（计算机应用技术专业论文）原油中转站计量系统及其软测量技术研究.pdf

摘要 摘要 课题来源于大庆油田测试技术服务分公司，主要任务是开发原油中转 站计量系统，并以软测量技术为中心对提高原油含水率的估算准确度进行 有关的理论和应用研究。 软测量技术为工业过程中难以或不能直接检测的主导变量提供了新的 检测与控制手段，对于生产自动化以及产品质量控制具有重要意义，是目前 测控领域的重要研究方向之一。软测量模型是软测量技术的核心，所以， 进一步进行建模方法的研究具有重要意义。 本文采用生命周期法、快速原型法和面向对象法相结合的程序设计方 法设计并开发了原油中转站计量系统，提高了中转站的工作效率、计量精 度和管理水平，为企业管理向信息化迈进奠定了基础。在此基础上分析了 系统含水率估算方法准确度不商的原因，提出了采用软测量技术加以改进 的思想。 从经验风险最小化及结构风险最小化的角度分析了用于回归的 r b f n n 及s v m ，阐述了它们的数学表达形式、网络结构和主要训练算法。 在对r b f n n 和s v m 进行深入分析、对比的基础上，提出了一种适用于回 归估计的s v s r b f n n 软测量建模方法。建立了r b f n n 、s v m 、s v s r b f n n 等三种原油含水率软测量模型，仿真结果验证了s v s r b f n n 模型与 r b f n n 模型相比具有较好的泛化性能。三种模型的估算效果均远远优于原 有方法，表明了软测量技术对提高原油含水率估算准确度的有效性。 本课题处理实际问题的一些思想和方法对信息化改造传统产业、提高 工业自动化检测和控制水平具有参考意义。 关键词中转站计量系统；原油含水率；机器学习；软测量；经验风险最小 化；结构风险最小化：支持向量机 燕斑大学王学硕士学燕论文 a b s t r a c t t h i s p r o j e c t i sf r o mt h e d a q i n go i lf i e l dm e a s u r e m e n ta n dt e s t t e c h n o l o g ys e r v i c es u b - c o m p a n y , ；i t sm a i nt a s ki s t od e v e l o pac r u d eo i l i n t e r m e d i a t er e p e a t e rm e a s u r e m e ms y s t e r n , i m p r o v ee s t i m a t i o n a c c u r a c yo f w a t e rc u to fc r u d eo i lb yt h ea p p l i c a t i o no fs o f t * s e n s i n gt e c h n i q u ea n dd o r e s e a r c h e so nt h ec o r r e l a t i v et h e o r ya n da p p l i c a t i o n s o f t - s e n s i n gt e c h n i q u ep r o v i d e san e wa p p r o a c ht od c t e c ta n dc o n t r o l p r i m a r yv a r i a n e sw h i c ha r ev e r yd i f f i c u l to ri m p o s s i b l et ob ed e t e c t e d ，h a s i m p o r t a n ts i g n i f i c a n c ef o rp r o d u c t i o na u t o m a t i o na n dq u a l i t yc o n t r o l , a n di so n e o ft h em o s ti m p o r t a n tr e s e a r c hd i r e c t i o n si nt h ea r e ao fp r o c e s sc o n t r 0 1 s o i l s e n s o rm o d e li st h ec o r eo fs o f t s e n s i n gt e c h n i q u e ，s oi ti sn e c e s s a r yt or e s e a r c h f u r t h e ro n i nt h i st h e s i s ，ac r u d eo i li n t e r m e d i a t er e p e a t e rm e a s u r e m e mw s t e mi s d e v e l o p e db yah y b r i dm e t h o dt h a tc o m b i n e sr a p i d - p r o t o t y p i n gm e t h o d ，l i f e c y c l em e t h o da n do b j e c t - o r i e n t e dm e t h o d