N-9.6 软测量技术
软测量技术及其应用
3.4、 软测量模型的结构选择
软测量模型结构的选择就是根据过程工艺特点、 模型应用目的和样本数据特 征，决定合理的模型类型和模型结构参数。常见的软测量模型有：
微分方程、 状态方程 动态 非线性---微分方程、状态方程 机理 动态 线性---代数方程 非线性---代数方程
-4-
-4-
软测量技术及其应用
2.2.2、 动态软测量模型的间接辨识方法
函数 x*＝ f(d2 ，u，y，x*，t)的动态数据非常难以直接观测，因此直接辨识 x*＝f(d2，u，y，x*，t)就非常困难。一般是首先辨识工业对象的动态模型。假设 函数 x*＝f(d2，u，y，x*，t)所示对象状态空间模型为：
-2-
-2-
软测量技术及其应用
石油化工企 业解决方案
软测量技术及其应用
软测量技术及其应用
软测量技术及其应用 目 录
1、 软测量技术 ............................................... 1 2、 软测量建模方法 ........................................... 1 2.1、 软测量模型的数学描述 ....................................................... 1 2.2、 软测量建模的主要方法 ....................................................... 2 2.2.1、 机理建模方法 ............................................................................ 2 2.2.2、 动态软测量模型的间接辨识方法 ............................................. 2 2.2.3、 静态软测量模型的建模方法 ..................................................... 3 3、 软测量的工程化设计与实施 ................................. 4 3.1、 辅助变量的初选................................................................. 4 3.2、 现场数据采集与处理 .......................................................... 4 3.3、 辅助变量的精选(输入数据集的降维) ...................................... 4 3.4、 软测量模型的结构选择 ....................................................... 4 3.5、 模型参数的估计................................................................. 5 3.6、 软测量模型的实施 ............................................................. 5 4、 软测量模型的自校正与维护 ................................. 5 4.1、 在线自校正 ....................................................................... 5 4.2、 模型更新 .......................................................................... 6 5、 软测量技术在石油化工企业的应用示例 ........................ 6 5.1、 催化裂化装置反－再系统的软测量........................................ 6 5.1.1、 软测量模块 ................................................................................ 6 5.1.2、 数据预处理模块 ........................................................................ 7
