软测量技术研究及其专利分析

宋海荣 赵鹏翔 李思彤 樊金鹏 李 江

（国家知识产权局专利局专利审查协作河南中心，河南 郑州 450000）

·电子信息与计算机技术·

软测量技术研究及其专利分析

宋海荣 赵鹏翔 李思彤 樊金鹏 李 江

（国家知识产权局专利局专利审查协作河南中心，河南 郑州 450000）

产品生产工艺的提高体现在对现代工业过程控制的提高上，即在生产过程使用了更为苛刻的条件（如高温、高压），但是高温、高压和复杂工业过程中很难或者无法由硬件感测器直接测量某些数据，而这些数据又是实现对工业过程自动化控制所必不可少的数据，因此催生了软测量技术的产生和发展。本文对软测量技术进行了研究，并分析了其应用的领域以及相关专利分布，并对软测量技术的研究和应用进行了分析。

软测量；建模；工程设计；专利

近年来，随着信息技术的迅猛发展以及工业过程的更高程度的自动化控制，使各行各业的生产过程，如冶金、石油开采/冶炼、化工生产和电力等基础行业或原子能、核能等高新科技行业发生了显著的变化。由于硬件感测器（各种仪表、传感器）安装维修保养困难，分析数据滞后，导致控制质量性能下降，难以满足实际生产需求［1］。软测量技术正是为解决上述类似的问题发展起来的。软测量技术理论起源于20世纪70年代，由Brosilow提出的推断控制思想发展而来［2］。本文研究了目前软测量技术的发展现状，结合专利数据，分析了专利申请的特点以及领域分布，以进一步研究软测量技术的研究与应用之间的关系，期望能够通过分析促进软测量技术专利技术到实际生产的应用。

1　软测量技术概述

软测量技术把计算机科学技术融于自动化控制理论和实际生产过程中，通过选择其他一些易于测量的变量（也称之辅助变量），并基于这些易于测量的变量构成与难于测量或暂时没有条件测量的主导变量之间的某种数据关系构造一种关系模型［3-4］，最终通过关系模型的推导处理而得到待测的主导变量。具体的软测量技术的实现包括以下几个部分。

1.1辅助变量的选择

辅助变量的选择至关重要，它需要确定变量类型和变量的数目，并且需要确定出获取该辅助变量的检测点位置。除此之外还有一些其他的规律可参考。如在可直接测量变量集中选择出所有与待测主导变量有关的原始辅助变量集，然后根据推断控制变量选择方法中提出的灵敏性、特异性、工程适用性、精确性和鲁棒性的原则选择最终的辅助变量。

1.2数据的采集和预处理

采集的数据经过样本训练用于软测量建模，因此，对于训练样本特性来说，采集的数据需要具备代表性，即采集的数据在覆盖工业过程的操作范围的基础上还需要考虑样本均匀性，而且数据应当具备精简性，即样本数据量不需要过大。在采集到数据后第一步预处理是对数据进行消除误差处理。针对不同的误差采取不同的处理手段，对于随机误差，通常为各种数字滤波方法以及数据协调方法。对于过失误差，通常的做法包括：人工剔除、技术辨别、多种测量和统计检验。消除各种误差后，最后一步是对采集的数据进行标准化处理，使数据在数量级上以及量纲上达到统一。

1.3主导变量与辅助变量之间的时间匹配

由于从辅助变量的改变到待测主导变量的改变需要经过一段时间，这个时间通过是因为传输需要时间导致的，因此，在建模前压根确定待测主导变量相对于每个辅助变量的滞后时间，即是对待测主导变量与辅助变量之间的时序匹配。这样才能正确对应出待测主导变量和辅助变量在时间上的关系。通常，在工业过程中，判断这个时间需要对生产工艺的原理进行分析研究，并根据生产流水的所用时间等数据来断定。

1.4软测量模型的建立

前期的辅助变量的选择、数据的采集与处理以及主导变量与辅助变量之间的时间匹配都是为软测量模型的建立做准备的，软测量模型才是核心，一般的模型如图1所示：

图1　软测量模型

但是对于不同的工业过程，建模方法也不尽相同，它的发展经历了线性模型到非线性模型、无校正模型到有校正模型的转变，比较常用的建模方法包括基于统计分析的方法、基于人工智能的方法、基于统计学习理论的方法、传统的软测量建模方法以及混合建模方法。

