李紅衛(wèi)，王伯槐，陳小輝

（榆林學(xué)院 信息工程學(xué)院，陜西 榆林 719000）

軟測(cè)量技術(shù)在循環(huán)水濃縮倍率計(jì)算中的應(yīng)用

李紅衛(wèi)，王伯槐，陳小輝

（榆林學(xué)院 信息工程學(xué)院，陜西 榆林 719000）

在火電廠(chǎng)循環(huán)水處理工藝中，濃縮倍率難以有效在線(xiàn)實(shí)時(shí)測(cè)量。而單純依靠化驗(yàn)室對(duì)水質(zhì)采樣分析來(lái)計(jì)算控制，不僅需要配置實(shí)驗(yàn)設(shè)備，而且手工操作，存在實(shí)驗(yàn)參數(shù)、條件不易控制等問(wèn)題。文中使用軟測(cè)量技術(shù)，通過(guò)建立易測(cè)量的水質(zhì)核心參數(shù)與濃縮倍率之間的BP神經(jīng)網(wǎng)絡(luò)模型，來(lái)對(duì)濃縮倍率進(jìn)行估計(jì)，提高了濃縮倍率計(jì)算的準(zhǔn)確性和水質(zhì)控制效果。

軟測(cè)量；濃縮倍率；神經(jīng)網(wǎng)絡(luò)；建模

在火電廠(chǎng)循環(huán)水處理工藝中，濃縮倍率難以有效在線(xiàn)實(shí)時(shí)測(cè)量，而單純依靠化驗(yàn)室對(duì)水質(zhì)采樣分析來(lái)計(jì)算控制。不僅需要配置實(shí)驗(yàn)設(shè)備，而且手工操作，存在實(shí)驗(yàn)參數(shù)、條件不易控制等問(wèn)題?？墒褂密洔y(cè)量技術(shù)，通過(guò)建立易測(cè)量的水質(zhì)核心參數(shù)與濃縮倍率之間的數(shù)學(xué)模型，來(lái)對(duì)濃縮倍率進(jìn)行估計(jì)，可減少傳統(tǒng)實(shí)驗(yàn)方法因信息反饋的滯后性和人為誤差帶來(lái)的不利影響。

1 軟測(cè)量模型

軟測(cè)量模型本質(zhì)上是要完成由輔助變量構(gòu)成的可測(cè)信息集到主導(dǎo)變量估計(jì)的映射集。通過(guò)輔助變量來(lái)獲得對(duì)主導(dǎo)變量的最佳估計(jì)，而不是強(qiáng)調(diào)過(guò)程中輸入輸出變量間的函數(shù)關(guān)系。圖1為工業(yè)過(guò)程軟測(cè)量基本框圖[1]。d和u分別表示可測(cè)的干擾和控制變量；可測(cè)輸出變量y、控制輸入變量u和θ作為軟測(cè)量模型的輔助變量輸入，y*作為被估計(jì)變量軟測(cè)量模型的輸出，并用離線(xiàn)測(cè)量值y對(duì)軟測(cè)量模型進(jìn)行校正。目前，軟測(cè)量的建模方法主要有機(jī)理分析方法、統(tǒng)計(jì)方法和神經(jīng)網(wǎng)絡(luò)技術(shù)3種。文中的濃縮倍率軟測(cè)量技術(shù)的實(shí)現(xiàn)就采用了BP神經(jīng)網(wǎng)絡(luò)模型。

圖1 工業(yè)過(guò)程軟測(cè)量模型基本框圖Fig. 1 Basic diagram of the industrial processes soft measurement model