t h i ss y s t e mi m p r o v e st h ew o r k e f f i c i e n c y , m e a s l l r i r l ga c c u r a c ya n dm a n a g e m e n tl e v e lo ft h ec r u do i l i n t e r m e d i a t er e p e a t e r , e s t a b l i s h e saf o u n d a t i o nf o r g r e a t l yi n c r e a s i n g t h e i n f o r m a t i o nl e v e lo f t h eb u s i n e s sm a n a g e m e 贰t h er e a s o nf o ri n a c c u r a c yo f t h e o r i g i n a le s t i m a t em e t h o di sa n a l y z e d ，a n dt h ei d e af o ri m p r o v i n gt h ee s t i m a t e a c c u r a c yb ys o i l s e n s i n gt e c h n i q u ei sp r o p o s e d t h er b fn e u r a ln e t w o r ka n ds u p p o r tv e c t o rm a c h i n eu s e df o rr e g r e s s i o n f r o mt h ea n g l e so ne m p i r i c a lr i s km i n i m i z a t i o na n ds t r u c t u r a lr i s km i n i m i z a t i o n a r ea n a l y z e d , t h e km a t h e m a t i c s e x p r e s s i o n , t o p o l o g ya n dm a i nt r a i n i n g a l g o r i t h m sa r ee x p o u n d e d b a s i n go nt h ea l l a l y s i sa n dc o n t r a s tb e t w e e nr b f n e u r a ln e t w o r ka n ds u p p o r tv e c t o rm a c h i n e ，as u p p o r tv e c t o r s r b fn e u r a l n e t w o r km o d e l i n gm e t h o ds u i t a b l ef o rr e g r e s s i o ni sp r o p o s e d t h r e es o f ts e n s o r i t a b s t r a c t m o d e l so nw a t e rc u to fc r u d eo i li se s t a b l i s h e db a s e do nr b f n n s v ma n d s v s r b f n nr e s p e c t i v e l y 弧l es i m u l a t i o np r o v e st h a ts v s r b f n nm o d e l i n g m e t h o di ss u p e r i o rt or b f n nm o d e l i n gm e t h o di nr e s p e c to fg e n e r a l i z a t i o n p e r f o r m a n c e t h ee s t i m a t i o ne f f e c to ft h r e em o d e l si sg r e a t l ys u p e r i o rt ot h e o r i g i n a le s t i m a t em e t h o d s ，p r o v i n gt h a ts o f t s e n s i n gt e c h n i q u ei se f f e c t i v ei n i m p r o v i n ge s t i m a t ea c c u r a c yo f w a t e rc u to f c r u d eo i l 、 i na d d i t i o n ，t h ei d e a sa n dm e t h o d so fd e a l i n gw i t ha c t u a lp r o b l e m si nt h i s r e s e a r c hw o r km a ys u p p l yr e f e r e n c e st or e f o r m i n gc o n v e n t i o n a li n d u s t r i e sb y i n f o