流程工业是通过分离、混合、成型或物理、化学变化使生产原材料增值的行业, 其生产过程一般是连续或成批进行, 主要包括化工、冶金、石油、橡胶、轻工、制药等. 现如今我国流程工业发展迅速, 主要产品产量居世界前列. 以粗钢生产为例, 2015 年全球粗钢产量达到 16.21 亿吨, 其中中国粗钢产量达到 8.038 亿吨, 占全球粗钢总产量的 49.6 %. 然而目前我国流程工业普遍面临着过程结构复杂, 工序设备多, 能耗高等突出问题. 因此, 提高我国流程工业自动化水平以达到降低能耗和提高效率的目标迫在眉睫.

流程工业普遍包含诸多重要的生产过程指标或变量, 现场操作人员往往会根据经验对某些特别关注的关键指标进行监测, 从而调控整个生产过程, 最终达到稳定生产的目标, 如高炉炼铁过程中铁水温度, 硅含量以及多种质量指标等. 生产过程指标一般分为两类, 一类是生产过程运行参数, 如温度、压力等; 另一类是定义的生产过程指标, 如选矿过程中的精尾矿品位等, 而此类指标往往与其他过程变量之间存在着复杂的非线性关系. 考虑到工业生产过程通常具有非线性和大滞后等特征, 对这些指标的测量往往耗时长, 难以检测, 或根本无法检测, 因此针对其建立有效的数学模型进行实时预测(估计)就显得尤为重要.

随着计算机和网络技术的发展, 流程工业企业基于监控与数据采集系统 (Supervisory control and data acquisition, SCADA) 获取了大量涉及生产过程特点、设备、质量和能源0的历史数据. 目前基于数据的方法成为较盛行的生产过程指标预测方法, 此类方法通过建立输入–输出数据变量间的关系模型完成预测任务, 而无需对生产过程的反应或动力学等机理信息进行研究. 通常基于数据的生产过程指标预测过程包含三个方面, 即 1) 特征 (变量) 选择; 2) 预测模型建立; 3)模型参数优化.如图1所示, 通常先在大量候选模型中通过特征选择挑选出几个与被预测指标最相关的特征作为预测模型的输入，再基于选择的输入输出变量的数据来训练一个预测模型，而模型参数的优化通常会被嵌入到模型训练中.

图1 基于数据生产过程指标预测的基本流程图

目前己有多种基于工业生产数据提出的生产过程指标预测方法.本文分别针对特征 (变量) 选择, 预测模型构建及其模型参数优化这三方面论述了基于数据的工业生产过程指标预测国内外研究现状, 分析了各种方法的优缺点. 最后, 指出了流程工业生产过程指标预测方法在工业大数据，知识自动化以及自适应动态规划等方面的未来可能研究方向和前景.

引用格式：陈龙, 刘全利, 王霖青, 赵珺, 王伟. 基于数据的流程工业生产过程指标预测方法综述. 自动化学报, 2017, 43(6): 944-954

链接：http://html.rhhz.net/ZDHXBZWB/html/2017-6-944.htm

作者简介：

陈 龙 大连理工大学控制科学与工程学院博士研究生. 主要研究方向为流程工业生产计划与优化调度和机器学习. E-mail: chl1207@aliyun.com

刘全利 大连理工大学控制科学与工程学院教授.主要研究方向为流程工业生产计划与优化调度, 嵌入式系统研究、设计及应用. 本文通信作者. E-mail: liuql@dlut.edu.cn

王霖青 大连理工大学控制科学与工程学院讲师. 主要研究方向为流程工业生产计划与优化调度, 计算机集成制造, 机器学习. E-mail: wanglinqing@dlut.edu.cn

赵 珺 大连理工大学控制科学与工程学院教授. 主要研究方向为流程工业生产计划与优化调度, 计算机集成制造, 智能优化, 机器学习和知识自动化. E-mail: zhaoj@dlut.edu.cn

王 伟 大连理工大学控制科学与工程学院教授. 主要研究方向为复杂系统建模、控制与优化, 流程工业生产计划与优化调度, 知识自动化. E-mail: wangwei@dlut.edu.cn