專利名稱：在線校準過程的制作方法
技術領域：
本發(fā)明涉及輸入/輸出模型的自動化在線校準。
背景技術：
已知在過程控制系統(tǒng)中，在從容易獲得的原始過程測量(通常稱為輸入)中對某些，更適宜地，關鍵的過程質量和/或特性參數(shù)(通常稱為輸出)的實時預測中使用一個或多個所謂的質量估算量(在這里后面稱為QE)。這樣，QE實質上是在預測的相關過程值上設計的一個數(shù)學的輸入/輸出過程。
QE通常從采集的過程數(shù)據(jù)確定。為了在實時實現(xiàn)方面具有一個有用的價值，QE不得不使用歷史上的質量測量來校準，這可以在線或離線進行，取決于過程的類型和/或觀察的測量的類型，目的是減小，或最佳地避免在預測的量中的任何漂移。QE被最佳地運用在允許對產品質量的少有的和/或延遲的測量的情況下。這可以是這樣的情況，例如當需要產生測量的值的時間是相當長的或者當方法是相對昂貴的時候。
在QE的自動化在線校準過程中要面對許多困難，象變化的或不確定的過程/測量空載時間和在QE輸入和測量的質量之間的動態(tài)的出現(xiàn)，還有通常稱為處理增益的現(xiàn)象，即在輸入和輸出之間的比值上的漂移的一種現(xiàn)象。
為了克服這些不期望的情形，當它們應用的過程是處于它的所謂的穩(wěn)態(tài)，即在過程流質是均勻的并且在工作的入口和出口處的組成、狀態(tài)和速度上是恒定的情況下，通常要校準QE。盡管這些校準將對要監(jiān)控的系統(tǒng)給出好的結果，仍然被認為是次優(yōu)的，原因是可獲得的動態(tài)信息沒被使用。這是因為校準不得不等待直到過程已到達一個穩(wěn)態(tài)的工作點。而且為了知道校準何時能夠開始，需要一個穩(wěn)態(tài)檢測器的存在。

發(fā)明內容
現(xiàn)在已經發(fā)現(xiàn)通過應用根據(jù)本發(fā)明的過程，在這里前面所說的缺點能夠被減小或者甚至被克服，本發(fā)明的過程允許一種實時方法以一種健全的方式用于自動化在線校準。根據(jù)本發(fā)明的健全的質量估算量(RQE)提供一種更準確和健全的質量預測，它改進了它應用的任何質量控制方案的性能。例如，當過程是這樣的穩(wěn)態(tài)增益和/或在處理的變量和受控的質量之間的動態(tài)(例如空載時間)在某些確定的邊界內以一種不可預測的方式變化時，它改進了一個線性模型預測性的控制器的性能。而且，它同時被用來實現(xiàn)對具有不利的動態(tài)性能的任何過程變量的閉環(huán)控制。
本發(fā)明由此涉及一種用于從原始的過程測量中對用于過程質量的實時預測的過程模型的自動化在線校準的方法，該方法包含a)采集原始過程數(shù)據(jù)，b)通過過程模型處理在步驟a)中采集的數(shù)據(jù)來獲得質量的預測，c)通過動態(tài)轉移函數(shù)處理該預測，從而產生兩個中間信號，d)存儲在步驟c)中獲得的兩個中間信號作為歷史上的時間的函數(shù)，e)在對應于最小和最大的特定空載時間的一個時間周期中，從歷史中的質量的真實和驗證的測量的時間上檢索兩個中間信號的絕對的最小和最大值，這些值定義最小和最大的預測可能值，f)計算作為真實和驗證的測量之間的差別的偏差值和在步驟e)中獲得的最小和最大預測可能值之間包含的區(qū)域，g)如果在步驟f)中獲得的偏差的絕對值是零，就繼續(xù)步驟i)，或者如果在步驟f)中獲得的偏差的絕對值大于零，就繼續(xù)步驟h)，h)把偏差值插入到過程模型中，并且i)重復步驟a)--h)。
