（测试计量技术及仪器专业论文）电站锅炉风粉浓度的软测量研究.pdf

摘蛰 题名：电站锅炉风粉浓度的软测量研究 姓名：刘颖 导师：吕震中 学校：尔南大学 摘要 电站锅炉入炉风煤比以及各送粉管道的风粉均衡分配直接影响到锅炉的经济安全燃烧 因此，有必要对电站锅炉一次风粉浓度进行在线监测。然而，长期以来，剥于不同形式的制 粉系统，由于两相流的复杂性，一直缺乏可靠的风粉浓度的测量方法，网此，有必要对风粉 浓度测量方法以及实现方法进行研究。 近年来，软测量技术的发展解决了许多传统硬件无法监测的过程变量，电站煤粉浓度的 测量问题可望借助软测量的方法得到更好的解决方法。本文以软测量技术为线索，以电站风 粉浓度测苗为背景，解决电站风粉浓度测量中的相关问题，本文的具体内容如f ： 1 、研究和总结软测量技术中的数据预处理方法。软测量主导变量的估计以辅勘变量为基 础，而从工业现场采集的数据由于仪表本身以及环境因素的影响，不可避免会带有测蛙 误差，因此软测量建模前的首要工作是进行数据预处理。对于随机误筹，本文提出了基 于数字滤波的方法减小随机干扰，并提出了将多种滤波算法相结合的方法；对于显著误 著，本文提出了基于主元分析( p c a ) 的显著误著检测以及数据校正的方法，并对1 、 现场中可能出现的儿种显著误差进行了仿真实验，证明方法有效。 2 、解决了热风送粉方式f 热平衡法计算煤粉浓度的滞后问题，提出了基于温度变系数动态 补偿的热平衡算法。该方法成功运用丁某热电厂风粉在线监测系统中，运行结果显示此 方法实时性高于普通算法。 3 、通过对空气雨l 煤粉的两相流理论的研究，提出了中储式制粉系统通用的基于混合前后动 压测量的煤粉浓度监测方法，并依托上述项目进行了现场实验。通过对大量采集数据的 统计分析，利削机理与回归相结合的方法，得山算法模型，并应用丁风粉在线监测系统， 该方法取得r 令人鼓舞的结论。 4 、作为机器学习的一种方法，支持向量机能够解决困扰很多学习方法的小样本、过学习、 高维数、局部最小等徊题，并且具有微强的泛化能力。本论文将支持向量机理论运用丁 软测量的建模中，详细介鲥了支持向量机的相关理论基础，并利用支持向量同归机原理 建进了风粉软测鼍模型。在仿真中，本文将该方法与j 泛运心的基丁r b f 神经网络的 软测量模型进行比较，结果表明，在泛化能力上基于支持向量机的软测量方法优于神经 网络。 5 、将软测量问题的t 程化是软测量研究取得实际价值的关键环节。本文详细分析了电站风 粉浓度测量的1 i 更件选择和软件构架，并提出了组件化的软测量软件设计思想，通过开发 数据采集模块、数据预处理模块、核心算法模块、软测量模型评估和校正模块等提高测 量系统的开放性和多川性。 关键词：煤粉浓度；软测赞；数据预处理；支持向量机 东南大学硕士学位论文 a b s t r a c t t i t l e ：as t u d yo np i l l v e r i z e d - c o a lc o n c e n t r a t i o nf o rp o w e rp l a n tb o i l e rb ys o f t - s e n s i n gt h e o r y n a m e ：l i uy m g s u p e r v i s o r ：p r o f l uz h e n z h o n g s c h o o l ：g r a d u a t es c h o o lo f s o u t h e a s tu n i v e r s i t y f o rp u l v e r i z e dc o a lf i r e dp o w e rp l a n t ，t h ep u l v e r i z e d - c o a lc o n c e n t r a t i o ni np u l v e r i z e dc o a l b l a s tp i p e si sv e r yi m p o r t a n tt os a f ea n de c o n o m i c a lo p e r a t i o no f p o w e rp l a n tb o i l e r s oi ti sv e r y n e c e s s a r yt o m e a s u r et h ep u l v e r i z e d - c o a lc o n c e n t r a t i o no n - l i n e b e c a u s eo ft h ec o m p l e xo f g a s - s o l i dt w o - p h a s e ，i ti ss h o r to fac r e d i b i l i t yp a r a m e t e r sm e a s u r e m e n tf o ral o n gt i m e i ti s s i g n i f i c a n tt od or e s e a r c ho nt h em e a s u r e m e n to f p u l v e r i z e d - c o a lc o n c e n t r a t i o n r e