软测量技术
算、分析、处理等功能的计算机仪器系统。
以个人计算机为核心 通过测量软件支持 具有虚拟仪器面板功能 具有仪器硬件
具有通信功能
虚拟仪器检测技术
虚拟仪器的构成
显示记录仪表与装置
在测量中，人们需要将被测参数转变为容易识别的方式表现出来：指 针的位移，光柱（条）的长短、数码、图形、图像等。具有这类功能 的仪 表及装置，称为显示记录仪表。 与测量压力、物位、流量和温度的仪表不同，显示记录仪表属于二次 仪表的范畴。 二次仪表：不直接用于测量被测对象如温度、压力等物理量，而主 要 用于测量由一次仪表得到的电压、电阻或电流的变化量。 使用时配以相应的一次仪表或变送器，可以实现对各种生产参数的 显 示与记录。
显示记录仪表与装置
显示记录仪表与装置
显示记录仪表与装置
数字显示仪表的组成： A/D转换器：把连续变化的模拟量变换成数字量，完成这个功能的装 置称为模数转换装置。
近年来随着超大规模集成电路的开发和利用，数字显示仪表又 进入了一个微机化、智能化显示仪表的阶段。
显示记录仪表与装置
三、屏幕显示仪表和虚拟显示：在数字仪表的基础上增强CPU、ROM、 RAM、CRT和其它元件及功能的新型仪表。
输送气流速度
t
固相流量
ቤተ መጻሕፍቲ ባይዱ
ms
b
软测量模块
s
软测量模块
差压-浓度法技术路线
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
虚拟仪器检测技术
虚拟仪器（Virtual Instrument）是指在通用计算机上由 用户设计定义，利用计算机显示器（CRT）的现实功能来 模拟传统仪器的控制面板，以完成信号的采集、测量、运
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。
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
软测量技术的理论根源： 软测量技术的理论根源：
软测量技术的理论根源是20世纪 年代 软测量技术的理论根源是 世纪70年代 世纪 Brosilow提出的 提出的推断控制。 提出的 。 推断控制的基本思想是： 推断控制的基本思想是：采集过程中比较 容易测量的辅助变量（ 容易测量的辅助变量（Secondary Variable），通过构造 ），通过构造 ），通过构造推断估计器来估计 来估计 并克服扰动和测量噪声对过程主导变量 （Primary Variable）的影响。 ）的影响。
) 为估计函数关系， 式中 f ( 为估计函数关系，即软 测量模型，而离线采样值Y*常被 测量模型，而离线采样值 常被 用于软测量模型的校正。 用于软测量模型的校正。
软测量的结构
预 处 理 模 块 简 单 机 理 模 型
可以没有！ 可以没有！
历史数据
初始模型
模型参数
测量 数据
软测量模型 修正的模型参数
举例： 举例：
两相流或多相流是指由两种或两种以上不同相物质或 两相流或多相流是指由两种或两种以上不同相物质或 成分构成的流动（包括油/气、油/水两相流，油/气/水 成分构成的流动（包括油 气 水两相流， 气 水 水两相流 多相流和气/固两相流等），其参数检测一直是一个 固两相流等），其参数检测一直是一个国 多相流和气 固两相流等），其参数检测一直是一个国 际性的难题。 际性的难题。 国内外当前所采取的两相流检测技术大体可归为三类： 国内外当前所采取的两相流检测技术大体可归为三类：
软测量的特点： 软测量的特点：
响应迅速； 响应迅速； 能连续给出主导变量的信息； 能连续给出主导变量的信息； 投资低； 投资低； 维护保养简单。 维护保养简单。
软测量的数学描述
软测量技术发展与现状