用本發(fā)明的方法校準的過程模型，適合的是一種所謂的輸入一輸出參數(shù)化模型，它是從歷史上的過程數(shù)據(jù)和質量測量中離線獲得的。這樣的模型的例子是在例如由Montgomery和Peck，JohnWiley&Sons，1992所寫的“線性回歸分析導言”(“Introduction tolinear regression analysis”)中描述的多個線性回歸，和例如在由Keilath，Prentice-Hall所寫的“線性系統(tǒng)”(“Linear System”)，信息與系統(tǒng)科學叢書，1980中描述的線性動態(tài)模型(在拉普拉斯變換域)和在例如由T.Poggio和F.Girosi.所寫的“用于估計和學習的網絡”(“Network for approximation and learning”)，IEEE會議錄，78(9)1485-1497，1990年9月中描述的徑向偏置函數(shù)神經網絡(可選地用高斯函數(shù))。取決于應用的過程模型的本質和接收的原始材料數(shù)據(jù)的類型，那些在本技術領域中的熟練人員可以選擇最適合感知的目標的質量估算的過程模型的類型。


使用下面的圖形使得示意本發(fā)明的方法更加清楚。
圖1是示意本發(fā)明的方法的最佳實施例的一個功能性方框圖。
圖2是示意本發(fā)明的方法的不同術語的一個圖形。
圖3是由一個質量估算量控制的一個蒸餾柱的一個簡化流程圖。
圖4表示在執(zhí)行改變過程的設置點的步驟之后，期望的質量的最小和最大值的動態(tài)響應。
圖5示意在一個在線質量估算量被插入到控制環(huán)路中之前和之后的改進的蒸餾操作。
具體實施例方式
圖1表示具有來自原始過程數(shù)據(jù)(2)的輸入的一個過程模型(1)。過程模型(1)提供一個可被用作可以控制例如一個閥(未表示)的控制器(12)的輸入的一個估計質量(11)。圖1同時表示其中執(zhí)行步驟(c)和(d)的一個模塊(3)。進一步表示的是一個驗證模塊(5)，它驗證了真實的質量測量(4)來獲得一個真實的和驗證的質量測量(6)。根據(jù)來自模塊(3)和真實的和驗證的質量測量(6)的輸入，一個偏差在(7)中被計算。如果如在步驟(g)中描述的偏差大于0，那么偏差(8)被用于過程模型(1)的校準，最佳地通過使用卡爾曼濾波器(9)。
在根據(jù)本發(fā)明的方法中被使用的在步驟(a)中原始過程數(shù)據(jù)(2)的采集可以通過在本領域已知的方法來實現(xiàn)。通常在過程控制技術中經一段時間在多個點上測量數(shù)據(jù)(2)。例如，在提純操作中，象溫度、壓力和流量的工作參數(shù)通常以頻繁的間隔，或者甚至以一種連續(xù)的方式測量，并且它們以那些本技術領域的熟練人員熟知的許多方式被存儲和處理。
為了獲得在采集的原始過程數(shù)據(jù)(2)之外的質量(11)的預測，上面提到的過程模型(1)可以在步驟(b)中使用。步驟(b)于是是質量預測步驟。
步驟(c)在用于自動化在線校準的方法中是一個必須的步驟。這個步驟和進一步的步驟同時通過利用圖2來示意。在這些步驟中，執(zhí)行了在質量的真實的和驗證測量的時間上的最小和最大預測的可能值的計算。步驟(c)適合地通過應用兩個動態(tài)轉換函數(shù)(所謂的不確定動態(tài))到質量(11)(未延遲的真實時間)的預測中來執(zhí)行，這樣創(chuàng)建了兩個中間信號。適合地應用兩個或多個獨立的動態(tài)轉換函數(shù)。動態(tài)轉換函數(shù)對于一個本技術領域的熟練人員是熟知的方法，例如在由Keilath，Prentice-Hall所寫的“線性系統(tǒng)”，信息與系統(tǒng)科學叢書，1980中作了描述。