電子發燒友App
??? 世界各國在加強建模理論、辨識技術、優化控制、最優控制、高級過程控制等方面進行研究，推出了從實際工業過程特點出發，尋求對模型要求不高，在線計算方便，對過程和環境的不確定性有一定適應能力的控制策略和方法，如自適應控制系統、預測控制系統、魯棒控制系統、智能控制系統等先進控制系統。對于含有大量不確定性和難于建模的復雜系統，基于知識的專家系統、模糊控制、人工神經網絡控制、學習控制和基于信息論的智能控制等應運而生，它們在許多領域都開始得到了應用，成為自動控制的前沿學科之一。由于變量間的關聯，使系統不能正常平穩運行，出現各類解耦控制系統。對于大純滯后系統自年史密斯提出“預估補償器”以來，由于預估補償器對參數變化靈敏度極高，又相繼出現了各種改進預估補償方法，如觀測補償器控制方案、內模控制、雙控制器、達林控制箅法、純滯后對象采樣控制等，但均尚未完全真正解決，人們還在繼續努力想方設法尋求解決辦法。針對信息不完全性出現了推斷控制系統和軟測量技術。本文就目前應用較多、且取得經濟效益的預測控制、軟測量技術發展及應用作一些介紹，以推動先進控制技術的應用。
??? 一、基于模型的預測控制
??? 自20世紀60年代蓬勃發展起來的以狀態空間分析法為基礎的現代控制理論，在航空、航天、制導等領域取得了輝煌的成果。在過程控制領域亦有所移植，但實驗室及學院式的研究遠多于過程工業上的實際應用，其中主要原因是：工業過程的多輸入——多輸出的高維復雜系統難于建立精確的數學模型，工業過程模型結構、參數和環境都有大量不確定性；工業過程都存在著非線性，只是程度不同而已；工業過程都存在著各種各樣的約束，而過程的最佳操作點往往在約束的邊界上等，理論與工業應用之間鴻溝很大，為克服理論與應用之間的不協調，70年代以來，針對工業過程特點尋找各種對模型精確度要求低，控制綜合質量好，在線計算方便的優化控制算法。預測控制是在這樣的背景下發展起來的一類新型計算機優化控制算法。
??? （一）預測控制的發展
??? 20世紀70年代后期，模型算法控制（MAC）和動態矩陣控制（DMC）分別在鍋爐、分餾塔和石油化工裝置上獲得成功的應用，取得了明顯經濟效益，從而引起工業控制界的廣泛重視。國外一些公司如Setpoint、DMC、Adersa、Profimatics等也相繼推出了預測控制商品化軟件包，獲得了很多成功的應用。
??? 20世紀80年代初期，人們在自適應控制的研究中發現，為了克服最小方差控制的弱點，有必要吸取預測控制中的多步預測優化策略，這樣可增強算法的應用性和魯棒性。因此出現了基于辨識模型并帶有自校正的預測控制算法，如擴展時域自適應控制（EPSAC）、廣義預測控制（GPC）等，這類算法以長時段多步優化取代了經典最小方差控制中的一步預測優化，從而可應用于時滯和非最小相位對象，并改善了控制性能和對模型失配的魯棒性。此外，莫拉里等1982年研究一類新型控制結構——內模控制（IMC），發現預測控制算法與這類控制算法有著密切聯系。MAC、DMC是IMC的特例，從結構的角度對預測控制作了更深入的研究。
目前，GPC都是以線性系統作為被控制對象，對于弱非線性系統，一般仍能取得較好的控制效果，但對一些強的非線性系統難于奏效。對此，非線性的廣義預測控制研究開始重視，主要有基于Hammerstein模型廣義預測控制、基于LMOPDP模型廣義預測控制、基于神經網絡的非線性系統廣義預測控制，還有基于雙線性模型、多模型等多種方法。
??? 預測控制的魯棒性設計成為預測控制研究的熱點之一。魯棒預測控制的思想即使用魯棒控制算法，在算法設計初期就將系統的不確定性考慮進去，使得整個預測控制系統在實際控制中面對對象不確定時仍能表現出應有的穩定性。相應軟件有Honeywell公司推出的基于魯棒預測控制的RMPCT（Robust Multivariable Predictive Control Technology）等。
??? 智能預測控制主要形式有：基于神經網絡、模糊模型、遺傳算法、專家控制等智能技術的預測控制算法，這些算法可以處理非線性、多目標、約束條件等生產邊界條件在幅度變化的異常情況，智能預測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。
??? 由于預測控制對于復雜工業過程的適應性，在國內外許多企業得到廣泛應用，取得顯著經濟效益，它在工業過程中有著廣闊的應用前景。