c e n t l y , s o f t - s e n s o rm e a s u r e m e n ts o l v e ss om a n yp r o b l e m sh a r dt om e a s u r eb yt h em e t h o d o fh a r d w a r ea n di tp r o v i d e saw a yt os o l v et h ep r o b l e mm e n t i o n e da b o v e t h ep a p e rs o l v e st h e p r o b l e m sa b o u tm e a s u r e m e n tf o rp u l v e r i z e d - c o a lc o n c e n t r a t i o nb a s e do nt h ec l u eo f r e s e a r c h e so n s o i t - s e n s o rt h e o r y t h em a i nc o n t e n t so f t h i sd i s s e r t a t i o na r ea sf o l l o w s ： 1 s u m m a r i z i n gc u r r e n ts t a t u so fd a t ap r e t r e a t m e n tm e t h o d s d a t ac o l l e c t e df r o ml o c a l et a k e s e r r o r sb e c a u s eo fi n f l u e n c eb yi u s t r t t m e u to rc i r c u m s t a n c ei n e l u c t a b i l i t y f o rc h a n c e se r r o r s ， t h ep a p e rp r o v i d e sam e t h o db a s e do ns i g n a lf i l t e ra n dc o m b i n i n gt w oo rm o l ew a y st or e d u c e r a n d o md i s t u r b t h ep a p e rp u t sf o r w a r dam e t h o dt od e t e c ta n dp r o o f r e a dg r o s se r r o r sb a s e d o np r i n c i p a lc o m p o n e n ta n a l y s i s 2 s o l v i n gt h el a gp r o b l e mo fm e a s u r e m e n tf o rp u l v e r i z e d - c o a lc o n c e n t r a t i o ni nb o i l e r sw h o s e p u l v e r i z e d - c o a li st r a n s p o r tb yh o ta i r t h ep a p e rp r o p o s e sac h a n g ec o e f f i c i e n tc o m p e n s a t i o n m e t h o db a s e do nt e m p e r a t u r e i th a sa p p l i e di nt h ep r o j e c ta n dr e c e i v e dg o o de f f e c t 3 t h ep a p e rf o c u s e so nam e t h o df o rc a l c u l a t i n gt h ec o n c e n t r a t i o no fp u l v e r i z e d - c o a l t r a n s p o r t e db yd e p l e t e de x h a u s tg a sb a s e do ng a s - s o l i dt w o - p h a s ef l o wt h e o r y f u r t h e r m o r e ， a ne x p e r i m e n t a t i o nh a sb e e np e r f o r m e d b a s e do na b u n d a n c ed a t aa c q u i r e df r o ml o c a l e ， c o m b i n a t i o nm e c h a n i s ma n dr e g r e s s i o na n a l y s i s ，w eo b t a i na l la l g o f i t i m am o d e l t h er e s u l ti s i n s p i r i n g 4 a sa na l g o r i t h mo f t h ec o m p u t e rs t u