校正的一種新穎的雙重校正方法是模型校正利用了化驗(yàn)值反饋信息來調(diào)整軟測量模型的參數(shù)，以隨時(shí)間進(jìn)行在線滾動(dòng)優(yōu)化來適應(yīng)過程變化，化驗(yàn)值對(duì)軟測量計(jì)算值的偏差反饋校正則是對(duì)軟測量模型所不能描述實(shí)際過程的未建模因素、過程數(shù)據(jù)誤差、化驗(yàn)值誤差造成的軟測量模型估計(jì)偏差進(jìn)行修正，兩類校正方法分別以不同的周期交替進(jìn)行，這種不斷根據(jù)系統(tǒng)的實(shí)際輸出對(duì)預(yù)測輸出值作出修正使?jié)L動(dòng)優(yōu)化不但基于模型，而且利用了反饋信息，構(gòu)成閉環(huán)優(yōu)化校正。
全文摘要
本發(fā)明公開了一種基于工業(yè)軟測量模型的離線化驗(yàn)值的雙重校正方法。它利用過程指標(biāo)的離線化驗(yàn)值，分別以可調(diào)的周期校正軟測量模型參數(shù)和校正軟測量計(jì)算輸出值，使軟測量模型預(yù)測輸出具有良好的精度和趨勢(shì)。本發(fā)明的優(yōu)點(diǎn)1)根據(jù)在線滾動(dòng)模型校正和化驗(yàn)值偏差校正技術(shù)各自的特點(diǎn)進(jìn)行有機(jī)結(jié)合，以充分發(fā)揮各自的優(yōu)點(diǎn)；2)本發(fā)明中的化驗(yàn)室偏差校正充分利用了歷史偏差信息，對(duì)當(dāng)前的偏差進(jìn)行加權(quán)處理，真實(shí)地反映了實(shí)際生產(chǎn)過程的連續(xù)性和平緩效果；3)本發(fā)明提出的在線模型校正很好地借鑒了預(yù)測控制技術(shù)中的思想，為在線模型校正方法提供了理論基礎(chǔ)，也進(jìn)一步保證了在線模型校正技術(shù)能在實(shí)際過程中得到成功應(yīng)用。
文檔編號(hào)G01N33/00GK1570627SQ20041001839
公開日2005年1月26日 申請(qǐng)日期2004年5月12日 優(yōu)先權(quán)日2004年5月12日
發(fā)明者蘇宏業(yè), 牟盛靜, 王長明, 古勇, 褚健 申請(qǐng)人:浙江大學(xué)