福建煉油廠化工有限公司與浙江大學合作開發催化裂化裝置先進控製係統；洛陽石油化工總廠與石油大學、洛陽石化公司共同開發催化裂化裝置；茂名石化煉油廠與石油大學聯合開發催化裂化裝置先進控製與實時優化係統；上海交通大學開發研製的多變量約束控製軟件包MCC是一個處理約束的多變量、多目標、多控製模式和基於模型預測的最優控製器，已成功應用於石家莊煉油化工股份有限公司催化裂化裝置，取得明顯經濟效益；還有浙江大學開發APC-Hiecon，APC-PFC先進控製軟件在國內許多工業裝置得到了應等等。
軟測量的基本思想是對於難於測量或暫時不能測量的重要變量（或稱之為主導變量），選擇另外一些容易測量的變量（或稱之為輔助變量），通過構成某種數學關係來推斷和估計，以軟件來代替硬件（傳感器）功能。這類方法具有響應迅速，連續給出主導變量信息，且具有投資低、維護保養簡單等優點。
方法能構造出性能良好的軟儀表。但是對於機理研究不充分、尚不完全清楚的複雜工業過程，難以建立合適的機理模型。
2．基於回歸分析的軟測量建模 經典的回歸分析是一種建模的基本方法，應用範圍相當廣泛。以最小二乘法原理為基礎的回歸技術目前已相當成熟，常用於線性模型的擬合。對於輔助變量較多的情況，通常要借助機理分析，首先獲得模型各變量組合的大致框架，然後再采用逐步回歸方法獲得軟測量模型。為簡化模型，也可采用主元回歸分析法（Principal Component Regression，PCR）和部分最小二乘回歸法（Partial-Least-Squares Regression，PLSR）等方法。基於回歸分析的軟測量建模方法簡單實用，但需要足夠有效的樣本數據，對測量誤差較為敏感。
3．基於人工神經網絡的軟測量建模
基於人工神經網絡（Artificial Neural Network，ANN）的軟測量建模方法是近年來研究最多、發展很快和應用範圍很廣泛的一種軟測量建模方法。能適用於高度非線性和嚴重不確定性係統，因此它為解決複雜係統過程參數的軟測量問題提供了一條有效途徑。采用人工神經網絡進行軟測量建模有兩種形式：一種是利用人工神經網絡直接建模，用神經網絡來代替常規的數學模型描述輔助變量和主導變量間的關係，完成由可測信息空間到主導變量的映射；另一種是與常規模型相結合，用神經網絡來估計常規模型的模型參數，進而實現軟測量。
4．基於模式識別的軟測量建模
這種軟測量建模方法是采用模式識別的方法對工業過程的操作數據進行處理，從中提取係統的特征，構成以模式描述分類為基礎的模式識別模型。基於模式識別方法建立的軟測量模型與傳統的數學模型不同，它是一種以係統的輸入、輸出數據為基礎，通過對係統特征提取而構成的模式描述模型。該方法的優勢在於它適用於缺乏係統先驗知識的場合，可利用日常操作數據來實現軟測量建模。在實際應用中，這種軟測量建模方法常常和人工神經網絡以及模糊技術等技術結合在一起使用。
5．基於模糊數學的軟測量建模
模糊數學模仿人腦邏輯思維特點，是處理複雜係統的一種有效手段，在過程軟測量建模中也得到了應用。基於模糊數學軟測量模型是一種知識性模型。該法特別適合應用於複雜工業過程中被測對象呈現亦此亦彼的不確定性，難以用常規數學定量描述的場合。實際應用中常將模糊技術和其他人工智能技術相結合，例如模糊數學和人工神經網絡相結合構成模糊神經網絡，將模糊數學和模式識別相結合構成模糊模式識別，這樣可互相取長補短以提高軟儀表的效能。
6．基於支持向量機（SVMs）的方法
建立在統計學習理論基礎上的支持向量機（SVMs- Support Vector Machines）業已成為當前機器學習領域的一個研究熱點。支持向量機采用結構風險最小化準則，在有限樣本情況下，得到現有信息下的最優解而不僅僅是樣本數趨於無窮大時的最優值，解決了一般學習方法難以解決的問題，如神經網絡結構選擇問題和模型學習問題等，從而提高了模型的泛化能力。另外，支持向量機把機器學習問題歸結為一個二次規劃問題，因而得到的最優解不僅是全局最優解，而且具有唯一性。由於軟測量建模與一般數據回歸問題之間存在著共性，支持向量機方法應用於回歸估計問題取得不錯的效果應用，也促使人們把眼光投向工程應用領域，提出了建立基於支持向量機的軟測量建模方法。
