现场总线控制系统与通用软测量技术

　　现场总线以其优越的特性越来越引起人们的注意。现场总线控制系统采用数字信号通信，并把基础控制级直接放在工业现场，可以大大提高过程控制的实时性，减少干扰信号出现的可能性，从而在很大程度上提高控制系统的性能。因此，基于现场总线的控制系统将是未来控制系统发展的必然趋势。
　　控制系统赖以存在的前提是测量系统，软测量技术是测量工具的延伸，是对传统测量手段的一个有力补充。软测量是人们依靠间接知识对硬件仪表不可测量变量的估计，在硬件无法完成测量任务的情况下，软测量技术可以在一定程度上起到替代的作用。尤其是对于产品产量、质量等关键性生产参数，通常硬件仪表是无法测量的，软测量的使用可以为提高生产效益、保证产品质量提供有力的手段。软测量技术在过程工业中已经有了比较广泛的应用，并取得了较好的效果［1］。
　　现场总线控制系统为现场检测数据的实时传播提供了便利的条件，使软测量技术的广泛使用成为可能。软测量技术与现场总线控制系统的结合，能够充分利用现场总线和软测量技术的优点，保证生产过程有效正确运行，给工厂企业带来显著的经济效益。软测量技术与现场总线技术的结合，是今后过程控制发展的必然趋势。
　　本文讨论了现场总线控制系统的总体结构，在此基础上，阐述了软测量技术在现场总线控制系统中的地位与实现方式，最后结合我们在实验室建立的模型现场总线控制系统具体说明了现场总线控制系统与其中的软测量技术是如何实现的。

1　现场总线控制系统的整体结构
　　现场总线控制系统是以现场总线为通信介质的计算机集成控制系统，根据CIMS（CIPS）的观点，它可分为三个层次：管理决策级、高级控制级和基础控制级。
　　①　管理决策级包括:决策分析、市场营销、计划、离线优化、调度、生产管理等功能，主要指集成控制系统对这些任务提出信息服务和决策支持，包括通过历史数据分析与挖掘提出发展目标和营销策略，根据相应的营销策略调整生产方案，对生产和业务信息实现集成管理，制定和落实年、季、月综合计划，完成生产计划分解，根据生产的实际情况形成调度指令，组织日常均衡生产和处理异常事件，即时地指挥生产。
　　②　高级控制级是系统实现稳定生产、优化操作的保证，也是人与生产过程进行交互的层面。过程监控系统接收来自现场总线智能节点中的现场状态信息和来自决策管理层的调度信息，并利用软测量和数据校正技术对这些数据进行完备性和一致性处理，形成过程实时数据库，并利用来自过程实时数据库中的数据实现操作指导、动态优化、高级控制、故障诊断和实时报警等功能。
　　③　基础控制级实现对生产过程的常规检测和基本控制，在现场总线控制系统中由现场总线智能节点实现，包括传感变送部分、PID调节器部分等各种功能的集成。在智能节点中， 一般包括独立的微处理器芯片，能够完成比较复杂的计算任务。
　　图1是我们开发的完整的现场总线控制系统示意图。

2　通用软测量技术
　　在实际生产过程中，需要对产品质量与产量参数进行实时检测和在线控制。然而在实际过程中，存在一大类变量无法用传统的测量仪表直接检测［2］。造成这一问题的主要原因有以下5个方面：
　　①　由于工艺条件限制，无法进行检测或不允许安装检测仪表；
　　②　目前所掌握的检测手段不完善，尚不足以完成要求的检测任务；
　　③　先进的检测工具成本过于昂贵；
　　④　检测仪表造成的测量滞后使测量结果无法满足实时性的要求；
　　⑤　传统的传感器只能够感知某一个状态变量，有些情况下需要对多个传感器的测量结果进行数据融合，才能得到比较理想的结果。
　　软测量技术依靠间接知识对硬件仪表不可测量的变量进行估计，在硬件无法完成测量任务的情况下，可在一定程度上起到替代的作用。软测量技术主要包括四个方面：二次测量变量的选择；数据处理；软测量模型的建立；软测量模型的在线校正。二次测量变量的选择是指对特定的生产过程和选定的待估输出变量，如何确定其对应的辅助过程变量；数据处理指对于辅助变量的原始测量数据，如何进行过失误差侦破、剔除和数据校正；软测量模型的建立指的是如何通过各种信息和数据确定过程模型；软测量模型的在线校正则指在过程状态发生变化时，如何进行模型自身的调整。
　　经过长期的理论和应用研究，我们认为软测量方法本身具有相似之处，提出了通用软测量技术的概念，形成了通用的产品化软测量软件包。软测量技术的通用化需要着重解决的问题有两个方面，一是建立通用的软测量模型；二是解决针对具体生产过程的二次变量选择问题。只有这两个方面的问题得到解决，才能真正实现软测量技术的通用化。
　　针对上述两个问题，我们建立了一套面向数据的解决方案。在这套方法中对二次变量的选择和软测量模型的建立完全不依赖于过程的机理模型，而是直接使用来自生产设备和调度室的过程历史纪录数据，通过对这些数据进行相关分析和因子分析，得出影响待估变量的主要可测变量。然后对历史数据进行适当聚类和整理后，构成建立软测量模型的样本数据。软测量模型采用学习速度较快，逼近精度较高的RBF神经网络，并采用正交最小二乘算法使软测量模型可以根据具体过程自动调整神经网络的结构，以满足软测量模型的通用化。
　　根据上述思路，我们建立了面向数据的通用软测量软件包，在实际生产过程中使用该软件包时，具体工作流程如图2所示。其中前两步由人工针对具体的生产过程完成，后4步由软测量软件包完成。