软测量技术的发展及现状1、绪论在过程控制中，若要使机组处于最佳运行工况、实现卡边控制，提高机组的经济效益，就必须要对机组的重要过程变量进行严格控制。
然而对许多工业过程来说，一些重要的输出变量目前还很难通过传感器得到，即使可以测出也不一定具有代表性，不能总体的反映出设备的运行工况。
为了解决这类变量的测量问题，出现了不少方法，目前应用较广泛的是软测量方法。
软测量技术就是为了解决上述问题应运而生的。
其基本思想是根据比较容易测量的工业过程辅助变量，即二次变量，来估计无法直接测量的工业过程主要输出变量。
它采用统计回归、软计算等各种方法建立过程变量预报模型，并通过一些可以测量的过程变量和其他一些参数，用软件方法来测量（估计）难以用传统硬仪表在线测量的参数和变量。
从而为过程控制、质量控制、过程管理及决策等提供支持，从而为进一步实现质量控制和过程优化奠定基础。
软测量技术已是现代流程工业和过程控制领域关键技术之一，它的成功应用将极大地推动在线质量控制和各种先进控制策略的实施，使生产过程控制得更加理想。
2、软测量技术概论软测量的概念首先产生于工业过程的实际需要，从实践过程中抽象出理论，形成了软测量技术，然后又反过来指导生产过程的实践。
软测量技术的发展就是一个理论及实践相结合的典型例子。
软测量是目前过程控制行业中令人瞩目的领域，无论工业过程的控制、优化还是监测都离不开对过程主导变量的检测，它是各种控制方法成功应用的基础。
工业对象的基本输入输出关系如图2.1所示，向量U表示过程的控制输入，向量D表示过程的扰动变量，向量Y表示过程的主要输出变量，向量X’表示过程的其他输出变量。
软测量的基本思想则是根据某种最优准则，选择一组容易测量又及过程主要变量有密切。
图2.1 工业对象输入输出关系关系的过程辅助变量（辅助变量），通过构造某种数学模型（汪永生，2000），通过软件计算实现对不易测量的过程主要输出变量的在线估计。
软测量技术的对象输入输出关系如原理图2.2中所示：图2.2 软测量的工作原理把D、U、X’中的在线可测变量统一称为过程可测变量，用向量X表示。
软测量技术及应用
软测量技术及应用软测量是一种利用数学模型和计算机技术来进行质量或过程特性监测、诊断、预测和控制的方法。
它是根据过程系统的输入和输出数据，通过构建数学模型对过程进行建模分析，实现对过程参数的实时估计和控制。
软测量技术的应用非常广泛，可以用于工业生产中的过程监测与控制、产品质量检测与控制、环境监测与控制等方面。
软测量技术主要包括数据采集、建模与估计、控制与优化等步骤。
首先，需要对过程进行数据采集，获取输入输出数据。
数据采集可以通过传感器等设备进行，也可以通过历史数据进行。
然后，需要进行数据的处理和分析，对数据进行预处理、特征提取等操作，以便构建数学模型。
接下来，根据建模分析的结果，可以对过程进行参数估计和预测，实现过程状态的实时监测和预测。
最后，可以通过控制算法对过程进行调节和优化，实现过程的自动控制。
软测量技术在工业生产中有着广泛的应用。
首先，在过程监测与控制方面，软测量技术可以对各种工业过程进行参数估计和状态监测，实现过程的实时监测和控制。
例如，在炼油、化工等行业中，软测量技术可以对温度、压力、流量等重要参数进行实时估计和监测，可以及时发现过程异常，实现过程的及时调整和控制。
其次，在产品质量检测与控制方面，软测量技术可以对生产过程中的关键质量参数进行实时估计和控制，保证产品的质量稳定性和一致性。
例如，在电子制造、汽车制造等行业中，软测量技术可以对电子元件的质量、汽车零部件的性能等进行实时监测和控制，提高产品的质量和可靠性。
此外，软测量技术还可以应用于环境监测与控制方面，例如对水质、大气等环境参数进行实时监测和预测，优化环境控制策略，实现环境保护与资源利用的平衡。
软测量技术的应用还存在一些挑战和问题。
首先，软测量技术需要对过程进行准确的数学建模，但是过程的复杂性和不确定性往往导致建模的困难。
因此，如何选择合适的建模方法和优化算法，以及如何处理模型的不确定性是一个关键问题。
其次，软测量技术的应用需要大量的实时数据支持，但是数据采集和处理的成本往往很高。
软测量技术(Soft-Sensing Technique)