7．基於過程層析成像的軟測量建模
基於過程層析成像（Process Tomography，PT）的軟測量建模方法與其他軟測量建模方法不同的是，它是一種以醫學層析成像（Computerized Tomography，CT）技術為基礎的在線獲取過程參數二維或三維的實時分布信息的先進檢測技術，即一般軟測量技術所獲取的大多是關於某一變量的宏觀信息，而采用該技術可獲取關於該變量微觀的時空分布信息。由於技術發展水平的製約，該種軟測量建模方法目前離工業實用化還有一定距離，在過程控制中的直接應用還不多。
8．基於相關分析的軟測量建模
基於相關分析的軟測量建模方法是以隨機過程中的相關分析理論為基礎，利用兩個或多個可測隨機信號間的相關特性來實現某一參數的軟測量方法。該方法采用的具體實現方法大多是互相關分析方法，即利用各輔助變量（隨機信號）間的互相關函數特性來進行軟測量。目前這種方法主要應用於難測流體（即采用常規測量儀表難以進行有效測量的流體）流速或流量的在線測量和故障診斷（例如流體輸送管道泄漏的檢測和定位）等。
9．基於現代非線性信息處理技術的軟測量建模
基於現代非線性信息處理技術的軟測量是利用易測過程信息（輔助變量，它通常是一種隨機信號），采用先進的信息處理技術，通過對所獲信息的分析處理提取信號特征量，從而實現某一參數的在線檢測或過程的狀態識別。這種軟測量技術的基本思想與基於相關分析的軟測量技術一致，都是通過信號處理來解決軟測量問題，所不同的是具體信息處理方法不同。該軟測量建模方法的信息處理方法大多是各種先進的非線性信息處理技術，例如小波分析、混沌和分形技術等，因此能適用於常規的信號處理手段難以適應的複雜工業係統。相對而言，基於現代非線性信息處理技術的軟測量建模方法的發展較晚，研究也還比較分散。該技術目前一般主要應用於係統的故障診斷、狀態檢測和過失誤差偵破等，並常常和人工神經網絡或模糊數學等人工智能技術相結合。
軟測量建模方法雖然經過多年的發展有了很多成果，但仍有許多問題有待於進一步研究。
（二）工業應用實例
軟测量技術工業應用成功實例不少。國外有Inferential Control、Setpoint、DMC、Profimatics、Simcon、Applied Automation等公司以商品化軟件形式推出各自的軟測量儀表，例如：測量10%、50%、90%和最終的ASTM沸點、閃點、傾點、黏點和雷得蒸汽壓等，這些已廣泛應用於常減壓塔、FCCU主分餾塔、焦化主分餾塔、加氫裂化分餾塔、汽油穩定塔、脫乙烷塔等先進
控制和優化控製。它增加了輕質油收率，降低了能耗並減少了原油切換時間，取得了明顯經濟效益。
國內引進催化裂化、常減壓等裝置的先進控製軟件亦有軟測量技術，但這些引進軟件價格昂貴。國內有關高等院校、科研院所和企業等自行開發了不少軟測量技術工業應用，甲醇生產過程中烴類轉化反應器出口氣中CH4含量軟測量。在現場進行測試獲得大量數據後通過回歸方法得到了一個線性回歸模型，並進行適當校正後投入運行，與分析值十分接近，並用軟測量得到的CH4估計值成功應用於串級控製。
氣分裝置丙烯丙烷塔塔頂丙烯成分軟測量。通過嚴格的汽液平衡模型簡化和現場測試，得到非線性回歸模型，並設計在線校正。該軟測量估計器投入在線運行，精確度滿足要求，並成功應用於丙烯成分閉環控製，取得了明顯經濟效益。
催化裂化裝置分餾塔輕柴油凝固點軟測量，基於現場數據分析並結合工藝機理分析，建立了多層前向網絡柴油凝固點的軟測量模型，設計簡單在線校正。神經網絡模型估計值與分析值最大誤差為1.65℃，並用了閉環控製，平穩了生產，減少凝固點波動，合格品由94%提高到100%。
催化裂化裝置主分餾塔粗汽油幹點軟測量。通過機理和現場采集數據分析，建立回歸模型和神經網絡模型，模型精確度均能滿足生產。最後采用回歸模型，並加在線控製，現場應用表明誤差小於3℃，達98%，已投入閉環控製。