d y , t h es u p p o r tv e c t o rm a c h i n er e s o l v e sal a r g en u m b e ro f p r a c t i c a lp r o b l e m ss u c ha ss m a l ls a m p l e ，h i g hd i m e n s i o n s ，o v e rl e a r n i n g ，l o c a lm i n i m u m ，a n d t i f f sa l g o r i t h mh a sv e r yw e l lg e n e r a l i z a t i o na b i l i t y t h i st h e s i sa p p l i e st h es u p p o r tv e c t o r m a c h i n e t h e o r yi nt h es o f ts e n s o rm o d e l ，i n t r o d u c e st ot h es u p p o r tv e c t o rm a c h i n ei nd e t a i lo f r e l a t e dt h e o r i e s a n dab r e e z ep o w d e rs o f t s e n s o rm o d e lb a s e do ns v mi sg i v e ni nt h ep a p e r b yc o m p u t e rs i m u l a t i o n n ep a p e rc o n t r a s t st h es o f t s e n s o rm o d e lb a s e do ns v mw i t hr b f n e t w o r ka l g o r i t h mw h i c hi sa p p l i e dv e r ya b r o a di nt h ef i e l do fs o f ts e n s o r s i m u l a t i o n a n a l y s i si n d i c a t e st h a tt h eg e n e r a l i z a t i o na b i l i t yo ft h es v ms o f t s e n s o rm o d e li sb e t t e rt h a n n e r v en e t w o r ks o f t - s e n s o rm o d e l 5 t h e r ei ss om u c hw o r kt od oi f w ew a n tt og a i np r a c t i c a l i t yv a l u ef r o ms o r s e n s o rt h e o r y t h e p a p e ra n a l y z e st h ec h o i c eo fh a r d w a r ea n dt h es o f t w a r ef r a m e w o r ki n d e t a i lf o r t h e m e a s u r e m e n to fp u l v e r i z e d - c o a lc o n c e n t r a t i o no n - l i n e i tp r e s e n t sas o f t w a r ed e s i g ni d e a l b a s e do l lc o m t h es o f t w a r ef e a t u r e so p e na n dc o n l l t l o n - u s eb yd e v e l o p i n gm o d u l e s k e yw o r d s ：s o f t - s e n s o r ；m e a s u r e m e n tf o rp u l v e r i z e d c o a lc o n c e n t r a t i o n ；d a t ap r e t r e a t m e n t ； s u p p o r tv e c t o rm a c h i n e 第一辛绪论 第一章绪论 1 1 论文背景及选题意义 随着我国电力行业改革的不断深入，“厂网分开，竞价上网”的运行机制已成为必然。 对各电厂而言，保障机组的安全经济运行。努力降低发电成本，是参与竞争的必由之路。在 系统组成与结构一定时，机组运行的安全性和经济性主要取决于锅炉的安全经济运行。影响 锅炉运行的安全性年i i 经济性的因素是多方面的，而锅炉的燃烧调整无疑是其中最重要的因素 之一。在火电发电成本中，燃料费用一般要占7 0 p a 上【7 j ，因此，提高锅炉燃烧系统的运行 水平对机组的节能降耗具有重要意义。 在锅炉的燃烧调整中，煤量和燃烧空气的合理分配是锅炉安全经济运行的一个基本条 件。其中，合理分配包含两层含义：一是维持送入炉内的总的风煤比，即维持炉膛过量空气 系数在规定的范围内；二是每个燃烧器都按照一定的风煤比向炉膛送入燃料，即风煤比应平 均分配，只有这样，才能使整个炉膛的燃烧效果最佳。