r m a t i o na n dt o i m p r o v i n g d e t e c t i o na n dc o n t r o ll e v e lo fi n d u s t r i a l a u t o m a t i o n k e 3 1 v o r d si n t e r m e d i a t er e p e a t e rm e a s u r e m e n ts y s t e m ；w a t e rc u to f c r u d eo i l ； m a c h i n el e a r n i n g ；s o r s e n s o r ；e m p i r i c a lr i s km i n i m i z a t i o n ； s t r u c t u r a lr i s km i n i m i z a t i o n ；s u p p o r tv e c t o rm a c h i n e n i 第1 章绪论 第1 章绪论 1 1 课题背景及来源 石油在国民经济中具有非常重要的地位和作用，其产品已渗入到人类 生活的各个方面，例如工业、军事、交通运输等。对任何一个国家而言， 石油都是一种生命线，人们称石油为“工业的血液”足以说明它的价值。 随着世界经济的快速发展，石油的需求量也随之剧增。美、日、印、中等 耗能大国，为了维持本国经济的持续增长，在全球范围内展开了各种层面 的能源争夺战 1 3 】。今天，我国已成为全球第二大石油消费国、第三大石油 进口国，由此可见石油生产及销售企业在我国社会经济发展中所处的重要 地位。它们经营状况的优劣关系到社会经济的发展。 人们常用眼睛来比喻计量工作在工业生产中的重要性。在石油工业中， 原油、天然气和各种成品油的贸易交接计量是计量管理及计量技术发展的 重点，直接涉及石油企业的经济利益和社会效益，应引起足够重视；而在 原油开采、集输过程中的计量工作也不应被忽视，更应在形式和技术上不 断革新以满足新情况下的新要求，用以有效监督原油的集输过程，为以后 原油及其相关产品的精确计量奠定良好基础。 美国在油田设计及建设时，油井计量方面均设计三相分离器，在低含 水期，三相分离器当两相使用，在中高含水期使用三相分离功能，定时连 续计量；中转站二次仪表基本实现智能化、数字化，流量、含水率等数据 的采集、处理、输出都采用计算机控制，可随时显示、定时打印输出生产 的相关数据。而大庆油田作为我国历史较长的油田，油井却还没有在线仪 表用以计量原油的产量，中转站的计量和记录也较为落后，体现在：没有 对产油量、原油含水率等参数进行准确计量的手段，缺乏对管道温度、压 力、流量等参数进行高效记录的方法；为了监测站内的生产状况，工作人 员不得不定时、逐一地手工记录分布于站内各点的仪表数据，工作效率低 下，准确度不高，不能整体监控中转站的生产状况。此外，该油田已进入 1 燕山大学1 学石贞士学位论文 高含水期，起初安装的部分设备，如原油含水分析仪，已不适合新的工况。 因此，企业对原油开采至联合站这一输送过程失去了有效的计量和监督。 综上所述，大庆油h ；| 在原油生产计量方面与发达国家有很大的差距。 所以，认真解决油井及中转站的在线计量问题，从以离线、静态、被动测 量为重心转移到逐步实现计量与控制工作一体化，用信息化改造老油田， 采用新技术提高计量精度和管理水平，切实发挥计量保证和监督作用，已 成为当今石油企业生产与经营管理中亟待解决的一个重要课题。 本课题来源于大庆石油测试技术服务分公司。针对大庆油田存在的上 述问题，设计并开发原油中转站计量系统，以提高中转站的自动化及信息 化水平；尝试性地采用软测量技术寻求一种提高原油含水率在线估算准确 度的新方法。 1 2 软测量的基本思想、适用范围及建模方法 当今，随着工业现代化水平的不断提高，对工业过程中的控制、检测、 计量以及安全性等要求也随之日益增多，且更加严格。一方面，仅获取温 度、压力等常规过程参数的测量信息已不能满足工艺操作和控制的要求， 需要获取诸如成分、物性等与过程操作和控制密切相关的检测参数测量信 息。另一方面，仪表测量的精度要求越来越高，测量从静态或稳态向动态 测量发展，在许多应用场合还需要综合运用所获得的各种过程测量信息， 才能实现有效的过程控制、对生产过程或测量系统进行故障诊断和状态监 测等。利用传统的检测、控制方法很难满足上述要求，或者能够满足要求 但要付出巨大的代价 4 1 。需求是发展的动力，必然会产生一种新技术来满足 现代工业测量与控制的要求。这种新技术正是当今倍受瞩目的软测量技术。 1 2 1 基本思想及适用范围 软测量技术的基本思想是把自动控制理论与生产工艺过程知识有机结 合起来，根据某种最优准则，选择一组容易测量又与过程主要变量密切相 关的过程变量( 称之为辅助变量) ，应用计算机技术，通过软件构造某种数学 映射关系，从而代替硬件功能，实现对不易测量的过程主要变量( 称之为主 2 第1 章绪论 导变量) 的在线推断和估计。采用软测量技术构成的软仪表( s o f ts e n s o r ) ，是 以当前可有效获取的测量信息为基础，以软件为核心，具有智能性，可方 便地根据被测对象特性的变化进行修正和改进【4 j ，因此，软仪表在可实现性、 通用性、灵活性和成本等各方面均具有无可比拟的优势。 