智能检测理论与技术06.ppt

6.1 模糊智能检测概述 第六章 基于模糊数学的智能检测 模糊检测系统的基本结构 数据处理模块：对接收到的信源数值量进行信号处理，如滤波、特征值提取等。 信息模糊化模块：根据知识库中预设值的规则和要求，将精确的信息量转化为模糊量。 模糊推理：利用知识库中存放的专家知识和经验，即可提炼为若干条模糊语言规则或模糊模型的形式，对接受到的语言变量作出模糊判决，给出被测对象的语言符号结果。 解模糊：将模糊结果转换为精确数值量。 6.2 模糊智能检测技术应用实例 第六章 基于模糊数学的智能检测 克服过程大纯滞后的模糊检测器 具有纯滞后的过程在输入作用下，其响应要经过纯滞后时间才会在输出中反应出来，当纯滞后时间较大甚至起主要作用时，其影响更加严重，工程上称此为大纯滞后过程，此时一般控制系统难以工作。 广义上讲，纯滞后是因为系统的关键信息不能及时得到检测，等信号测出已经是事过境迁。 针对典型化工大滞后过程，采用基于系统特征信息的模糊检测器。 6.2 模糊智能检测技术应用实例 第六章 基于模糊数学的智能检测 克服过程大纯滞后的模糊检测器 检测器的工作原理 对具有大纯滞后的生产过程，过程的动态特性 可以在其运行特征上得到反映。 特征变量是对系统一种定性与定量相结合的描 述，通过此类特征的在线提取与映射，可在一 定程度上获取过程的动态特性。 6.2 模糊智能检测技术应用实例 第六章 基于模糊数学的智能检测 克服过程大纯滞后的模糊检测器 典型的化工过程一般为低频过程，类似低通滤波器，其传递函数可用二阶加纯滞后的环节来近似描述。 二阶纯滞后环节过程闭环时一段输入（下面）、输出（上面）时间序列 6.2 模糊智能检测技术应用实例 第六章 基于模糊数学的智能检测 克服过程大纯滞后的模糊检测器 模糊检测器的实现 6.2 模糊智能检测技术应用实例 第六章 基于模糊数学的智能检测 克服过程大纯滞后的模糊检测器 实验测试 6.2 模糊智能检测技术应用实例 第六章 基于模糊数学的智能检测 克服过程大纯滞后的模糊检测器 测试结果分析 6.2 模糊智能检测技术应用实例 第六章 基于模糊数学的智能检测 克服过程大纯滞后的模糊检测器 测试结果 测试结果表明，该模糊检测器能够有效的预测过程的 被调参数。 该检测器引入到闭环PID控制系统中，输入输出均为4- 20mA的标准信号。测试表明，引入的模糊检测器的闭 环控制系统跟踪调节时其超调小，回复时间短，定值 调节时能有效地促进控制系统对扰动的抑制，调节品 质显著优于单纯PID调节。 6.2 模糊智能检测技术应用实例 第六章 基于模糊数学的智能检测 气体成分模糊识别 系统组成及识别方法 受不同的温度和浓度下气体传感器的阻抗和灵敏度不 同的影响，采用单一气体传感器对混合气体进行识别 与组分分析比较困难。 采用模糊的方法来识别，对传感器的阻抗值，阻抗 的差及阻抗变化率等信息进行模糊处理。 6.2 模糊智能检测技术应用实例 第六章 基于模糊数学的智能检测 气体成分模糊识别 模糊检测系统框图 气体模糊检测系统框图 6.2 模糊智能检测技术应用实例 第六章 基于模糊数学的智能检测 气体成分模糊识别 推理规则 6.2 模糊智能检测技术应用实例 第六章 基于模糊数学的智能检测 气体成分模糊识别 仿真讨论 6.2 模糊智能检测技术应用实例 第六章 基于模糊数学的智能检测 气体成分模糊识别 仿真讨论 在气体识别过程中，“可能”、“非常可能”等模糊 语言的表示大量存在，模糊集合理论是处理这类问题 的有效工具。 将模糊推理理论的多传感器数据融合方法应用于气体 识别上，有利于提高识别效率。 6.2 模糊智能检测技术应用实例 第六章 基于模糊数学的智能检测 精馏塔产品纯度模糊测量 实验结果 将模糊检测器用于丙烯纯度的在线估计，结果表明，丙烯纯度的软测量结果与实际质量仪表分析结果吻合的很好。 6.2 模糊智能检测技术应用实例 第六章 基于模糊数学的智能检测 基于模糊数学的智能检测所建立的模型是一种知识性模型，该检测方法特别适合应用于复杂工业过程中被测对象呈现亦此亦彼的不确定性，难以用常规数学定量描述的场合。 实际应用中常将模糊技术和其他人工智能技术相结合，例如模糊数学和人工神经网络相结合构成模糊神经网络，将模糊数学和模式识别相结合构成模糊模式识别，这样可互相取长补短。 * 智能检测 第六章 基于模糊数学的智能检测 Intelligent Detection Theory and Techn