??? （二）預測控制軟件包的發展
??? 目前，國外已經形成許多以預測控制為核心思想的先進控制商品化軟件包，成功應用于石油化工中的催化裂化、常減壓、連續重整、延遲焦化、加氫裂化等許多重要裝置。有關部分國外公司軟件產品如表。
??? 隨著MPC技術應用不斷擴大和深入，QDMC在實際應用發生了新問題，由于系統受外界干擾，可能會造成QP無可行解的情況；系統輸入輸出可能會失效而丟失，這就產生了自由度可控制結構變化問題；容錯能力待提高，需要處理子系統病態問題；控制要求向多樣化和復雜化發展，用單目標函數中的權系數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，控制結構能隨情況發生變化，能使用于過程動態特性以及更高的品質要求，國外公司技術人員開發第三代MPC，第三代模型預測控制技術主要特點是：處理約束的多變量、多目標、多控制模式和基于模型預測的最優控制器。在國內應用較多有：IDCOM-M、DMC、SMCA等控制軟件包。
??? 在第三代模型預測控制技術基礎上又出現了第四代模型預測控制技術，特征是：基于Windows的圖形用戶界面；采用多層優化，以實現不同等級目標控制；采用靈活的優化
??? （三）我國預測控制應用
??? 1．國外引進部分先進控制軟件包應用
??? 由于先進控制軟件包可以為企業帶來可觀的經濟效益，我國已引進IDCOM-M、SMCA、DMCplus等先進控制軟件，并已投入使用。另外，Honeywell Profimatics公司已經與中國石化總公司合作，在石化行業推廣他們的RMPCT軟件，部分已投入使用。
??? （1）催化裂化裝置
??? 國內首先由齊魯石化公司勝利煉油廠引進美國Setpoint公司的多變量預測控制技術（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外引進與合作開發了先進控制系統。
??? （2）常減壓裝置
??? 齊魯石化公司勝利煉油廠引進Honeywell公司先進控制軟件；大慶石油化工總廠在第三套常減壓蒸餾裝置引進Honeywell公司RMPCT先進控制軟件；燕山石化公司常減壓裝置先進控制；蘭煉常減壓裝置先進控制。
3）連續重整裝置
??? 廣州石油化工總廠連續重整裝置采用美國西雷公司的數據平臺ONSPEC、美國Setpoint公司的多變量預估軟件SMCA；金陵石化公司煉油廠連續重整和抽提裝置上采用Honeywell公司的魯棒多變量預估控制器RMPCT；鎮海煉化股份有限公司煉油廠連續重整裝置采用美國Aspen公司DMCplus先進控制軟件。
??? （4）聚丙烯裝置
??? 揚子石化公司、上海石化、齊魯石化公司、燕山石化公司等在聚丙烯裝置實施先進控制技術獲得了明顯經濟效益。
??? 2．國內自行開發部分先進控制軟件包應用
??? 我國通過“八五”“九五”國家重點科技攻關等，在先進控制與優化控制方面積累了許多經驗，成功應用實例亦不少。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合作開發催化裂化裝置先進控制系統；洛陽石油化工總廠與石油大學、洛陽石化公司共同開發催化裂化裝置；茂名石化煉油廠與石油大學聯合開發催化裂化裝置先進控制與實時優化系統；上海交通大學開發研制的多變量約束控制軟件包MCC是一個處理約束的多變量、多目標、多控制模式和基于模型預測的最優控制器，已成功應用于石家莊煉油化工股份有限公司催化裂化裝置，取得明顯經濟效益；還有浙江大學開發APC-Hiecon，APC-PFC先進控制軟件在國內許多工業裝置得到了應等等。
??? （四）預測控制發展方向
??? 1．自適應MPC：目前亦有自適應MPCSPAN的產品，但實時實現自適應控制存在一定困難，有待進一步研究。
??? 2．魯棒MPC：只有RMPCT在控制器設計時考慮到模型不確定性，所以設計具有魯棒穩定性MPC保障的控制器將減少整定與測試時間。
??? 3．非線性MPC：由于不少的生產過程是非線性，開發簡單實用的非線性MPC亦是今后的一個發展方向。
??? 二、軟測量技術
??? 由于在線分析儀表（傳感器）不僅價格昂貴，維護保養復雜，而且由于分析儀表滯后大，最終將導致控制質量的性能下降，難以滿足生產要求。還有部分產品質量目前無法測量，這在工業生產中實例很多，例如精（分）餾塔產品成分；塔板效率；干點、閃點；反應器中反應物濃度、轉化率、催化劑活性；高爐鐵水中的含硅量；生物發酵罐中的生物量參數等。近年來，為了解決這類變量的測量問題，各方面在深入研究，目前應用較廣泛的是軟測量方法。
