湯 偉 邱錦強(qiáng),* 劉慶立 胡連華

(1.陜西科技大學(xué)電氣與信息工程學(xué)院,陜西西安，710021；2.陜西科技大學(xué)自動(dòng)化研究所,陜西咸陽，712000)

?

·打漿度軟測量建模·

基于SVM的打漿度軟測量建模及應(yīng)用

湯 偉1,2邱錦強(qiáng)1,2,*劉慶立2胡連華1,2

(1.陜西科技大學(xué)電氣與信息工程學(xué)院,陜西西安，710021；2.陜西科技大學(xué)自動(dòng)化研究所,陜西咸陽，712000)

針對打漿度在線直接測量的難點(diǎn),采用SVM(支持向量機(jī))算法,通過實(shí)際采集的數(shù)據(jù)建立工業(yè)現(xiàn)場的打漿度軟測量模型。使用OPC技術(shù)建立數(shù)學(xué)軟件MATLAB與組態(tài)軟件WINCC之間的數(shù)據(jù)交換通道,實(shí)現(xiàn)了打漿過程打漿度的在線軟測量。

SVM;軟測量;OPC

隨著物質(zhì)文化生活水平的提高,人們對紙產(chǎn)品的產(chǎn)量和質(zhì)量的要求越來越高。紙張的生產(chǎn)過程包括制漿和造紙兩部分,其中打漿過程是一個(gè)重要的環(huán)節(jié)。打漿度綜合地反映了纖維被切斷、潤脹、帚化、分絲、細(xì)纖維化的程度,是打漿中需要控制的重要指標(biāo)。

由于常規(guī)傳感器無法及時(shí)對打漿度進(jìn)行在線測量,因而造紙廠常采用離線式檢測的方法,這給打漿過程實(shí)現(xiàn)自動(dòng)控制和優(yōu)化帶來很大的不便,直接影響到對打漿質(zhì)量的控制效果。對此類問題的解決,軟測量技術(shù)被認(rèn)為是目前具有吸引力和卓有成效的方法[1]。

迄今,造紙技術(shù)中的軟測量技術(shù)成為一個(gè)重要的課題。制漿造紙生產(chǎn)過程中,有相當(dāng)一部分過程無法實(shí)施計(jì)算機(jī)控制系統(tǒng),其原因在于一些需要加以嚴(yán)格控制的、與產(chǎn)品質(zhì)量密切相關(guān)的過程量的檢測難以在線實(shí)現(xiàn)。近年來,在制漿造紙領(lǐng)域中,已經(jīng)成功應(yīng)用神經(jīng)網(wǎng)絡(luò)進(jìn)行打漿度軟測量建模,其中比較有代表性的是RBF神經(jīng)網(wǎng)絡(luò)[2],但是依然存在一些缺陷。神經(jīng)網(wǎng)絡(luò)需要事先指定啟發(fā)式算法,難以保證網(wǎng)絡(luò)結(jié)構(gòu)的最優(yōu)化,尤其是在多重網(wǎng)絡(luò)中。其次網(wǎng)絡(luò)權(quán)系數(shù)的調(diào)整方法有局限性,同時(shí)容易陷入局部最優(yōu)。而SVM(支持向量機(jī))算法采用結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則,可以是訓(xùn)練誤差最小化同時(shí)可以提高模型的泛化能力。同時(shí)在問題的求解上,將機(jī)器學(xué)習(xí)問題轉(zhuǎn)化為一個(gè)二次規(guī)劃問題,可以得到唯一的全局最優(yōu)解[3]。基于此,筆者設(shè)計(jì)開發(fā)了基于SVM算法的軟測量系統(tǒng),并將其應(yīng)用于實(shí)際的生產(chǎn)線中。

1 基于SVM算法的軟測量建模

軟測量技術(shù)就是先建立待測變量與其他一些可測或者易測的過程變量之間的關(guān)系,通過對可測變量檢測、變換和計(jì)算,間接得到待測變量的估計(jì)值,軟測量模型的輸出可作為過程控制系統(tǒng)狀態(tài)的變量或輸出變量的估計(jì)值,送入控制裝置,參與反饋控制,軟測量系統(tǒng)實(shí)現(xiàn)的基本框架如圖1所示。

