《Computers & Chemical Engineering》:Adaptive soft sensors for highly time-varying processes through Proportional-Integral-Derivative Partial Least Squares
编辑推荐:
摘要专业翻译
现代聚合物制造对先进质量监控提出了迫切需求,因为传统的实验室测量存在延迟、频率低且成本高昂。工业4.0提供了一种解决方案,即通过软传感器利用实时过程数据进行产品质量估计。当缺乏大量数据时,像偏最小二乘法(Partial Least Squares
摘要专业翻译
现代聚合物制造对先进质量监控提出了迫切需求,因为传统的实验室测量存在延迟、频率低且成本高昂。工业4.0提供了一种解决方案,即通过软传感器利用实时过程数据进行产品质量估计。当缺乏大量数据时,像偏最小二乘法(Partial Least Squares, PLS)这样的回归模型是实现这一目标的有效选择。然而,尽管PLS模型鲁棒性强且可解释性好,但在处理高过程变异性和自相关性方面存在困难。现有的递归和自回归模型扩展虽然提高了适应性,但未能完全解决在高度时变环境中过程变量与产品质量之间的弱互相关以及质量变量的强自相关问题。为应对这些挑战,本研究提出了比例-积分-导数偏最小二乘法(Proportional-Integral-Derivative PLS, PID-PLS),该方法在PLS模型构建中引入了残差的比例、积分和导数分量,以捕捉与突变(如等级切换)和渐变(如设备结垢)相关的变异性。该模型通过基于专有技术的Versalis工厂的工业三元乙丙橡胶(Ethylene-Propylene Diene Monomer, EPDM)案例研究以及一个数值算例进行了验证,结果表明其在精度和准确性上均优于现有最先进的方法。
论文解读文章
一、研究背景与问题提出
全球塑料市场持续扩张,以三元乙丙橡胶(EPDM)为代表的合成橡胶因其优异的弹性和耐候性,在汽车、建筑和电气行业应用广泛。其市场规模预计将从2023年的39亿美元增长至2028年的52亿美元。然而,传统聚合物生产中的质量检测依赖离线实验室分析,虽准确但昂贵且耗时,导致产品关键质量参数(如门尼粘度)的检测严重滞后,无法及时反馈工艺调整,造成生产浪费和成本增加。
为解决这一问题,工业4.0技术提供了实时质量监控方案,主要包括机理模型和数据驱动模型两大类。机理模型虽外推能力强,但开发耗时且需深厚专业知识;数据驱动模型则更灵活,但对数据质量和数量要求高。其中,数据驱动的软传感器成为实时质量估计的关键方案,它利用在线传感器数据实现连续质量监控。然而,现有软传感器面临诸多挑战:复杂非线性模型虽提升精度但降低可解释性;深度学习计算资源需求大;许多制造商缺乏高效数据采集基础设施;此外,数据安全和高实施成本也阻碍了技术推广。
在此背景下,当缺乏大规模、一致的数据集且可解释性至关重要时,偏最小二乘法(PLS)回归成为一种可靠选择。PLS以其简单、鲁棒和能处理噪声共线性数据的特点被广泛应用。然而,标准PLS难以应对聚合物生产中因等级切换、季节变化和设备结垢带来的高度时变性。为此,研究者提出了递归PLS和移动窗口PLS等自适应方法,但这些方法要么计算需求不断增长,要么面临最优窗口长度选择的难题。此外,自回归PLS(APLS)虽引入滞后质量变量作为预测因子,但其依赖静态历史观测,仍难以有效建模复杂的时变过程。因此,软传感器开发面临四大难点:有限数据可用性、缺乏可解释性、过程变异性(突变与渐变共存)、以及过程变量与质量参数之间的弱互相关与质量变量的强自相关并存。
二、研究内容与结论
针对上述挑战,本研究提出了一种名为比例-积分-导数偏最小二乘法(PID-PLS)的新型自适应质量监控方法。该方法通过在PLS模型构建中融入残差的比例(P)、积分(I)和导数(D)分量,分别对应捕获过程数据的即时偏差、累积漂移和局部变化速率,从而同时适应突然的等级切换和渐进的设备老化等时变特性。研究通过两个案例验证了模型的性能:一是基于Versalis公司专有技术的工业EPDM生产过程数据;二是用于可控环境测试的数值模拟案例。结果表明,PID-PLS在估计精度和准确性上显著优于现有最先进方法,有效解决了强时变环境下弱互相关和强自相关带来的建模难题。
三、关键技术方法
研究人员主要采用了以下几种关键技术方法:
- 1.