??? 軟測量的基本思想是對于難于測量或暫時不能測量的重要變量（或稱之為主導變量），選擇另外一些容易測量的變量（或稱之為輔助變量），通過構成某種數學關系來推斷和估計，以軟件來代替硬件（傳感器）功能。這類方法具有響應迅速，連續給出主導變量信息，且具有投資低、維護保養簡單等優點。
??? 近年來，國內外對軟測量技術進行了大量研究。著名國際過程控制專家McaVoy教授將軟測量技術列為未來控制領域需要研究的幾大方向之一，具有廣闊的應用前景。
??? 軟測量技術主要內容有：機理分析與輔助變量選擇，數據采集和預處理，軟測量模型建立，在線校正，實施及評價。
??? （一）軟測量建模方法
??? 軟測量的核心問題是其模型的建立，也即建立待估計變量與其他直接測量變量間的關聯模型。軟測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，因此很難有妥當而全面的分類方法。目前，軟測量建模方法一般可分為：機理建模、回歸分析、狀態估計、模式識別、人工神經網絡、模糊數學、基于支持向量機（SVMs）和核函數的方法、過程層析成像、相關分析和現代非線性系統信息處理技術等。這些方法都不同程度地應用于軟測量實踐中，均具有各自的優缺點及適用范圍，有些方法在軟測量實踐中己有許多成功的應用，后面幾種建模方法限于技術發展水平，在過程控制中目前還應用較少。
1．基于工藝機理分析的軟測量建模
??? 基于工藝機理分析的軟測量建模主要是運用化學反應動力學、物料平衡、能量平衡等原理，通過對過程對象的機理分析，找出不可測主導變量與可測輔助變量之間的關系（建立機理模型），從而實現對某一參數的軟測量。對于工藝機理較為清楚的工藝過程，該
??? 2．基于回歸分析的軟測量建模
??? 經典的回歸分析是一種建模的基本方法，應用范圍相當廣泛。以最小二乘法原理為基礎的回歸技術目前已相當成熟，常用于線性模型的擬合。對于輔助變量較多的情況，通常要借助機理分析，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量模型。為簡化模型，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。基于回歸分析的軟測量建模方法簡單實用，但需要足夠有效的樣本數據，對測量誤差較為敏感。
??? 3．基于人工神經網絡的軟測量建模
??? 基于人工神經網絡（Artificial Neural Network，ANN）的軟測量建模方法是近年來研究最多、發展很快和應用范圍很廣泛的一種軟測量建模方法。能適用于高度非線性和嚴重不確定性系統，因此它為解決復雜系統過程參數的軟測量問題提供了一條有效途徑。采用人工神經網絡進行軟測量建模有兩種形式：一種是利用人工神經網絡直接建模，用神經網絡來代替常規的數學模型描述輔助變量和主導變量間的關系，完成由可測信息空間到主導變量的映射；另一種是與常規模型相結合，用神經網絡來估計常規模型的模型參數，進而實現軟測量。
??? 4．基于模式識別的軟測量建模
??? 這種軟測量建模方法是采用模式識別的方法對工業過程的操作數據進行處理，從中提取系統的特征，構成以模式描述分類為基礎的模式識別模型。基于模式識別方法建立的軟測量模型與傳統的數學模型不同，它是一種以系統的輸入、輸出數據為基礎，通過對系統特征提取而構成的模式描述模型。該方法的優勢在于它適用于缺乏系統先驗知識的場合，可利用日常操作數據來實現軟測量建模。在實際應用中，這種軟測量建模方法常常和人工神經網絡以及模糊技術等技術結合在一起使用。
??? 5．基于模糊數學的軟測量建模
??? 模糊數學模仿人腦邏輯思維特點，是處理復雜系統的一種有效手段，在過程軟測量建模中也得到了應用。基于模糊數學軟測量模型是一種知識性模型。該法特別適合應用于復雜工業過程中被測對象呈現亦此亦彼的不確定性，難以用常規數學定量描述的場合。實際應用中常將模糊技術和其他人工智能技術相結合，例如模糊數學和人工神經網絡相結合構成模糊神經網絡，將模糊數學和模式識別相結合構成模糊模式識別，這樣可互相取長補短以提高軟儀表的效能。
??? 6．基于支持向量機（SVMs）的方法