在步驟(d)中，這些中間信號(20,21)被作為歷史中的一個時間的函數(shù)來存儲。這實質上將導致在實際的處理響應應該放置的并且當達到穩(wěn)態(tài)條件(23,24)時將變得非常窄的一個(不確定性)區(qū)域(22)。同時可能的是在一個非穩(wěn)態(tài)情況中，不確定性區(qū)域(22)被降低到一個對應于其中獨立的動態(tài)轉換函數(shù)是相同的情況的一條線(這種情況未在圖2中表示)。所謂的最小和最大的預測可能值是通過在對應于最小(25)和最大(26)的特定的空載時間的一個時間周期中，從歷史上計算這些兩個中間信號(20,21)的絕對最小值(27)和最大值(28)來獲得?？蛰d時間是相對于真實的質量被測量的位置、被測量的真實質量的時間和其它例如流量速率和液體保持的過程條件的質量估算量的虛擬位置的一個函數(shù)。空載時間可以很容易地由本領域的熟練人員來確定。從這個輸入，一個最大(26)和最小(25)空載時間被定義為代表過程歷史的時間周期，其中在步驟(f)中真實的和驗證的質量的測量(29-＞29’)與預測的質量的區(qū)域(22)和特定的最小(27)和最大(28)可能的質量值進行比較。
在達到穩(wěn)態(tài)條件之前，區(qū)域(22)可以是非常寬的?，F(xiàn)有技術的系統(tǒng)或者只在穩(wěn)態(tài)期間校準或者有在質量的真實的和驗證的測量在上面提到的區(qū)域之內的情況下作錯誤的校準的風險。然而，根據(jù)本發(fā)明的方法被特別地設計只有當質量的真實的和驗證的測量(29)在不確定度區(qū)域(22)之外時才校準，這樣防止了在閉環(huán)中的不穩(wěn)定。有利地是，根據(jù)本發(fā)明的校準方法可以在穩(wěn)態(tài)和非穩(wěn)態(tài)條件下執(zhí)行。
在根據(jù)本發(fā)明的方法中的步驟(e)中，校準過程的一部分通過計算在真實和驗證的測量(29’)之間的距離作為的偏差(30)(所謂的預測誤差)和如從前面的計算中獲得的在最小(27)和最大(28)預測可能值之間包含的區(qū)域(22)來實現(xiàn)。
質量的真實的和后來驗證的測量(29)可以是質量的在線或離線測量。要測量的質量可以是過程流或產品的特性，例如象粘度、粘度指數(shù)、蒸汽壓力、沸點、自由和混濁點，密度、辛烷數(shù)和十六烷數(shù)，和例如象硫磺含量、芳香族含量、苯含量和石蠟含量的組份信息同時可以以頻繁的間隔或者甚至連續(xù)的方式通過利用離線或者在線的分析裝置被測量。這樣的裝置可以利用例如在線測粘分析儀，GLC或NMR分析儀直接測量特性。質量同時可以通過利用例如在用于測量辛烷數(shù)的歐洲專利EP-A-285251中描述的近紅外線的預測方法來非直接地測量。
在步驟(g)中，質量的真實的和驗證的測量的用于校準目的的可用性被確定。只有在不確定度區(qū)域(22)之外的質量的測量(29’)可以被用于模型的校準。換言之，如果如在這里上面描述的偏差(30)的計算表示獲得的偏移量的絕對值是0，意味著質量的驗證的和真實的測量在不確定度區(qū)域(22)內或更確切地，在最小(27)和最大(28)可能的質量值之間，那么得到的偏差(30)不用作校準過程的進一步的輸入，而系統(tǒng)將通過重復到現(xiàn)在為止執(zhí)行的步驟來繼續(xù)，因為這里不需要改進該系統(tǒng)。然而，如果計算的偏差(30)表示偏差(30)的絕對值大于0，如圖2中所示的，那么獲得的偏差(30)將在步驟(h)中被插入到過程模型中并且前面的步驟將被重復(步驟i)。凈結果將是產生一個變更的，更精確的，預測性的過程模型，之后它將根據(jù)在校準過程期間觀察的偏差的水平，用作進一步變更的基礎。