测量模型 ， 图 ｌ 示 ， 如 所 因此 ． 建 软测 量 的本 构
质 就 是 如何 建 立 软测 量 模 型 ． 即一 个 数 学 建模
要 以大 量 的准 确实 际 运行 数 据 为 依 据 ， 测 量 对 误 差较 敏感 。这就 要 求我 们 的造纸 厂平 时 注意 积 累设 备运 行 等 各方 面 的 样本 数据 ， 据 积 累 数
维普资讯
软测量 技术 （ｏｔ Ｓ ｎｉｇＴ ｃ ｎｑ ｅ Ｓ ｆ ｅｓ ｅｈ ｉｕ ） ｎ
徐 宏飞 （ 江科 技 学 院 ， 浙 浙江杭 州 ，１０ ３ ３０２ ）
摘 要 ： 文 介 绍 了软 测 量技 术 的基 本 思 想 ， 点 ， 本 构 成 ， 测量 本 优 基 软
发 生 故 障 ， 会 严 重 影 就
响 自动 控制 系 统 的 投入 ， 当影 响 到设 备 安 全 运 行 时 ． 将 迅 速 停 机来 处 理 ， 而 对 企 业 造 成 还 从 较 大 的经济 损失 。运 用 软测 量技 术可 以采用 有 “ 联” 关 的检 测 点 信号 ， 断 出更 为准 确 的被 测 推 信 号 ．并 可 诊 断 出 可 能 的故 障 信 号 的变 化 趋
软测 量 技 术是 依 据 某 种 最 优 化 准则 ． 利用 由辅 助变 量 构 成 的可 测 信 息 ． 过 软 件 计算 实 通
现 对 主导 变量 的测 量 。软测 量 的核心 是建 立表 征 辅 助变 量 和 主 导 变 量 之 间 的 数 学 关 系 的软
软测 量 技 术 也称 为 软 仪 表技 术 （ｏ ｅ ｓｒ Ｓｆ Ｓ ｎ ｏ ｔ Ｔ ｃｎｑ ｅ。概 括地 讲 ， ｅｈ ｉｕ ） 所谓 软测 量 技术 就 是 利
软测量技术
k0
yk ) 2
最小
则根据偏差反向传播可求得权值修正值：
ij
wij
E ij
其中
N Ek E ij k 1 ij
E K ( f ' (net jk )) ij
15
软测量技术
一、基于统计建模的软测量技术
BP算法框图
初始化 给定样本集
求隐层、输出层各单元输出
Erms Emax
Erms
0.0046 0.0713
0.0048
0.0034 0.0526
0.0034
0.0018 0.0216
0.0019
Emax
0.0754
0.0530
0.0283
注：1. Erms为相对均方误差，Emax为最大相对误差 2. 检验样本与训练样本是内插关系。
20
软测量技术
相对均方误差 标准BP算法
x0 x0
1
-1
1 f ( x) 1
x0 x0
b.sgn函数
f ( x)
1 1 exp( x ) 0
9
c. S型函数
软测量技术
一、基于统计建模的软测量技术
大量的神经元按照不同的网络拓扑连 接起来形成不同的神经网络模型
目前已有神经网络模型有数十种
分为两大类：
10
软测量技术
一、基于统计建模的软测量技术
•相互连接型网络：任意两个神经元之间都可能有连
接，因此输入信号要在神经元之间反复往返传递，从某一始 状态开始，经若干次变化，趋于一新的稳态。
这类网络又可分为：反馈网络和自组织网络。
•常见的反馈网络：
Hopfield网络，用非线性微分方程描述 CG网络，1983 盒中脑模型，BSB（Brain－in－a－Box）
软测量技术及其在过程检测中的应用研究
（ Ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ Ｉ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｅ ｆ ｏ ｒ Ｃ ｏ ｍ ｐ ｕ ｔ ｅ ｒ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ， Ｑ ｉ ｎ ｇ ｄ ａ ｏ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ，Ｑ ｉ ｎ ｇ ｄ ａ ｏ ２ ６ ６ ０ ４ ２ ， Ｃ ｈ ｉ ｎ ａ ）