1.5软测量模型在线校正

由于实际工业生产过程及工艺的复杂性无法一次性建立完全精确的软测量数据模型，数据的误差、变量关系的偏差都会造成模型的不完善。因此，建立起的软测量模型不是一层不变的，伴随工业生产过程及工艺的改进、系统的消耗变化等导致模型误差增大。为了使软测量模型保持较高的准确率，不断在线校正建立起来的模型是必须的。

2　软测量技术专利分析

软测量技术由于其主要是建立在对数据的分析处理的基础上，利用各个参数变量之间的关系以及关系变化模型来估计数据值的，其数据处理和理论研究验证成份比较大，因此，通过对专利数据库的数据统计分析，其申请人绝大部分是各个高校科研单位以及少部分企业单位。

2.1各个高校研究单位专利分布

高等院校尤其是科研人才集聚的各大院校是科学技术研究的主力军，以浙江大学为首的高等院校（还包括东北大学、东南大学、华东理工大学、上海交通大学、清华大学、江苏大学、北京工业大学、华南理工大学和中南大学）占据了专利申请量的前10位。专利申请涉及工业处理过程的方方面面。

浙江大学是软测量技术申请量最大的专利申请人，主要涉及到软测量技术辅助变量的选择方法、数据采集与预处理方法、软测量模型的建立方法、软测量模型在线校正方法以及软测量技术在各个工业生产过程中的应用。

浙江大学首件与软测量技术相关的申请发明名称为“溶剂脱水塔塔顶液和塔底液组成的软测量方法”（公开号CN1540341A），本申请的技术方案应用在化学工程和系统工程中，具体来说是对精对苯二甲酸生产中溶剂脱水塔顶液和塔底液组成的测定。该方法从理论上分析了影响精对苯二甲酸溶剂脱水塔顶液和塔底液组成的因素，利用温度测量仪器获取塔内N个分布点的温度值，它包括一个塔底温度测量值、一个塔顶温度测量值和N-2个沿塔由下而上依次分布的塔内温度测量值，通过精对苯二甲酸生产装置的计算机集散控制系统获得温度测量点的实时数据；然后使用软测量模型，将温度数据进行滤波后输入软测量模型，测出塔顶液和塔底液的组成。该方法在建立模型时使用了最小二乘估计器，其塔顶液组成预测结果与实测结果相比大绝对误差为0.35%，平均相对误差为6.92%，收到了良好的成效。

另一篇专利申请是涉及建模方法，发明名称为“基于混合多模型的复合肥养分含量软测量建模方法”（公开号CN1815225 A），本申请的技术方案应用在化肥工业中，主要是研究软测量建模方法的。由于具体的应用场景不同，软测量模型建立需要针对具体的过程进行分析，该方法首先分析复合肥生产新技术，选择出与复合肥养分含量相关的16个过程变量，作为建立软测量模型的辅助变量；然后对复合肥养分含量中关键的辅助变量进行人工分析，采用限定记忆部分最小二乘算法建立动态软测量模型，通过对简化机理模型中关键参数的处理得到模型的输出值，即待测主导变量。根据对软测量模型输出数据的分析，可以看出使用了软测量模型获取的数据对于硫基氮磷钾复合肥养分含量预测性很好，适用于工业在线计算应用。

对于软测量模型的校正，浙江大学也有相关的研究，发明名称为“基于工业软测量模型的离线化验值双重校正方法”（公开号CN1570627A）的专利申请公开了一种基于工业软测量模型的离线化验值的双重校正方法，其建模是应用在石化工业生产过程中。本申请分析了实际工业生产过程中具有变化性、非线性并且容易受到外界的干扰而导致所建立的软测量模型不完整，因而研究了对软测量模型的校正方法。该方法利用过程指标的离线化验值，以可调节的周期分别实施软测量模型参数的滚动校正和软测量计算输出值偏差校正的双重校正方法，使软测量模型预测输出具有良好的精度和趋势。

