软测量方法及技术

合集下载

软测量

软测量

16.2.1 选择辅助变量
检测点位置的选择
对于许多工业工程,与各辅助变量相对应的检 测点位置的选择是相当重要的。典型的例子就是精 馏塔,因为精馏塔可供选择的检测点很多,而且每 个检测点所能发挥的作用各不相同。一般情况下, 辅助变量的数目和位置常常是同时确定的,用于选 择变量数目的准则往往也被用于检测点位置的选择 。
软测量的适用条件
无法直接检测被估计变量,或直接检测被估计变量的 自动化仪器仪表较贵或维护困难;
通过软测量技术所得到的过程变量的估计值必须在工 艺过程所允许的精确度范围内;
能通过其他检测手段根据过程变量估计值对系统数学 模型进行校验,并根据两者偏差确定数学模型是否需 要校正;
被估计过程变量应具有灵敏性、精确性、鲁棒性等特 点
16.2 软测量的方法 16.2.1 选择辅助变量
辅助变量的选择一般取决于工艺机理分析
辅助变量的选择包括变量的类型、变量的数目和 检测点位置的选择三个方面,它们相互关联,并 由过程特性所决定
16.2.1 选择辅助变量
变量类型的选择原则 过程适用性,易于在线获取并有一定的测量 精度。 灵敏性,对过程输出或不可测扰动能做出快 速反应。 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,构成的软测量仪表应能够满足精度 要求。 鲁棒性,对模型误差不敏感等。
所以在这里应用的是锤度和过饱和度之间的关系。
(2) 系统辨识方法得出的过饱和度模型。建立过饱和度软测量模型时选用了 501组数据,用系统辨识的方法得到过饱和度和锤度的关系如下:
y ˆ ( 0 . 4x 5 2 1 . 6 8 x 4 4 7 2 . 5 4 x 3 2 6 1 . 9 3 x 2 5 4 0 . 7 3 x 4 0 . 8 1 2 ) 1 1 9 4

软测量技术及其应用与发展

软测量技术及其应用与发展

软测量技术的未来发展
在学术研究方面,未来软测量技术的研究将更加深入和系统化。研究人员将 通过跨学科的合作与交流,推动软测量技术的发展与创新。例如,将机器学习、 深度学习等先进的人工智能技术与软测量技术相结合,将有助于提高模型的自适 应能力和预测精度。此外,研究人员还将探索软测量技术在新能源、新材料等领 域的应用,为实现可持续发展提供新的解决方案。
软测量技术及其应用与发展
01 引言
目录
02 软测量技术
03 软测量技术的应用
04
软测量技术的未来发 展
05 结论
06 参考内容
引言
引言
随着科学技术的发展,测量技术的进步对各个领域的影响越来越深远。在众 多测量技术中,软测量技术以其非侵入性和灵活性而备受。软测量技术通过数学 模型和计算机模拟等方法,对无法直接测量或者测量难度较大的物理量进行估计 和预测,为工业生产、科学研究等众多领域提供了强有力的支持。
软测量技术
软测量技术
软测量技术的基本原理是利用已知信息,通过数学模型和计算机技术估计和 预测未知量。在软测量技术中,建立软测量模型是核心步骤。该模型利用输入信 号的特征,结合各种算法,估计和预测目标变量的值。软测量模型不仅可以根据 实际需求进行定制,还可以实现实时监测和在线优化。
软测量技术
在建立软测量模型时,需要选择合适的算法进行建模。常见的算法包括神经 网络、支持向量机、回归分析等。这些算法可以根据数据的特征和规律,实现高 精度的测量和估算。同时,借助计算机技术,软测量技术可以实现模型的在线优 化和实时更新,以适应不同环境和条件下的测量需求。
二、基于数据驱动的软测量建模 技术
1、数据采集
1、数据采集
在工业过程中,各种传感器会采集大量的数据,包括温度、压力、流量等。 这些数据需要通过一定的预处理和清洗,去除异常值和噪声,保证数据的准确性 和可靠性。