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｗｉ ｔ ｈ ｔ ｈ ｅ ｄ ｅ ｖ ｅ ｌ ｏ ｐ ｍｅ ｎ ｔ ｏ ｆ ｃ ｏ ｍｐ ｕ ｔ ｅ ｒ ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｙ ，ｍｏ ｇ ｎ ｉ ｔ ｏ ｉ ｒ ｎ ｇ ａ ｎ ｄ ｃ ｏ ｎ ｔ ｒ ｏ ｌ ｓ ｙ ｓ ｔ ｅ ｍ ｂ ｅ ｃ ｏ ｍｉ ｎ ｇ ｍｏ ｒ ｅ ａ ｎ ｄ ｍｏ ｒ ｅ ｃ ｏ ｍｐ ｌ ｉ ｃ ａ ｔ ｅ ｄ，ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ａ ｎ ｄ ａ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｓ ｏ ｆ ｔ ｓ ｅ ｎ ｓ ｏ ｒ ｔ ｅ ｃ ｈ ｎ ｉ ｑ ｕ ｅ ｉ ｓ ｗ ｉ ｄ ｅ ｌ ｙ ｄ ｅ ｖ ｅ ｌ ｏ ｐ ｍｅ ｎ ｔ ．Ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ｓ ｔ ａ ｔ ｅ ｍｅ ｎ ｔ ｓ ｔ ｈ ｅ ｐ ｉｎ ｒ ｃ ｉ ｐ ｌ ｅ ｏ ｆ ｓ ｏ ｆ ｔ ｓ ｅ ｎ ｓ ｏ ｒ ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｙ ｇ ａ ｎ ｄ ｉ ｔ ｓ ａ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｓ ｔ ａ ｔ ｕ ｓ ，ａ ｎ ａ ｌ ｙ ｚ ｅ ｓ ｈｅ ｔ ｅ ｘ ｉ ｓ ｔ ｉ ｎ ｇ ｐ ｒ ｏ ｂ ｌ ｅ ｍｓ ．Ｆ ｉ ｎ ｌｌ ａ ｙ，ｉ ｔ ｅ ｘ ｐ ｅ ｃ ｔ ｓ ｈｅ ｔ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｐ ｒ ｏ ｓ ｐ ｅ ｃ ｔ ｓ ． Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ： ｓ ｏ ｆ ｔ ｓ ｅ ｎ ｓ ｏ ｒ ；ｍｏ ｄ ｅ ｌ ｉ ｎ ｇ ｍｅ ｈｏ ｔ ｄ ｓ ；ｅ ｘ ｉ ｓ ｔ ｉ ｎ ｇ ｐ ｒ ｏ ｂ ｌ ｅ ｍｓ ；ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｐ ｒ ｏ ｓ ｐ ｅ ｃ ｔ ｓ
第六章 软测量技术第一节软测量技术的意义
为了使生产或实验达到某工艺设计要求，常 要求对一些生化参数进行控制，例如对啤酒 发酵时的糖度进行控制，对谷氨酸发酵过程 中的浅糖浓度进行控制等等。这时，有没有 自动检测这些生化参数的仪表就成了能否构 成自动控制系统的关键。
成份量和生化量的在线自动检测问题吸引 了很多人投入研究与开发，成为测量技术与 控制技术发展的一个重要交叉领域。
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
Байду номын сангаас
一、软测量技术的意义
许多被控对象属于复杂系统，具有非线性、时变性、不 确定性等复杂特性，很难建模，许多人开始研究大规模复 杂系统的性质、优化和控制问题，使复杂系统研究成为控 制技术发展的一个重要领域。
(2) 充分利用其它测量仪表已获得的工艺参数，再增加一 些容易获取的参数，按照这些参数与被测变量之间存在的 关系（模型），通过计算估计推断被测变量。这就是方兴 未艾的软测量方法，曾被国际著名控制专T.J.McacVoy列为 未来控制领域需要研究的几大方向之一。也被一些人们称 为一种智能技术。
血脂生化检测仪
一、软测量技术的意义
解决成分量、生化量在线自动检测问题有两种方法。
(1) 研发一种有单独传感器和仪表电路（包括微机）等硬 件及响应软件，具有很好选择性（对被测量敏感，对其它 量不敏感）的在线检测仪表。这是一种传统的方法，需要 花很长的时间研究测量机理，开发材料、结构、硬件和软 件，还要下很大的功夫去试验、修改与标定。
软测量技术
