基于SVM的打漿度軟測量建模及應用

湯 偉 邱錦強,* 劉慶立 胡連華

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

?

·打漿度軟測量建?！?/p>

基于SVM的打漿度軟測量建模及應用

湯 偉1,2邱錦強1,2,*劉慶立2胡連華1,2

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

針對打漿度在線直接測量的難點,采用SVM(支持向量機)算法,通過實際采集的數據建立工業現場的打漿度軟測量模型。使用OPC技術建立數學軟件MATLAB與組態軟件WINCC之間的數據交換通道,實現了打漿過程打漿度的在線軟測量。

SVM;軟測量;OPC

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

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

迄今,造紙技術中的軟測量技術成為一個重要的課題。制漿造紙生產過程中,有相當一部分過程無法實施計算機控制系統,其原因在于一些需要加以嚴格控制的、與產品質量密切相關的過程量的檢測難以在線實現。近年來,在制漿造紙領域中,已經成功應用神經網絡進行打漿度軟測量建模,其中比較有代表性的是RBF神經網絡[2],但是依然存在一些缺陷。神經網絡需要事先指定啟發式算法,難以保證網絡結構的最優化,尤其是在多重網絡中。其次網絡權系數的調整方法有局限性,同時容易陷入局部最優。而SVM(支持向量機)算法采用結構風險最小化原則,可以是訓練誤差最小化同時可以提高模型的泛化能力。同時在問題的求解上,將機器學習問題轉化為一個二次規劃問題,可以得到唯一的全局最優解[3]?；诖?筆者設計開發了基于SVM算法的軟測量系統,并將其應用于實際的生產線中。

1 基于SVM算法的軟測量建模

軟測量技術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系,通過對可測變量檢測、變換和計算,間接得到待測變量的估計值,軟測量模型的輸出可作為過程控制系統狀態的變量或輸出變量的估計值,送入控制裝置,參與反饋控制,軟測量系統實現的基本框架如圖1所示。

圖1 SVM軟測量系統框架模型

測量裝置從工業現場中獲取用于估計主變量的輔助變量。經過數據處理,完成輸入數據的二次變量的選擇,將存在顯著誤差的數據提出,進行隨機誤差過濾,消除冗余數據,并實現數據的歸一化處理,通過SVM軟測量模型對待測變量進行最優估計,估計值作為控制系統的反饋變量,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非線性函數估計器,完成輸入數據和輸出數據的非線性映射,而不必關心對象的具體結構及其機理。

1.1 軟測量建模問題的描述

設有n個樣本(x1,y1)(x2,y2),…,(xn,yn),其中yi屬于R,i=1,2,…,n用函數f進行擬合的期望風險定義為式(1)。

R=∫L(y,f(x))dF(x,y)

(1)

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

(2)

(3)

基于SVM的線性回歸方法就是求式(4)的最優解。

(4)

其中C是懲罰系數。在計算時一般將其轉化為對偶問題進行求解(見式(5))。

(5)

1.2 非線性建模

在實際應用中,實際對象可能非常復雜,線性模型難以滿足實際的需要,此時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)通過一個非線性變換x→h(x),將輸入空間重點樣本xi映射到一個高維的特征空間。

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

則式(5)中的目標函數就會變成式(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增加,不僅會增大計算量,而且會使程序設計的復雜性提升。考慮到目標函數和相應回歸函數中只涉及內積運算。由泛函相關理論,映射到高維空間的內積運算可以由原本低維空間的一個核函數K(xi,xj)進行代換。所以在處理非線性問題的時候可以不進行非線性變換,直接由核函數代替高維空間下線性建模的內積〈h(xi),h(xj)〉。通過計算低維空間的核函數來省略計算低維控制到高維空間的非線性運算,同時也避免了計算高維空間的內積運算,可以大大簡化計算量。從而可以得到運用核函數非線性建模的目標函數式(7)。

(7)

核函數的引入使得可以在低維的輸入空間就建立起相應模型,滿足Mercer條件的對稱正實數函數都可以作為核函數[4-5]。常用的核函數有：

圖2 三盤磨打漿工藝流程

多項式核函數,K(x,xi)=[(xxi)+1]q

Sigmoid核函數,K(x,xi)=tanh(v(xxi)+c)

圖3 SVM模型預測輸出

圖4 SVM模型預測誤差

2 軟測量模型的應用

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進行分散、碎解,碎解后的漿料進入漿池,之后經過第一級調濃送入高濃除砂器進一步除去雜質,加強對盤磨的保護,出口有回流通道,通過恒壓控制來保證盤磨進料穩定。高濃除砂器出口的漿料進入三盤磨打漿。