软测量技术为工业过程中难以或不能直接检测的主导变量提供了新的 检测与控制手段，对于生产自动化以及产品质量控制具有重要意义，是目 前测控领域的重要研究方向之一。该技术主要应用于石油化工、冶金工业、 工业锅炉、造纸工业、生化过程等领域，实现对工业过程的在线估计、故 障冗余确定、模式识别、过程控制及检测等功能1 5 1 5 。 1 2 2 软测量建模方法 软测量模型是软测量技术的核心所在。目前，软测量建模方法有很多 种，且大有相互交叉、相互融合的发展趋势，因此妥当而全面的分类是相 当困难的。在此，仅介绍几种目前较常用的软测量建模方法。 1 2 2 1 基于机理的建模方法机理模型( 又称灰箱模型【通常由代数方 程和微分方程组组成，通过对过程对象的机理分析，找出不可测主导变量 与可测辅助变量之间的关系( 即建立机理模型) ，从而实现对主导变量的软测 量。对于工艺机理清楚的工业过程，该方法能构造出性能较好的软仪表。 然而，由于大多数工业过程的非线性和不确定性【l ，人们并不能完全清楚 工业过程的内部运作机理，机理建模方法对于这种情况很难适应。 1 2 2 2 基于非机理的建模方法对于机理尚不完全清楚的复杂工业过程， 难以建立适当的机理模型。基于非机理模型( 又称黑箱模型【l ”) 的建模方法主 要依据过程的可测数据，通过非线性映射器建立辅助变量与主导变量之间 的映射关系，其特点是很少涉及过程本身的机理。 ( 1 ) 基于回归分析的软测量建模回归分析方法是一种较为经典的建模 方法，不需建立复杂的数学模型，只要收集大量过程参数和质量分析数据， 运用主元分析( p c a ) ”咖局部最小二乘法( p l s ) 【1 9 】的数理统计方法对这些数 据中隐含的对象信息进行分析，从而建立主导变量和辅助变量之间的数学 模型。通过对生产过程历史数据的回归分析来建立软测量模型，在线计算 燕由大学_ _ 学硬士学位论文 不可测变量，得到变量问的稳态关系。但模型的准确性受样本真实性的影 响，适用范围受样本容量的制约。因此，只有当长期的生产过程或实验可 以提供大量的正确样本时，该方法才能得以正确w 靠地实麓。 ( 2 ) 基于人工神经网络的软测掇建横 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 ，a n n ) 的软测潼是近年来硬究较多、发展较抉且应曩菠基较 广的一种建模方法。a n n 独特的非传统表达方式和固有的学习能力，使之 在解决齑度菲线往帮严重不确定性系统控懿闫寇方蟊爨有巨大潜力瑚1 。基 予a n n 的软测鼍可在不具备对象的先验知识的条件下，根据对象的输入输 出数据建模，模型的在线校正能力强，因此，它为解决复杂系统过稔参数 的软测量阉题提供了有效方竣。 鉴于人工神经网络的种种优点，基于人工神经网络的软测量建模方法 其宥巨大豹潜力帮应臻徐徨，毽著不是万貔懿。在实黪应震中，潮缘样本 的数量和质量、学习算法、网络的拓扑结构和模型类型等的选择对软测量 摸澄的径能都膏重大影响。 ( 3 ) 基于支持向量机的软测量建模由于针对字申经网络学习方法囱身缺 陷f 2 1 0 2 1 的研究工作在瑷论上缺乏实质性进展，导致了它的实用化进程受到 严蓬裁终。在这转壤援t ，v a p n i k 提出夔支持自曩掇【2 m 5 3f s u p p o r tv e c t o r m a c h i n e ，s v m ) 开始受到了人们的普遍重视。 基予s v m 莳软添量是把锈练样本觚输入空游菲线往薛浚辩虱一个离 维特征空间，然聪在此空间中求解凸化问题( 典型二次规划问题) 。由于s v m 具有严格的理论和数学基础，求解方法基于结构风险最小化思想，不存在 局部最小闯题，小群零学习搜它其鸯绠强豹泛化能力。 此外，还有基于模式识别的软测量建模、基于模糊数学的软测量建模、 基子相关分耩豹较溅豢建模等多穗方法，程文献阁中避行了译缨豹漭解。 1 2 2 3 混合建模方法机理建模方法和非机理建模方法各有优缺点。前者 能够从本质上爱映过程的翘律，可靠性高，泛化性能好，其裔可解释往； 缺点是建模过瑕比较繁琐，对于一魉复杂过程露言，褥刭的一般是经过简 化后的模型。后者直接根据过程的输入输出数据建模，几乎无需过程对象 豹淹验知谈；德获熹楚学习遮度浸，泛纯犍能豢，摸型不具纛霹舞释缝， 第1 章绪论 难以确定合适的网络结构和学习终止指标等，例如神经网络。 以上基于机理的建模方法和基于非椒理的建模方法的局限性弓i 发了混 合建模罨怒，对于存在麓亿幸死瑾模型豹过程，爵隧将基于祝瑾静建模方法 和基于非机理的建模方法结合起来，二者互为补充。简化机理模型提供的 先验知识可以为非机理模型节省训练样本，同时非机理模型又能补偿简化 壤理模鍪粒米建模特整淤j 。 1 3 软测量工程化设计的步骤 曩兹，较 鬟! | 量技术鳃理论疆究已形成较好豹綦璐，在将这些戏票应惩 到工业生产的过程中仍有许多实践性工作要做，这魑工作是软测蕊技术应 用研究的一个重要环节。与理论研究相比，软测量技术在应用方面系统的 开发思路还不健全，所以对软测量工程化设计进行系统的归纳茅曩谤究是一 颈缀有意义瓣工俸。 软测量是门应用性很强的技术，其工程化设计必须满足工程应用的 要求，例如简易性、有效性及可靠性等。