对模型结构的修正需要大量的样本数据和耗费较长时 在线进行有困难。 间 ， 在线进行有困难 。 这可采用短期学习和长期学习的 思路来解决。 思路来解决。
– 短期学习是指以某辅助变量的采样化验分析值与软测量值之差为 短期学习是指以某辅助变量的采样化验分析值与软测量值之差为 依据，采用建模方法，修改模型系数。 依据，采用建模方法，修改模型系数。 – 长期学习是指当软测量模型在线运行一段时间后，逐步积累了足 长期学习是指当软测量模型在线运行一段时间后 是指当软测量模型在线运行一段时间后， 够的新样本时，根据新样本，采用建模方法，重建软测量模型。 够的新样本时，根据新样本，采用建模方法，重建软测量模型。
9.6 软测量技术
软测量就是依据可测 易测的过程变量(称为辅助变量 就是依据可测、 称为辅助变量) 软测量就是依据可测、易测的过程变量 称为辅助变量 与难以直接检测的待测变量(称为主导变量 称为主导变量)的数学 与难以直接检测的待测变量 称为主导变量 的数学 关系，根据某种最优准则， 采用各种计算方法， 关系 ， 根据某种最优准则 ， 采用各种计算方法 ， 用 软件实现对待测变量的测量或估计。 软件实现对待测变量的测量或估计。 软测量技术主要包括四个方面： 软测量技术主要包括四个方面： (1)辅助变量的选取； 辅助变量的选取； 辅助变量的选取 (2)数据处理； 数据处理； 数据处理 (3)软测量模型的建立； 软测量模型的建立； 软测量模型的建立 (4)软测量模型的在线校正。 软测量模型的在线校正。 软测量模型的在线校正
•
y = Cx
θ = Cθ x + w 辅助变量
如果系统的状态关于辅助变量完全可测，那么， 如果系统的状态关于辅助变量完全可测，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， 转化为典型的状态观测和状态估计问题，估计值就可以表示成 Kalman滤波器形式。 滤波器形式。 滤波器形式 Kalman滤波器、 Luenberger观测器是解决上述问题的有效方法。 滤波器、 观测器是解决上述问题的有效方法。 滤波器 观测器是解决上述问题的有效方法
软测量技术的实施步骤
软测量技术的实施步骤1. 确定软测量目标在实施软测量技术之前，首先需要明确软测量的目标是什么。
软测量技术可以应用于各个领域，例如工业过程控制、产品质量监控等。
确定软测量目标有助于明确实施软测量技术的方向和重点。
2. 数据采集与预处理软测量技术的实施需要大量的数据作为输入，因此需要进行数据采集工作。
数据采集可以通过传感器、仪器设备等方式进行。
采集到的数据可能会包含噪声、异常值等问题，因此需要进行数据预处理，以提高测量的准确性和可靠性。
•数据采集：选择适当的采集设备，如传感器、仪器等，采集与软测量目标相关的数据。
•数据预处理：对采集到的数据进行清洗、去噪、异常值处理等预处理步骤，确保数据准确性。
3. 特征提取与选择软测量技术的核心是从采集的数据中提取与目标相关的特征，用于建立模型进行测量。
特征的选择对软测量的准确性和可靠性有着重要影响。
•特征提取：根据软测量目标，选择适当的特征提取方法，从原始数据中提取出与目标相关的特征。
•特征选择：根据特征的重要性和相关性，选择合适的特征用于建模。
4. 模型建立与训练在确定了特征后，需要建立合适的模型进行软测量。
常用的模型包括统计模型、机器学习模型等。
•模型选择：根据软测量目标和数据特征，选择适合的模型进行建立。
•模型训练：使用采集的数据对选定的模型进行训练，优化模型参数，以得到准确可靠的软测量模型。
5. 模型验证与评估建立了模型后，需要对模型进行验证和评估，以确保模型的可靠性和适用性。
•模型验证：使用独立于训练数据的验证数据集，对模型进行验证，评估模型的预测性能。
•模型评估：使用适当的评估指标，如均方根误差（RMSE）、平均绝对误差（MAE）等，评估模型的准确性和可靠性。
6. 模型部署与应用在通过验证和评估确认模型的可靠性后，可以将模型部署到实际应用中，实施软测量技术。
•模型部署：将训练好的软测量模型部署到实际应用环境中，用于实时测量和监控。
•应用扩展：根据实际需求和反馈，对软测量技术进行应用扩展，进一步改进和优化模型，提升测量效果。