比例-积分-导数偏最小二乘法(PID-PLS):这是本研究的核心创新,通过在PLS模型框架内引入三个残差分量——比例项(P,反映当前误差)、积分项(I,累积历史误差)和导数项(D,预测误差变化趋势)——来增强模型对时变过程的适应能力。
- 2.
工业案例验证:采用来自Versalis公司位于意大利圣多纳托米拉内塞的EPDM生产工厂的历史过程数据,时间跨度为2022年3月21日至2024年2月2日,包含5500个观测值,覆盖14种不同聚合物等级的14次生产批次。数据包括25个关键过程变量和对应的门尼粘度实验室测量值。
- 3.
数值模拟案例:构建了一个包含500个数据点、9个自变量和1个因变量的全合成数据集,用于在受控条件下评估PID-PLS对不同时变机制(比例、积分、导数分量)的恢复能力。
四、研究结果
1. 工业EPDM案例结果
通过将PID-PLS与标准PLS、递归PLS(RPLS)、移动窗口PLS(MWPLS)和自回归PLS(APLS)进行对比,研究发现:
- •
PID-PLS在所有评价指标(如均方根误差RMSE、决定系数R2)上均表现最佳,尤其是在处理由等级切换引起的突变和由设备结垢引起的渐变时,其估计值的波动更小,与真实门尼粘度值的一致性更高。
- •
相比其他模型,PID-PLS能够更有效地利用残差中的信息,显著降低了估计偏差,并提高了对过程状态变化的响应速度。
2. 数值模拟案例结果
在已知真实时变分量的受控环境中,结果显示:
- •
标准PLS仅能捕获部分比例分量,对积分和导数分量几乎无响应。
- •
APLS虽能通过滞后变量改善自相关建模,但仍无法有效分离和重建积分与导数分量。
- •
PID-PLS成功地将比例、积分和导数三个分量从总响应中解耦出来,其估计的各分量与实际设定值高度吻合,证明了该方法在理论上的正确性和有效性。
五、讨论与结论
讨论部分总结:
研究表明,PID-PLS通过引入类似PID控制器的思想,巧妙地利用了残差中的动态信息,弥补了传统PLS及其变体在强时变环境下的不足。其优势在于:1)无需复杂的窗口长度选择或递归更新策略,避免了计算负担的增加;2)保持了PLS原有的可解释性,便于工程师理解各过程变量对质量的影响;3)同时适用于突变和渐变场景,通用性强。该方法的局限性在于对残差结构假设的依赖性,未来工作可探索更复杂的残差建模策略。
研究结论:
本研究提出的比例-积分-导数偏最小二乘法(PID-PLS)是一种有效的自适应软传感器方法,专门用于应对高度时变的工业过程。通过整合残差的比例、积分和导数分量,PID-PLS能够同时捕获过程数据的瞬时偏差、累积漂移和局部变化速率,从而在过程变量与产品质量间弱互相关、质量变量强自相关且环境高度时变的条件下,提供比现有方法更精确、更稳定的质量估计。工业EPDM案例和数值模拟案例均验证了其优越的性能和实用性。该工作为聚合物制造及其他类似时变工业过程中的实时质量监控提供了一种新的、可靠的解决方案。