最佳地執(zhí)行步驟(h)，以便使用卡爾曼濾波器(9)(見圖1)將偏差(8)插入到過程模型(1)中。以這樣一個方式執(zhí)行步驟(h)的結果是偏差通過調整它的線性參數(shù)由此更新了預測帶并改進了過程模型，被插入到過程模型中?？柭鼮V波器的使用是過程控制操作領域中熟知的?？梢詤⒖糐azwinsik所寫的“隨機過程和濾波理論”(科學出版社，數(shù)學和科學工程，vo1.64,1970)。由于卡爾曼濾波器實質上是最優(yōu)的隨機濾波器，它們同時濾除或者甚至去除在測量的質量上的噪聲，這使得它們非常適合使用根據(jù)本發(fā)明的方法。
應該注意使用卡爾曼濾波器不限于在非穩(wěn)態(tài)條件下實現(xiàn)的校準操作，原因是當一個過程被在穩(wěn)態(tài)條件下操作時，它同樣能夠提供有用的信息。
已經發(fā)現(xiàn)通過把卡爾曼濾波器與根據(jù)本發(fā)明的過程相結合，可以獲得一個甚至更健全的控制方法?？柭鼮V波器的使用具有附加的優(yōu)點，即它將改進質量估算過程的準確度。在沒有質量的真實的和驗證的測量被接收的情況下，如在步驟e，f和g中定義的校準不能被實現(xiàn)。系統(tǒng)將重復步驟a-d直到另一個質量的真實的和驗證的測量被接收。
如在本發(fā)明中描述的校準過程可以被推斷用于健全的多變量預測性控制器以覆蓋用于在操作的變量和受控的變量之間的所有轉移函數(shù)的控制模型中的不確定的動態(tài)。
本發(fā)明的方法的進一步的優(yōu)點是由本發(fā)明的方法執(zhí)行的校準過程(上面描述的步驟)的副產品，預測的實時準確度在任何時間是確切知道的(經由計算的預測誤差或偏差(30))。這避免了傳統(tǒng)的質量估算量所要求的為了驗證目的的成本高和昂貴的質量測量活動。
用于本發(fā)明的應用的例子為蒸餾過程，其中由質量估算量所估計的質量是例如在蒸餾中獲得的部分的組成、粘度、密度或沸點。在步驟(a)中采集的原始處理數(shù)據(jù)可以是流量速度、輸入和產出溫度、托盤溫度、塔頂餾出物溫度(overhead temperature)、系統(tǒng)溫度、逆流比、循環(huán)逆流負載和再沸騰負載。示例的蒸餾過程是天然蒸餾器，真空蒸餾器，輕端分離器例如解乙烷器、解丙烷器、解丁烷器、乙烯-乙烷分離器、丙烯-丙烷分離器、丁烯-丁烷分離器。
轉換過程，其中由質量估算量所估計的質量是例如在轉換中獲得的產品的組成或產量、粘度、密度或沸點、辛烷數(shù)，十六烷數(shù)、熔化指數(shù)的質量。在步驟(a)中采集的原始處理數(shù)據(jù)可以是流量速度、流入組成、密度、催化劑壽命或溫度。示例的轉換過程是多聚合的過程，氫化裂解、流體催化裂化、氫化處理、加氫處理，氫化、加氫脫硫、(氫)脫蠟、加氫異構、重組或延遲煉焦。
混合過程，其中由質量估算量所估計的質量可以是辛烷數(shù)或十六烷數(shù)、粘度、粘度指數(shù)、沸點或組成。在步驟(a)中采集的原始過程數(shù)據(jù)可以是緩存罐上行流的不同輸入流或組成數(shù)據(jù)的溫度。
根據(jù)本發(fā)明的健全的質量估算量的應用和優(yōu)點是由下面對在圖3中所示一個簡單的兩個通路的分離器的控制的更詳細的描述所示意。該圖表示一個蒸餾塔(33)的示意圖，配置了一個流入口(34)和頂端產物出口管道(31)和底端產物出口管道(35)。該裝置進一步配置了一個冷凝器(36)、一個塔頂冷凝鼓(38)和一個再沸器(37)。各種控制被提供一個液面控制(39)，一個高端溫度控制(40)，一個液面控制(41)和一個再沸控制(42)。頂端產物(31)的真實質量由一個連續(xù)分析儀(32)測量。這個質量例如可以是一個最終的沸點或雜質容量(在頂端產物中的重產物的量)。
