智能生产监控的关键技术

1.视觉检测技术

机器视觉就是用机器代替人眼来做测量和判断。机器视觉检测系统采用CCD或CMOS摄像装置将被检测的目标转换成图像信号，传送给专用的图像处理系统，先根据像素分布和亮度、颜色等信息，转变成数字信号，并对这些信号进行各种运算以抽取目标的特征，如面积、数量、位置、长度等，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格/不合格、有/无等，实现自动识别功能。计算机双目视觉直接模拟人类双眼处理景物的方式，可非接触进行三维立体测量（高宏伟，2012）。

机器视觉用于检测，可分为高精度定量检测（如机械零部件的尺寸和位置测量）和半定量或定性检测（如装配线上的零部件识别定位、缺陷性检测与装配完全性检测、产品的外观检查）。

智能生产监控应用中，机器视觉已用于汽车车身检测、印刷电路板检测、飞机蒙皮孔几何参数测量等。

2.在线分析测试技术

在线分析测试技术通常是指安装在化学反应现场，可对化学反应中的各组分进行实时在线自动连续分析测量的仪器及技术。它克服了实验室分析测试不能满足工业生产实时管控需要的问题，在很多工艺过程中直接、快速地对一些关键参数进行测量，一方面更好地实现生产监控，及时发现异常并采取相应措施，另一方面根据这些实测参数进行加料及安全控制，实现生产过程的自动化控制。

到目前为止，已有光学、电化学、热学、色谱、质谱及物性等在线分析仪器设备。其中光谱类仪器，尤其是在线近红外光谱分析技术，因其仪器简单、分析速度快、非破坏性和样品制备量小、适合固液气等样品分析、多组分多通道同时测定等特点，已广泛应用于化工、石化、制药、烟草等领域（高枝荣等，2009；毕晓静，肖军华，2011）。

3.物联感知与信息融合技术

物联网是通过信息传感设备将不同物品与互联网相连接，进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理。物联网技术已在工业领域得到广泛应用，如制造业供应链管理、生产过程工艺优化、产品设备监控管理、环保监测及能源管理和工业安全生产等，均涉及生产监控的内容。(www.xing528.com)

信息感知是物联网的基本功能，通过传感器对物联网中的物品进行信息收集，实时动态向目标用户反馈。但是物联网对信息处理和分析的能力是有限的，要实现高效率的信息感知，需要依靠信息融合技术做更深层次的信息处理。

信息融合就是对大量不同的信息加以提炼和整合的过程，通过信息融合得到更加精炼、准确的数据，为控制或决策提供信息数据的支持。根据信息提取水平，Nakamura等人（2007）将物联网中的信息融合技术划分为4个层次，即数据级融合、特征级融合、决策级融合和多级综合融合。

生产过程中，现场往往获取多源异构、不同时间尺度、海量的传感数据，需要经过特征级融合、决策级融合处理来获取有价值信息，进行控制与决策。这已成为当前智能生产监控的一个重要研究方向（见图4.10）（王洪波，2013）。

图4.10　信息融合的层次模型

4.建模预测与预判技术

采用机理建模、数据建模或混合建模技术，对设备状态或工艺过程进行动态仿真模拟，在得到实际数据校正后，用于预测预报，进而实现智能生产监控。

埃克森美孚Baton Rouge化工厂使用多状态估计平台（Multiple State Estimator Platform，MSEP）技术，处理当前传感器信息和历史数据，并结合先验知识，对设备运行状态做出准确估计及预测，让操作人员及早预防异常事件，保证了乙烯装置的安全运行（Mylaraswamy et al.，2000）。

国内学者也开始这方面的研究，如高原（2009）“基于Petri网的间歇过程智能监控技术研究”、罗坤明等（2005）“蒸馏装置智能监控与事故预报系统”等。