软测量技术

软测量技术
约。
对辅助变量的选择通常遵循如下原则: (1)灵敏性。能对过程输出(或不可测扰动)作出快速反应。 (2)特异性。能对过程输出(或不可测扰动)之外的干扰不敏感。 (3)工业适应性。工程上易于获得并达到一定的测量精度。 (4)精确性。构成的估计器达到要求的精度。 (5)鲁棒性。构成的估计器对模型误差不敏感。
传感检测技术基础
软测量技术
软测量技术主要包括四部分的内容:(1)辅助变量的选取;(2)数 据处理;(3)软测量模型的建立;(4)软测量模型的自校正及维护。
1.1 辅助变量的选择
辅助变量的选择非常重要,因为不可测的主导变量需要由这些辅助变 量推断出来;这其中包括辅助变量的类型、数目及测点位置三个关键点。 这三点是互相关联的,在实际中受到经济性、维护的难易等额外因素的制
(2)辨识建模方法
1)动态软测量模型的间接辨识 2)静态软测量模型的辨识——回归分析法 3)非线性软测量模型的建立
1.4 软测量模型的自校正及维护
工业生产过程的对象特征由于工艺改造、原料特性变化、操作条件改 变等原因都会发生变化。如果软测量模型不作修正,测量精度必然下降, 因此模型采用在线自校正和不定期更新的两级学习机制。 (1)在线自校正。根据对被测量参数的离线测量值(人工采样,实验室 分析)与软测量中主导变量估计值之间的偏差来对模型进行在线修正,使 软测量估计器能跟踪系统特性的变化,最简便的在线校正算法为常数项修 正法。 (2)模型更新。当对象特性发生较大变化,即使软测量估计器进行在线 学习也无法保证估计值的精度时,则必须使用已积累的历史数据进行模型
传感检测技术基础
软测量建模就是设法根据某种最优原则由可测变量得到无法直接测量 的主导变量的估计值。软测量模型的建立方法主要有机理建模方法和辨识

软测量技术原理及应用

软测量技术原理及应用

软测量技术原理及应用
软测量技术是一种基于数据驱动的测量方法,通过建立数学模型从实时过程中采集的数据中实时估计和预测相关过程变量,从而实现过程的监控、优化和控制。

它主要包括以下几个方面的原理和应用:
1. 原理:软测量技术基于统计学、数学建模和机器学习等方法,通过对大量历史过程数据的分析、建模和训练,构建出数学模型,并利用该模型对实时数据进行解析和预测。

常用的软测量方法有主成分分析、支持向量机、神经网络、模糊系统等。

2. 应用:软测量技术广泛应用于过程工业领域的监控、优化和控制。

例如,在化工工艺中,通过软测量技术可以实时估计关键的过程变量,如温度、压力、流量等,从而实现对生产过程的实时监控和优化控制。

在能源领域,软测量技术可以用于实时预测能源需求和优化能源供应链。

在制造业中,软测量技术可以用于产品质量监控和预测,从而提高生产效率和产品质量。

总之,软测量技术可以通过建立数学模型和分析实时数据,实现对过程的实时监控、预测和优化控制,具有广泛的应用前景。

软测量技术_现代检测技术

软测量技术_现代检测技术

第一节 软测量技术
二、软测量技术的实现方法
► 辅助变量的选择
包括变量的类型、数目和测点位置等三个相 互关联的方面 辅助变量的选择要基于对对象的机理分析和 实际工况的了解
第一节 软测量技术
一般应符合如下若干原则
适用性 灵敏性 特异性 准确性 鲁棒性
第一节 软测量技术
► 测量数据的处理
b
软测量模块
s
软测量模块
差压-浓度法技术路线
第一节 软测量技术
► 过程控制中的推断控制
d
Ysp
控制器
U
Yout
过程系统
+
_
ˆ Y
软仪表 (估计器)

校正
k
反馈推断控制系统
现代检测技术
第一节 软测量技术
一、软测量技术的概念
► 软测量(Soft-sensing)技术
也称为软仪表(Soft Sensor)技术
检测原理 :利用易测的变量 ,依据这些易测变量与 难以直接测量的待测变量 ,之间的数学关系(软 测量模型) ,通过各种数学计算和估计方法以实 现对待测变量的测量
测量数据的处理一般包括测量误差处理和测 量数据变换两部分 ► 软测量模型的建模 表征辅助变量和主导变量之间的数学关系称 为软测量模型,它是软仪表的核心
第一节 软测量技术
基于回归分析的软测量技术
►回归分析是一种基于最小二乘原理的数据处理方法 ►有线性回归分析和非线性回归分析两大类 ►工程中最常用是多元线性回归
基于神经网络的软测量技术
►基于人工神经网络的软测量可在不具备对象的先验知
识的条件下根据对象的输入输出数据直接建模 并能适用于高度非线性和严重不确定性系统

