軟測量技術在工業自動化中的應用

滕宇

（中海油工業自控（天津）有限公司 天津市 300452）

1 引言

中國十四五規劃開啟新征程，各類工業生產過程向著無人化、智能化不斷發展。對石化、電能、金屬冶煉、造紙等傳統行業的自動化程度發展也提出了新的要求，生產制造業同時面臨著產品質量要求提高，節能環保標準趨嚴，生產效率不斷刷新等發展現狀。這就迫使工業生產的各個領域盡快轉變過去單一的、局限的、傳統的數據獲取及監控方法，替代以適合現場應用的、統籌規劃的、可以自我迭代優化的控制理念和方法，從而保證整個生產過程在綜合考慮各類因素后實現效益最大化。

2 軟測量技術概述

目前的工業生產境況對出品質量的要求非常高，行之有效的控制方案是提高并保證出品質量的必要內容，這就不可避免的需要提到儀器儀表對生產數據的獲取以及利用這些數據進行的一系列控制過程，所有的生產過程都離不開對關鍵參數的有效測量和精細把控，這在很多生產過程中成為一個難點，大部分生產過程中各類流程設備處于封閉狀態以保證設備設施安全，造成在線取樣分析難度大，有些極端工業環境則不具備安裝使用傳感器進行直接測量的條件，這限制了在線分析設備的廣泛應用。在現階段的工業生產過程中，針對產品質量關鍵參數的獲取采用取樣后離線分析測試方式的情況還較為普遍，比如石油開采行業的原油組分檢測，冶金行業的原料及產品質量檢測，塑料制品流程中的密度、色彩波動、水分比檢測等等，都是采用取樣后離線檢測的方法完成的，這就造成了嚴重的數據滯后問題，進而影響最終產品的質量。

為了解決上面提到的工業生產中關鍵參數獲取難度大的問題，提高對應變量檢測的實時性和有效性，為建立優質的控制策略提供數據支撐，一種間接測量的技術逐漸興起和推廣應用，這種技術就是軟測量技術。區別于傳統的硬件直接測量現場生產參數的方法，軟測量是一種基于推斷的估算測量方法。其特點是利用現場的傳感設備所采集的數據或變量，如介質溫度，管線壓力，罐體液位等，通過一定的數學模型運算，綜合考慮有關干擾影響，最終獲得所需要的難以直接測量的關鍵參數值，達到在線推斷測量的目的。由于是通過估算測量獲取數值的方法，那推斷估算所使用的數學模型算法的設計建立則成為整個過程中作為重要的一個環節，這直接關系到最終結果的準確性。

圖1：軟測量技術與生產信息化系統關系框架

圖2：軟測量技術運行過程框圖

由上敘述可知，軟測量技術是一項基于數據驅動的技術，其對于數據采集、過濾、應用等過程的依賴性極大，在現今這個大數據時代，各行各業都提高了對數據資源的重視程度，加大投入建立生產數據中心，挖掘數據價值，對軟測量技術的加速發展有助力作用。軟測量技術的應用目的在于優化控制方案，以保證產品質量，在完成軟測量算法組建之后，還需要與對應的控制方案進行聯合運行測試，根據適用情況適配整定，讓算法真正服務于生產流程整體提質。軟測量技術涉及的工業生產層級較廣，其輸入數據來源于現場數據測量的儀器儀表系統，推斷輸出數據應用于生產控制方案，屬于生產過程控制系統的范疇，算法的參數校核又需要制造企業生產過程執行系統和最上層的企業資源計劃系統的指導和干預，軟測量技術的這種特性決定了它是實現智能化生產不可缺少的一項內容，軟測量技術與生產信息化系統之間的關系如圖1 所示。

3 工業自動化領域測量及控制方式現狀

工業生產各領域有大量的現場關鍵變量無法使用傳感器測量，使用定期采樣離線測試的方法居多，造成了結果實時性差，受測試環境及人員影響大，反映真實工況的能力差等問題，有些情況下結果的偏差會直接作用于產品質量和生產安全，造成巨大的損失。

在天然氣長輸管線節能優化中，需要利用壓縮機組的性能數據，建立壓縮機運行的性能模型，這是管線系統整體降耗的重要一環。在實際應用中，很多情況下是邀請專業的檢測機構，租用合適的檢測設備到各個壓縮機組所在地進行數據測試記錄，然后繪制出模型曲線。這種測試方法只能獲取設備某一段時間內的性能數據，數據樣本時間跨度過小，時效性低，測試成本高，模型準確性不能保證。

在污水處理場所，微生物化學反應池是整個流程的關鍵步驟，其中的需氧量測量裝置所提供的是重要參數，目前這種在線檢測儀表普遍購置及維護成本高，獲取結果滯后性嚴重，數據可信度差，對處理過程產生影響，不能普遍適用于水質變化的情況，因此實際應用效果并不好。

海上浮式儲油輪及移動式試采平臺的原油儲存在船艙中，對于液位信息的獲取是設施采油及處理流程控制的重要指標，現階段采用的測量方法有兩種，一種是通過液位遙測系統測取液位并顯示在服務器上，利用超聲波液位計作為大艙油位的測量傳感器；另一種是使用大艙檢尺在取樣口進行液位測量。兩種方法中使用超聲波液位計的方法經常會受到環境的影響，在傳感器周圍有有誤的情況下測量準確性較差，但可以實時查看；使用大艙檢尺的方法準確性較高，還可以排除艙底水層的干擾，但是只能定時檢測或在需要時檢測。

