检测技术第5章.pptVIP

检测技术及仪表 电信学院先进控制技术研究所 5.1软测量技术 问题的提出：某些变量无法测得或不易实现 如：分馏塔产品成分、塔板效率、干点、闪点，反应器中反应物浓度、转化率、催化剂活性，生物发酵过程中的生物量参数等。 软测量的基本思想：应用计算机技术，对于难于测量或暂时不能测量的重要变量(或称之为主导变量)，选择另外一些容易测量的变量(或称之为辅助变量)．通过构成某种数学关系来推断和估计，以软件来代替硬件(传感器)功能。这类方法具有响应迅速，连续给出主导变量信息，且具有投资低，维护保养简单等优点。 软测量结构框图 软测量技术主要有辅助变量的选择，数据采集和处理，软测量模型建立及在线校正等部分。 1）辅助变量的选择 首先明确软测量的任务，确定主导变量。在此基础上深入了解和熟悉软测量对象及有关装置的工艺流程，通过机理分析可以初步确定影响主导变量的相关变量——辅助变量。辅助变量的选择包括变量类型、变量数目和检测点位置的选择。这三个方面是互相关联、互相影响，由过程特性所决定的。在实际应用中，还受经济条件、维护的难易程度等外部因紊 辅助变量的选择应符合过程适用性、精确性等原则。 2）数据采集和处理 过程数据包含了工业对象的大量相关信息。在实际采集的数据是与软测量主导变量对应时间的辅助变量的过程数据时，数据采集量多多益善，不仅可以用来建模，还可以检验模型。其次，数据覆盖面在可能条件下应宽一些，以便软测量具有较宽的适用范围。 为了保证软测量精度，数据正确性和可靠性十分重要。采集数据必须进行处理。数据处理包含两个方面，即换算(scaling)和数据误差处理。换算包括标度、转换和权函数三个方面。 3）软测量模型的建立 软测量模型是软测量技术的核心，建立的方法有机理建模，实验测试以及两者结合 机理建模：从机理出发，也就是从过程内在的物理和化学规律出发，通过物料平衡、能量平衡和动量平衡建立数学模型。 对于简单过程可以采用解析法，而对于一些复杂过程，特别是需要考虑输入变量大范围变化的场合，采用仿真方法。典型化工过程的仿真程序已编制成各种现成软件包。 机理模型优点是可以充分利用已知的过程知识，从事物的本质上认识外部特征；有较大的适用范围，但亦有弱点，对于某些复杂的过程难于建模，必须通过输入输出数据验证。 经验建模： 通过实测或依据积累操作数据，用数学回归法、神经网络方法等得到经验模型。经典的回归分析方法是最小二乘法 经验建模的优点与弱点与机理建模正好相反．特别是现场测试，实施中有一定难处。 机理建模与经验相结合： 把机理建模与经验建模结合起来，可兼容两者之长，补各自之短。结合方法有：主体上按照机理建模，但其中部分参数通过实测得到；通过机理分析，把变量适当结合，得出数学模型函数形式，这样使模型结构有了着落，估计参数就比较容易，其次可使自变量数目减少；由机理出发，通过汁算或仿真，得到大量数据，再用回归方法或神经网络方法得到模型。 机理与经验相结合建模是一个较实用的方法，目前被广泛采用。 。 基于神经网络方法 基于人工神经网络的软测量是近年来研究最多、发展很快和应用范围很广泛的一种软测量技术。 a. 人工神经网络及建模特点 结构： 特点： 神经网络具有自学习、联想记忆、自适应和非线性逼近等功能； 可根据对象的输入输出数据直接建模。能适用于高度非线性和严重不确定性系统； b. 建模形式 利用人工神经网络直接建模 用网络代替常规的数学模型描述辅助变量和主导变量间的关系，完成由可测信息空间到主导变量的映射，实现软测量。 原理图： 特点： 所建模型属黑箱模型，模型特性隐含于网络权值中，不能写出显式数学模型。 模型特性外延性不好。 与常规模型相结合，用人工神经网络来估计常规模型的模型参数并进而实现软测量， 原理图： 特点： 所建模型属于灰箱模型，模型可用显式表示。 模型描述特性介于机理模型与黑箱模型之间。 特性外延有一定误差。 c. 神经网络建模方法 通过样本训练的方法实现神经网络模型的建立 基本步骤： 确定网络结构 确定训练样本 确定网络变换函数及训练方法 实行网络训练 d. 注意： 在实际应用中网络训练样本的数量和质量、学习算法、网络的拓扑结构和类型等的选择对所构成软仪表的性能都有重大影响。 4） 软测量模型的在线校正 由于软测量对象的时变性、非线性以及模型的不完整件等因素．必须考虑模型的在线校正，才能适应新工况。软测量模型的在线校正可表示为模型结构和模型参数的优化过程，具体方法有自适应法、增量法和多时标法。对模型结构的修正往往需要大量的样本数据和较长的计算时间，难以在线进行。为解决模型结构修正耗时长和在线校正的矛盾，提出了