软测量技术
合集下载
第六章 软测量技术
三、软测量技术的建模
1．机理建模
• 根据化学反应方程式、能量平衡物料平衡方程式， 根据化学反应方程式、能量平衡物料平衡方程式，分 析生产工艺过程和各种变量之间的相互影响情况， 析生产工艺过程和各种变量之间的相互影响情况，从内在 的机理出发，找出主导变量（被测变量） 的机理出发，找出主导变量（被测变量）与有关辅助变量 之间的数学关系（模型），这种建模方法称为机理建模 ），这种建模方法称为机理建模。 之间的数学关系（模型），这种建模方法称为机理建模。 机理建模需要有扎实的物理、化学和生物方向面基础知 机理建模需要有扎实的物理、 对工艺过程十分清楚，各种工艺数据准确可靠。 识，对工艺过程十分清楚，各种工艺数据准确可靠。机理 可以采用仿真的方法。 建模可以采用仿真的方法 建模可以采用仿真的方法。 机理建模从事物的本质出发认识问题和解决问题， 机理建模从事物的本质出发认识问题和解决问题， 有优越性，对于较简单的生产工艺过程有实用性 实用性， 有优越性，对于较简单的生产工艺过程有实用性，对较 复杂的工艺过程则存在很大难度， 复杂的工艺过程则存在很大难度，和其它方法结合可以 产生更好的效果。 产生更好的效果。
二、软测量技术的内容
2．软测量模型的建立
一旦确定了辅助变量，软测量的核心工作就是建立软测 核心工作就是建立软测 一旦确定了辅助变量，软测量的核心工作 量模型，如下图所示： 量模型，如下图所示：
软测量最本质的技术 软测量最本质的技术是表征辅助变量和主导变量之间数 最本质的技术是表征辅助变量和主导变量之间数 学关系的软测量模型。与控制系统建模类似， 学关系的软测量模型。与控制系统建模类似，建立软测量 模型主要有机理建模 经验建模和 机理建模， 模型主要有机理建模，经验建模和机理与经验相结合的建 模。
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
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
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
– 采用人工神经网络进行软测量建模形式
对象
y e
对象
y
e
u
神经网络模型
ˆ y
u
神经网络模型
模型参数
常规模型
$ y
(a)
(b)
基于神经网络的软测量
• 软仪表的校正
– 软测量模型结构优化 – 模型参数修正
三、软测量技术应用举例 • 气力输送固相流量的软测量
– 差压-速度法
Vg DP
t
软测量 模型
差压-速度法技术路线
ms
– 差压-浓度法
DP Vg
输送气流速度
t
固相流量
ms
b
软测量模块
s
软测量模块
差压-浓度法技术路线
• 过程控制中的推断控制
d
Ysp
控制器
U
Yout
过程系统
+
_
ˆ 制系统
– 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
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
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
• 测量数据的处理
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
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。
软测量原理及应用
软测量原理及应用软测量是指通过数学建模和算法模拟等方法对无法直接测量的系统变量进行估算或预测的技术。
软测量技术具有较强的灵活性和实时性，可以更好地满足工业过程中对关键过程变量的监测和控制需求。
本文将介绍软测量的原理和应用，并从实际案例中解释其作用。
软测量的原理包括建模、辨识、优化和实现四个步骤。
首先，需要对要估计的系统变量进行建模，在建模过程中需要选择合适的变量进行测量，并根据实际情况进行变量筛选。
其次，通过系统辨识技术从已有的数据中提取有效信息，建立起系统的数学模型。
然后，通过优化算法对模型进行参数估计和优化，以提高模型的准确性和可靠性。
最后，将优化后的模型实施到实际过程中，并进行实时更新和运行。
软测量技术在工业过程中有广泛应用。
其中，化工过程是应用软测量的典型领域之一。
在化工过程中，很多关键过程变量无法直接测量，例如反应器中的反应物浓度、温度和压力等。
软测量技术可以通过对流体动力学和传热传质等原理的建模和优化，对这些变量进行准确估计。