在原油處理與煉油生產過程中，原油及成品油組分的測量是生產過程調整的重要依據，在實際中采用的測量分析方法是遵循既定操作流程的人工取樣，取得樣品后保存并送到專業實驗室，經過分析化驗得到結果。這種測量方式的周期一般很長，而過程變量變化的周期是很短并且時間間隔不確定，這導致這種采樣的離線測量并不能很好的反映生產流程。

由上述實例可以知道，多數工業生產過程都存在著關鍵過程參數難以測量的問題，雖然現階段都有相應的解決方法，但并沒有獲得較為理想的測試結果和時效性，并不能滿足高速發展的生產制造需求。

4 軟測量技術在工業自動化領域的應用

基于上述生產過程中出現的問題，許多領域都引入了軟測量技術作為支持并取得了不小成績，從煉化、電力到石油、天然氣，再到鋼鐵、農業，尤其是各類先進控制理念帶動的高層次自動化技術的發展，更是為軟測量技術打造了平臺。

軟測量技術在不同工業領域的具體應用方式有所不同，但是其原理和基本流程都是相同的，軟測量技術的具體應用包括以下幾個步驟：

（1）選取輔助變量，即選擇可以使用現場傳感設備準確測量的生產過程參數點，作為算法的輸入，選取的過程需要綜合考慮建模方法、算法復雜程度、結果響應速率等，同時要對參數類型和數量進行合理的配置。

（2）完成數據采樣及誤差數據處理，即在需要覆蓋的整個生產過程中，按照均勻的時間排布進行數據樣本的采集，獲取數據集后，將其中由于傳感器問題產生的失誤數據和由于采集過程中的干擾產生的噪聲因素進行剔除，以備推斷算法使用。

（3）組建軟測量算法，這一步是軟測量的核心要點，即根據工業生產過程實際，選擇對應的算法類別，如根據生產流程物理化學過程進行機理算法組建、利用輸入信號測點和輸出結果測點進行數據算法組建、利用工藝過程和數據特性結合的方法進行算法組建等等。各類軟測量算法的組建過程各有優缺點，現階段應用較為廣泛的是基于純數據的推斷算法。軟測量算法模型的研究已經相當廣泛，引入了多種不同的模型組建方法，常用的包括基于生產過程機理建模、基于模式識別的算法、基于參數辨識的算法、基于回歸模型分析的算法（包含偏最小二乘法、主元分析法等）、基于支持向量機的算法、基于神經網絡的算法以及不同類型算法的混合模型。

（4）算法的校核，即對組建的算法進行不斷優化核準，使之適用于不斷變化的生產過程。這一步的使用是由于實際生產過程中各類環境因素在不斷變化，導致最初組建的推斷算法逐漸偏離變化后的生產所造成的。

圖2 是軟測量技術應用過程的示意圖。

絕大多數生產過程的中央控制流程使用的是集散控制，這一控制系統全面包含了現場關鍵數據的獲取、生產狀態的監視、控制方案的制定、控制指令的接收、控制信號的發出等等一系列的功能，同時也具備與其他類型系統的通用數據交互接口。軟測量技術的實際應用就需要與離散控制系統結合，一種有效的方案就是建立一套與集散控制系統獨立的軟測量系統服務器，該服務器包含數據庫功能。利用OPC 數據采集接口技術，將軟測量所需的輸入信號從集散控制系統中提取出來，傳輸到OPC 客戶端，這一客戶端是安裝在軟測量服務器。軟測量服務器中嵌入了算法模型及優化程序，對獲取的輸入測量值進行處理，得到推斷預測值。軟測量數據值可以用于生產狀態的監測、控制方案的指導等。

軟測量技術應用在工業生產中也存在一些不足的地方，最突出的問題就是組建的推斷算法產生失配的情況，這是由工業生產環境不斷變化，生產設備中的介質成分不穩定，生產流程飽和度不統一等原因造成的。軟測量算法模型發展成熟之后，對于算法的實時校核動態調整將成為研究的重點，這是一個工業過程演變的復雜過程，也是軟測量技術能夠真正投入運行，帶來實際經濟效益的關鍵。

5 結論

中國制造2025 對工業生產過程在創造力、質量、品牌影響力等方面提出了更高的要求，傳統的生產方式必將需要向數字化、網絡化、智能化轉型，軟測量技術作為一項正在逐步成熟的生產過程推斷技術，可以與工業物聯網技術、5G 通訊技術、人工智能技術等有機結合，融入到智慧化工業的理念中，將展現其更強的生命力。在應用中不斷發展完善，針對不同領域分支細化，軟測量技術有著廣闊的應用前景，先進的控制理論及方案應用的前提是軟測量技術的豐富和完善，最終形成與實際生產緊密結合的理論體系，在產品質量、節能降耗、環境保護等方面綜合尋優，推動工業生產方法轉型，為將來智慧工廠的組建和發展提供有力的支持。