圖1 SVM軟測量系統(tǒng)框架模型

測量裝置從工業(yè)現(xiàn)場中獲取用于估計(jì)主變量的輔助變量。經(jīng)過數(shù)據(jù)處理,完成輸入數(shù)據(jù)的二次變量的選擇,將存在顯著誤差的數(shù)據(jù)提出,進(jìn)行隨機(jī)誤差過濾,消除冗余數(shù)據(jù),并實(shí)現(xiàn)數(shù)據(jù)的歸一化處理,通過SVM軟測量模型對待測變量進(jìn)行最優(yōu)估計(jì),估計(jì)值作為控制系統(tǒng)的反饋?zhàn)兞?參與對控制對象的控制。

由上所述,SVM軟測量模型可以看成是一個(gè)非線性函數(shù)估計(jì)器,完成輸入數(shù)據(jù)和輸出數(shù)據(jù)的非線性映射,而不必關(guān)心對象的具體結(jié)構(gòu)及其機(jī)理。

1.1 軟測量建模問題的描述

設(shè)有n個(gè)樣本(x1,y1)(x2,y2),…,(xn,yn),其中yi屬于R,i=1,2,…,n用函數(shù)f進(jìn)行擬合的期望風(fēng)險(xiǎn)定義為式(1)。

R=∫L(y,f(x))dF(x,y)

(1)

其中，L是誤差(損失)函數(shù),F(x,y)是聯(lián)合分布函數(shù),軟測量建模就是在已知n個(gè)樣本的條件下,某個(gè)函數(shù)類中求取F以最小化R。

(2)

(3)

基于SVM的線性回歸方法就是求式(4)的最優(yōu)解。

(4)

其中C是懲罰系數(shù)。在計(jì)算時(shí)一般將其轉(zhuǎn)化為對偶問題進(jìn)行求解(見式(5))。

(5)

1.2 非線性建模

在實(shí)際應(yīng)用中,實(shí)際對象可能非常復(fù)雜,線性模型難以滿足實(shí)際的需要,此時(shí)就需要建立對象的非線性模型,在SVM算法中，非線性建模的過程分為兩步：

(1)通過一個(gè)非線性變換x→h(x),將輸入空間重點(diǎn)樣本xi映射到一個(gè)高維的特征空間。

(2)以f(x)=〈w,h(x)〉+b為回歸函數(shù)在高維的特征空間進(jìn)行線性建模。

則式(5)中的目標(biāo)函數(shù)就會(huì)變成式(6)。

(6)

但是由于在非線性變換之后,樣本由低維空間映射到高維空間之后位數(shù)增加,不僅會(huì)增大計(jì)算量,而且會(huì)使程序設(shè)計(jì)的復(fù)雜性提升?？紤]到目標(biāo)函數(shù)和相應(yīng)回歸函數(shù)中只涉及內(nèi)積運(yùn)算。由泛函相關(guān)理論,映射到高維空間的內(nèi)積運(yùn)算可以由原本低維空間的一個(gè)核函數(shù)K(xi,xj)進(jìn)行代換。所以在處理非線性問題的時(shí)候可以不進(jìn)行非線性變換,直接由核函數(shù)代替高維空間下線性建模的內(nèi)積〈h(xi),h(xj)〉。通過計(jì)算低維空間的核函數(shù)來省略計(jì)算低維控制到高維空間的非線性運(yùn)算,同時(shí)也避免了計(jì)算高維空間的內(nèi)積運(yùn)算,可以大大簡化計(jì)算量。從而可以得到運(yùn)用核函數(shù)非線性建模的目標(biāo)函數(shù)式(7)。

(7)

核函數(shù)的引入使得可以在低維的輸入空間就建立起相應(yīng)模型,滿足Mercer條件的對稱正實(shí)數(shù)函數(shù)都可以作為核函數(shù)[4-5]。常用的核函數(shù)有：

圖2 三盤磨打漿工藝流程

多項(xiàng)式核函數(shù),K(x,xi)=[(xxi)+1]q

Sigmoid核函數(shù),K(x,xi)=tanh(v(xxi)+c)