根據現場磨漿的流程和實際測得的數據,可以得出打漿度與出漿流量F、漿濃度c、電機功率W有直接的關系[6]。根據軟測量思想可以建立打漿度軟測量模型[7]：

(8)

實際測量的8組打漿度數據見表1。

表1 實際測量數據表

通過MATLAB軟件進行SVM建模,使用現場采集來的120組數據做訓練樣本,30組數據用以檢驗。

SVM建模預測輸出和預測誤差曲線如圖3和圖4所示。

從圖3和圖4的結果可以看出，基于SVM算法所建立的軟測量模型精度還是很高的,30組檢測數據的最大正偏值和最大負偏值分別為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,平方相關系數(squared correlation coefficient)為0.7510,完全可以滿足工業生產中的需求。

圖6 打漿度SVM軟測量模型實現方案

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,受到生產原料、產品產量甚至是環境氣候改變的影響,工作點會有所偏離。磨漿控制系統中,盤磨刀片隨著使用時間延長造成的損耗,是造成盤磨工作點偏移的最主要的原因。隨著系統運行時間的不斷增加,盤磨刀片的磨漿效果會隨之下降,達到相同成漿質量要求需要的盤磨機主電機功率增大。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。首先它是一個漫長的過程,其次,實際應用現場,在沒有專業機械設備維護人員在場的情況下,不能頻繁地將盤磨拆開進行盤磨刀片磨損的測量。除了刀片磨損,類似氣候變化導致的溫度變化,所用漿板種類的變化等這些差異都會導致軟測量模型的應用效果變差。

軟測量模型的校正,一般可以從優化模型結構及隨著時間的變化修正模型參數兩個方面去進行。通過SVM算法建立的模型結構是固定的,同時所調整的懲罰參數C,不敏感系數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。在數據樣本的數據結構沒有發生突變時,短期內應用效果不會改變。

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

現場項目具體的控制是基于S7- 400的DCS控制系統實現的,具體的DCS結構不再贅述。打漿度軟測量方案的系統也嵌套在這套系統中,具體實現方案是實際實施的三盤磨磨漿設備及周圍設備為整體控制對象,以西門子S7- 400PLC作為下位機,對現場設備數據進行采集。西門子的組態軟件WINCC為數據總控平臺,并且作為OPC服務器,同時上位機運行MATLAB軟件,執行SVM算法運行、數據交換、結果分析等任務[8]。具體打漿度SVM軟測量模型實現方案框圖如6所示。

系統運行時,軟測量模型對整個磨漿系統起到指導作用,并未實際參與當中任何設備的控制。所以在畫面設計上軟測量模型應盡量簡潔,實際運行畫面如圖7所示。

圖7 系統運行實際畫面

實際運行過程中,用戶只需要將漿料的初始打漿度(°SR0)寫入畫面中相應的I/O域中,通過WINCC變量將其與其他相關的二次變量通過OPC技術輸出至MATLAB中,通過MATLAB中所建好的SVM模型進行運算,之后將結果寫入WINCC相應變量中,最后在畫面中顯示,對整體磨漿系統的運行情況做一個反饋[9]。

5 結 論

通過現場采集的相應數據,運用SVM算法,建立了打漿度的軟測量模型。使用實際的樣本檢驗,表明建立的算法模型可以有效地預測設備當前運行工況下的打漿度。通過OPC技術使MATLAB和WINCC變量之間進行交換。成功地實現了對打漿度的在線測量,并將其顯示在上位機中。對實際生產起到了監督指導作用。

[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. 基于軟測量技術的打漿度測試儀的設計與應用[J]. 控制與自動化, 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化控制[J]. 中國造紙學報, 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. 工業過程軟測量研究[J]. 濟南大學學報(自然科學版), 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. 軟測量技術在打漿度測量和控制中的應用[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. 基于軟測量技術的中濃打漿過程優化控制[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通信技術的火電廠DCS后臺控制[J]. 電力自動化設備, 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[J]. 計算機測量與控制, 2010, 18(10): 2296.

(責任編輯：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：工業智能控制及工業高級過程控制。

2016- 04-11(修改稿)

陜西省重點科技創新團隊計劃項目(2014KCT-15)。

TS736

A

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

*通信作者：邱錦強先生，E-mail：576796719@qq.com。