常減壓裝置常壓塔柴油凝固點軟測量。通過現場采集數據經處理後，建立了非線性回歸模型和神經網絡模型，為提高模型精確度和魯棒性，組成非線性回歸模型與神經網絡模型結合的混合模型，並設計了一個串級控製係統。投入運行後獲得較好控製效果，可以滿足生產要求。
加氫裂化裝置第一分餾塔航煤幹點軟測量。根據加氫裂化分餾塔的工藝機理和實測數據分析，合理確定輔助變量，進行數據采集和預處理。在此基礎上開發了BP-RBF-PLS的航煤幹點軟測量混合模型。在工業裝置上投入運行精度較高，已通過驗收，認為該軟測量可實現航煤幹點在先連續測量，滿足生產要求，為實現先進控製創造了條件。
延遲焦化裝置分餾塔粗汽油幹點軟測量。經對現場采集的數據及工藝機理分析，確定了影響粗汽油幹點的最主要因素，分別建立了PLS和RBFN模型，為提高模型精確度和泛化能力、將PLS模型和RBFN模型並聯建立了粗汽油幹點混合模型，交叉驗證表明這一方法是有效的，所建模型精確度較高和良好的泛化能力。
PTA氧化反應質量指標軟測量。經工藝機理分析，結合實際數據的相關分析，確定輔助變量，采用基於遞推算法的PLS建立軟測量模型，該箅法已在PTA氧化反應質量指標的先進控製中應用，取得了較好經濟效益。
連續重整裝置中重整產品辛烷值、待生催化劑結焦含量、重整產品C5+液收率的軟測量，實現在保證質量合格前提下提高產品收率的優化操作指導；完成對重整再生器氧含量的軟測量。兩個係統先後投運後運行正常，取得了良好的經濟效益。
另外，還有丙烯腈收率軟測量；高壓聚乙烯生產過程中的重要參數——熔融指數（MI）的軟測量；合成醋酸乙烯的空時得率和催化劑選擇性的軟測量；乙烯裝置裂解爐出口乙烯收率、丙烯收率、裂解深度的軟測量；丁二烯裝置的DA106塔塔底的水含量、塔頂的甲基乙炔（MA）和DA107塔塔底的丁二烯（BD-13）、塔頂的丁二烯（BD-13）和總炔（主要是乙基乙炔，用EA表示）的軟測量。
（三）軟測量技術研究的方向
軟測量技術是工業計算機優化控製的有利工具，在理論研究和實際應用中已經取得了不少成果，其理論體係亦正在逐步形成。不論過於誇大軟測量的作用或忽視軟測量的重要性均是不正確的。軟測量技術研究的方向是：
1．數據處理
數據處理是一個十分重要的問題，尤其是過失誤差處理。在理論研究方麵已經取得不少成果，但跟實際應用還存在相當距離，應進一步深入研究，縮小理論與實際的差距。近年來，出現了神經網絡方法，很有吸引力。
2．軟測量建模方法研究
將新興的技術用於軟測量建模。目前雖然出現了眾多軟測量建模方法，但仍不能滿足實際需要。將一些新興的技術用軟測量建模，建立基於新興技術的軟測量模型仍是目前研究的熱點。如：將微粒群優化技術、遺傳算法、混沌與分形技術等新興技術用於軟測量建模，建立性能更好的軟測量模型。
將不同的方法相互融合建立混合模型。由於實際係統的複雜多變，一種方法建立的模型難以滿足要求。如果結合實際係統的機理分析和實際情況，將不同的方法相互融合，建立混合模型，這一建模方向是值得研究的方向。
3．在線校正的研究
在線校正是軟測量應用中必不可少的部分，盡管已有不少離線校正的方法，但在線校正的方法十分有限。因此，開發更多實用方法，以適應複雜工業過程控製的需要亦應是當前研究重點。
三、結束語
今後，還要進一步開發魯棒性強，適應性寬（操作條件、原料性質等），性能價格比優的商品化先進控製與優化控製軟件，適應國內大中型企業需要。
當前先進控製與優化控製軟件的二次開發量較大，從設計，測試，仿真研究，到實際工業裝置投運周期較長，為此今後應開發一些二次開發量較少的先進控製與優化控製軟件，以適應市場需要。
用戶要建立一支能參與設計、測試、仿真研究、到實際工業裝置投運技術隊伍，一旦先進控制與優化控製軟件廠商交付使用後，企業自已能運行、維護，保持長期運行。
隨著人工智能的迅速發展和控製理與其他學科的交叉滲透，先進控製技術將會得到更深入的發展，應用更加廣泛，產生更大的經濟效益和社會效益。
來源：《世界儀表與自動化》
