📚 课程目录第4章软传感工程基础

4. 软传感工程基础

在生物工艺中，许多关键质量属性（CQA）和过程参数无法用在线硬件传感器直接、连续、可靠地测量，例如产物浓度、细胞活性、代谢物比生成速率、蛋白表达量等。软传感（soft sensing）的核心思想是：用容易在线获取的辅助变量（如温度、pH、溶氧、搅拌转速、补料速率、尾气CO₂/O₂、近红外光谱等）作为输入，通过数学模型推断难以直接测量的主导变量。它不替代硬件传感器，而是把“可测信号”映射为“不可测或难测信息”，从而支撑实时监控、反馈控制与批次放行判断。

软测量与普通离线建模的关键区别在于在线部署约束：模型必须在有限计算资源下稳定运行，输入必须来自实际可采集的通道，输出必须带置信度或异常标志，且能应对传感器漂移、补料扰动、批次差异和工况切换。因此，软传感工程不是“训练一个高精度模型”就结束，而是从变量选择、数据预处理、模型结构、在线校正到失效保护的一整套工程链路。

输入变量选择：先问“可测、可稳、可解释”

输入变量选择直接决定软测量上限。选择时通常按三个维度筛选：可在线获取性（是否有硬件通道、采样周期是否匹配）、与主导变量的因果或统计相关性（是否随目标变化而单调/可辨）、抗干扰与可维护性（是否易受泡沫、结垢、灭菌、补料脉冲影响）。在生物反应器中，常见候选输入包括：

直接过程变量：温度T、pH、溶氧DO、搅拌转速N、通气流量Q_g、补料速率F_feed、碱/酸添加速率。
尾气信号：尾气O₂和CO₂分压，可计算OUR、CER、RQ，对代谢状态非常敏感。
光谱/多变量信号：近红外、拉曼、荧光等，信息丰富但需预处理与波长选择。
时间派生量：比生长速率μ、累积补料量、呼吸商滑动均值、DO阶跃响应特征。

选择时建议先做机理相关性排序，再做数据驱动重要性评估。例如以产物浓度为目标，若补料速率与产物形成强相关，但补料又受操作策略控制，则需引入累积补料量或比补料速率，避免把“操作动作”误当成“生物状态”。同时要警惕共线性：温度、pH、DO常被闭环控制，彼此高度相关，直接全部输入会导致模型系数不稳定。此时可保留控制偏差（设定值−测量值）或控制器输出作为“净扰动”代理。

变量选择不是一次性的。建议在每批次结束后复核输入通道的健康度：漂移、噪声、缺失率、与历史批次的分布偏移。若某通道连续多批偏移，应先修硬件或重新标定，再更新模型。

模型构建流程：从批次数据到可部署模型

软测量建模通常遵循“数据准备—特征构造—模型训练—验证—固化”的闭环。以产物浓度软测量为例，假设有20个历史批次，每批采样约200个时间点，目标变量为离线取样测得的产物浓度（每批约10个点），输入为在线可采集的T、pH、DO、F_feed、尾气CO₂。关键步骤如下：

时间对齐与重采样：离线取样时间戳与在线数据对齐，统一到1 min网格；对离线点做线性插值仅用于训练，不用于在线推断。
特征构造：除原始变量外，加入滑动均值（窗口10 min）、斜率、累积补料量、OUR/CER、RQ，以及批次时间归一化变量t/t_total。
训练/验证划分：按批次划分，而非随机点划分，避免同一批次信息泄漏。例如15批训练、5批验证。
模型选择：优先从可解释性强的偏最小二乘（PLS）或岭回归起步，再对比随机森林、高斯过程回归（GPR）。GPR可同时输出预测方差，适合在线置信度判断。
验证指标：除RMSE、R²外，更关注批次末端误差和峰值跟踪能力，因为放行判断常依赖末端值。
固化与版本管理：保存输入变量顺序、归一化参数、模型系数/结构、有效范围，形成可追溯的模型版本。

下面给出一个简化的在线推断伪代码，体现输入顺序、归一化和异常保护：

# 在线软测量推断（示例）
inputs = [T, pH, DO, F_feed, CO2, OUR, CER, RQ, t_norm]
# 1) 范围检查
if any(x is None or x < low[i] or x > high[i] for i, x in enumerate(inputs)):
    return {"value": None, "flag": "INPUT_INVALID"}
# 2) 归一化（使用训练集均值/标准差）
z = [(x - mu[i]) / sigma[i] for i, x in enumerate(inputs)]
# 3) 模型推断（以PLS为例）
y_hat = intercept + sum(coef[i] * z[i] for i in range(len(z)))
# 4) 置信度与限幅
if y_hat < 0: y_hat = 0
conf = "HIGH" if abs(y_hat - last_y) < 0.15 * scale else "LOW"
return {"value": y_hat, "flag": conf}

该示例中，low/high为训练数据的分位范围，mu/sigma为训练集统计量，last_y为上一时刻输出。若置信度为LOW，应触发报警并切换至备用模型或保持上次有效值，而不是直接把异常值送入控制回路。

在线部署要点：稳定性、可维护性与失效保护

在线部署时，软测量模型面临的最大挑战不是精度，而是分布漂移。生物批次间细胞状态、原料批次、灭菌历史、电极老化都会改变输入-输出关系。因此部署必须包含：

输入健康监控：对每个输入通道做范围、变化率、缺失和冻结检测；任一通道异常时输出降级标志。
模型适用域判断：用马氏距离或输入重构误差判断当前样本是否落在训练域内，超出则降低置信度。
在线校正：当有新的离线取样结果时，可用递推最小二乘或贝叶斯更新对模型偏置进行修正，但校正幅度应受限，避免单点噪声污染模型。
输出平滑与限幅：对推断值做一阶滤波，限制单步变化率，防止控制阀振荡。
版本与审计：记录模型版本、输入快照、输出、置信度、校正事件，满足工艺追溯要求。

不要把软测量输出直接作为唯一放行依据。它更适合作为过程分析技术（PAT）中的实时估计与趋势预警，最终放行仍需结合离线检测、批次记录和偏差调查。

为便于整体理解，下图给出软传感从输入变量到在线输出的信号链与关键判断节点。图中左侧为可采集输入，中间为特征与模型，右侧为在线输出与保护逻辑，底部为离线取样触发的校正回路。

从工程落地角度看，软传感的价值不在于“替代实验室”，而在于把离线信息的时间分辨率提升到在线级别，使操作人员能更早看到代谢偏移、补料异常或产物积累趋势。一个可用的软测量系统，应当让使用者清楚知道：当前输出基于哪些输入、置信度如何、何时需要人工取样复核、异常时系统如何降级。把这些问题在部署前定义清楚，比单纯追求模型精度更能决定软传感在生物工艺中的实际寿命。