软测量方法原理及实际应用

软测量方法原理及实际应用
干扰
主导变量:
3 软测量建模方法的分类 软测量建模方法的
目前主要软测量建模的方法: 目前主要软测量建模的方法
机理建模、回归分析、状态估计、模式识别、 机理建模、回归分析、状态估计、模式识别、 人工神经网络、模糊数学、基于支持向量机(SVM) 人工神经网络、模糊数学、基于支持向量机 方法、过程层析成像、相关分析和现代优化算法 现代优化算法等 方法、过程层析成像、相关分析和现代优化算法等 多种建模方法。 多种建模方法。

基于知识的软测量方法:
基于人工神经网络的软测量建模方法是近年来研究最多、 基于人工神经网络的软测量建模方法是近年来研究最多、 人工神经网络的软测量建模方法是近年来研究最多 发展很快和应用范围很广的一种软测量建模方法。 发展很快和应用范围很广的一种软测量建模方法。由于能适 用于高度非线性和严重不确定性系统, 用于高度非线性和严重不确定性系统,因此它为解决复杂系 统过程参数的软测量问题提供了一条有效途径。 统过程参数的软测量问题提供了一条有效途径。
基于工艺机理分析的软测量方法: 基于工艺机理分析的软测量方法:

主要是运用物料平衡、 能量平衡、 主要是运用物料平衡、 能量平衡、化学反应动力学等
原理,通过对过程对象的机理分析, 原理,通过对过程对象的机理分析,找出不可测主导变量与 可测辅助变量之间的关系(建立机理模型), ),从而实现对某 可测辅助变量之间的关系(建立机理模型),从而实现对某 一参数的软测量。 一参数的软测量。 对于工艺机理较为清楚的工艺过程, 对于工艺机理较为清楚的工艺过程,该方法能构造出性 能良好的软仪表;但是对于机理研究不充分、 能良好的软仪表;但是对于机理研究不充分、尚不完全清楚 的复杂工业过程,则难以建立合适的机理模型。 的复杂工业过程,则难以建立合适的机理模型。

第六章 软测量技术第四节软测量技术应用实例


四、软测量技术应用实例
1.软测量技术在啤酒发酵糖度测量中的应用
(4) 软测量BP模型
选择30组典型数据构成训练集,经6328次迭代计算便建 立了啤酒糖度软测量BP 模型。将模型的输出与实际的化验 糖度比较,精度达到 0.1%。如下图所示。
四、软测量技术应用实例
2 .软测量在常压塔筛料干点测量中的应用
四、软测量技术应用实例
2 .软测量在常压塔筛料干点测量中的应用
(3) 回归分析建模
按回归方法建模需要大量的有效数据。辅助变量的 历史数据由DCS系统记录,筛料干点的化验分析每4 个小时完成一次。按照化验分析的采样时刻提取 DCS系统的记录,可获得主导变量与辅助变量对应 的一组组数据。进行数据处理,剔除个别坏的数据, 可获得n组有效数据。
四、软测量技术应用实例
1.软测量技术在啤酒发酵糖度测量中的应用
(2) 啤酒发酵
啤酒发酵设备
四、软测量技术应用实例
1.软测量技术在啤酒发酵糖度测量中的应用
(2) 啤酒发酵
啤酒发酵工艺要求发酵温度如图所示规律变化,要经过恒 温、升温、再恒温、降温及最后恒温五个工艺阶段。不同啤 酒品种,其发酵各阶段参数有所不同,但反映其温度变化规 律的工艺阶段曲线形式是一样的。
第六章 软 测 量 技术
主要内容
一、软测量技术的意义 二、软测量技术的内容 三、软测量技术的建模 四、软测量技术应用实例
四、软测量技术应用实例
1.软测量技术在啤酒发酵糖度测量中的应用
(1) 发酵
基本背景情况:
发酵是食品工业生产和医药工业生产的重要工艺 方法。所谓发酵是指在合适的环境条件下,微生物 经过特定的代谢方式将原料养分转换成所需生物产 品的过程。发酵过程有复杂性、不确定性和生产过 程生物参数检测的困难性。