圖3 SVM模型預(yù)測輸出

圖4 SVM模型預(yù)測誤差

2 軟測量模型的應(yīng)用

以河北保定某紙廠的單臺三盤磨恒功率低濃度打漿為例,具體工藝流程如2圖所示。

首先將長纖維漿板加入水力碎漿機(jī)進(jìn)行分散、碎解,碎解后的漿料進(jìn)入漿池,之后經(jīng)過第一級調(diào)濃送入高濃除砂器進(jìn)一步除去雜質(zhì),加強(qiáng)對盤磨的保護(hù),出口有回流通道,通過恒壓控制來保證盤磨進(jìn)料穩(wěn)定。高濃除砂器出口的漿料進(jìn)入三盤磨打漿。

根據(jù)現(xiàn)場磨漿的流程和實(shí)際測得的數(shù)據(jù),可以得出打漿度與出漿流量F、漿濃度c、電機(jī)功率W有直接的關(guān)系[6]。根據(jù)軟測量思想可以建立打漿度軟測量模型[7]：

(8)

實(shí)際測量的8組打漿度數(shù)據(jù)見表1。

表1 實(shí)際測量數(shù)據(jù)表

通過MATLAB軟件進(jìn)行SVM建模,使用現(xiàn)場采集來的120組數(shù)據(jù)做訓(xùn)練樣本,30組數(shù)據(jù)用以檢驗(yàn)。

SVM建模預(yù)測輸出和預(yù)測誤差曲線如圖3和圖4所示。

從圖3和圖4的結(jié)果可以看出，基于SVM算法所建立的軟測量模型精度還是很高的,30組檢測數(shù)據(jù)的最大正偏值和最大負(fù)偏值分別為0.6099,-0.4829。打漿度誤差值不超過1°SR，均方誤差為(Mean Squared Error)0.0042,平方相關(guān)系數(shù)(squared correlation coefficient)為0.7510,完全可以滿足工業(yè)生產(chǎn)中的需求。

圖6 打漿度SVM軟測量模型實(shí)現(xiàn)方案

3 打漿度SVM軟測量模型的校正

打漿度SVM軟測量模型建立之后,受到生產(chǎn)原料、產(chǎn)品產(chǎn)量甚至是環(huán)境氣候改變的影響,工作點(diǎn)會(huì)有所偏離。磨漿控制系統(tǒng)中,盤磨刀片隨著使用時(shí)間延長造成的損耗,是造成盤磨工作點(diǎn)偏移的最主要的原因。隨著系統(tǒng)運(yùn)行時(shí)間的不斷增加,盤磨刀片的磨漿效果會(huì)隨之下降,達(dá)到相同成漿質(zhì)量要求需要的盤磨機(jī)主電機(jī)功率增大。如何衡量盤磨刀片是主要的問題,在盤磨具體的工作區(qū)中，對于漿料纖維微觀處理作用不可觀測,盤磨的磨損也是不可測的。首先它是一個(gè)漫長的過程,其次,實(shí)際應(yīng)用現(xiàn)場,在沒有專業(yè)機(jī)械設(shè)備維護(hù)人員在場的情況下,不能頻繁地將盤磨拆開進(jìn)行盤磨刀片磨損的測量。除了刀片磨損,類似氣候變化導(dǎo)致的溫度變化,所用漿板種類的變化等這些差異都會(huì)導(dǎo)致軟測量模型的應(yīng)用效果變差。

軟測量模型的校正,一般可以從優(yōu)化模型結(jié)構(gòu)及隨著時(shí)間的變化修正模型參數(shù)兩個(gè)方面去進(jìn)行。通過SVM算法建立的模型結(jié)構(gòu)是固定的,同時(shí)所調(diào)整的懲罰參數(shù)C,不敏感系數(shù)ε是決定SVM軟測量模型的線性擬合能力與泛化能力的決定性參數(shù)。在數(shù)據(jù)樣本的數(shù)據(jù)結(jié)構(gòu)沒有發(fā)生突變時(shí),短期內(nèi)應(yīng)用效果不會(huì)改變。