國(guó)華神東自備電廠(chǎng)循環(huán)冷卻水系統(tǒng)，由于技術(shù)或經(jīng)濟(jì)原因，目前濃縮倍率尚難或無(wú)法通過(guò)傳感器進(jìn)行在線(xiàn)檢測(cè)，而濃縮倍率在火電廠(chǎng)循環(huán)冷卻水系統(tǒng)中是必須嚴(yán)格控制的重要參數(shù)。目前，火電廠(chǎng)對(duì)濃縮倍率的檢測(cè)都是通過(guò)取樣離線(xiàn)分析得到。但是與濃縮倍率相關(guān)的一些參數(shù)可以實(shí)現(xiàn)在線(xiàn)實(shí)時(shí)檢測(cè)。濃縮倍率采用濃縮中既不被引入、也不會(huì)損失的化學(xué)離子的濃縮來(lái)表示。與濃縮倍率相關(guān)的水質(zhì)核心參數(shù)有電導(dǎo)率、硬度、堿度、pH值等，這些參數(shù)都可以實(shí)時(shí)在線(xiàn)檢測(cè)[2-3]。因此，選擇這些工藝參數(shù)作為濃縮倍率變量相關(guān)的輔助變量，并相應(yīng)定義為X1～X6。y*為被估計(jì)的主導(dǎo)變量濃縮倍率。

但手術(shù)比較費(fèi)時(shí)間，對(duì)麻醉的要求高，比較適合擇期手術(shù)。切口的延長(zhǎng)受限，手術(shù)中暴露的視野有限，不能廣泛探查。從切皮到胎兒娩出的時(shí)間要長(zhǎng)于縱切口。

雖然前列腺等離子電切技術(shù)安全性高于普通單極電切，但是絕大多數(shù)前列腺增生患者為高齡人群，且多合并各種基礎(chǔ)疾病。因此，安全有效地使用該技術(shù)對(duì)確保醫(yī)療安全、提高前列腺增生患者的生活質(zhì)量具有重要意義。

X1---堿度，單位mg/L；

X2---硬度；單位mg/L

二是做學(xué)問(wèn)要“持世而救偏”。章學(xué)誠(chéng)說(shuō)：“學(xué)問(wèn)經(jīng)世，文章垂訓(xùn)，如醫(yī)師之藥石偏枯，亦視世之寡有者而已矣。以學(xué)問(wèn)文章徇世之所尚，是猶既飽而進(jìn)粱肉，既暖而增狐貉也?！盵4]章學(xué)誠(chéng)在致錢(qián)大昕的書(shū)札中說(shuō)：“惟世俗風(fēng)尚，必有所偏……茍欲有所救挽，則必逆于時(shí)趨。”[5]他看到了當(dāng)時(shí)的考據(jù)學(xué)，已脫離了社會(huì)現(xiàn)實(shí)，所以要“逆于時(shí)趨”，而救挽學(xué)術(shù)。章學(xué)誠(chéng)倡導(dǎo)學(xué)術(shù)研究不能趨于時(shí)俗，而應(yīng)“持世救偏”,讓學(xué)術(shù)風(fēng)氣回歸中正，讓學(xué)問(wèn)真正為世所用。

在軟測(cè)量應(yīng)用的實(shí)踐中，必須采集大量的樣本數(shù)據(jù)和對(duì)這些數(shù)據(jù)進(jìn)行處理，包括用于軟測(cè)量建模和對(duì)模型校驗(yàn)以及輔助變量的測(cè)量采集的數(shù)據(jù)等。這些數(shù)據(jù)由于各種環(huán)境干擾和測(cè)量誤差等原因，必須通過(guò)一些統(tǒng)計(jì)和變換的方法對(duì)這些數(shù)據(jù)進(jìn)行處理，以保證所建立的軟測(cè)量模型以及對(duì)主變量的估計(jì)更加準(zhǔn)確。

X5---氯根，單位mg/L

根據(jù)上述選取的輔助變量，建立基于BP神經(jīng)網(wǎng)絡(luò)的濃縮倍率預(yù)測(cè)模型。

X6---電導(dǎo)率，單位μs/cm。

樣本數(shù)據(jù)來(lái)自電廠(chǎng)循環(huán)水極限濃縮倍率測(cè)定試驗(yàn)，樣本數(shù)據(jù)共12組，如表1所示。將表中前六項(xiàng)（列）水質(zhì)指標(biāo)作為循環(huán)冷卻水濃縮倍率計(jì)算預(yù)測(cè)因子，并作為第一層神經(jīng)元的輸入數(shù)據(jù)，將第七項(xiàng)（列）的濃縮倍率作為網(wǎng)絡(luò)對(duì)應(yīng)的期望值(目標(biāo)數(shù)據(jù))。因此，網(wǎng)絡(luò)的輸入為一個(gè)10行6列的矩陣輸入，輸出為1維的向量。同時(shí)，將表中前10個(gè)樣本作為訓(xùn)練樣本，用來(lái)建立神經(jīng)網(wǎng)絡(luò)模型，后2個(gè)樣本作為所建模型的測(cè)試樣本。