如果各燃烧器以悬殊的比例送入燃料 和空气，尽管炉膛过量空气系数仍维持在规定的范围内，但对丁单个燃烧器来说，空气量和 煤粉的不均分配，将使各个燃烧器有的严重缺风，有的严重缺煤，带来一系列不良后果“n “。 1 、煤粉浓度对锅炉运行的影响 燃煤锅炉，煤粉浓度过高时，容易发生煤粉堵粉，同时会引起管内煤粉自燃，烧坏输粉 管道等事故；另外，煤粉浓度过高还会导致燃烧不完全，锅炉效率降低、一氧化碳增加，加 剧锅炉炉膛内受热面和过热器受热面的高湍腐蚀。 当煤粉浓度过低时，炉膛温度会降低，容易发生炉膛灭火，同时锅炉汽压降低，带不上 负荷，排烟温度升高，炉膛效率降低，过热器超温，容易引起过热器爆管等重大事故发生。 2 、煤粉浓度分配不均对锅炉的影响 各输粉管道内煤粉浓度分布不均，炉膛燃烧中心偏移，容易造成炉墙局部结渣，局部受 热面烟温偏差过人，容易引起爆管。对丁四角切圆燃烧的锅炉，由于四角一次风流量以及燃 烧器出口煤粉浓度不均将会导致炉膛火焰中心偏移，从而引起炉膛气流冲刷后墙，使得炉膛 后侧水冷壁严重磨损，高温过热器、高温再热器出现局部超温、过热、结焦的现象。 在国内许多电站锅炉的实际运行中，冈四角配风不均、风粉比例火调，造成锅炉爆管、 燃烧器烧损变形、一次风管堵管利一次风管着火的事情时有发生。山现这些问题的原因在丁 缺少一个直观、可靠的监测一次风量和煤粉浓度的手段。目前r 泛采1 q ；i 一次风管静压间接地 反映一次风管风粉分配的情况，司炉凭经验调节给粉机转速来控制给粉量，用一次风川挡板 开度控制风量【4 】【5 l 。但是给粉机转速与给粉量在一定范罔内并非线性关系，且机组中各台 给粉机特性也不相同，给粉量的多少还与给粉机的制造、安装，煤粉所带水分以及细度等都 有很大的关系，冈此，通过给粉机转速来判断给粉浓度并非一个安全可靠的方法，燃煤锅炉 东南大学钡+ 学位论文 需要一套有效的煤粉浓度监测设施。 但是，电站一次风粉管道内为典型的气同两相流流动，气固两相流流动比单相流流动复 杂得多，致使两相流的参数检测特别是相浓度测量难度甚大。目前，气崮两相流的测量问题 受到国内外众多学者的关注，已形成一门新兴的交叉学科，其内容涉及数学、力学、信息、 热工、电子、光学等多学科领域。 1 2 国内外煤粉浓度测量现状 电站锅炉煤粉浓度的准确测量关系到锅炉的安全、经济运行。电站风粉混合物的流动属 丁稀疏气吲两相流动，煤粉浓度的测量属于两相流浓度测茸的范畴。国内外的学者对此做了 大量的研究t 作，提出了许多测量方法，希望能够得到晟佳的测量效果。这些方法人致可以 分为1 r 接触式测量和接触式测量两种，下面将分别简单介绍。 1 2 1 非接触式 1 r 接触测量方法的特点是对管道内的两相流动不产生影响，不增加管道的原有阻力。主 要方法有： 1 2 1 1 电容法1 9 i 电容式煤粉浓度测量传感器设计如图1 - l 所示。电容极板置于管道外壁，从管道内通过 的流体会改变电容的输出值。因为空气和煤粉 两相介质的介电常数不同，当具有不同介电常 数的两相流体通过极板间形成的检测场时，其 图! - 1 电容式煤粉浓度测量原理图浓度的变化会引起流体等效介电常数的变化， 从而使输出电容值随之变化，网此电容值的大小可作为煤粉浓度的量度。 设风粉混合物的等效介电常数为s 。，煤粉和一次风的介电常数分别为，和s 。，若煤粉 均匀分布在一次风中，则。由煤粉颗粒与一次风的体积比决定： s ：兰+ 兰s ( 1 - 1 ) s 。2 寸t + 寸5 n ( 其中，v 电容传感器极板问检测物的总体积 一、r 煤粉雨l - - 次风各相所占的体积 电容量c 与等效介电常数。之间的关系为： c = k f 。= k ，( 罟) ( 1 2 ) 式中，k 电容传感器结构尺寸决定的特征参数 一般情况ff 、，均为空气和煤粉两种介质的特性，不随流体流动特性而改变，n c k c 只与气固两相的体积比有关系。 第一章绪论 该种方法虽然结构简单，但是在实际运用中还存在两个不容忽视的问题：1 ) 测量结果 不仅与浓度有芙，还受煤粉颗粒分布以及流扛! 变化的影响：2 ) 由煤粉浓度变化引起的电容 量的变化较小，因此传感器测量电路必须要有较高的稳定性和灵敏度以及较强的抗杂散电容 干扰的能力。文献【4 对这些问题进行了详细的分析，并在实验室进行了仿真，在t 业现场 中未见使用。 1 2 1 2 光学法”o l 光学法是利用光线照射到被测颗粒时，由于颗粒对光的散射和吸收，投射光强将会衰减 的特性来测量气固两相流浓度。国内外众多学者对这中方法进行了实验研究，有的也在现场 做了人量的工作。 根据l a m b e r - b e e r 定律，投射光强与入射光强的关系为： h 印署d 2 肌，m ，d ) ( 1 - 3 ) 式中：，投射光强 入射光强 上测量光束在测量区域内的行程 ，单位体积颗粒浓度 d 颗粒的平均粒径 e 消光系数，它是入射光波k 、颗粒平均粒径d 和颗粒相对折射率的复杂 函数，可由米氏理论求得。 若测得投射光强j 和入射光强信号，。，就可以按( 1 - 3 ) 计算出固体颗粒的质量浓度。 