??? 建立在統計學習理論基礎上的支持向量機（SVMs- Support Vector Machines）業已成為當前機器學習領域的一個研究熱點。支持向量機采用結構風險最小化準則，在有限樣本情況下，得到現有信息下的最優解而不僅僅是樣本數趨于無窮大時的最優值，解決了一般學習方法難以解決的問題，如神經網絡結構選擇問題和模型學習問題等，從而提高了模型的泛化能力。另外，支持向量機把機器學習問題歸結為一個二次規劃問題，因而得到的最優解不僅是全局最優解，而且具有唯一性。由于軟測量建模與一般數據回歸問題之間存在著共性，支持向量機方法應用于回歸估計問題取得不錯的效果應用，也促使人們把眼光投向工程應用領域，提出了建立基于支持向量機的軟測量建模方法。
7．基于過程層析成像的軟測量建模
??? 基于過程層析成像（Process Tomography，PT）的軟測量建模方法與其他軟測量建模方法不同的是，它是一種以醫學層析成像（Computerized Tomography，CT）技術為基礎的在線獲取過程參數二維或三維的實時分布信息的先進檢測技術，即一般軟測量技術所獲取的大多是關于某一變量的宏觀信息，而采用該技術可獲取關于該變量微觀的時空分布信息。由于技術發展水平的制約，該種軟測量建模方法目前離工業實用化還有一定距離，在過程控制中的直接應用還不多。
??? 8．基于相關分析的軟測量建模
??? 基于相關分析的軟測量建模方法是以隨機過程中的相關分析理論為基礎，利用兩個或多個可測隨機信號間的相關特性來實現某一參數的軟測量方法。該方法采用的具體實現方法大多是互相關分析方法，即利用各輔助變量（隨機信號）間的互相關函數特性來進行軟測量。目前這種方法主要應用于難測流體（即采用常規測量儀表難以進行有效測量的流體）流速或流量的在線測量和故障診斷（例如流體輸送管道泄漏的檢測和定位）等。
??? 9．基于現代非線性信息處理技術的軟測量建模
??? 基于現代非線性信息處理技術的軟測量是利用易測過程信息（輔助變量，它通常是一種隨機信號），采用先進的信息處理技術，通過對所獲信息的分析處理提取信號特征量，從而實現某一參數的在線檢測或過程的狀態識別。這種軟測量技術的基本思想與基于相關分析的軟測量技術一致，都是通過信號處理來解決軟測量問題，所不同的是具體信息處理方法不同。該軟測量建模方法的信息處理方法大多是各種先進的非線性信息處理技術，例如小波分析、混沌和分形技術等，因此能適用于常規的信號處理手段難以適應的復雜工業系統。相對而言，基于現代非線性信息處理技術的軟測量建模方法的發展較晚，研究也還比較分散。該技術目前一般主要應用于系統的故障診斷、狀態檢測和過失誤差偵破等，并常常和人工神經網絡或模糊數學等人工智能技術相結合。
??? 軟測量建模方法雖然經過多年的發展有了很多成果，但仍有許多問題有待于進一步研究。
??? （二）工業應用實例
??? 軟測量技術工業應用成功實例不少。國外有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量儀表，例如：測量10%、50%、90%和最終的ASTM沸點、閃點、傾點、黏點和雷得蒸汽壓等，這些已廣泛應用于常減壓塔、FCCU主分餾塔、焦化主分餾塔、加氫裂化分餾塔、汽油穩定塔、脫乙烷塔等先進
??? 國內引進催化裂化、常減壓等裝置的先進控制軟件亦有軟測量技術，但這些引進軟件價格昂貴。國內有關高等院校、科研院所和企業等自行開發了不少軟測量技術工業應用，甲醇生產過程中烴類轉化反應器出口氣中CH4含量軟測量。在現場進行測試獲得大量數據后通過回歸方法得到了一個線性回歸模型，并進行適當校正后投入運行，與分析值十分接近，并用軟測量得到的CH4估計值成功應用于串級控制。
??? 氣分裝置丙烯丙烷塔塔頂丙烯成分軟測量。通過嚴格的汽液平衡模型簡化和現場測試，得到非線性回歸模型，并設計在線校正。該軟測量估計器投入在線運行，精確度滿足要求，并成功應用于丙烯成分閉環控制，取得了明顯經濟效益。
??? 催化裂化裝置分餾塔輕柴油凝固點軟測量，基于現場數據分析并結合工藝機理分析，建立了多層前向網絡柴油凝固點的軟測量模型，設計簡單在線校正。神經網絡模型估計值與分析值最大誤差為1.65℃，并用了閉環控制，平穩了生產，減少凝固點波動，合格品由94%提高到100%。