所以針對磨漿控制系統(tǒng)與所建立的SVM軟測量模型,可以通過逐個(gè)更新樣本的方法來做短期校正(如圖5所示)。假設(shè)初始建模時(shí)使用了n個(gè)樣本作為訓(xùn)練樣本集,而且訓(xùn)練出的模型擬合能力很高。將這n個(gè)樣本按照采集時(shí)間進(jìn)行排序,在生產(chǎn)過程中,配合離線檢測的方式來檢驗(yàn)軟測量模型的精度,并將正確的離線測量值加入至訓(xùn)練樣本,同時(shí)剔除掉第一個(gè)訓(xùn)練樣本數(shù)據(jù),保證樣本訓(xùn)練集的數(shù)目不變,再次訓(xùn)練新的SVM軟測量模型。這個(gè)方法利用了SVM軟測量小樣本訓(xùn)練的特點(diǎn),不需要過多的訓(xùn)練數(shù)據(jù),就可以保證較好的擬合能力,同時(shí)不斷淘汰和加入離線數(shù)據(jù),使得打漿度SVM軟測量也隨著盤磨工況的變化相對應(yīng)地改變輸出函數(shù)f。

圖5 打漿度SVM軟測量模型校正方法

4 基于S7- 400PLC的打漿度SVM軟測量方案的實(shí)現(xiàn)

現(xiàn)場項(xiàng)目具體的控制是基于S7- 400的DCS控制系統(tǒng)實(shí)現(xiàn)的,具體的DCS結(jié)構(gòu)不再贅述。打漿度軟測量方案的系統(tǒng)也嵌套在這套系統(tǒng)中,具體實(shí)現(xiàn)方案是實(shí)際實(shí)施的三盤磨磨漿設(shè)備及周圍設(shè)備為整體控制對象,以西門子S7- 400PLC作為下位機(jī),對現(xiàn)場設(shè)備數(shù)據(jù)進(jìn)行采集。西門子的組態(tài)軟件WINCC為數(shù)據(jù)總控平臺,并且作為OPC服務(wù)器,同時(shí)上位機(jī)運(yùn)行MATLAB軟件,執(zhí)行SVM算法運(yùn)行、數(shù)據(jù)交換、結(jié)果分析等任務(wù)[8]。具體打漿度SVM軟測量模型實(shí)現(xiàn)方案框圖如6所示。

系統(tǒng)運(yùn)行時(shí),軟測量模型對整個(gè)磨漿系統(tǒng)起到指導(dǎo)作用,并未實(shí)際參與當(dāng)中任何設(shè)備的控制。所以在畫面設(shè)計(jì)上軟測量模型應(yīng)盡量簡潔,實(shí)際運(yùn)行畫面如圖7所示。

圖7 系統(tǒng)運(yùn)行實(shí)際畫面

實(shí)際運(yùn)行過程中,用戶只需要將漿料的初始打漿度(°SR0)寫入畫面中相應(yīng)的I/O域中,通過WINCC變量將其與其他相關(guān)的二次變量通過OPC技術(shù)輸出至MATLAB中,通過MATLAB中所建好的SVM模型進(jìn)行運(yùn)算,之后將結(jié)果寫入WINCC相應(yīng)變量中,最后在畫面中顯示,對整體磨漿系統(tǒng)的運(yùn)行情況做一個(gè)反饋[9]。

5 結(jié) 論

通過現(xiàn)場采集的相應(yīng)數(shù)據(jù),運(yùn)用SVM算法,建立了打漿度的軟測量模型。使用實(shí)際的樣本檢驗(yàn),表明建立的算法模型可以有效地預(yù)測設(shè)備當(dāng)前運(yùn)行工況下的打漿度。通過OPC技術(shù)使MATLAB和WINCC變量之間進(jìn)行交換。成功地實(shí)現(xiàn)了對打漿度的在線測量,并將其顯示在上位機(jī)中。對實(shí)際生產(chǎn)起到了監(jiān)督指導(dǎo)作用。

[1] Wang Lianfu, Li Qian, Wang Mengxiao. Design and Application of Beating-Degree Instrument On Soft Measuring Technique[J]. Control & Automation, 2005(2): 140.

王連富, 李 茜, 王孟效. 基于軟測量技術(shù)的打漿度測試儀的設(shè)計(jì)與應(yīng)用[J]. 控制與自動(dòng)化, 2005(2): 140.