1 2 1 3 过程层析成像法洲1 1 】 1 2 i 过程层析成像( p r o c e s st o m o g r a p h y ，简记p t ) 技术可定义为使用层析成像技术处理从 远端传感器获得的数据，以得到不可到达区域的定量信息。它是医学诊断中的c t 技术与1 。 业要求相结合的产物。该技术目前在多相流参数测量中已经显示出巨大潜力，它能在不破坏 或不干扰多相流流体流动的情况f ，提供管内多组分混合物的流型变化、速度矢最、组分浓 度分布的特点，而1 f 时空的平均信息。目前国际上正在研究可用于_ l 业层析成像的方法有： 核子、声学、光学、电学、磁共振、微波等。国内的p t 技术也涉及电容、电导、超声、电 磁感应等方面。 p t 系统主要分为三个部分：传感器、传感器控制及数据采集系统、图像重建及处理计 算机。传感器一般由多个包同被检测区域的敏感阵列绸成，这些阵列可在传感器控制及数据 采集系统的控制下依次在一定空间内建立敏感场，并依次从不同位置上米对敏感场进行扫描 检测。检测到的信息反映了其敏感空间内不同区域内被检测的物场的物理化学特性。计算机 依据得到的反映物场特性参数分布的投影值，根据敏感阵列与被测物场相互作用的原理，使 用定性或定量的幽像重建算法重建出反映参数分布的图像。在重建出图像的基础上，采_ l = 一 定的信息处理方法，从中进一步提取山所需要的参数。 东南大学颤l 学位论义 p t 技术伴随着传感器技术、信息处理技术、计算机处理技术的发展正在逐步走出实验 室，走向工业现场。 1 2 2 接触式 1 2 2 1 传热法1 1 3 1 传热法属于一种接触式固相浓度测量方法。该方法将一电加热的传感器探头置于要测量 的气尉两相流中，不同流速、浓度以及颗粒直径的流动介质将与探头产生不同的传热效果， 在确定的输送风量下，根据电加热功率和测取探头的温度来测量两相流中的固相浓度。 在气圃两相流中由丁问体颗粒的存在，使得流动介质与发热体之间的换热强度比单相流 体增大。气阃两相流与传热面的换热机理比单相气流复杂得多，除气流的速度及物性对换热 产生影响外，气流中颗粒的浓度、直径、物性以及流动速度均对换热产生影响。气咧两相流 与发热探头间的换热可以看成由两部分组成： a = a 。+ 口。 ( 1 - 4 ) 式中，口。假定没有颗粒存在的情况r ，仅输送空气所具有的换热系数 口由丁加入固相所增加的换热系数，其中包括颗粒对流体扰动、对边界层的破 坏、颗粒与发热体的接触导热以及由于固相加入引起流通截面变化从而造成气相换热的增加 等部分。 在得知输送风速和风物性参数的情况f ，口。有较准确的公式计算获得。在工业实际气 力输送过程中，颗粒直径及物性通常是确定的，a ，将主要取决丁单位时间内流过单位横截 面积的颗粒流量。 气固两相流与探头的换热量为： q = af a t ( 1 - 5 ) 其中，q 探头的电加热功率 f 探头的换热面积 出探头表面与流动介质的温著 对于确定的输送风速和物料，不同的固相输送流量将对应不同的口。通过实验获得不同 输送风速下口与固相流量间的数学关系式或图表曲线，使用时通过电加热功率q 和测得的 血利混台前输送风速即可获得同相的流量。 1 2 2 2 摩擦电法1 ”】 摩擦电法是近十年来在国际上逐渐受到重视的一种侵入式颗粒浓度在线测量方法，其基 本原理为：运动的颗粒与插入流场的金属电极之间由丁- 摩擦会产生等量的符号相反的静电 荷，通过测量金属电极对地的静电流就可以得到颗粒的浓度值。一般来说，颗粒浓度与静电 第一章绪论 流之间的关系并非是线性关系，往往还受到环境和颗粒流动特性的影响。目前的研究方向主 要集中在两个方面。一是从电动力学的角度出发，寻找描述颗粒浓度与静电流之间关系的更 加精确的理论模型，如英国伦敦格林威治大学的m u m a n e 等人提出的用镜像电荷法来描述 颗粒带电量与金属电极对地静电流之间的关系，并提出了理论模型。二是研究不同材料情况 r 颗粒摩擦生电的机理和特征，如，日本的k i t t i p o o m w o n g 等人研究了不同种类颗粒混合物 之间的带电特性。 摩擦电法对应用的条件要求不高，后续数据处理量较少，且不需要人工采样，可以实现 实时在线测量，更方便地应用于实际的生产过程。但是摩擦电法也有许多问题耍解决，有些 工作还需要进一步深入。 1 2 2 3 能量法1 1 ” 锅炉燃烧系统送粉管道中风粉混合物属于稀相气蒯两相流，煤粉和空气的混合存在明显 的混合点。在忽略混合过程中的散热损失和压缩性，风粉混合物的总能量体现于混合物的流 动动压和静压之和，但由于混台过程中存在的局部阻力损失和沿程阻力损失，空气和煤粉在 混台前后的总能量存在差别。在流速、温度等其他条件可知的情况f ，空气和煤粉混合比例 的不同势必反映在混合前后气固两相流体前后静压差的不同。只要测出空气混合前的空气的 流速希f 静压力以及混合厉混合物的温度和静压，即可求得相应的煤粉浓度，我们这里称之为 能量法。 11 - p 时 ：+ 只。一h 舯= - p 。- 阡：+ 只。+ h 一，+ h 。一 ( 1 6 ) 在式( 1 6 ) 中，风粉混合前一次风的压力p 0 、速度，可测，混合后压力己。可测， 混合前空气密度可以根据温度计算，混台前的沿程阻力损失为一次风速度开0 。的函数t 混合 后的速度阡，卅。可以根据连续性方程计算，混合物密度、沿程阻力损失只。