软测量技术及应用


(3)现场应用示图
4BF喷煤风口支管状态监测系统 监控界面
4BF喷煤风口支管状态监测系统 传感器安装图(CPFM-B)
铸坯表面温度测量及计算结果比较
编号 钢种 拉速 位置z(m) 测量值(℃) 校正前(℃) 校正后(℃)
1
2 3 4
C72DA
C72DA C82DA C82DA
1.9
2.0 1.9 1.9
10.5
10.5 8.0 10.5
1033.0
1038.0 1030.4 1015.3
823.4
847.9 769.5 806
(2)辐射测温
测量铸坯表面辐射温度。
(3)数据相关融合
用点测温度修正CCD温度值。
南京钢铁联合公司现场测量数据(一)
南京钢铁联合公司现场测量数据(二)
南京钢铁联合公司现场测量数据(三)
凝固传热方程和边界条件
传热方程:
c
T T T ( ) ( )S t x x y y

测量数据变换不仅影响模型的精度和非线性映射能力,而且对数值算 法的运行效果也有重要作用。测量数据的变换包括标度、转换和权函 数三个方面。

标度:实际测量数据可能有着不同的工程单位,各变量的大小间
在数值上可能相差几个数量级,直接使用原始测量数据进行计算可能 丢失信息和引起数值计算的不稳定,因此需要采用合适的因子对数据 进行标度,以改善算法的精度和计算稳定性。

三、软测量的数学模型

机理模型建模是基于对过程对象的深刻认识,运用 对象的平衡方程、动力学方程、物性参数方程和设 备特性方程,建立估计主导变量的精确数学模型。

由于实际工业过程的复杂性,难以完全通过机理分 析得到软测量模型。因此,基于机理分析的方法建 模非常困难,需要与其他方法配合使用。

第3章软测量技术及其应用


第3章 软测量技术及其应用 3.2.3.2 动态软测量模型的间接辨识方法 一般首先辨识工业对象的动态模型:
若系统的状态是完全可观的,其动态软测量问题转化为状态 估计问题,可用Kalman滤波器得到估计值x。 间接辨识方法的缺陷: a. 需要知道过程准确的数学模型和扰动统计特性; b. 对于非线性过程,该方法获得的估计是有偏的,如果非 线性严重,会产生很大的估计偏差,甚至会导致算法的发 散。
第3章 软测量技术及其应用 3.4.2 模型更新 当对象特征发生较大变化,软测量器经在线学习也无法保 证预估精度时,必须利用软测量器运算所累积的历史数据, 进行模型更新。 通常是人工干预下的软测量模型离线重构,即调整模型结 构,重新估计模型参数;或根据新的样本数据训练ANN,使 模型适应新的工况,模型维护的工作量较大。 为了实现软测量模由它作出是否需要更新模型的决策,并 调用离线的模型更新软件。
第3章 软测量技术及其应用 3.3.6 软测量模型的实施 常见的实施平台和工具有: 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。 实施的软测量模型一般采用双层结构,即:底层用DCS运 算模块或可编程语言实现软测量在线数据采集、数据滤波和 显著误差检验等,以及数据预处理和软测量值计算;上层工 业PC上位机或实时数据库的应用程序实现软测量模型的组 态、自校正和离线维护。
相应的该点的输出值一般采用Sigmoid函数,即 其中
第3章 软测量技术及其应用 Step2: 确定网络的学习规则: 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: ∝

软测量技术——精选推荐

软测量技术传感器与检测技术(第2版)第16章软测量(知识点)知识点1 软测量的概念所谓软测量(Soft-sensing),就是依据某种最优化准则,选择与被估计变量相关的⼀组可测变量(称为辅助变量),构造某种以可测变量为输⼊、被估计变量为输出的数学模型,通过计算机软件实现对⽆法直接测量的重要过程变量(称为主导变量)的估计。