這樣一個蒸餾過程通過改變作用在逆流閥(42)上的爐頂溫度控制器(40)的設定點，將隨后作為例如對爐頂溫度的測試的步驟。由分析儀(32)測量的質量將呈現(xiàn)空載時間的某些一階動態(tài)。空載時間從蒸餾塔(33)的頂端的運送開始到分析儀的采樣點(32)。這個時間依賴于生產多少產品并相應地變化(導致一個不確定的空載時間現(xiàn)象)。如果現(xiàn)在我們看動態(tài)響應，在塔頂冷凝鼓(38)中的液體容納量很少(對應于一個低的液面)的情況下，慢的動態(tài)將出現(xiàn)，反之亦然(導致一個不確定的動態(tài)現(xiàn)象)。包括空載時間的動態(tài)響應于是受在塔頂冷凝鼓(38)上的液面控制器LC(39)影響。通過以上步驟，最小和最大的空載時間可以被確定。
圖4表示在爐頂溫度控制器(40)上的這個測試步驟的可能的響應。在y軸上，由分析儀(32)測量的質量被畫出。在x軸上時間被畫出。在時間(t1)上溫度步驟如由線(51)所示的來執(zhí)行。在一個最小的空載時間(52)和一個最大的空載時間(53)之間，在(32)上測量的質量將開始從穩(wěn)態(tài)質量(56)變?yōu)橄乱粋€穩(wěn)態(tài)質量(57)。在穩(wěn)態(tài)質量測量(56)和(57)之間，在(32)上測量的質量可以在最小質量預測可能值(55)和最大質量預測可能值(56)之間變化。在如圖4中所示的條件下并忽視控制器類型(例如，一個模型預測控制器)的類型，當受控的變量是來自分析儀(32)的測量的質量時，控制器要獲得嚴格的質量控制是非常困難的。這是由于在最高溫度和如上面解釋的并在圖4中表示的由分析儀測量的質量之間變化的空載時間和不確定的動態(tài)。
以上的缺點通過在蒸餾塔的頂端部分處根據(jù)本發(fā)明的方法在線被校準的健全的質量估算量(RQE)(在圖3中的43)對質量進行估計來克服。這個RQE的預測性的過程模型是運用例如在蒸餾塔中的關鍵溫度、壓力和流量速率的原始過程測量。通過控制基于由虛擬分析儀(RQE)(43)而不是真實的分析儀估計的質量的過程，所有困難的現(xiàn)象，例如由于采樣點的位置引起的變化的空載時間/動態(tài)和/或例如由于工作點的變化引起的變化的增益的現(xiàn)象已從控制環(huán)路中被去除。實時分析儀(32)依次提供真實的和之后的驗證的測量用于根據(jù)本發(fā)明的預測性過程模型的健全的校準。這樣RQE(43)將提供給控制器對產品質量的一個早期和精確的預測。
上面的方法已被實際應用到一個商業(yè)的苯-甲苯分離器中。在這個蒸餾裝置中，苯和甲苯通過蒸餾的提取被恢復。生產的目的是為了使苯中甲苯雜質的量維持在某個最高限之下。當這個最高限被超過時，產品必須被重新處理，導致了生產能力的降低。商業(yè)的甲苯/苯分離器已知是一個難于控制的蒸餾塔。蒸餾塔有一個非線性的響應。一個例如在圖3中表示的在線分析儀測量塔頂產物的質量。典型地，連續(xù)分析儀用幾分鐘來檢測產物的質量中的變化。這個分析儀的響應時間同時依靠通過蒸餾塔的生產率。這意味著分析儀在較低的產出率期間慢于反映產品質量的變化。原來的多變量預測性控制器(MPC)對于在空載時間中大的變化和處理非線性時是非健全的。