利局部阻力系数 h ，均为煤粉浓度的函数，冈此可以通过求解方程( 1 6 ) 获得煤粉浓度结果。求解方 程( 1 6 ) 有一定的困难，可以采用假设迭代的方法。 1 3 软测量概述 1 3 1 软测量概念 随着现代： ：业过程对控制、计量、协能增效和运行可靠性等要求的不断提高，各种测量 要求日茄增多。现代过稃检测的内涵和外延较之以往均有很大的深化和拓展。传统的流量、 压力、温度等常规过程参数的测鼙信息已经不能满足一l ：艺操作和控制技术的要求。解决这一 t 业测量问题有两种方法：一是沿袭传统的检测技术发展思路，通过研制新型的过程测量仪 表，以硬件形式实现过程参数的直接在线测鼍；另一方法就是采用间接测量的思路，利h j 易 东南大学硕十学位论文 于获取的测量信息，通过计算来实现不易测量的被检测量的估计。 7 0 年代，b r o s i l l o w 等人提出了软测量的基本思想和方法【1 6 】：通过比较容易测量的过程 辅助变鼍和难测变量的关系进行数学模型运算，得到所需的不易直接测量的过程主要输出变 量，并估计和克服不可测扰动对其的影响。 基于以上的思想，软测量技术定义为：利用易测的过程变量( 通常称为辅助变量或二次 变量s e c o n d a r y v a r i a b l e ) 与难以直接测量的待测过程变量( 通常称为主变量p r i m a r y v a r i a b l e ) 之间的数学关系软测量模型( s o f ts e n s o r m o d e l ) ，计算获得待测变量的测量技术。 1 3 2 软测量建模方法 建立软测量模型的方法很多，根据人们对过程的认识程度可以分为机理建模方法、基于 数据驱动的建模方法以及机理和数据驱动相结合的混合建模方法，下面分别简单介绍这三种 方式的建模方法。 1 3 2 1 机理建模0 1 7 1 1 1 s l 机理建模方法建立在对t 艺机理深刻认识的基础上，通过列写宏观或者微观的质量守 恒、能量守恒、动量平衡方程、相平衡方程等米确定难测的主导变量和易测的辅助变量之间 的数学关系( 建立机理模型) ，从而实现某一参数的软溯量。 与其它方式建立的模型相比较，机理模型的可解释性强、外推性能好等特点，是最理想 的软测量模型。但是，机理模型也有其不足的地方，第一个不足就是模型的专用性，不同的 对象其机理模型无论模型结构还是模型参数都千差万别，模型的可移植性较差；第二个不足 是当模型复杂时求解比较困难，由于机理模型一般是由代数方程、微分方程甚至偏微分方科 组组成，当模犁结构庞大时，求解过程计算量很大，收敛慢，难以满足在线实时估计的要求。 1 3 2 2 基于数据驱动的建模方法 对于机理尚不清楚的对象，可以采用基于数据的建模方法建立软测量模型，该方法从历 史的输入输出数据中提取有用的信息，构建主导变量与辅助变量之间的数学关系。该方法无 需了解太多的过程知识，是一种通用的软测量建模的方法。咀下分别介绍几种常用的基丁数 据驱动的软测量方法。 1 、基于统计分析的建模方法 基于统计分析的软测量方法主要有：主元分析、主元回归、部分最小二乘法、部分最小 二乘回归等。为了更好地适用于非线性过程，还出现了非线性主元分析( n p c a ) 和非线性 部分最小二乘法( n p l s ) ，以及将主元分析和部分最小二乘方法与神经网络相结合的基于神 经网络的士元分析( n n p c a ) 和基丁神经网络的部分最小二乘法( n n p l s ) 等。这类方法 运算量相对较小，符合工业过程实时性要求，并且不要太多的基于机理的知识，是目前商业 软件包最多采用的建模方法。 2 、基于人工智能的建模“i i 9 1 1 2 0 1 1 2 1 】 第一章绪论 在众多基于人t 智能的软测量方法中，基于人工神经网络( a r t i f i c i a l n e u r a l n e t w o r k ，简 记a n 的软测量”1 1 2 0 1 是近年来j 泛研究的一种。由于人工神经网络具有自学习、联想记忆、 自适应和非线性逼近等功能，基于人1 二神经网络的软测量可在不具备对象先验知识的条件下 根据对象的输入输出数据直接建模，并能适用于高度非线性和严重不确定性的系统，因此它 为解决软测量建模提供了一条有效途径。需要指出的是虽然人工神经网络的种种优点使得该 种软测量倍受关注，具有巨大的潜力和工业应用价值，但该种软测量技术不是万能的。在实 际应用中网络学习训练样本的数量和质量、学习算法、网络的拓扑结构和类型等的选择对所 构成软仪表的性能都有重大影响。 基丁模式识别实现软测量【2 1 】也是一种较为常用的方法，该方法是采用模式识别的方法 对工业过程的操作数据进行分析处理，从中提取系统的特征，构成以模式描述分类为基础的 模式识别模型。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式模型。该方法的优势 在丁它适用于缺乏系统先验知识的场合，可利用日常操作数据米实现软测量建模。在实际应 用中，该种软测量方法常常和人工神经网络以及模糊技术结合在一起。 模糊数学模仿人脑逻辑思维特点，是处理复杂系统信息的一种有效手段。基于模糊数学 的软测量所建立的相应模型是一种知识性模型。