软测量的应用可以提高生产过程的稳定性和可靠性，保证产品质量。
另外，软测量技术在制造业中也有广泛应用。
例如，在汽车制造过程中，很多关键参数如车身刚度、车辆噪音和燃油消耗等无法直接测量。
软测量技术可以通过对汽车制造过程中的关键参数及其之间的关系建立模型，实时监测和优化关键参数，提高汽车制造过程的效率和质量。
此外，软测量在能源领域也有重要的应用。
例如，在电网管理中，精确测量电网的负荷、电压和频率等是保证电网稳定运行的关键。
然而，由于电网非线性和复杂性，直接测量这些变量是困难的。
软测量技术可以通过对电网中各个关键节点的电流、电压等参数进行建模和优化，估计和预测电网的负荷和稳定运行情况。
在实际应用中，软测量技术可以与传统测量方法相结合，实现对系统变量的全面监测。
例如，在化工生产过程中，可以结合传感器测量和软测量技术，对关键变量进行实时监测。
软测量可以弥补传感器测量的不足，提高系统的监测精度和实时性。
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。
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。
软测量技术的发展与现状解读
软测量技术的发展与现状解读随着工业自动化和信息化的迅速发展，传统的连续控制系统已经无法满足复杂工业流程的控制要求。
为此，测量技术成为了自动化过程控制中的关键技术之一。
在工业自动化领域中，传统的硬测量仪器仍然占据了很大的市场。
然而，随着软测量技术的不断发展和成熟，其已广泛应用于各个领域，并逐渐成为工业自动化领域中不可或缺的技术手段之一。
软测量技术的概念及特点软测量技术是一种基于计算机仿真和数学建模的测量方法，它通过对相关数据进行处理、分析、检验和优化等操作，以提取被测对象所包含的信息并构建相应的模型。
与传统的硬件测量仪器相比，软测量技术具有以下特点：1.非侵入性：软测量技术不需要对被测对象进行物理干预，避免了对被测对象的影响。
2.灵活性：软测量技术可以根据需要灵活地选择不同的评估方法，对不同类别的数据进行处理。
3.经济性：软测量技术使用的仪器设备成本低，系统维护和更新也相对便宜。
软测量技术的发展历程软测量技术的发展历程可以分为以下几个阶段：第一阶段：传统算法法这一阶段的软测量技术主要使用传统的算法，并基于经验和知识获取方法对模型进行建立。
此方法的局限性在于无法准确预测复杂的过程和系统。
第二阶段：智能算法法由于传统算法的局限性，智能算法被引入到软测量技术中。
通过使用人工神经网络和遗传算法等智能算法，软测量技术取得了更好的应用效果。
第三阶段：混合算法法混合算法法是将传统算法和智能算法相结合的一种方法。
此方法可以克服传统算法的局限性，同时还可以减少智能算法的计算量，提高软测量技术的稳健性和适应性。
第四阶段：数据驱动模型法这一阶段的软测量技术主要使用数据驱动模型以实现在没有先验知识的情况下对过程建模。
数据驱动模型法通过对大量数据的收集和分析，并利用数据挖掘和机器学习技术构建出准确的系统模型。
软测量技术的应用领域软测量技术的应用趋势与其发展历程相似，从简单到复杂、从单一到多远程、从一种到多种和灵活性等，并已广泛运用于各个领域，包括以下几个方面：化工软测量技术在化工行业中应用较为广泛，以化工过程控制中的反应温度、压力、PH值等为测量对象。
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。
- 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、"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、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)。
软测量技术的基本概念
• 软测量技术也称为软仪表技术，就是利用 易测过程变量（称为辅助变量或二次变 量），依据这些易测过程变量与难以直接 测量的待测过程变量（称为主导变量）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，从而实现对待测过 程变量的测量。
软测量技术的基本概念
• 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 量的重要变量（主导变量），选择另外一 些容易测量的变量（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。
