先进控制技术及应用

6．基于支持向量机（SVMs）的方法
建立在统计学习理论基础上的支持向量机（SVMs- Support Vector Machines）业已成为当前机器学习领域的一个研究热点。支持向量机采用结构风险最小化准则，在有限样本情况下，得到现有信息下的最优解而不仅仅是样本数趋于无穷大时的最优值，解决了一般学习方法难以解决的问题，如神经网络结构选择问题和模型学习问题等，从而提高了模型的泛化能力。另外，支持向量机把机器学习问题归结为一个二次规划问题，因而得到的最优解不仅是全局最优解，而且具有唯一性。由于软测量建模与一般数据回归问题之间存在着共性，支持向量机方法应用于回归估计问题取得不错的效果应用，也促使人们把眼光投向工程应用领域，提出了建立基于支持向量机的软测量建模方法。

7．基于过程层析成像的软测量建模
基于过程层析成像（Process Tomography，PT）的软测量建模方法与其他软测量建模方法不同的是，它是一种以医学层析成像（Computerized Tomography，CT）技术为基础的在线获取过程参数二维或三维的实时分布信息的先进检测技术，即一般软测量技术所获取的大多是关于某一变量的宏观信息，而采用该技术可获取关于该变量微观的时空分布信息。由于技术发展水平的制约，该种软测量建模方法目前离工业实用化还有一定距离，在过程控制中的直接应用还不多。

8．基于相关分析的软测量建模
基于相关分析的软测量建模方法是以随机过程中的相关分析理论为基础，利用两个或多个可测随机信号间的相关特性来实现某一参数的软测量方法。该方法采用的具体实现方法大多是互相关分析方法，即利用各辅助变量（随机信号）间的互相关函数特性来进行软测量。目前这种方法主要应用于难测流体（即采用常规测量仪表难以进行有效测量的流体）流速或流量的在线测量和故障诊断（例如流体输送管道泄漏的检测 和定位）等。

9．基于现代非线性信息处理技术的软测量建模
基于现代非线性信息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），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一致，都是通过信号处理来解决软测量问题，所不同的是具体信息处理方法不同。该软测量建模方法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、混沌和分形技术等，因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，基于现代非线性信息处理技术的软测量建模方法的发展较晚，研究也还比较分散。该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。

软测量建模方法虽然经过多年的发展有了很多成果，但仍有许多问题有待于进一步研究。

（二）工业应用实例
软测量技术工业应用成功实例不少。国外有Inferential Control、Setpoint、DMC、Profimatics、Simcon、Applied Automation等公司以商品化软件形式推出各自的软测量仪表，例如：测量10%、50%、90%和最终的ASTM沸点、闪点、倾点、黏点和雷得蒸汽压等，这些已广泛应用于常减压塔、FCCU主分馏塔、焦化主分馏塔、加氢裂化分馏塔、汽油稳定塔、脱乙烷塔等先进

控制和优化控制。它增加了轻质油收率，降低了能耗并减少了原油切换时间，取得了明显经济效益。

国内引进催化裂化、常减压等装置的先进控制软件亦有软测量技术，但这些引进软件价格昂贵。国内有关高等院校、科研院所和企业等自行开发了不少软测量技术工业应用，甲醇生产过程中烃类转化反应器出口气中CH4含量软测量。在现场进行测试获得大量数据后通过回归方法得到了一个线性回归模型，并进行适当校正后投入运行，与分析值十分接近，并用软测量得到的CH4估计值成功应用于串级控制。

气分装置丙烯丙烷塔塔顶丙烯成分软测量。通过严格的汽液平衡模型简化和现场测试，得到非线性回归模型，并设计在线校正。该软测量估计器投入在线运行，精确度满足要求，并成功应用于丙烯成分闭环控制，取得了明显经济效益。

催化裂化装置分馏塔轻柴油凝固点软测量，基于现场数据分析并结合工艺机理分析，建立了多层前向网络柴油凝固点的软测量模型，设计简单在线校正。神经网络模型估计值与分析值最大误差为1.65℃，并用了闭环控制，平稳了生产，减少凝固点波动，合格品由94%提高到100%。

催化裂化装置主分馏塔粗汽油干点软测量。通过机理和现场采集数据分析，建立回