在总结前人经验的基础上，结合 叁己戆实黢，归纳出较测整工程讫设诗熬基本步骤黧蘩l l 嚣示。 图1 - 1 软测量开发流程图 f i g 1 - 1f l o wc h a r to f b u i l d i n gs o t ts e t i s o f 5 燕函大学工学骚主学位论文 1 3 ，l 梳理分析及辅韵瓷量选取 此阶段首先要了解软测最对象及整个系统的工业过程，明确软测量的 任务。由于工业过程中存在q e 线性和不确定性，科研人员往往仅了解工业 过程中黔部分极理，不完全瀵楚工业过程内部戮索之间撼互影响的确甥关 系，繇戮，大多数较涎量属予灰籍系统。 辅助变量的选取确定了软测量的输入信息艇阵，进而决定了软测量模 型的结构，由此可见选取辅助变量的重要性。嗣前确定辅助变量的方法主 要是根据软测量对象的机理，流程及专家经验，结合数理统计方法进行选 取。由予现代工业过程往往舆有数百个检测交爨，所以按上述方法确定的 辕蚤交豢镄可琵较多，著纛秘关程麦差异穰大，懿莱穆它们全酃舔聚 乍是 软测量的辅助变量，模型不德十分复杂，而且黧簧信息仍可髓被遗溺，影 响软测羹的精度。知识发现和数据融合是两种十分诱人的技术，能够帮助 我们从海燃数据中挑选出合适的信息。此外，辅助变量的选取还应考虑经 济性、w 萼子性、可靠性以及维护性等额井困素的制约。 l 。3 ，2 数据采集和预处壤 从理论上讲，工业过襁数据包含工业对氖的大量信息，因此采集的数 据多多赫善。这些数据包含辅助变量的采集值以及相应主导变量的人工化 验值。焱聚集过程中，一方鞭，环境、设备以及人为因素等原因往谯使采 集熬过疆数撵存在误差；努方瑟，对霜一交爨懿多次溅量，魏藏了数撵 的时间冗余，同时这些交爨又满足一定的平衡关系，即它们还具有空间冗 余。数据预处理工作的主要目的就是充分利用这些冗余信息，剔除原始数 据中的腿著误差并降低随机误差对测量值的影响，从而提高数据的质量， 为过程娥模的成功提供基本僳障。 溅爨数据戆颈楚璎惫撂爨著误差楚瑾、夔秘误差整瑾窝溅量数攥转换 三部分。 ( 1 ) 擞薯误差的处理在实际测量中，常常由于人为记录的严熏疏忽、 测量仪袋突然失灵、设备泄漏或操作环境不稳定等原因造成测量数据严重 6 第1 荜绪论 失真，使得数据的测量值与其囊艇之间存在显藩差异，即照簧误差。一般 来说，含有显著误蓑静数据在全部溺量薮据中仅占缀小熬院稠，毽帮会严 重破坏数据的统计特性，甚至导教整个软测鬣系统优化测控的失败。因此 采用数据校正技术来提高数据质墩，即检测、识别和剔除( 或补偿) 显著误麓 是缀必爨豹。 总体而言，判断样本数据是否为显著误整有以下三类捻测手段：遐 从理论上分析所有可能导致显著误差的因素并j 矬行相应处理；二是借助多 萃中测量手段对莱一避程变量进行测量，通过结爨比较来识别显薯误差；三 是校攒测量数据翳绕计特往进行梭验。方法一仅获理论上锻出了分乖厅，极 有可能遗漏导致误骜的一些潜在因素，因此适用范围有限；方法二对于少 量的过程测量数据可行，但对大熬过程测量数据进 亍逐一测黛、比较则会 造藏麓力、穆力上熬沉重受整；糖院之下，方法三稷锌对数据奉鸯，对糯 有硬件设备不作过多要求，便于猩线运行，具有普遍性等优点，得到了广 泛的研究与使用，例如常用的3 仃准则判别法。 q ) 蕤辊误差魁壤隧极误差受夔掇因素( 镁鲡搡终过穗瓣微小撬凌帮 测量倍譬的噪声等) 的影响而产生，般不可避免，但具有一怒的统计规律， 可采用数字滤波的方法消除，例如算术平均滤波、中值滤波等。随着系统 对精度要求的不断摄态，近年来又出现了数据协调f 2 7 t 2 8 j ( d a t ar e c o n c i l i a t i o n ) 整理技术，主要静实糯方法有圭元分孝厅法帮歪交分解法等。 简单且常用的数据预处理方法是用统计假设检验剔除含有显著误差的 数据后，再采用平均滤波的方法去除随机误差。如果变量个数太多，则需 要簿缨，扶瑟降低_ i l l l 爨臻声豹予我帮较淫量模型豹复杂经。降缍懿方法可 以是根据机理模型的可靠部分，用几个辅助交激通过计算得到不可测量的 辅助变鬣；以及采用p c a 、p l s 替统计方法进行数据相关性分析，剔除冗 余变量。 ( 3 ) 测量数据变羧测量数据变换不仅影响横整的精度莉菲线性映射能 力，而殿对数值算法的运行效果也有重要作用。实际过程的测量数据可能 由于不阎的工程单位，在数值上棚慈几个数量缓，因此直接搜鼹原始数据 遗行诗舞可麓丢失信怠或夸| 起数後计算嚣不稳迩，需要采弼合适戆因子对 燕由大学工学硕士学位论文 数撼进行标度转换，以改善算法的稳定性。转换包含对数据的直接转换和 寻找新的变量替换原变鬣两个方面。 l 。3 3 建立软测量模型 软测量模型的建立包括建模方法选撵、结构确定及其参数辩识、模型 捡验等三个步骤。 ( 1 ) 建模方法选择要建立软测量模型，首先要选择建模方法，即在对 软测爨对象进幸亍初步机瑕分析的基础上确定最为合适的软测羹建模方法。 选耩埝当懿建摸方法，避获褥良妊性能软 义褒鲸秀蠛。 2 ) 缩梅确定及冀参数辨识模壅结桶鳃确定包括验蓠结襁的碾定和模 型结构参数的确定，二精是一个有机的整体，相互影响。模型骏前结构的 假愆就是通过机理分析、实验研究及近似拽巧确定一个验前假定模型，再 用横犁鉴别方法选出耐用的模型来。 