《7现代检测技术》-课件设计（公开）.pptVIP

2．2．2 人工神经网络法 神经网络具有很强的容错性以及自学习、自组织及自适应能力，能够模拟复杂的非线性映射。神经网络的这些特性和强大的非线性处理能力，恰好满足了多传感器数据融合技术处理的要求。在多传感器系统中，各信息源所提供的环境信息都具有一定程度的不确定性，对这些不确定信息的融合过程实际上是一个不确定性推理过程。神经网络根据当前系统所接受的样本相似性确定分类标准，这种确定方法主要表现在网络的权值分布上，同时，可以采用经网络特定的学习算法来获取知识，得到不确定性推理机制。利用神经网络的信号处理能力和自动推理功能，即实现了多传感器数据融合。 3 应用领域: 军事应用 复杂工业过程控制 机器人 遥感 交通管理系统 全局监视 （1）尚未建立统一的融合理论和有效广义融合模型及算法； （2）对数据融合的具体方法的研究尚处于初步阶段； （3）还没有很好解决融合系统中的容错性或鲁棒性问题； （4）关联的二义性是数据融合中的主要障碍； （5）数据融合系统的设计还存在许多实际问题。 4数据融合存在的问题 （1）建立统一的融合理论、数据融合的体系结构和广义融合模型； （2）解决数据配准、数据预处理、数据库构建、数据库管理、人机接口、通用软件包开发问题，利用成熟的辅助技术，建立面向具体应用需求的数据融合系统； （3）将人工智能技术，如，神经网络、遗传算法、模糊理论、专家理论等引入到数据融合领域；利用集成的计算智能方法（如，模糊逻辑＋神经网络，遗传算法＋模糊＋神经网络等）提高多传感融合的性能； （4）解决不确定性因素的表达和推理演算，例如：引入灰数的概念； 5: 数据融合发展趋势 （5）利用有关的先验数据提高数据融合的性能，研究更加先进复杂的融合算法（未知和动态环境中，采用并行计算机结构多传感器集成与融合方法的研究 （6）在多平台／单平台、异类／同类多传感器的应用背景下，建立计算复杂程度低，同时，又能满足任务要求的数据处理模型和算法； （7）构建数据融合测试评估平台和多传感器管理体系； （8）将已有的融合方法工程化与商品化，开发能够提供多种复杂融合算法的处理硬件，以便在数据获取的同时就实时地完成融合。 （1）仅获取流量、温度、压力和液位等常规过程参数的测量信息已不能满足工艺操作和控 制的要求，需要获取诸如成分、物性等与过程操作和控制密切相关的检测参数的测量信息。 （2）仪表测量的精度要求越来越高。测量从静态或稳态向动态测量发展，在许多应用场合还需要综合运用所获得的各种过程测量信息，才能实现有效的过程控制、对生产过程或 测量系统进行故障诊断、状态监测等。　　 7.4 软测量技术 随着现代工业过程对控制、计算、节能增效和运行可靠性等要求的不断提高，各种测量要求日益增多。现代过程检测的内涵和外延较之以往均有很大的深化和拓展。 由于工业过程生产系统涉及物理、化学、物质转换、能量传递以及系统的复杂性与不确定性都将导致过程参数检测的困难。 无论是过程控制中先进过程控制算法或策略的具体实施，还是操作优化、生产协调、故障诊断、状态监测等，其工程实现的前提都是有效获取反映过程信息。过程检测技术发展水平的限制，导致了许多先进的控制算法和策略目前只能停留在理论探讨上，难以在工业实际中应用。　　 一般解决工业过程的测量问题有两条途径：一是沿袭传统的检测技术发展思路，通过研制新型的过程测量仪表，以硬件形式实现过程参数的直接在线测量；另一种就是采用间接测量的思路，利用易于获取的其它测量信息，通过计算来实现对被测变量的估计。近年来在过程控 制和检测领域涌现出的一种新技术——软测量技术就是这一思想的集中体现。 　　软测量技术在工业过程中主要应用于实时估计、故障冗余、智能校正和多路复用等方面。它依据对可测易测过程变量(称为辅助变量如压力、温度等)与难以直接测量的 待测过程变量(称为主导变量，如产品分布、物料成分)之间的数学关系的认识， 采用各种计算方法，用软件实现待测变量的测量或估计。目前，利用计算机系统，由过程实测变量计算出不可测变量，是解决现在问题的主要途径。 1 软测量技术基本原理 　　辅助变量或称二次变量的选择分为数量、类型和检测点的选择。目前软测量对象都是灰箱系统，得不到系统的准确模型。一般来说，原始辅助变量数目、类型很多，往往有数十个，并且相关程度差异较大，为了实时运行方便，有必要对输入变量进行适当的降维处理。 1.1辅助变量选择 根据灵敏、准确、特异性以及鲁棒性强的原则，常用的选择方法有两种： （1）通过机理分析的方法，找到那些对被测变量影响大的相关变量； （2）采用主元分析、部分最小二乘法等统计方法进行数据相关性分析，剔除 冗余的变量，降低系统的维数。也可