2.2企业单位的专利分布

由于企业单位受其经营生产的产品类型以及企业单位的营利目的限制，这类申请人其专利申请的领域比较窄，多集中在与其生产相关的领域上，并且是以软测量模型的应用为主，以申请量较高的山东申普汽车控制技术有限公司为例，其与软测量技术相关的申请都是与该技术应用相关的。

例如，该单位的专利申请“组合脉谱对发动机EGR率控制的方法”，它属于汽车汽油发动机控制领域本申请针对汽油发动机的控制方式中存在的问题，提供一种自适应生成动态脉谱的方法，该方法的自适应性体现在对发动机相关特性改变和发动机使用条件改变的调整上。在上述操作的基础上给出确定发动机EGR率控制的方法，其中基本脉谱参数组合控制的组合脉谱对的确定过程中使用到软测量技术。自适应学习方法的使用改进了组合脉谙控制方式，通过动态脉谱参数的设计和规划修正了闭环控制目标，最终降低了各种时滞效应引起的控制延迟。

2.3专利分布情况及原因

通过对专利数据库的检索、统计、分析，软测量技术的主要申请人集中在高校，以下是出现频率前10位的专利申请人以及其出现频率，见表1。

由以上数据分析可见，软测量技术研究者集中于高校科研单位，其涉及到软测量技术应用的各个环节步骤：辅助变量的选择、数据的采集和预处理、实际待测变量（主导变量）与辅助变量之间的时序匹配、软测量模型的建立和软测量模型的在线校正等，通过使用新的算法对其中的方法、步骤的进行了改进。而企业单位则偏重于对软测量技术的应用，从上述分析也展示了高校科研单位的理论研究与实际生产过程的应用在一定程度上的脱节，没能很好的发挥其科研价值。

表1　前十名申请人

3　结语

软测量技术在研究上已经相当成熟，并且各个高校现在已经拥有大量相关专利，但是这些专利处于未被合理利用的状态。许多企业单位为了提高生产工艺而对生产过程进行改进，其需要像软测量技术这样的研究和技术支持，从中可以看出，高校的科研成果并未充分应用到企业的实际生产中，导致了科学研究成果与实际生产应用的脱节。因此，加强高校与企业之间的沟通交流很有必要，并且应当提高科研单位专利成果的可转化程度。

［1］俞金寿.软测量技术［J］.全国先进控制技术与仪表装置应用学术研讨会，2007.

［2］彭向华，冯丽辉，赖华.软测量技术及其工业应用.昆明理工大学学报［J］.2001，26（s1）：25-28.

［3］BROSILOW C.B.，TONG M..Inferential control of process：partⅡ.The structure anddynamics of inferential control system，AICHE Journal.1978，24（3）：492-500.

［4］JOSEPH B，BROSILOW C.B..Inferential control of process：partⅢ.Construction of optimal and suboptimal dynamic estimators. AICHE Journal.1978，24（3）：500-509.

Research and Patent Analysisof Soft Measurement Technology

Song Hairong Zhao Pengxiang Li Sitong Fan Jinpeng Li Jiang
（Patent Examination and Cooperation Henan Center of the Patent Office，SIPO，Zhengzhou Henan 450000）

The improvement of production process is reflected in the improvement of modern industrial process control，namely more demanding conditions（such as high temperature，high pressure）are asked in the production process，but it is difficult or impossible to directly measure some data by hardware sensors in high temperature，high pressure and complicated industrial process，but the data are necessary and indispensable for automation control of industrial process，thus leading to the emergence and development of soft measurement technology.Soft measurement technology is studied in this paper，its application field and related patents distribution are analyzed，and the research and application of soft measurement technology are analyzed.

soft measurement；modeling；engineering design；patent

TM911.4

A

1003-5168（2015）12-0001-3

2015-12-2

宋海荣（1987.12-），女，硕士研究生，研究方向：计算机方面专利审查工作；赵鹏翔（1987.12-），男，硕士研究生，研究方向：计算机方面专利审查工作（等同第一作者）。