瓷模型绩梅确定麓，藏霉要对模型参数避嚣辫谖。将经过预处瑾压懿 j 窭稔数据分荛建模数据秘筱骏数据，弱弼建模数据来调练裙步确定的模型； 利用校验数据来验证训练好的模型。 目前对学习机器模溅结构和参数的确定还没有通用且有效的方法，这 个确定过程往往需要结构和参数的反复修改、对比，最终取性能最优者。 ( 3 漠型检验摸蘩姻检验方法一般霹分为三秘。一是弱瘸惩缀不霞的 数攒，独立辩识密模登参数，著分黧诗冀它们静臻失丞数，然纛将两组数 据交叉使用，再计算备臼的损失函数，如果对应的损失函数没商明显的变 化，则模型是可靠的；二是增加辩识中使用的数据长度，如果损失函数不 再明晨下降，则模型是w 靠的：三是检验模溅与过程输出的残麓序列，如 栗该残蒸序列可以稷髂零垮篷静自噪声，剡谈为模型是可靠懿。 1 3 。4 设计校正模浚 软测量模型建好后并非一成不变。受工况变化、噪声干扰、过程时变 性摊因索的影响，软测爨模型的操作点会逐渐发生变化，从而偏离建立模 型鞋孪的工作点，导致软测爨精度的降低。因此较测量需具备在线校正功能， 嚣 第1 章绪论 以提高其适应能力；否则，其使用范围会大大缩小。 软测量模型的在线校正包括模型参数的修正和模型结构的优化两方 面，校正方法可大致分为短期校正和长期校正两种。 短期校正适合于软测量对象结构没有发生很大变化的情况，以某时刻 软测量对象的真实值与模型的预测值之差为校正动力，及时校正模型的某 些参数或常数项。当模型运行一段时间积累了足够多的新样本数据后，就 可以实现长期校正，即根据这些样本重新训练软测量模型的系数。长期校 正可以离线进行也可以在线进行。离线校正实际上就是软测量工程化设计 中的步骤3 ，即重新建立软测量模型。此外，当软测量对象结构发生很大变 化时，原来的模型可能不再适用，这时需要进行长期校正。 在软测量模型校正过程中必须注意且需要认真解决的是过程测量数据 与质量分析数据的时序匹配问题，否则校正不但达不到提高软测量精度的 目的，反而可能适得其反，甚至导致软测量的失败。 为实现软测量模型的长时间自动更新和校正，一般可设置一个软测量 模型评价软件模块，该模块首先根据实际情况做出是否需要模型校正和进 行何种校正的判断，然后自动调用模型校正软件。 1 3 5 软测量的实现 要将数据预处理模块、软测量模型和校正模块以软件的形式嵌入到计 算机测控平台中，必须根据平台的实际要求采用编程语言开发相应的软件。 此外还需设计报警模块，当软仪表的输出值与分析值的偏差越界时提示操 作员密切关注生产过程；设计工艺员参数修改界面，使工艺员可以根据生 产需要方便的设置参数；设计操作员界面，将软仪表的输出值直观地展现 在操作员面前，并能及时输入软测量目标的人工分析值，以便于在线校正。 1 3 6 软测量效果评价 在软测量运行期间，采集软测量对象的实际值和模型估计值，根据比 较结果评价软测量模型是否满足工艺要求。如果不满足要求，进一步深入 分析原因，例如模型选择是否合适、建模数据与现场数据是否相似以及该 9 燕山人学上学硕士学位论文 时间段内的工况是否远离模型的预测范围等，找到导致不满足工业要求的 原因后，重新设计软测量模型。 1 4 软测量技术的研究现状及发展趋势 1 4 1 国内外研究现状 软测量的基本思想源于2 0 世纪7 0 年代b r o s i l l o w l 2 9 1 提出的推断控制， 作为一个概括性的科学术语被提出始于8 0 年代中后期，从此在世界范围内 掀起了一股软测量技术研究的热潮。9 0 年代以来，软测量技术在理论研究 和实际应用方面均获得了迅速发展，并显示了良好的工业应用前景【3 0 q 2 1 。 鉴于大多数工业过程中存在非线性、不确定性的实际情况，世界范围内的 科研工作者对非机理软测量建模方法及其相关内容做了大量的研究工作， 例如算法优化、建模方法改进、模型性能仿真分析及工业应用等。 1 4 1 1 算法优化研究用神经网络对运作机理尚不明确的工业过程进行 建模是目前被科研工作者广泛采用的一种方法，应用较多的是多层前向传 播网络( m f n n ) 和径向基函数神经网络( r b f n n ) t s , 3 3j 。由于传统的人工神经 网络并不完善，在结构和算法等方面还存在许多问题，人们针对这些问题 做了大量的改进及应用工作【3 4 瑚】。例如王秀丽等人 3 7 】提出了一种基于变尺 度法和变步长法相结合的改进b p 算法，与基本b p 算法相比具有较快的收 敛速度和较高的外推精度，而算法又不太复杂，为软测量技术的在线应用 提供了很大方便。杨尔辅【38 等人提出了基于p c a - r b f 神经网络的在线预 测软测量方法，该方法由p c a 、r b f 神经网络和在线校正三部分组成，可 以实现工业裂解炉收率的在线预测，具有实时性好、建模周期短、计算量 小、校正方便等优点。此外，针对支持向量机不同的应用，人们也对其开 展了很多算法的改进工作”蜥 ，比如引入关于不变性的知识【4 3 ，4 4 1 、识别和 去除样本集中的野值【4 5 】、通过预处理样本集提高识别速度【4 6 1 等。 1 4 1 2 建模方法研究一种软测量建模技术不可能完美地解决工业过程 的建模和控制p 4 j 问题，所以有许多学者将多种建模技术融合于一体。