李红卫，王伯槐，陈小辉

（榆林学院 信息工程学院，陕西 榆林 719000）

软测量技术在循环水浓缩倍率计算中的应用

李红卫，王伯槐，陈小辉

（榆林学院 信息工程学院，陕西 榆林 719000）

在火电厂循环水处理工艺中，浓缩倍率难以有效在线实时测量。而单纯依靠化验室对水质采样分析来计算控制，不仅需要配置实验设备，而且手工操作，存在实验参数、条件不易控制等问题。文中使用软测量技术，通过建立易测量的水质核心参数与浓缩倍率之间的BP神经网络模型，来对浓缩倍率进行估计，提高了浓缩倍率计算的准确性和水质控制效果。

软测量；浓缩倍率；神经网络；建模

在火电厂循环水处理工艺中，浓缩倍率难以有效在线实时测量，而单纯依靠化验室对水质采样分析来计算控制。不仅需要配置实验设备，而且手工操作，存在实验参数、条件不易控制等问题。可使用软测量技术，通过建立易测量的水质核心参数与浓缩倍率之间的数学模型，来对浓缩倍率进行估计，可减少传统实验方法因信息反馈的滞后性和人为误差带来的不利影响。

1 软测量模型

软测量模型本质上是要完成由辅助变量构成的可测信息集到主导变量估计的映射集。通过辅助变量来获得对主导变量的最佳估计，而不是强调过程中输入输出变量间的函数关系。图1为工业过程软测量基本框图[1]。d和u分别表示可测的干扰和控制变量；可测输出变量y、控制输入变量u和θ作为软测量模型的辅助变量输入，y*作为被估计变量软测量模型的输出，并用离线测量值y对软测量模型进行校正。目前，软测量的建模方法主要有机理分析方法、统计方法和神经网络技术3种。文中的浓缩倍率软测量技术的实现就采用了BP神经网络模型。

图1 工业过程软测量模型基本框图Fig. 1 Basic diagram of the industrial processes soft measurement model

国华神东自备电厂循环冷却水系统，由于技术或经济原因，目前浓缩倍率尚难或无法通过传感器进行在线检测，而浓缩倍率在火电厂循环冷却水系统中是必须严格控制的重要参数。目前，火电厂对浓缩倍率的检测都是通过取样离线分析得到。但是与浓缩倍率相关的一些参数可以实现在线实时检测。浓缩倍率采用浓缩中既不被引入、也不会损失的化学离子的浓缩来表示。与浓缩倍率相关的水质核心参数有电导率、硬度、碱度、pH值等，这些参数都可以实时在线检测[2-3]。因此，选择这些工艺参数作为浓缩倍率变量相关的辅助变量，并相应定义为X1～X6。y*为被估计的主导变量浓缩倍率。

但手术比较费时间，对麻醉的要求高，比较适合择期手术。切口的延长受限，手术中暴露的视野有限，不能广泛探查。从切皮到胎儿娩出的时间要长于纵切口。

虽然前列腺等离子电切技术安全性高于普通单极电切，但是绝大多数前列腺增生患者为高龄人群，且多合并各种基础疾病。因此，安全有效地使用该技术对确保医疗安全、提高前列腺增生患者的生活质量具有重要意义。

X1---碱度，单位mg/L；

X2---硬度；单位mg/L

二是做学问要“持世而救偏”。章学诚说：“学问经世，文章垂训，如医师之药石偏枯，亦视世之寡有者而已矣。以学问文章徇世之所尚，是犹既饱而进粱肉，既暖而增狐貉也。”[4]章学诚在致钱大昕的书札中说：“惟世俗风尚，必有所偏……苟欲有所救挽，则必逆于时趋。”[5]他看到了当时的考据学，已脱离了社会现实，所以要“逆于时趋”，而救挽学术。章学诚倡导学术研究不能趋于时俗，而应“持世救偏”,让学术风气回归中正，让学问真正为世所用。

在软测量应用的实践中，必须采集大量的样本数据和对这些数据进行处理，包括用于软测量建模和对模型校验以及辅助变量的测量采集的数据等。这些数据由于各种环境干扰和测量误差等原因，必须通过一些统计和变换的方法对这些数据进行处理，以保证所建立的软测量模型以及对主变量的估计更加准确。

X5---氯根，单位mg/L

根据上述选取的辅助变量，建立基于BP神经网络的浓缩倍率预测模型。

X6---电导率，单位µs/cm。

样本数据来自电厂循环水极限浓缩倍率测定试验，样本数据共12组，如表1所示。将表中前六项（列）水质指标作为循环冷却水浓缩倍率计算预测因子，并作为第一层神经元的输入数据，将第七项（列）的浓缩倍率作为网络对应的期望值(目标数据)。因此，网络的输入为一个10行6列的矩阵输入，输出为1维的向量。同时，将表中前10个样本作为训练样本，用来建立神经网络模型，后2个样本作为所建模型的测试样本。