催化裂化裝置主分餾塔粗汽油干點軟測量。通過機理和現場采集數據分析，建立回歸模型和神經網絡模型，模型精確度均能滿足生產。最后采用回歸模型，并加在線控制，現場應用表明誤差小于3℃，達98%，已投入閉環控制。
??? 常減壓裝置常壓塔柴油凝固點軟測量。通過現場采集數據經處理后，建立了非線性回歸模型和神經網絡模型，為提高模型精確度和魯棒性，組成非線性回歸模型與神經網絡模型結合的混合模型，并設計了一個串級控制系統。投入運行后獲得較好控制效果，可以滿足生產要求。
??? 加氫裂化裝置第一分餾塔航煤干點軟測量。根據加氫裂化分餾塔的工藝機理和實測數據分析，合理確定輔助變量，進行數據采集和預處理。在此基礎上開發了BP-RBF-PLS的航煤干點軟測量混合模型。在工業裝置上投入運行精度較高，已通過驗收，認為該軟測量可實現航煤干點在先連續測量，滿足生產要求，為實現先進控制創造了條件。
??? 延遲焦化裝置分餾塔粗汽油干點軟測量。經對現場采集的數據及工藝機理分析，確定了影響粗汽油干點的最主要因素，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模型并聯建立了粗汽油干點混合模型，交叉驗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氧化反應質量指標軟測量。經工藝機理分析，結合實際數據的相關分析，確定輔助變量，采用基于遞推算法的PLS建立軟測量模型，該箅法已在PTA氧化反應質量指標的先進控制中應用，取得了較好經濟效益。
??? 連續重整裝置中重整產品辛烷值、待生催化劑結焦含量、重整產品C5+液收率的軟測量，實現在保證質量合格前提下提高產品收率的優化操作指導；完成對重整再生器氧含量的軟測量。兩個系統先后投運后運行正常，取得了良好的經濟效益。
??? 另外，還有丙烯腈收率軟測量；高壓聚乙烯生產過程中的重要參數——熔融指數（MI）的軟測量；合成醋酸乙烯的空時得率和催化劑選擇性的軟測量；乙烯裝置裂解爐出口乙烯收率、丙烯收率、裂解深度的軟測量；丁二烯裝置的DA106塔塔底的水含量、塔頂的甲基乙炔（MA）和DA107塔塔底的丁二烯（BD-13）、塔頂的丁二烯（BD-13）和總炔（主要是乙基乙炔，用EA表示）的軟測量。
??? （三）軟測量技術研究的方向
??? 軟測量技術是工業計算機優化控制的有利工具，在理論研究和實際應用中已經取得了不少成果，其理論體系亦正在逐步形成。不論過于夸大軟測量的作用或忽視軟測量的重要性均是不正確的。軟測量技術研究的方向是：
??? 1．數據處理
??? 數據處理是一個十分重要的問題，尤其是過失誤差處理。在理論研究方面已經取得不少成果，但跟實際應用還存在相當距離，應進一步深入研究，縮小理論與實際的差距。近年來，出現了神經網絡方法，很有吸引力。
??? 2．軟測量建模方法研究
??? 將新興的技術用于軟測量建模。目前雖然出現了眾多軟測量建模方法，但仍不能滿足實際需要。將一些新興的技術用軟測量建模，建立基于新興技術的軟測量模型仍是目前研究的熱點。如：將微粒群優化技術、遺傳算法、混沌與分形技術等新興技術用于軟測量建模，建立性能更好的軟測量模型。
??? 將不同的方法相互融合建立混合模型。由于實際系統的復雜多變，一種方法建立的模型難以滿足要求。如果結合實際系統的機理分析和實際情況，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
??? 在線校正是軟測量應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，開發更多實用方法，以適應復雜工業過程控制的需要亦應是當前研究重點。
三、結束語
??? 今后，還要進一步開發魯棒性強，適應性寬（操作條件、原料性質等），性能價格比優的商品化先進控制與優化控制軟件，適應國內大中型企業需要。
??? 當前先進控制與優化控制軟件的二次開發量較大，從設計，測試，仿真研究，到實際工業裝置投運周期較長，為此今后應開發一些二次開發量較少的先進控制與優化控制軟件，以適應市場需要。
??? 隨著人工智能的迅速發展和控制理與其他學科的交叉滲透，先進控制技術將會得到更深入的發展，應用更加廣泛，產生更大的經濟效益和社會效益。
??? 用戶要建立一支能參與設計、測試、仿真研究、到實際工業裝置投運技術隊伍，一旦先進控制與優化控制軟件廠商交付使用后，企業自已能運行、維護，保持長期運行。
工商網監
評論