软测量技术原理及的应用.ppt

软测量技术原理及应用 报告人:马登龙  报告内容: 软测量技术概述 量处方法 系统辨识在软测量中的应用 基于知识学习的智能算法  1.软测量技术概述 获取历史数据 基本思想是:利用那些与难于检测的过 程量(主导变量, Primary variable)有 数据预处理 密切关系、容易检测到的过程量(辅助 变量, Secondary Variable),通过数学 模型运算,得到主导变量的估计值。具 变量及结构选择 体测量原理根据测量对象和需要而不同 模型辨识 ↓ 实施 ↓ 在线校正 图1软测量基本过程示意图  11辅助变量选择: 变量类型的选择有如下原则: 灵敏性:对过程输出或不可测试扰动能快速反应; 过程适用性:工程上易于获取并具有一定的测量精度 特异性:对过程输出或不可测扰动之外的干扰不敏感 准确性:能够满足精度要求; 鲁棒性:对模型的误差不敏感。  支通大  1.2软测量数据选择与处理: (1)对采集来的数据在选择数据时,要注意数据的“信息”量,均匀 分民采样点,尽力拓宽数据的涵盖范围,减少信息重叠,避免信息 (2)对输入数据测预处理:包括数据变换和误差处理 )数据变换包括标度、转换和权函数三部分:标度用于克服测量数 据的数值关系数 量级太大的 题,以改善算法 的 精度和稳定 替原变量 戏禽角座城斐动意拎在款签交 葆证输入数据准确、有效地必要子段 b)误差可分为随机误差和过失误差两大类,随机误差受随机因素影响 般不可避免,但符合一定的统计规律,可采用数字滤波的方法来 消除,例如算术平均滤波、中值滤波和阻展滤波等。过失误差将 大地影响软测量在线运行精度,为此及时检测和校正这类数据是 方法有随机搜索法、神经  支通大  13软测量模型辨识和验证 模型辨识是软测量技术的核心,软测量技术中由于其采用的理论工具和所 针对的实际对象的不同,而形成了多种软件测量方法,软测量大体有以下 四种形式 ◆基于工艺机理模型的方法。在对过程工艺机理深刻认识的基础上,通过对 象的机理分析,找出不可预测主导变量与可测辅助变量之间的关系。这类 机理模型大多是静态的,为了反映动态响应,可引入动态修正项 ◆基于回归模型的方法。通过实验或仿真结果的数据处理,可以得到回归模 ◆基于状态估计的方法。如果把待测的变量看做状态变量,把可测的变量看 做输出变量,那么依据可测变量去估计待测变量的问题就是控制理论中典 型的状态观测或估计命题。采用 Kalman滤波器是一种可取的手段。 ◆基于知识学习的方法。这种方法基于人工智能的发展。利用人工智能研究 模型解决实际生产中的问题,典型的有人工神经网络、支持向量机、模式 识别、模糊数学等方法。这些方法不是传统意义上的数学模型,所得到的 模型很难有比较清晰地物理意义,但是仍然可取辅助变量作为输入,通过 基于知识的学习训练,解决不可测变量的软测量问题,大多数情况下,相 当于“黑箱建模  支通大  2软测量数据处理方法 在实际测量中,由于测量者读数据或记录数据的错 误,或由于检测仪器受到随机干扰,都会造成异常的结果, 这类数据称为异常数据。判断样本数据是否为异常数据, 并将它们去除,对于建模来说非常重要。本节主要介绍小 波分析( wavelet analysis)、数据校正(data rectification)和传统的主元分析法( principal component analysis, PCA)  支通大  2.1小波分析用于数据处理: 在小波分析出现之前,傅里叶分析是数据转换的一种最要的方法,傅里叶分析的实 质在于将一个相当任意的函数f(表示为具有不同频率的谐波函数的线性叠加,其基本 转换关系为 √2z。J(-a 经典的傅里叶分析是一种纯频域的分析,有一个固有的缺点就是在 时空域中没有任何分辨能力。也就是说,虽然傅里叶变换能够将信号的 时域特征和频域特征联系起来,能分别从信号的时域和频域进行观察 但却不能将两者有机的结合起来。这是因为信号的时域波形中不包含任 何频域信息,而其傅里叶谱是信号的统计特性,是整个时间域内的积分 没有局部化分析信号的功能,完全不具备时域信息。 为了解决在基本傅里叶变换信号处理过程中出现的时域和频域局部化 的矛盾,科学家们提出了改进的傅里叶算法。短时傅里叶变换就是其中比 较有代表的一种  支通大  2.1小波分析用于数据处理: 短时傅里叶变换基本思想是 通过给信号加一个小窗,将信号划分为许多小的时间间隔,用傅 里叶变换来对每一个时间间隔内的信号进行分析,以便确定该时间间 隔内的频率信息 这种方法虽然