由于神經(jīng)網(wǎng)絡(luò)模型中傳遞函數(shù)的值區(qū)間為（0, 1），所以，

2 BP神經(jīng)網(wǎng)絡(luò)軟測(cè)量建模

2.1 數(shù)據(jù)采集和預(yù)處理

X4---pH 值；

“我今兒沒(méi)有好茶飯，只有山歌敬親人……”一聽(tīng)到這熟悉的旋律，就讓人想起1961年版的電影《劉三姐》。現(xiàn)在雖說(shuō)已是七十多歲的老人，“劉三姐”黃婉秋的皮膚依舊白皙而有彈性，氣色還特別好，她是怎么保養(yǎng)的呢？這其中有何秘訣？

由于MRI的引進(jìn)，中心相關(guān)科室由此帶來(lái)的病源流失會(huì)減少，收容病種的數(shù)量和質(zhì)量會(huì)增加，特別是對(duì)骨科和心腦血管技術(shù)水平的提升起到了積極作用，中心品牌效應(yīng)得到提升。雖然經(jīng)濟(jì)效益對(duì)中心的發(fā)展至關(guān)重要，但追求經(jīng)濟(jì)效益不是中心的唯一目標(biāo)，提高患者認(rèn)可度，為社會(huì)減輕壓力是中心應(yīng)盡的社會(huì)責(zé)任，也是中心一貫堅(jiān)持的目標(biāo)。

X3---鈣硬度，單位mg/L；

表1 循環(huán)水最佳工況分析水質(zhì)指標(biāo)Tab.1 Re-circulating water quality index analysis under the optimum working condition

必須對(duì)原始樣本數(shù)據(jù)進(jìn)行歸一化處理，便于精確計(jì)算和準(zhǔn)確比較。由于本BP網(wǎng)絡(luò)采用有教師訓(xùn)練學(xué)習(xí)，所以其樣本集由輸入數(shù)據(jù)和目標(biāo)輸出組成，將數(shù)據(jù)按公式X/(Xmax+Xmin)進(jìn)行歸一化處理，歸一化后循環(huán)水最佳工況濃縮倍率預(yù)測(cè)樣本數(shù)據(jù)在下面的Matlab程序設(shè)計(jì)中使用。

2.2 濃縮倍率預(yù)測(cè)的BP網(wǎng)絡(luò)設(shè)計(jì)

濃縮倍率軟測(cè)量功能實(shí)現(xiàn)算法的核心部分是參考神經(jīng)網(wǎng)絡(luò)中的BP算法[4]。BP神經(jīng)網(wǎng)絡(luò)是誤差反向傳播神經(jīng)網(wǎng)絡(luò)的簡(jiǎn)稱(chēng)，它由一個(gè)輸入層、一個(gè)或多個(gè)隱含層和一個(gè)輸出層構(gòu)成，每一層由一定數(shù)量的神經(jīng)元構(gòu)成。上下層之間實(shí)現(xiàn)全連接，而同一層的神經(jīng)元之間無(wú)連接。根據(jù)表1中給出的樣本數(shù)據(jù)，在此設(shè)計(jì)一個(gè)三層結(jié)構(gòu)的BP網(wǎng)絡(luò)模型，一個(gè)輸入層，一個(gè)隱含層和一個(gè)輸出層，如圖2所示。

圖2 BP神經(jīng)網(wǎng)絡(luò)模型Fig. 2 Neural network model

圖3 網(wǎng)絡(luò)訓(xùn)練結(jié)果Fig. 3 Network training results

本網(wǎng)絡(luò)模型結(jié)構(gòu)簡(jiǎn)單，訓(xùn)練花費(fèi)時(shí)間較少，測(cè)試結(jié)果與實(shí)際數(shù)值接近，可見(jiàn)所建濃縮倍率預(yù)測(cè)模型的泛化能力比較好。