基于知识的软测量方法
• 基于模式识别的软测量方法是采用模式识别的方 法对工业过程的操作数据进行处理，从中提取系 统的特征，构成以模式描述分类为基础的模式识 别模型。基于模式识别方法建立的软测量模型与 传统的数学模型不同，它是一种以系统的输入、 输出数据为基础，通过对系统特征提取而构成的 模式描述模型。该方法的优势在于它适用于缺乏 系统先验知识的场合，可利用日常操作数据来实 现软测量建模。在实际应用中，这种软测量建模 方法常常和人工神经网络以及模糊技术等结合在 一起使用。
软测量技术的基本概念
• 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；以成熟的传感器检测为基础， 以计算机技术为核心，通过软测量模型运 算处理而完成。
软测量的意义
◆ 能够测量目前由于技术或经济的原因无法或 难以用传感器直接检测的重要的过程参数 ◆ 打破了传统单输入、单输出的仪表格局 ◆ 能够在线获取被测对象微观的二维/三维时空 分布信息，以满足许多复杂工业过程中场参数测 量的需要
软测量的数学描述
• 软测量的目的就是利用所有可以获得的
信息求取主导变量的最佳估计值，即构 造从可测信息集到 y 的映射：
干扰
主导变量
控制变量
辅助变量
软测量的数学描述
• ◆
建立软仪表的过程就是构造一个数学模型。
在许多建立软仪表的方法中，要以一般意义下
的数学模型为基础。
◆
软仪表与一般意义下的数学模型区别： – 数学模型主要反映y与u或d之间动态(或稳态) 关系 – 软仪表是通过 求y的估计值。
软测量技术的提出
• 到目前为止，在实际生产过程中，存在着许多因 为技术或经济原因无法通过传感器进行直接测量 的过程变量，如精馏塔的产品组分浓度、生物发 酵罐的菌体浓度、高炉铁水中的含硅量和化学反 应器中反应物浓度、转化率、催化剂活性等。
• 传统的解决方法有两种：一是采用间接的质量指 标控制，如精馏塔灵敏板温度控制、温差控制等， 存在的问题是难以保证最终质量指标的控制精度； 二是采用在线分析仪表控制，但设备投资大、维 护成本高、存在较大的滞后性，影响调节效果。 • 软测量技术应运而生
• 由于软仪表可以像常规过程检测仪表一样为控制系统提 供过程信息，因此软测量技术目前已经在过程控制领域 得到了广泛应用，下图概况地表示了软测量技术在过程 控制系统中的应用：
软测量的工业应用
• 过程操作和监控：
◆ 软仪表实现成分、物性等特殊变量的在线测 量，而这些变量往往对过程评估和质量非常重要。 没有仪表的时候，操作人员要主动收集温度、压 力等过程信息，经过头脑中经验的综合，对生产 情况进行判断和估算。 ◆ 有了软仪表，软件就部分地代替了人脑的 工作，提供更直观的过程信息，并预测未来工况 的变化，从而可以帮助操作人员及时调整生产条 件，达到生产目标。
软测量技术
陈刚 自动化学院
• 软测量技术是一门有着广阔发展前景的新 兴工业技术，已发展成为过程检测技术与 仪表研究的主要方向之一。本讲将介绍前 沿的软测量应用技术，能从控制系统整体 出发考虑如何应用软测量设计方法完成复 杂难测过程参数的在线检测。 • 软测量通常是在成熟的硬件传感器基础上， 以计算机技术为核心，通过软测量模型运 算处理完成的。
• 一元回归分析：研究的是两个变量x和y之间的相 关关系， 其中x、y都是随机变量。 • 多元线性回归分析：假设p个自变量为xi (i=1, 2, …, p)，因变量为y，y可表示为自变量xi的线 性组合，即：
y 0 1 x1 2 x2 ...... p x p
基于状态估计的软测量方法
• 基于某种算法和规律， 从已知的知识或数 据出发，估计出过程未知结构和结构参数、 过程参数。对于数学模型已知的过程或对 象，在连续时间过程中，从某一时刻的已 知状态y(k)估计出该时刻或下一时刻的未知 状态x(k)的过程就是状态估计。如果系统的 主导变量作为系统的状态变量关于辅助变 量是完全可观的，那么软测量问题就转化 为典型的状态观测和状态估计问题。
多元统计回归分析
• 回归分析：对具有相关关系的两个或两个以上变 量之间数量变化的一般关系进行测定，确立一个 相应的数学表达式，以便从一个已知量来推测另 一个未知量，为估算预测提供一个重要的方法。 • 回归的种类： ◆ 按自变量的个数分：一元回归、多元回归
◆ 按回归线的形状分：线性回归、非线性回归
多元线性回归
回归函数系数的确定
• 多元线性回归的数学模型用矩阵表示为：
