第3章 软测量技术及其应用.pptVIP

3.1 引言 一 软测量技术的由来 随着生产技术的发展和生产过程的日益复杂，为确保生产装 置安全、高效地运行，需对与系统的稳定及产品质量密切相关 的重要过程变量进行实时控制和优化控制。可是在许多生产装 置中，存在着一大部分由于技术或是经济上的原因，很难通过 传感器进行测量的变量，如精馏塔的产品组分浓度，生物发酵 罐的菌体浓度和化学反应器的反应物浓度及产品分布等。 二 什么是软测量？ 3.2 软测量建模方法 3.2.1 软测量模型的数学描述 3.2.2.1 最小二乘法 主元分析法(Principal Component Analysis，简称PCA)是 多元统计分析中的最重要的方法之一。其特点就是利用少数 不相关的综合变量来反映原来较多的相关变量所包含的大部 分信息。 Step1: 确定网络的拓扑结构： Step2: 确定网络的学习规则： 基于对生产过程物理、化学过程的深刻认识，通过生产过程 的质量、能量和动量守恒定理，根据输人与输出之差引起系统 质量、能量和动量积累变化，列写出数学表达式——过程运动 方程。 一般首先辨识工业对象的动态模型： 静态软测量模型具有以下形式： 方法1：神经网络建模 3.3. 软测量器的工程化设计及实施 1. 单片机的汇编程序; 2. 工业PC的汇编或高级语言; 3. DCS的运算模块组态; 4. DCS的可编程语言; 5. 实时数据库、关系数据库、流程模拟软件包支持的CIMS 应用程序。 3.4. 软测量模型的自校正及维护 * 第3章 软测量技术及其应用 * 解决这个问题的方法有： 1 采用间接的质量指标控制； 2 采用在线分析仪表； 3 采用软测量技术。 软测量就是选择与被估计变量相关的一组可测变量，构造 某种以可测变量为愉人、被估计变量为输出的数学模型，用 计算机软件实现重要过程变量的估计。这类数学模型及相应 的计算机软件也被称为软测量器或“软仪表”。 软测量器估计值可作为控制系统的被控变量或反映过程特 征的工艺参数，为优化控制与决策提供重要信息。 三 软测量技术 软测量技术包括： 软测量建模方法； 模型实时演算的工程化实施技术； 模型维护技术。 x为被估计变量集； d1为不可测扰动； d2为可测扰动； u为对象的控制输入； y为对象可测输出变量； x﹡为可能有的离线分析计算值或大采样间隔的测量值（如分析仪输出）。 软测量建模就是根据可测数据得到被估计变量x的最优估计: 此动态模型一般具有非线性特性，模型结构通常需由机理 分析给出，但参数的估计比较困难。 3.2.2 软测量建模的主要数学基础 最小二乘参数估计算法广泛用于线性输人输出模型的参数估 计。下面考虑MIMO线性模型的最小二乘法建模。 线性回归模型可表示为： 最小二乘的参数估计算法就是确定参数的估计 ，使得 模型输出估计值与实际输出Y的误差平方和最小，即 极小化性能指标得： 3.2.2.2 主元分析法 3.2.2.3 人工神经网络（Artifical Neural Networks, ANN） 一、什么是神经网络？ 神经网络是一个三层感 知器模型，主要由输人层、 隐含层和输出层三层组成。 它是目前最通用的有教师 学习网络系统，网络训练的目的主要是使网络的输出逼近目 标值。 在具有丰富的样本数据的情况下，利用神经网络建模的步 骤如下： 二、神经网络建模步骤 1. 确定网络的层数： 有两个隐含层的BP网络可以按任意精度近似任意连续 函数；有一个隐含层的BP网络可以拟合绝大多数非线性 函数，因而一般的BP网络均选用三层网络结构。 2. 确定输入层、隐含层、输出层节点个数： 网络输人、输出节点数的确定，一般根据具体问题来解 决；隐节点的确定目前还没有定论，一般要多次试探、比 较，以确定其具体个数。 3. 确定网络各层输入输出值： 网络中每个节点均为一个神经元，输人层神经元的输 入值即为其输出值； 其余层神经元的输入值由该节点所有输人和阈值的加 权和组成〔其中阈值的加权值令为1)，即 相应的该点的输出值一般采用Sigmoid函数，即 其中 传统的BP网络的学习规则是梯度下降法，也就是根据梯 度的负方向来修正网络权值，以使误差目标函数最小。 选目标函数为： 则网络权值修正为： ∝ 举例： 3.