该种软测量方法特别适合应t 【i j 于复杂l ：业过 程中被测对象呈现亦此亦彼的不确定性、难以用常规数学定量描述的场合，例如两相流流型 的在线识别和多相流系统的故障诊断等。 3 、基于现代非线性信息技术的建模方法 基于现代非线性处理技术的软测量是利用易测过程信息( 辅助变量，它通常是一种随机 信号1 ，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。 这种软测量技术的基本思想与基于相关分析的软测量技术口3 l 一致，均通过信号处理来 解决测量问题，所不同的是具体信息处理方法不同。该种软测量技术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2 ”、混沌f ”】和分形技术等，冈此能适用于 常规的信号处理手段难以适应的复杂工业系统。 相对而言，基丁现代非线性信息处理技术的软测量的发展较晚，研究也还比较分散。 该种软测量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。 4 、基于统计学理论的支持向量机建模方法 统计学理论是基于数据驱动建模方法的机器学习方法的重要理论基础之一。上文已经提 到了多种基于数据驱动的学习方法，它们在许多的应用领域取得了重要成就，但是实现过程 过多地依赖于人的主观意识和先验知识，而不是建立在严格的理论基础之上，因此雉以对它 们的性能和适用范围进行理论分析。 传统统计学研究的内容是样本无穷大的渐进理论，即当样本数趋丁无穷人时的统计性 7 东南大学硕l 学位论文 质，而实际问题中样本数据往往是有限的。因此在假设样本无穷多，并在此基础上推导出的 各种算法，很难在样本数据有限时取得理想的应用效果。神经网络( a n n ) 的过学习问题 就是一个典型的例子当样本数据有限时，本来具有良好学习能力的算法有可能表现出很差 的泛化性能。 2 0 世纪7 0 年代提出的统计学习理论( s l t ，s t a t i s t i c a ll e a r n i n gt h e o r y ) 是一种专门 研究小样本情况f 的基本理论和数学构架，也是小样本统计估计和预测学习的最佳理论。 v a p n i k 等人从六、七十年代开始致力_ 二这方面的研究，到上世纪九十年代中期，产生了基 于统计学习理论的新的机器学习方法，即支持向量机o ”( s v m ，s u p p o r t v e c t o r m a c h i n e ) 。 图1 - 2 支持向量机基本思想 概括地说，支持向量机就是通过某种事先选择的l f 线性映射将输入向量映射到一个高维 的特征空间，在这个空间中构造最优分类超平面的实现过程1 2 9 。基本思想如图( i - 2 ) 。该种 方法根据结构风险晟小化准则在模型的结构复杂性和学习能力之间寻求最佳折衷，咀期获得 鼹好的推广能力。s v m 方法的主要优点表现在以下几点：1 ) 有严格的理论和数学基础；2 ) 结构风险最小化原则，保证算法具有良好的泛化能力；3 ) 利用核技术，将输入空间的非线 性问题，通过非线性函数映射到高维特征空间中，在高维空间中构造判别函数：4 ) 该方法 与传统统计学不同，s v m 专门针对小样本，它的最优解基于已有样本信息，而不是样本数 趋于无穷大时的最优解；5 ) 算法最终转化为一个凸优化的问题，保证算法的全局摄优性， 解决了神经网络无法避免的局部最小问题等。 i 3 2 3 混合建模方法柚】m i 纯机理模型和基于数据驱动的模型都备有优缺点：前者能够从本质上反映过程的规律， 可靠性高，外推性好，具有可解释性，其缺点是建模过程比较繁琐，对一些复杂过程而言， 能得到机理模型一般也是经过若干简化的模型；厉者直接根据过程的输入输出数据建模，几 乎无需过程的先验知识，但是缺点也是显而易见的，以神经网络为例，作为一种“黑箱”建 模方法，学习速度慢，推厂一f 生能著，并且模型不具有可解释性，难以确定合适的网络结构和 学习终i r 指标，容易造成过拟合现象，甚至噪声也拟合进来。 以上纯机理建模和基丁数据驱动建模的这两种方法的局限性引发了混合建模的思想。对 于存在简单机理模型的过程，可以将简单机理模型和基于数据驱动的模型结合起来，互为补 第一章绪论 充。简化机理模型提供的先验知识，可以为基于数据驱动的模型节省训练样本；同时，基于 数据驱动的模型又能补偿简化机理模型的建模特性。 混台建模的方法在软测量中得到了大量的应用。文献 3 2 1 提出了神经网络与机理分析结 合的软测量方法，用以实现对气力输送系统中粉料质量流董的在线测量，实验证明这种混合 软测量方法与纯机理模型以及与基于标准神经网络的软测量方法相比，精度以及适用性更 强；文献【3 3 】采用机理模型和统计方法结合的建模方法，结果表明与完整的机理模型相比较 混合模型对主导变量的估计更加精确，结果更令人满意。 混合建模具有赵好的应用前景，前提条件是存在简化机理模型，因此各种基础理论性工 作是十分必要的。在本论文的后续章节中，第三章重点讨论了风粉混台的机理过程，建立了 两种制粉系统的风粉浓度测量的机理模型，在此基础上，笫四章采用机理分析的有关辅助变 量建立了基于支持向量机的软测量模型，升用实时数据进行仿真，取得了较好的效果。