Y X E 1 x11 x12 y1 y 1 x21 x22 2 . . Y X . . . . 1 xn1 xn 2 yn n1 x1 p 0 1 x2 p 1 2 . . E . . . . xnp n n1 p ( p 1)1 n( p 1)
基于回归分析的软测量方法
• 通过实验或仿真结果的数据处理，可以得到回归 模型 • 经典的回归分析是一种建模的基本方法，应用范 围相当广泛。以最小二乘法原理为基础的回归技 术目前已相当成熟，常用于线性模型的拟合。对 于辅助变量较多的情况，通常要借助机理分析， 首先获得模型各变量组合的大致框架，然后再采 用逐步回归方法获得软测量模型。为简化模型， 也可采用主元回归分析法和部分最小二乘回归法 等方法。 • 基于回归分析的软测量建模方法简单实用，但需 要足够有效的样本数据，对测量误差较为敏感。
基于状态估计的软测量方法
• 采用Kalman滤波器和Luenberger观测器 是解决问题的有效方法。前者适用于白色 或静态有色噪声的过程，而后者则适用于 观测值无噪声且所有过程输入均已知的情 况。
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、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，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。
基于知识的软测量方法
• 基于模糊数学的软测量模型也是一种知识 性模型。该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， 且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，例如将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，以提高软仪表的效能。
基于知识的软测量方法
• 基于现代优化算法的软测量是利用易测过 程信息（辅助变量，它通常是一种随机信 号），采用先进的信息优化处理技术，通 过对所获信息的分析处理提取信号特征量， 从而实现某一参数的在线检测或过程的状 态识别。
软测量的实施
• 对于大型工业生产装臵，软测量通常是在生产装臵现有 的软、硬件平台上实施，一般包含如下基本功能块： ◆ 实时数据平台：实现各模块与生产过程交换实时数 据及模块间的快速交换
题，并使模型降阶。然后，采用前k个主元作为 新的自变量进行回归，获得新的回归模型。
主元分析和主元回归
• 对多元线性回归模型 Y X E
假设输入数据矩阵X（m×n维）已列零均值化或标准化， 定义X的协方差矩阵为: XT X cov( X ) m 1
T 对其进行正交分解 cov( X ) Pm DPm
回归函数系数的确定
• 根据最小二乘估计原理， 的最小二乘估计值为：
(X X ) X Y
T 1 T
• 则得线性回归方程（软测量模型）为：
y 0 1 x1 ...... p x p
主元分析和主元回归
• 在研究工业过程时，为了全面了解和分析问题，通 常记录了许多与之有关的变量。这些变量虽然不同 程度的反映了过程的部分信息，但某些变量之间可 能存在相关性，即当X中存在线性相关的变量时， ( X T X )1 不存在，不能采用多元线性回归方法。若X的变量接 近线性关系，则多元线性回归方法计算不稳定。为 了解决线性回归时由于数据共线性而导致病态协方 差矩阵不可逆问题，以及在尽可能保持原有信息的 基础上减少变量个数，简化建模，可以采用统计学 中的主元分析和主元回归方法。
其中 D diag (1 , 2 , m ) 是 cov( X )的m个特征值按降序 排列构成的对角矩阵（ 1 2 m ）； Pm [ p1 , p2 , pm ] 是特征矩阵，由与特征值相对应的特征向量组成
主元分析和主元回归
• 主元回归方法是基于对数据矩阵X所进行的主元
分析，其基本思想是：先运用主元分析从数据矩
阵X中提取主元，他们是原有变量的线性组合， 且彼此相交，其中前k个主元在满足正交约束的 条件下，已包含了绝大部分信息量，而剩下的那 些主元基本上不含有多少有用的信息，将这些剩
下的主元略去，可以消除多元线性回归存在的问
◆ I/O接口：负责过程数据的采集和软测量计算结果的 输出
◆ 故障诊断和数据处理：对过程数据进行故障诊断和 所需的数据处理，为软测量的实时计算模块提供数据以 及必要的信息 ◆ 监视和整定：提供给工程师或操作员的界面，给工 程师提供维护的接口，可以对软测量进行监控、模型调 整、参数设臵、命令选择等