MPC控制器隨后被變更來控制預測性的質量，即虛擬分析儀或分析儀預測器(43)而不是真實的分析儀(32)(見圖3)。RQE允許苯的質量的早期預測，而不必等待在塔頂線路中的傳輸延遲，和由于分析儀自身的測量延遲。RQE被從在線分析儀的測量根據(jù)本發(fā)明周期性地校準來調整任何過程的非線性/擾動。圖5表示在RQE被插入到在“155”天上的控制環(huán)路中之后性能的改進-更嚴格地控制。在y軸上，0值是指期望的或設定點的值。在y軸上的變化是分析儀(32)輸出的歸一化后的變化。圖5明顯地表示當控制單獨在質量(32)上執(zhí)行時的變化比在“155”天之后當RQE(43)被用來控制產品(31)的質量時要大。在嚴格的圖表中，芬芳族的設備已生產大約640t/d(200ktpa)的苯。在控制環(huán)路中結合RQE實現(xiàn)了一種情況，其中現(xiàn)在設備已具有生產至少850t/d(287ktpa)的能力。這導致了一個記錄生產年，盡管有37天用于主要計劃的維護工作，工廠停工并且在這一年剩余的工作日由于缺少從精煉之外可獲得的原料不得不降低一些產量。
權利要求
1.一種用于從原始的過程測量中用于對過程質量的實時預測的過程模型的自動化在線校準的方法，該方法包含a)采集原始過程數(shù)據(jù)，b)通過過程模型處理在步驟a)中采集的數(shù)據(jù)來獲得對質量的預測，c)通過動態(tài)轉移函數(shù)處理該預測，從而產生兩個中間信號，d)存儲在步驟c)中獲得的兩個中間信號作為歷史上的時間的函數(shù)，e)在對應于最小和最大的特定空載時間的一個時間周期中，從歷史中的質量的真實和驗證的測量的時間上檢索兩個中間信號的絕對的最小和最大值，這些值定義最小和最大的預測可能值，f)計算作為真實和驗證的測量之間的差別的偏差值和在步驟e)中獲得的最小和最大預測可能值之間包含的區(qū)域，g)如果在步驟f)中獲得的偏差的絕對值是零，就繼續(xù)步驟i)，或者如果在步驟f)中獲得的偏差的絕對值大于零，就繼續(xù)步驟h)，h)把偏差值插入到過程模型中，并且i)重復步驟a)--h)。
2.根據(jù)權利要求1的方法，其特征在于，使用一個多線性回歸模型作為過程模型。
3.根據(jù)權利要求1的方法，其特征在于，使用一個線性動態(tài)模型作為過程模型。
4.根據(jù)權利要求1的方法，其特征在于，使用一個徑向偏置函數(shù)神經網絡作為過程模型。
5.根據(jù)權利要求1-4的一個或多個的方法，其特征在于，在步驟h)中一個卡爾曼濾波器方法被用來通過調整它的線性參數(shù)從而通過自學更新預測和改進過程模型，從而把偏移量插入到過程模型中。
6.根據(jù)權利要求5的方法，其特征在于，在步驟h)中在過程的非穩(wěn)態(tài)條件下使用卡爾曼濾波器。
7.根據(jù)權利要求1-6的任何一個的方法，其特征在于，在步驟(c)中的預測通過兩個獨立的動態(tài)轉移函數(shù)來被處理。
全文摘要
本發(fā)明涉及一種用于從原始的過程測量中對用于過程質量的實時預測的過程模型的自動化在線校準的方法，通過采集原始過程數(shù)據(jù)，通過一個數(shù)學模型處理采集的數(shù)據(jù)來獲得對質量的預測，通過兩個獨立的動態(tài)轉移函數(shù)處理該預測，從而產生兩個中間信號，存儲獲得的兩個中間信號作為歷史上的時間的函數(shù)，在對應于最小和最大的特定空載時間的一個時間周期中，從歷史中的質量的真實和驗證的測量的時間上檢索兩個中間信號的絕對的最小和最大值，這些值定義最小和最大的預測可能值，計算作為真實的和驗證的測量之間的差別的偏差值和獲得的最小和最大預測可能值之間包含的區(qū)域。
文檔編號G05B13/04GK1443317SQ01812951
公開日2003年9月17日 申請日期2001年7月17日 優(yōu)先權日2000年7月19日
發(fā)明者威姆·赫普凱斯, 弗雷德里克·維爾 申請人:國際殼牌研究有限公司