[2] LI Ming-hui, ZHANG Gen-bao, LI Yan. Beating Degree: Intelligent Measurement and Optimization Control[J]. Transactions Of China Pulp and Paper, 2006, 21(3): 84.

李明輝, 張根寶, 李 艷. 打漿度的智能檢測與優(yōu)化控制[J]. 中國造紙學(xué)報(bào), 2006, 21(3): 84.

[3] Wang Xiao-hong, Liu Wen-guang, Yu Hong-liang. Research on Industrial Process Soft-Sensor[J]. Journal Of Jinan University(Science And Technolgy), 2009, 23(1): 80.

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

[4] Feng Rui, Zhang Hao-ran, Shao Hui-he, Soft Sensor Modeling Based on Support Vector Machine[J]. Information And Control, 2002, 31(6): 567.

馮 瑞, 張浩然, 邵惠鶴. 基于SVM的軟測量建模[J]. 信息與控制, 2002, 31(6): 567.

[5] MA Yong, HUANG De-xian, JIN Yi-hui. Soft-sensor Modeling Method Based on Support Vector Machine[J]. Information and Control, 2004, 33(4): 417.

馬 勇, 黃德先, 金以慧. 基于支持向量機(jī)的軟測量建模方法[J]. 信息與控制, 2004, 33(4): 417.

[6] WANG Lian-fu, LI Qian, WANG Meng-xiao, et al. The Application of Soft Measuring Technique in the Measurement and Control of Beating Degree[J]. China Pulp & Paper, 2005, 24(6): 43.

王連富, 李 茜, 王孟效, 等. 軟測量技術(shù)在打漿度測量和控制中的應(yīng)用[J]. 中國造紙, 2005, 24(6): 43.

[7] SUN Yu, WANG Meng-xiao. Optimizing Control in Beating Based On Soft-measuring Technique[J]. China Pulp & Paper, 2002, 21(6): 7.

孫 瑜, 王孟效. 基于軟測量技術(shù)的中濃打漿過程優(yōu)化控制[J]. 中國造紙, 2002, 21(6): 7.

[8] Wang Jie, Gao Kunlun, Wang Wanzhao. Thermal power plant DCS for background control based on OPC communication technology[J]. Electric Power Automation Equipment, 2013, 33(4): 142.

王 杰, 高昆侖, 王萬召. 基于OPC通信技術(shù)的火電廠DCS后臺控制[J]. 電力自動(dòng)化設(shè)備, 2013, 33(4): 142.

[9] Wu Mingyong, Wang Guowei. Intelligent Control System of Boiler Drum Water Level Based on OPC Technology and MATLAB[J]. Computer Measurment & Control, 2010, 18(10): 2296.

吳明永, 王國偉. 基于OPC和MATLAB的鍋爐汽包水位智能控制系統(tǒng)[J]. 計(jì)算機(jī)測量與控制, 2010, 18(10): 2296.

(責(zé)任編輯：常 青)

Modeling and Application of Beating Degree Measurement Based on Support Vector Machine Soft Sensing Technology

TANG Wei1,2QIU Jin-qiang1,2,*LIU Qing-li2HU Lian-hua1,2

(1. College of Electrical and Information Engineering, Shaanxi University of Science and Technology, Xi’an， Shaanxi Province, 710021；2.InstituteofAutomation，ShaanxiUniversityofScienceandTechnology，Xianyang，ShaanxiProvince， 712000)(*E-mail: 576796719@qq.com)

Aiming at the difficulty of on-line measurement of beating degree, the measurement model of beating degree was established based on the actual measured data by support vector machine algorithm. The data exchange channel between the MATLAB and WINCC was built by using the OPC technology, the goal of measuring the beating degree on-line was realized.

SVM； soft sensing technology； OPC

湯 偉先生，博士，教授；研究方向：工業(yè)智能控制及工業(yè)高級過程控制。

2016- 04-11(修改稿)

陜西省重點(diǎn)科技創(chuàng)新團(tuán)隊(duì)計(jì)劃項(xiàng)目(2014KCT-15)。

TS736

A

10.11980/j.issn.0254- 508X.2016.10.008

*通信作者：邱錦強(qiáng)先生，E-mail：576796719@qq.com。