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、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
9.6.1 9.6.2 9.6.3 9.6.4 9.6.5 辅助变量的选取 测量数据的处理 软测量模型的建立 软仪表的在线校正 软测量的工业应用
9. 6. 3 软测量模型的建立
1．软仪表的描述 2. 建模方法
1．软仪表的描述
软仪表的目的：利用所有可获得的信息，求取主 导变量的“最佳”估计值 y ，即构造从可测信息 集 到 y 的映射。
状态估计方法
如果已知系统的状态空间模型，而主导变量作为系统状态变 量时辅助变量是可观测的，那么构造软仪表的问题可以转 化为状态观测或状态估计问题。假设已知对象的状态空间 模型为
x Ax Bu Ev
y Cx
C x w
辅助变量
如果系统的状态关于辅助变量完全可测，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，估计值就可以表示成 Kalman滤波器形式。 Kalman滤波器、 Luenberger观测器是解决上述问题的有效方法。
^
^
^
干扰
主导变量
控制变量
辅助变量
软仪表
性能依赖于过程的描述、噪声和扰动的特性、辅 助变量的选取以及“最佳”的含义，即给定的某 种准则。 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：
数学模型主要反映与或之间动态(或稳态)关系， 软仪表是通过求的估计值。
9.6 软测量技术
软测量就是依据可测、易测的过程变量(称为辅助变
量)与难以直接检测的待测变量(称为主导变量)的数 学关系，根据某种最优准则，采用各种计算方法，用
软件实现对待测变量的测量或估计。 软测量技术主要包括四个方面： (1)辅助变量的选取； (2)数据处理； (3)软测量模型的建立； (4)软测量模型的在线校正。
9.6.4 软仪表的在线校正
由于装置操作条件及原料性质都会随时间而变化，软测量
模型只适用于一定的操作范围，因而需要不定期地对模型 进行修正，以适应工况的变化。 通常对软仪表的在线修正仅修正模型的参数
具体方法：自适应法、增量法和多时标法等。
对模型结构的修正需要大量的样本数据和耗费较长时间， 在线进行有困难。这可采用短期学习和长期学习的思路来 解决。
2. 建模方法
过程建模方法主要有两大类：
机理建模方法
实验建模方法。
构造软仪表的方法也可分为两大类。
机理分析方法
建立在对过程工艺机理的深刻认识的基础上，运 用物料平衡、热量平衡和化学反应动力学等原理， 找出不可测主导变量与可测辅助变量之间的关系。
对于过程机理较为清楚的工业过程，基于机理模型可以
构造良好的软仪表。
对复杂工业过程，其内在机理往往不十分清楚，完全依
赖机理分析建模比较困难，通常要选用其它方法，结合 机理知识构造软仪表。
系统辨识方法
辨识方法是将辅助变量和主导变量组成的系 统看成“黑箱”，以辅助变量为输入，主导变 量为输出，通过现场采集、流程模拟或实验测 试，获得过程输入、输出数据，以此为依据建 立软仪表模型。
回归方法
基于最小二乘原理的一元、多元线性回归技术 已经非常成熟。
对于辅助变量较少的情况，利用多元线性回归中的
逐步回归技术可以得到较理想的软仪表模型。 对于辅助变量较多的情况，通常要借助机理方法， 得到变量组合的基本假定，然后再采用逐步回归的 方法排除不重要的变量组合，得到软仪表模型。也 可以采用主元分析等数学方法，对原问题进行降维 处理，然后进行回归。
随机误差的处理
符合统计规律，工程上多采用数字滤波算法。
如：中位值滤波、算术平均滤波和一阶惯性滤波等。
随着计算机优化控制系统的使用，复杂的数值计算
方法对数据的精确度提出了更高的要求，于是出现 了数据一致性处理技术。
基本思想：
根据物料或能量平衡等建立精确的数学模型，以估计值
与测量值的方差最小为优化目标，构造一个估计模型， 为测量数据提供一个最优估计。
模式识别方法
