现场总线控制系统与通用软测量技术

3　现场总线控制系统中的软测量技术
　　软测量技术在现场总线控制系统中有两种实现方式：一是把基于数据融合的软测量技术固化到现场总线的智能现场节点中，实现多传感器综合测量单个或多个过程变量，提供软仪表的一种“硬件”形式；二是在现场总线控制系统中专门建立软测量节点，完成整个系统的软测量任务。
　　从前面现场总线控制系统的总体结构上可以看出，软测量技术能够作为高级控制级的一个节点专门完成整个系统的软测量任务。这是软测量技术使用的一种比较方便和通用的形式。在这种方式中，现场总线控制系统中有专门的软测量节点，软测量系统从过程实时数据库中得到生产过程的实时数据，根据工程师事先制订的软测量系统组态方案进行实时的软测量运算，并把软测量结果及时送到过程实时数据库中去，以供其他任务使用。其他的过程控制、优化任务使用软测量产生的结果，就像使用通过传感器从现场采集到的数据一样。在这种方式中，软测量系统与整个系统的数据库通信，能够充分利用全厂范围内的信息，保证软测量结果的有效性。这种结合方式如图1所示。
　　除了这种应用方式，软测量还可以像“硬”仪表那样，构成软仪表，直接完成对特定变量的软测量。在这种方式中，软测量系统直接集成在现场总线控制系统的智能节点当中，出现在基础控制级。如前所述，软测量系统中的智能节点不像传统的现场仪表那样，只能完成一种功能，而是可以同时完成多种功能。软测量系统是智能节点检测功能的一个有力补充。带有软测量技术的智能节点结构如图3所示。

　　图中虚线框中为使用软测量技术的现场总线智能节点。这种现场总线节点，与传统的现场变送器一样，针对某一类生产过程具有一定的通用性，并且针对不同的生产条件只需对某些参数设定进行改变，而不像传统变送器那样需要更换不同型号的仪表，这在现代生产越来越趋向于高柔性、小批量生产，生产过程的产品、规模、质量要求等经常发生变化的条件下，是非常重要和有效的。
　　事实上，由于现场总线中的智能节点在存储容量和计算速度上有一定的局限性，所以即使在智能节点中使用软测量技术，一般还要在现场总线控制系统中建立专门的软测量节点，以完成整个系统的软测量任务。

4　具体实现
　　在国家九五攻关项目“现场总线网络控制系统的集成技术研究(96-749-06)”攻关过程中，我们成功地实现了基于LonWorks现场总线网络的过程控制、优化与管理的集成化系统，该系统包括图1中的基础控制层和高级控制层。其中通用软测量软件包在高级控制层构成了软测量节点，完成整个系统的软测量任务［3］。
　　整套系统包括一个运行在PC机上的仿真模型系统，A/D和D/A转换器，3个LonWorks节点分别为Echelon 公司的TP/FT-10、TP/FT-10F模块和用Neuron 3150芯片自行开发的控制模块，以及4个高级控制层节点。通信介质采用双绞线，3个现场总线节点通过A/D和D/A与模型系统相连，以模拟现场情况，3个节点中分别运行着一套模糊控制算法，一套自整定PID控制算法和一套简化后的软测量系统；4个高级控制节点分别为过程实时监控节点、多变量约束控制节点、实时优化节点、软测量节点；采用Intellution Dynamics2.0作为过程实时数据库的平台软件，它带有LonWorks适配器的接口驱动程序，可以直接与现场总线通信。通用软测量软件包用Visual C+　+5.0开发，可以运行在Windows95和Windows NT4.0及以上版本的操作系统上。软件包由矩阵运算部分、RBF神经网络部分、数据处理部分、输入输出接口部分、组态软件和演示部分构成。各个部分由系统调度模块统一进行调度,形成一个有机的整体。
　　在实验室建成的现场总线控制系统中，以石家庄炼油厂一联合车间大型催化裂化装置（FCCU）为原型，进行了一定简化后形成了现场生产过程仿真模型系统。其中的软测量系统使用我们开发的通用软测量软件包，并应用于1998年5月份在石家庄炼油厂投运时的现场采集数据。
　　FCCU装置的主要产品为稳定汽油、轻柴油和液化气(液态烃),它们的收率是重要的产量指标，粗汽油的干点、轻柴油的凝固点和稳定汽油的饱和蒸气压是需要估计的重要质量指标。
　　对FCCU的生产工艺进行分析,与上述待估变量有关的主要测量变量集由以下一些变量组成:反应再生系统中原料油的进料流量、回炼油流量及催化反应温度，主分馏塔的塔顶温度、轻柴油抽出温度、塔顶冷回流量、塔顶冷回流温度、塔顶循环量、顶循抽出温度、顶循返塔温度、19层汽相、一中回循环量、一中循环抽出温度、一中循环返塔温度，稳定塔的塔底温度、塔顶压力、进料流量、进料温度、再沸汽的返塔温度、塔顶温度。
　　把上述信息通过软测量系统的人机接口组态界面输入软测量系统，系统通过对历史数据进行相关分析和因子分析，确定采用4个软测量模块：收率模块、干点模块、凝固点模块和蒸气压模块，每个模块对应一定的辅助变量，用这些变量的历史数据建立RBF神经网络软测量模型，根据设置的采样周期从现场总线数据库中获取辅助变量测量值，实时估计待估变量。
　　这套系统曾在国家九五攻关项目“大型催化裂化装置多变量约束控制与优化”的实施过程中配合多变量约束控制在石家庄炼油厂催化裂化装置上获得了成功的应用，取得了较大的经济效益，已于1998年10月通过国家教育部的鉴定。