软测量是近年来检测和过程控制领域涌现出的⼀种新技术,为⽆法或难以⽤传感器直接检测变量的检测与控制提供了⼿段,对于⽣产⾃动化以及控制产品质量具有重要意义,是⽬前检测技术和过程控制研究发展的重要⽅向。

软测量估计值可以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必要的信息。

软测量的基本思想是把⾃动控制理论与⽣产⼯艺过程知识有机结合起来,应⽤计算机技术,对于⼀些难于测量或暂时不能测量的主导变量,选择另外⼀些容易测量的辅助变量,通过构成某种数学关系来推断和估计,以软件来代替硬件功能。

软测量是⼀种利⽤较易在线测量的辅助变量和离线分析信息去估计不可测或难测变量的⽅法。

知识点2 软测量的⽅法软测量的⼯程实现过程主要包括辅助变量选择、输⼊数据处理、软测量模型建⽴和软测量模型的校正等步骤。

16.2.1 选择辅助变量辅助变量的选择⼀般取决于⼯艺机理分析(如物料、能量平衡关系)。

通常⾸先从系统的⾃由度出发,确定辅助变量的最⼩数量,再结合具体过程的特点适当增加,以更好地处理动态性质等问题。

可以根据过程机理,在可测变量集中初步选择所有与被估计变量有关的原始辅助变量;在原始辅助变量中,找出相关的变量,选择响应灵敏、精度⾼的变量作为最终的辅助变量。

⽐较有效的⽅法是主元分析法,即利⽤现场的历史数据作统计分析计算,将原始辅助变量与被测变量的关联度进⾏排序,实现变量的精选确定。

辅助变量的选择包括变量的类型、变量的数⽬和检测点位置的选择三个⽅⾯,它们相互关联,并由过程特性所决定。

在选择辅助变量时,还要考虑经济性、可靠性、可⾏性、维护性等因素的影响。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
18.1 软测量概述
(2)基于统计分析的软测量方法
❖ 以大量的观测数据为依据,通过选择合理的模型, 并采用统计分析方法得到观测变量和待测变量之间 的统计规律
❖ 优点:不必考虑过程机理 ❖ 缺点:需要大量准确的实验数据,对测量误差敏感,
对模型的选择有较强的依赖性
化学工业出版社
自动检测技术及仪表控制系统 第二版
化学工业出版社
自动检测技术及仪表控制系统 第二版
18.3 基于状态估计的软测量方法 ❖ 状态方程:
xk xk1 k
❖ 观测方程:
zk xk vk
❖ 转移矩阵: 1 ❖ 观测矩阵: 1
化学工业出版社
自动检测技术及仪表控制系统 第二版
18.3 基于状态估计的软测量方法
化学工业出版社
自动检测技术及仪表控制系统 第二版
❖ 它通过检测某些可以直接获取的过程变量并根据其 和待检测变量之间的相互关系(数学模型),来估 计用仪表较难直接检测的待测变量。
化学工业出版社
自动检测技术及仪表控制系统 第二版
18.1 软测量概述
❖ 软测量技术的核心是建立待测变量和可直接获取的 变量之间的数学模型。
❖ 目前用到的建模方法和技术有:回归分析、状态估 计、模式识别、模糊数学。神经元网络技术等。
(1)线性回归18.2 基于统计方法的软测量方法
❖ 设变量 y与自变量 x1, x2 ,L , 满xN足如下的线性模型:
y f (x1, x2,L , xN ) a0 a1x1 a2x2 L aN xN
写成矩阵形式
y aT x
a0, a1, a2,L , aN
为待定系数,称为 N元线性回归系数
18.1 软测量概述
(3)基于神经元网络技术的软测量方法 ❖ 神经元网络,是由大量互相连接的处理单元组成的
并行网络,能够模拟人脑的机能完成相应计算,在 众多的领域取得了广泛的应用。
❖ 优点:不需要过多的了解被测对象的工作机理,而 只需将其等效为一个黑箱,其输入是能够直接测到 的变量,输出是待测变量。
自动检测技术及仪表控制系统 第二版
Contents
18.1 软测量概述 18.2 基于统计方法的软测量方法 18.3 基于状态估计的软测量方法 18.4 基于神经元网络技术的软测量技术 18.5 软测量方法应用示例