3 結(jié)束語(yǔ)

利用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱建立BP神經(jīng)網(wǎng)絡(luò)模型[7]，對(duì)火電廠(chǎng)循環(huán)水系統(tǒng)極限濃縮倍率測(cè)定過(guò)程及最優(yōu)濃縮倍率確定過(guò)程進(jìn)行仿真模擬，以保證循環(huán)冷卻水系統(tǒng)在最優(yōu)濃縮倍率范圍內(nèi)運(yùn)行提供輔助決策依據(jù)。

[1]王孝紅,劉文光,于宏亮.工業(yè)過(guò)程軟測(cè)量研究[J].濟(jì)南大學(xué)學(xué)報(bào)：自然科學(xué)版,2009,23(1):80-86.

WANG Xiao-hong,LIU Wen-guang,YU Hong-liang.The Industrial process soft sensing research[J].Journal of University of Jinan,Science and Technology,2009,23(1):80-86.

[2]李元培.火力發(fā)電廠(chǎng)水處理及水質(zhì)控制[M].2版.北京：中國(guó)電力出版社,2008.

[3]李紅衛(wèi),王伯槐,陳小輝.火電廠(chǎng)環(huán)水系統(tǒng)運(yùn)行控制的計(jì)算機(jī)輔助設(shè)計(jì)[J].科學(xué)技術(shù)與工程,2009,9(14):4189-4192.

LI Hong-wei,WANG Bo-huai,CHEN Xiao-hui. The Computer Aided Design of recycled water operational control[J]. Science Technology and Engineering,2009,9(14):4189-4192.

[4]田棄,喬俊飛.基于遺傳算法的BOD神經(jīng)網(wǎng)絡(luò)軟測(cè)量[J].計(jì)算機(jī)技術(shù)與發(fā)展,2009,19(3):127-129.

TIAN Qi,QIAO Jun-fei.The BOD neural net soft sensing based on the genetic algorithms[J].Computer Technology and Development,2009,19(3):127-129.

[5]王艷瓊,白秀琴.基于BP神經(jīng)網(wǎng)絡(luò)模型的水質(zhì)評(píng)價(jià)及預(yù)測(cè)[J].武漢工業(yè)學(xué)院學(xué)報(bào),2007,26(1):64-67.

WANG Yan-qiong,BAI Xiu-qiong.The water quality assessment and forecast based on BP neural net model[J]. Journal of Wuhan Polytechnic University,2007,26(1):64-67.

[6]張德豐.MATLAB神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)[M].北京：機(jī)械工業(yè)出版社,2009.

[7]魏江濤，陳方濤，姜美雷.BP神經(jīng)網(wǎng)絡(luò)在設(shè)備故障診斷方面的應(yīng)用[J].現(xiàn)代電子技術(shù),2012(19):131-134.

WEI Jiang-tao,CHEN Fang-tao,JIANG Mei-lei.Application of BP neural network in fault diagnosis of radar device[J].Modern Electronics Technique,2012(19):131-134.

Application of soft-sensing technology in circulating water concentrate rate calculating

LI Hong-wei, WANG Bo-huai,CHEN Xiao-hui
（School of Information Engineering, Yulin College, Yulin719000, China）

In the thermal power plant circulating cooling water process, the concentrate rate cannot realized on-line measurement in real-time effectively, and it merely relying on sampling and analyzing for the water quality in the laboratory , and than to compute and control it. In this way, not only need equip the experimental, but need manual operation, and there are some problems such as experiment parameters ,experimental conditions is not easy to control.The paper using the soft-sensing technology , through building the neural network model between the easy measurement water quality key parameter and the concentrate rate, to estimate the concentrate rate, raised the accuracy of the concentrate rate computation and the effect of the water quality control.

soft-sensing; concentrate rate; neural network; modeling

[TN98]

A

1674-6236(2014)07-0057-03

2013-08-04稿件編號(hào)201308036

陜西榆林市科技計(jì)劃項(xiàng)目(gygg200711)

李紅衛(wèi)(1966—)，男，陜西府谷人，碩士，教授。研究方向：Web工程、計(jì)算機(jī)測(cè)控。