現場總線控制系統與通用軟測量技術

　　現場總線以其優越的特性越來越引起人們的注意。現場總線控制系統采用數字信號通信，并把基礎控制級直接放在工業現場，可以大大提高過程控制的實時性，減少干擾信號出現的可能性，從而在很大程度上提高控制系統的性能。因此，基于現場總線的控制系統將是未來控制系統發展的必然趨勢。
　　控制系統賴以存在的前提是測量系統，軟測量技術是測量工具的延伸，是對傳統測量手段的一個有力補充。軟測量是人們依靠間接知識對硬件儀表不可測量變量的估計，在硬件無法完成測量任務的情況下，軟測量技術可以在一定程度上起到替代的作用。尤其是對于產品產量、質量等關鍵性生產參數，通常硬件儀表是無法測量的，軟測量的使用可以為提高生產效益、保證產品質量提供有力的手段。軟測量技術在過程工業中已經有了比較廣泛的應用，并取得了較好的效果［1］。
　　現場總線控制系統為現場檢測數據的實時傳播提供了便利的條件，使軟測量技術的廣泛使用成為可能。軟測量技術與現場總線控制系統的結合，能夠充分利用現場總線和軟測量技術的優點，保證生產過程有效正確運行，給工廠企業帶來顯著的經濟效益。軟測量技術與現場總線技術的結合，是今后過程控制發展的必然趨勢。
　　本文討論了現場總線控制系統的總體結構，在此基礎上，闡述了軟測量技術在現場總線控制系統中的地位與實現方式，最后結合我們在實驗室建立的模型現場總線控制系統具體說明了現場總線控制系統與其中的軟測量技術是如何實現的。

1　現場總線控制系統的整體結構
　　現場總線控制系統是以現場總線為通信介質的計算機集成控制系統，根據CIMS（CIPS）的觀點，它可分為三個層次：管理決策級、高級控制級和基礎控制級。
　?、佟」芾頉Q策級包括:決策分析、市場營銷、計劃、離線優化、調度、生產管理等功能，主要指集成控制系統對這些任務提出信息服務和決策支持，包括通過歷史數據分析與挖掘提出發展目標和營銷策略，根據相應的營銷策略調整生產方案，對生產和業務信息實現集成管理，制定和落實年、季、月綜合計劃，完成生產計劃分解，根據生產的實際情況形成調度指令，組織日常均衡生產和處理異常事件，即時地指揮生產。
　?、凇「呒壙刂萍壥窍到y實現穩定生產、優化操作的保證，也是人與生產過程進行交互的層面。過程監控系統接收來自現場總線智能節點中的現場狀態信息和來自決策管理層的調度信息，并利用軟測量和數據校正技術對這些數據進行完備性和一致性處理，形成過程實時數據庫，并利用來自過程實時數據庫中的數據實現操作指導、動態優化、高級控制、故障診斷和實時報警等功能。
　?、邸』A控制級實現對生產過程的常規檢測和基本控制，在現場總線控制系統中由現場總線智能節點實現，包括傳感變送部分、PID調節器部分等各種功能的集成。在智能節點中， 一般包括獨立的微處理器芯片，能夠完成比較復雜的計算任務。
　　圖1是我們開發的完整的現場總線控制系統示意圖。

2　通用軟測量技術
　　在實際生產過程中，需要對產品質量與產量參數進行實時檢測和在線控制。然而在實際過程中，存在一大類變量無法用傳統的測量儀表直接檢測［2］。造成這一問題的主要原因有以下5個方面：
　　①　由于工藝條件限制，無法進行檢測或不允許安裝檢測儀表；
　?、凇∧壳八莆盏臋z測手段不完善，尚不足以完成要求的檢測任務；
　　③　先進的檢測工具成本過于昂貴；
　?、堋z測儀表造成的測量滯后使測量結果無法滿足實時性的要求；
　　⑤　傳統的傳感器只能夠感知某一個狀態變量，有些情況下需要對多個傳感器的測量結果進行數據融合，才能得到比較理想的結果。
　　軟測量技術依靠間接知識對硬件儀表不可測量的變量進行估計，在硬件無法完成測量任務的情況下，可在一定程度上起到替代的作用。軟測量技術主要包括四個方面：二次測量變量的選擇；數據處理；軟測量模型的建立；軟測量模型的在線校正。二次測量變量的選擇是指對特定的生產過程和選定的待估輸出變量，如何確定其對應的輔助過程變量；數據處理指對于輔助變量的原始測量數據，如何進行過失誤差偵破、剔除和數據校正；軟測量模型的建立指的是如何通過各種信息和數據確定過程模型；軟測量模型的在線校正則指在過程狀態發生變化時，如何進行模型自身的調整。
　　經過長期的理論和應用研究，我們認為軟測量方法本身具有相似之處，提出了通用軟測量技術的概念，形成了通用的產品化軟測量軟件包。軟測量技術的通用化需要著重解決的問題有兩個方面，一是建立通用的軟測量模型；二是解決針對具體生產過程的二次變量選擇問題。只有這兩個方面的問題得到解決，才能真正實現軟測量技術的通用化。
　　針對上述兩個問題，我們建立了一套面向數據的解決方案。在這套方法中對二次變量的選擇和軟測量模型的建立完全不依賴于過程的機理模型，而是直接使用來自生產設備和調度室的過程歷史紀錄數據，通過對這些數據進行相關分析和因子分析，得出影響待估變量的主要可測變量。然后對歷史數據進行適當聚類和整理后，構成建立軟測量模型的樣本數據。軟測量模型采用學習速度較快，逼近精度較高的RBF神經網絡，并采用正交最小二乘算法使軟測量模型可以根據具體過程自動調整神經網絡的結構，以滿足軟測量模型的通用化。
　　根據上述思路，我們建立了面向數據的通用軟測量軟件包，在實際生產過程中使用該軟件包時，具體工作流程如圖2所示。其中前兩步由人工針對具體的生產過程完成，后4步由軟測量軟件包完成。