由于神经网络模型中传递函数的值区间为（0, 1），所以，

2 BP神经网络软测量建模

2.1 数据采集和预处理

X4---pH 值；

“我今儿没有好茶饭，只有山歌敬亲人……”一听到这熟悉的旋律，就让人想起1961年版的电影《刘三姐》。现在虽说已是七十多岁的老人，“刘三姐”黄婉秋的皮肤依旧白皙而有弹性，气色还特别好，她是怎么保养的呢？这其中有何秘诀？

由于MRI的引进，中心相关科室由此带来的病源流失会减少，收容病种的数量和质量会增加，特别是对骨科和心脑血管技术水平的提升起到了积极作用，中心品牌效应得到提升。虽然经济效益对中心的发展至关重要，但追求经济效益不是中心的唯一目标，提高患者认可度，为社会减轻压力是中心应尽的社会责任，也是中心一贯坚持的目标。

X3---钙硬度，单位mg/L；

表1 循环水最佳工况分析水质指标Tab.1 Re-circulating water quality index analysis under the optimum working condition

必须对原始样本数据进行归一化处理，便于精确计算和准确比较。由于本BP网络采用有教师训练学习，所以其样本集由输入数据和目标输出组成，将数据按公式X/(Xmax+Xmin)进行归一化处理，归一化后循环水最佳工况浓缩倍率预测样本数据在下面的Matlab程序设计中使用。

2.2 浓缩倍率预测的BP网络设计

浓缩倍率软测量功能实现算法的核心部分是参考神经网络中的BP算法[4]。BP神经网络是误差反向传播神经网络的简称，它由一个输入层、一个或多个隐含层和一个输出层构成，每一层由一定数量的神经元构成。上下层之间实现全连接，而同一层的神经元之间无连接。根据表1中给出的样本数据，在此设计一个三层结构的BP网络模型，一个输入层，一个隐含层和一个输出层，如图2所示。

图2 BP神经网络模型Fig. 2 Neural network model

图3 网络训练结果Fig. 3 Network training results

本网络模型结构简单，训练花费时间较少，测试结果与实际数值接近，可见所建浓缩倍率预测模型的泛化能力比较好。

3 结束语

利用MATLAB神经网络工具箱建立BP神经网络模型[7]，对火电厂循环水系统极限浓缩倍率测定过程及最优浓缩倍率确定过程进行仿真模拟，以保证循环冷却水系统在最优浓缩倍率范围内运行提供辅助决策依据。

[1]王孝红,刘文光,于宏亮.工业过程软测量研究[J].济南大学学报：自然科学版,2009,23(1):80-86.

WANG Xiao-hong,LIU Wen-guang,YU Hong-liang.The Industrial process soft sensing research[J].Journal of University of Jinan,Science and Technology,2009,23(1):80-86.

[2]李元培.火力发电厂水处理及水质控制[M].2版.北京：中国电力出版社,2008.

[3]李红卫,王伯槐,陈小辉.火电厂环水系统运行控制的计算机辅助设计[J].科学技术与工程,2009,9(14):4189-4192.

LI Hong-wei,WANG Bo-huai,CHEN Xiao-hui. The Computer Aided Design of recycled water operational control[J]. Science Technology and Engineering,2009,9(14):4189-4192.

[4]田弃,乔俊飞.基于遗传算法的BOD神经网络软测量[J].计算机技术与发展,2009,19(3):127-129.

TIAN Qi,QIAO Jun-fei.The BOD neural net soft sensing based on the genetic algorithms[J].Computer Technology and Development,2009,19(3):127-129.

[5]王艳琼,白秀琴.基于BP神经网络模型的水质评价及预测[J].武汉工业学院学报,2007,26(1):64-67.

WANG Yan-qiong,BAI Xiu-qiong.The water quality assessment and forecast based on BP neural net model[J]. Journal of Wuhan Polytechnic University,2007,26(1):64-67.

[6]张德丰.MATLAB神经网络设计[M].北京：机械工业出版社,2009.

[7]魏江涛，陈方涛，姜美雷.BP神经网络在设备故障诊断方面的应用[J].现代电子技术,2012(19):131-134.

WEI Jiang-tao,CHEN Fang-tao,JIANG Mei-lei.Application of BP neural network in fault diagnosis of radar device[J].Modern Electronics Technique,2012(19):131-134.

Application of soft-sensing technology in circulating water concentrate rate calculating

LI Hong-wei, WANG Bo-huai,CHEN Xiao-hui
（School of Information Engineering, Yulin College, Yulin719000, China）

In the thermal power plant circulating cooling water process, the concentrate rate cannot realized on-line measurement in real-time effectively, and it merely relying on sampling and analyzing for the water quality in the laboratory , and than to compute and control it. In this way, not only need equip the experimental, but need manual operation, and there are some problems such as experiment parameters ,experimental conditions is not easy to control.The paper using the soft-sensing technology , through building the neural network model between the easy measurement water quality key parameter and the concentrate rate, to estimate the concentrate rate, raised the accuracy of the concentrate rate computation and the effect of the water quality control.

soft-sensing; concentrate rate; neural network; modeling

[TN98]

A

1674-6236(2014)07-0057-03

2013-08-04稿件编号201308036

陕西榆林市科技计划项目(gygg200711)

李红卫(1966—)，男，陕西府谷人，硕士，教授。研究方向：Web工程、计算机测控。