例如 d c p s i c h o g i o s l 47 j 等人提出了一种将神经网络与机理知识相结合的模型，这 筵1 章缝论 种模型需溪的训练样本少，外掇能力强，提高了神经网络的学习效率；d o n g d o n g i 4 8 1 簿人提出了一种采用n l p c a 18 1 分析软测鬣数据，n n p l s l l 9 l 建立软 测量模型的新方法，该方法的优点在于能够适应辅助变量的传感器撷坏或 维修时的情况，增强了软测熬模型的健壮性。该方法被应用到了废气摊救 中氨氧化耪含量懿软测量中，与豢怒戆线毪建搂方法穗毙买有较好懿散装； m l t h o m p s o n l 4 9 j 等人提出了综合过程知识和丰枣经黼络的方法，即祝瀵建禳 方法与非机理建模方法的融合。a k a l o s 5 0 j 等人撼出了一种融合层叠分析神 经网络、支持向量机、遗传算法等多种技术的混合软测量建模的方法，具 有可靠燃强，开发周期短，摸裂简单等优点。 此岁 ，骞硬究 5 1 , 5 2 1 证实，游一缝穆经霹终援楚秘鬏溺赣出戳一定戆方 式综合，念提高预测的精度，因此缀多学者将雾丰孛经网络相组合静方法用 于软测量的建模。上海交通大学的邵惠鹤等人程文献 5 3 中基于r b f 神经 网络的良好逼近性和自动确怒隐层节点数的特性，采用聚类学习方法，利 用分布式r b f 神经网络，提出了一种通用的软测量建模方法；在文献 5 4 】 中详缨教逐了多耪经圈终穰黧瓣建立，莠透过镄囊涯实了无论在动态模型 还是在静态模型中，多神经瞬络模型的精度帮蛰糁往都优于单个聿牵疑闼络 模型。清华大学的熊智华等人在文献 5 5 1 e p 也开熙了类似的研究工作。 1 4 1 ，3 模型性能研究d s u s k o v i c 等人在文献 5 6 1 中对最常用的多滕感知 器( m l p ) 翱r b f 神经网络模烈通过仿真试验进行了性能对比分析。仿真结 象曼示m l p 弱豢畜噪声豹数爨镄练嚣，泛纯熊力减弱；睫羞噪声熬鸯l 犬， 网络的泛纯性能也会患尉恶他；褥r b f 章牵经阙终的估计性麓和泛化能力不 易受噪声的影响，适应于无j i 矗督学习，但网络挂能与隐层神经元数、径向 基函数的中心坐标及宽度密切相关。邵惠鹤等人在文献 5 7 中对s v m 和 r b f 神经网络的软测量模型谶行理论分析和仿爽研究，结果表明s v m 方法 鞭踉犍麓好、泛纯能力强、对襻本懿绞蔟翟度低，它毙基于r b f 霉枣经瓣缮 的软测爨模型具有更好静掭广麓力。 1 4 1 4 威用研究目前，软测量技术已广泛的窳用到了工业领域，如炼油、 石化、造纸、污水处理、冶鑫、生化过程、航空航天等，且已有了许多成 功的实例。例如，文献【9 】采用基于神经网络的软测量技术实现了对乙内酰 l 燕山人学工学硕士学位论文 脲产量的估计，取得了良好的精度；文献 1 0 将基于s v m 的软测量方法用 于抗生素发酵浓度的测量；文献11 1 将基于神经网络的软测量方法用于对蒸 馏塔操作的高级控制系统；文献 1 2 1 将基于机理分析的软测量方法应用于热 带钢轧机厂的转角张力控制器中。文献1 7 1 将软测量技术在石油化工厂中的 应用进行了全面的分析和总结，其中包括软测量模型的结构、建模方法、 训练算法等；通过大量的参考文献，分析对比了软测量技术在变量估计、 系统控制、故障检测等方面的应用。此外，人们对软测量技术工程化中应 注意的问题也进行了分析与研究口”。 软测量技术的特点决定了它不是一项单纯的理论，其强大的生命力及 其优越性应该体现在实际应用之中。国内软测量技术的研究工作尚处于起 步阶段；国外虽取得了一些工业应用的成功案例，但大多数的软测量技术 研究工作，尤其是非机理软测量建模的研究仍基本处于算法改进、理论分 析、模型仿真阶段【6 l 6 。 1 4 2 发展趋势 软测量是目前工业过程测控领域中令人瞩目的技术，无论工业过程的 控制、优化还是故障检测，都离不开对过程主导变量的检测，它是各种控 制方法得以成功应用的基础 2 9 】。毫无疑问，软测量技术不仅现在是过程控 制和过程检测领域的研究热点，也必将成为未来的研究热点。虽然软测量 技术的研究已从静态发展到动态，从线性发展到非线性，从无校正发展到 有校正，但它毕竟是一门新技术，仍有不少理论和实践问题有待于今后进 一步研究。根据目前的研究和进展情况，作者认为以下几方面将是软测量 技术今后研究的重点： ( 1 ) 测量数据处理测量数据的处理，尤其是显著误差的处理，对提高 软仪表的准确性和可靠性具有重要作用。虽然在数据处理方面已经具有了 较成熟的理论，但在实际应用中由于工程数据的特殊性，仍有许多具体工 作要做。 ( 2 ) 神经网络神经网络具有优越的非线性逼近和自学习功能，特别适 用于复杂非线性系统。近年来应用神经网络技术建立软测量模型的理论和 籀l 章缮论 应蔫研究已显示出了巨大潜力，是穰有发震前途的研究方向。 ( 3 1 支持向量机支持向整机是近年来迅速发展起来的新型学习机，具 有坚实的数学基础和完整的理论体系。目前理论性研究已经证明它具有适 应于小样本学习，泛化能力强等优点，有望解决神经网络多年来不8 9 勰决 瓣过攀习翊邀。盈魏，麓强鏊予支持蠢量枫建摸搜零酶骚究i 鬻登臻。 ( 4 ) 在线校正技术如何在生产状况发生变化时啻动调整软潮爨模型， 使之自动跟踪生产过程的变化，对软测量的实际应用具有重大意义。但迄 今为止，软测量在线校正方法在数量和校正效果方面还十分有限，因此研 究更多舆有实用价值的校砸方法以适应复杂过稷的要求，是一个不得不解 决孬叉冀鬻紧遥夔闫嚣。 ( 5 ) 多技术融合工监邀程斡复杂往决定了不可能只采爱一静技术就完 美地解决过程建模和控制问题，因此，如何将软测量技术与其它技术有机 结合起来，充分应用现代控制技术、人工智能技术、虚拟仪器技术、信息 处理技术以及w w w 技术等的研究成果，也将魁软测量技术今后的研究方 囱之一。 l ，5 课题研究的主要内容 本课题研究的主要内容如下： ( 1 ) j c 寸软测量技术的基本思想、建模方法、 二程化设计的一般步骤、国 内癸熬磷宠爱瘟薅理获避嚣缘述，在梵基疆上怼软溅量按术表寒豹热点磺 究方自掇斑作者的个人觅解； ( 2 ) 对现有的主要程序设计方法加以有机结合，设计并开发适用于原油 中转站城有硬件的计量系统。该系统需要具有对站内各生产参数的远程实 时采集、处理、存储、日报波自动生成及趋势曲线显示等功能； ( 3 ) 蠢j c 重龟导式含瘩分嫒搜工终蒙理深入分瓣熬基萋塞上采鼹软涌澄按零 寻求一种提高原油含承率彳蠢算准确度的方法： ( 4 ) 结合s v m 和r b f 神经网络，以学习机器的复杂性与推广能力之间 的关系为指导，探索一种新的软测量建模方法，以提高r b f 神经网络的泛 化性能。 1 3 燕出大学t 学矮学位论文 ( 5 ) 采绡r b f 神经网络、s v m 和所探索鲍耨方法遗行原漓含求率软测 量建模，并通过仿真验证新方法的在泛化性能方面的优越性及软测嫩技术 在原油含水率估算中的有效性。 1 。6 课鼷意义 本漾越的开展其有以下意义： ( 1 ) 设计并开发原油中转站计量系统，可提商中转站的工作效率、计量 精度和镣理水平，切实发挥计量保证和监督作用，有利于整体监测中转站 的生产情况，为企业管理向信息化迈进奠定基础。 ( 2 ) 探索款溅量建摸按术熬瑟方法对进一步充嶷帮提毫强毒软测鬟建模 技术具蠢黧娄意义。 ( 3 ) 将软测量技术尝试性地应用到对原油含水牵的估算当中并进行仿真 研究，肖助于原油含水率在线实时估算准确度的提高和软测量技术威用范 围的拓展。 魏辩，本课题处理实琢阉趱豹一些愚怒秘方法对售怠囊二改造传绞产照、 提奁工韭螽韵亿检溪l 帮控铡永平其有参考意义。 第2 章原油中转站计量系统的设计与实现 第2 章原油中转站计量系统的设计与实现 2 1 混合程序设计方法 软件系统的设计方法主要有生命周期法、快速原型法及面向对象法。 生命周期法是一种传统的程序开发方法。它的本质是在具体的软件丌 发工作之前，通过需求分析预先定义软件的需求，然后一个阶段接着一个 阶段有条不紊地实现预先定义的软件需求。开发过程必须严格地分阶段进 行，十分注重系统的整体性和层次性要求，因而又被称为软件开发的瀑布 模型。相对于早期的只注重编程，轻视对用户需求的了解，最终只有程序 代码而没有相应文档资料的个体化软件开发来说，生命周期方法是一个巨 大的进步，对软件开发的工程化起了重要的促进作用。但该方法存在着较 多的不足之处，如开发的软件不能真正符合用户要求、维护困难、重用度 低等缺点。 快速原型法打破了传统的自上而下的开发模式，是目前比较流行的实 用开发方法。快速原型法的核心思想是用快速建立起来的、交互式的原型 系统取代大部分形式的、僵硬的规格说明，用户通过在计算机上实际运行 和试用原型系统而向开发者提供真实的反馈意见，开发者再对原型系统进 行改进。经过反复地“试用一反馈一修改”，最终开发出真正满足用户需求 的软件系统，这也是快速原型法开发系统的最大优点。但该方法的缺点是 需求难以确定，开发速度慢，经费也难于控制。 为了提高软件系统的稳定性、可修改性、可扩充性和可重用性，人们 在实践中逐渐摸索出一种新的软件开发方法，它就是面向对象法。面向对 象法的出发点和基本原则是尽可能模拟人类习惯的思维方式，使开发软件 的方法与过程尽可能接近人类认知及解决问题的方法和过程，也就是使描 述问题的问题空间( 也称为问题域) 与实现解法的解空间( 也称为求解域) 在结 构上尽可能一致。该方法具有稳定性强，可重用性及扩展性好，维护成本 燕山大学工学硕士学位论文 低等优点。不足之处是用这种方法在系统分析阶段对现实世界进行抽象比 较困难，系统的整体观较弱，往往导致所设计的系统对象个体性能突出， 而整体性能不甚理想。 综上所述，三种典型的软件系统开发方法各有优缺点，但并不相互排 斥。在设计原油中转站计量系统时，作者不拘泥于某单一的开发方法，根 据实际情况和开发阶段的不同将上三种方法有机结合起来，相互补充，力 求达到最优效果。这一思想可结合图2 1 说明如下。 圈2 - 1 混合程序设计方法 f i g 2 - 1h y b r i dm e t h o df o rp r o g r a md e s i g n 生命周期法作为一种常用、有效的程序设计方法，可以保证系统的整 体性，因此将其作为对整体开发过程进行管理和控制的工具。快速原型法 作为生命周期法需求分析阶段的有力工具，经过用户和开发者的不断沟通， 最终得到用户真正需要的系统原型；在生命周期法的总体设计阶段