化学工业出版社
自动检测技术及仪表控制系统 第二版
18.1 软测量概述
❖ 软测量技术(soft sensing techniques)或软测量仪 表(soft sensor)是一种间接测量技术;
18.4 基于神经元网络技术的软测量方法
❖ 神经元网络是对脑神经的模拟,能以任意精度逼近 非线性连续函数,具有很强的适应于复杂环境和多 目标控制要求的自学习能力。
❖ 基于神经元网络的软测量技术包括数据预处理、训 练样本的选取、网络训练等步骤
❖ 应用模式: 1>数学模型未知 2>数学模型已化知学工,业出对版社参数进行估计
a (a0,a1,a2,L ,aN )T x (1, x1, x2,L , xN )T
化学工业出版社
自动检测技术及仪表控制系统 第二版
❖ 回归分析的18具.2 体基做于统法计是方,法对的于软上测量述方线法性模型,通过
设计适当的实验获得M次观测,观测数据用 ( yi , xi )
表示。其中,
i 1,2,3,L , M , xi (1, xi1, xi2,L , xi3)
两相流浓度测量18背.5景软:测量方法应用实例 ❖ 第一类是采用传统的单相流仪表和两相流测试模型
结合的测量方法 ❖ 第二类是基于微波技术、核磁共振技术、辐射线技
❖ M次观测写 成矩阵方程
y X a
❖ 回归系数
^
a (X T X )1 X T y
化学工业出版社
自动检测技术及仪表控制系统 第二版
18.2 基于统计方法的软测量方法
(2)主成分分析 ❖ 主成分分析是利用数理统计找出系统中的主要因素
和各种因素之间的相互关系,通过坐标变换提取主 成分,将一组具有相关性的变量变换为一组独立的 变量,将主成分表示为原始观察变量的线性组合。
使用条件: ❖ 被测对象的状态变量中包括待测变量 ❖ 观测变量可以由直接测量得到的变量组成 ❖ 被测对象的状态方程观测方程已知
或者: ❖ 待测变量可以直接测量 ❖ 但是噪声影响很大
化学工业出版社
自动检测技术及仪表控制系统 第二版
❖ 例子:假设18采.3 用基自于状行态设估计计的的采软样测量电方路法板来测量某传 感器的输出电压x,由于设计上的缺陷,电路上的 A/D转换芯片输出结果受噪声影响使得多次测量结 果之间的差别很大,使用Kalman滤波来估计真实 的传感器输出电压。
化学工业出版社
自动检测技术及仪表控制系统 第二版
18.1 软测量概述
(1)基于机理分析的软测量方法
❖ 通过分析过程对象中的物理、化学机理,获得描述 被测变量与观测变量之间的数学关系。
❖ 由于复杂工业生产过程机理难以分析建模,使得基 于机理分析的软测量方法在实际应用面临一定的困 难。
化学工业出版社
自动检测技术及仪表控制系统 第二版
自动检测技术及仪表控制系统 第二版
两相流浓度测量18背.5景软:测量方法应用实例 ❖ 两相流或多相流是指由两种或两种以上不同相物质
或成分构成的流体,包括油/气、油/水、油/气 /水、气/固等。 ❖ 其参数检测一直是一个国际性的难题。常用的两相 流检测技术大体可归为三类。
化学工业出版社
自动检测技术及仪表控制系统 第二版
❖ 缺点:需要大量的实验数据来训练和完善网络。
化学工业出版社
自动检测技术及仪表控制系统 第二版
18.2 基于统计方法的软测量方法
❖ 基于统计分析的软测量方法不必考虑过程机理; ❖ 依赖大量的观测数据; ❖ 选择合理的模型; ❖ 采用统计分析方法建立输入、输出关系。
化学工业出版社
自动检测技术及仪表控制系统 第二版
❖ 因此,主成分分析是把系统中的多个变量(或指标) 转化为较少的几个综合指标的一种统计方法,可以 将多变量的高维空间问题化简成低维的综合指标问 题。
化学工业出版社
自动检测技术及仪表控制系统 第二版
18.2 基于统计方法的软测量方法
化学工业出版社
自动检测技术及仪表控制系统 第二版
18.3 基于状态估计的软测量方法
相关文档
最新文档