在第 四章的后部分，还提出了机理与支持向量机相结合的算法，提高风粉浓度测量的准确性和实 时性。 1 3 3 影响软测量结果的因素1 1 1 3 6 l p 7 1 软测鼍模型性能的好坏受多种因素制约，主要包括建模方法的选择、辅助变量的选择和 数据的预处理以及模型的在线校正。 1 3 3 1 建模方法的选择 上文提到的软测量方法各有优缺点，到底选择哪种方法应该视具体的过程对象而言。如 果有可能，在离线建模阶段，可使用多种方法建立软测量模型，然后从模型的精度、复杂程 度、建模所用的时间和可靠性等因素综合考虑，最终得到一个简单有效的软测量模型。 1 3 3 2 辅助变量的选择 辅助变量的选择主要包括变量的类型、数目和测点位置。这三个方面是相互关联的，并 由过程特性所决定，同时在实际应用中还应考虑经济性、可靠性、可行性咀及维护性等额外 因素的制约。 辅助变量的初选主要基于对过程的机理分析和实际t 况的了解。有关文献建议辅助变量 的选择应符合如下若干原则： 1 )适用性，工程上易于在线获取并有一定的测量精度： 2 )灵敏性，对过程输出或不可测扰动能作出快速反应： 3 )特异性，对过程输山或不可测扰动之外的干扰不敏感； 4 )准确性，构成的软测量仪表应能够满足精度要求； 5 ) 鲁棒性，对模型误著不敏感等。 辅助变量类型的选择范围是过程的可测变量集，软测鼍中使h j 最广泛的是与主导变量 动态特性相近、关系紧密的可测参数。由于对某一具体的对象而言，其可洲参数的数量毕竟 不会太多，因此实际应用中辅助变量的选择范围仍是较为有限的。 一9 - 东南大学硕士学位论文 辅助变量的个数的下限值为被估计主导变量的个数，但直接使用过多辅助变量会出现过 参数化( o 唧e 妇乜a d o n ) 问题，其最佳数目的选择与过程的自由度、测量噪声以及模型的 不确定性等有关。至于如何选取最佳个数仍是一个有待研究的问题，至今尚无较为统的结 论。 对丁许多工业过程，与各辅助变量相对应的检测点位置的选择是相当重要的。例如在 对电站制粉系统相关参数进行测量时，可以选择的测点可以是直管道、弯管道、水平或者垂 直等多种形式的布置，在这些位置点上，流体表现出的特性不尽相同，对主导变量的估计发 挥的作用也各不相同。一般情况下，辅助变量的类型和位置常常是同时确定的，用于选择变 量类型的准则往往也被应用丁检测点位置的选择。 1 3 3 3 数据的预处理 软测量的数据预处理包括显著误差侦破和随机误差滤波两个方面。随机误差是受随机因 素( 例如操作过程的微小扰动和测量信号的噪声等) 的影响，一般不可避免，但符合定的 统计规律，因此可采用数字滤波的方法来消除，例如算术平均滤波、中值滤波、自适应滤波 等。随着系统对精度要求的不断提高，近年来又提出了数据协调( d a t a r e c o n c i l i a t i o n ) 处理 技术。 显著误差包括常规测量仪表的偏差和故障( 例如堵塞、校准不正确、零点漂移甚至仪表 失灵等) ，以及不安全或不正确的过程模型( 泄漏、热损失等不确定因素影响) 等。在实际 过程中，虽然显著误差山现儿率很小，但将会严重恶化测量数据的品质，破坏数据的统计特 征，导致软测量甚至整个系统优化控制的失败，因此显著误差检测、剔除、校正是误差处理 的首要任务。常用的方法有统计假设检验法( 如整体检验法、节点检验法、测量数据检验法 等) 、广义似然比法、贝叶斯法等。 1 3 4 软测量的应) 丰j t 3 s 1 3 7 p s i 1 3 a 1 过程控制 如果软测量能达到一定的精度，能够代替硬件仪表实现某种参数的测量，那么软测量 结果就能够与几乎所有的反馈控制算法结合，构成基于软测量的控制”1 。更为重要的是软 测量技术可以解决高级过程控制实际应用中的测量问题。越高层次的过程控制越是需要关于 过程的更多的和更深层的信息，而软测量可直接为高级过程控制提供被控变量和其他过程信 息，从而构成基于软测晕的高级过程控制。 1 3 4 2 在线优化 生产过程在线优化近年来越来越受到重视，常用的是在线稳态优化。对于实际优化问题 而言，其目标函数往往是装置或系统整体的经济效益，同时包含质量指标约束，产品的产率、 质量等是优化问题中的变量。采用软测鼍技术可提供优化问题所需的各变量测量值，从而使 在线优化问题的构造和求解成为可能。 1 3 4 3 过程监测与生产管理 - 1 0 第一章绪论 由于采用软测量技术一方面可以获得更多的过程信息，另一方面由丁软仪表的载体是计 算机，可以通过合理的编程，综合运用各种所获信息实现过程的故障诊断和状态监测，并对 生产过程进行评估和协调。因此软测量在过程监测和生产管理方面也有十分重要的作用。 1 4 本文完成的工作 本文从软测量的角度研究了电站锅炉风粉浓度的软测量方法。从测量方法上来说，本文 首先改进了热风送粉风粉浓度测量算法，利用温度动态补偿提高测量的实时性；第二，本文 在详细介绍了电站锅炉风粉混合物两相流动的基础上，提出了基于风粉混合前后动压测量的 煤粉浓度测量方法，并通过现场实验，表明理论与实践相符，可望在工程中获得应用：第三， 本文介绍了近年来研究较多的基于支持向量机的软测量方法，并将该方法用丁电站锅炉风粉 浓度的测量上。从j 二业监测系统角