在缺乏系统先验知识的情况下，可以采用模式识 别的方法对系统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。
例如:
分别采用空间超盒和多中心模聚类方法建立了某催化裂
化装置粗汽油蒸汽压的软测量仪表；
采用基于Bayes序列分类器的模式识别方法进行精馏塔
9. 6. 2 测量数据的处理
1．误差处理 2．数据的变换
1．误差处理
从现场采集的测量数据，由于受仪表精度和测量环境
的影响，一般都不可避免地带有误差，有时甚至有严 重的过失误差。如果将这些现场测量数据直接用于软 测量，会导致软测量的精度降低，甚至完全失败。因 此，测量数据必须经过误差处理。
测量数据的误差：随机误差、系统误差和过失误差。
神经网络方法
以辅助变量为输入，待测变量为输出，形成足够 多的理想样本，通过学习可以得到软仪表的神经 网络模型。
理论上，神经网络不需要有过程的先验知识，学习非线
性特性的能力比较强，是解决软测量问题的较为理想的 方法。
实际应用中，样本的数量和质量在一定程度上决定了网
络的性能。另外，网络类型、结构和算法的选择对软仪 表的性能也有重要影响。
软测量技术
9.6.1 9.6.2 9.6.3 9.6.4 9.6.5 辅助变量的选取 测量数据的处理 软测量模型的建立 软仪表的在线校正 软测量的工业应用
9.6.1 辅助变量的选取
1. 变量类型的选择 2. 变量数目的选择
3. 测点位置的选择
1. 变量类型的选择
选择的方法往往从间接质量指标出发。 例如：
推断控制系统框图
过程优化中应用
软测量为过程优化提供重要的调优变量估计， 成为优化模型的一部分； 软测量本身就是重要的优化目标，如质量等， 直接作为优化模型使用。 根据不同的优化模型，按照一定的优化目标，
采取相应的优化方法，在线求出最佳操作参数 条件，使系统运行在最优工作点处，实现自适 应优化控制。
进行比较； (iii)根据测量数据的统计特性进行检验等。
2．数据的变换
对数据的变换包括标度、转换和权函数三方面。
工业过程中的测量数据有着不同的工程单位，直接使用
这些数据进行计算，不能得到准确结果，甚至结果分散。 利用合适的因子对数据进行标度，能够改善算法的精度 和稳定性。 转换包含对数据的直接转换以及寻找新的变量替换原变 量两个含义。通过对数据的转换，可以有效地降低非线 性特性。 权函数则可实现对变量动态特性的补偿。合理使用权函 数使我们有可能用稳态模型实现对过程的动态估计。
短期学习是指以某辅助变量的采样化验分析值与软测量值之差为
依据，采用建模方法，修改模型系数。 长期学习是指当软测量模型在线运行一段时间后，逐步积累了足 够的新样本时，根据新样本，采用建模方法，重建软测量模型。
值得注意的问题：
在配备在线分析仪表的场合，系统的主导变量的真值
可以连续得到，此时采用校正方法不会有太大问题。 在主导变量的真值仅能来源于离线人工化验的场合， 通常取样周期为数小时或更长，样本密度稀疏。此时， 采用何种校正方法值得研究。 样本数据与过程数据在时序上的配合，尤其在人工分 析情况下，从辅助变量即时反映的产品质量状态到取 样位置需要一定的取样时间，取样后直到产品质量数 据返回现场又要耗费很长时间。因此，在利用分析值 与与辅助变量进行软仪表的校正时，应特别注意保持 两者在时间上的对应关系。
过失误差处理
含有过失误差的数据出现的机率较小，但是，一 旦出现则可能严重破坏数据的统计特性，导致软 测量的失败。 提高测量数据质量的关键：及时侦测、剔除和校 正含有过失误差的数据。 侦测过失误差的方法：
(i)对各种可能导致过失误差的因素进行理论分析； (ii)借助于多种测量手段对同一变量进行测量，然后
精馏塔产品的软测量一般采用塔板温度，
化工反应器中产品的软测量采用反应器管壁温度。
2. 变量数目的选择
从过程机理入手分析，从影响被估计变量的变量 中去挑选主要因素，因为全部引入既不可能也没 必要。 如果缺乏机理知识，则可用回归分析的方法找出 影响被估计变量的主要因素，这需要大量的观测 数据。 需要指出，受系统自由度的限制，辅助变量的个 数不能小于被估计变量的个数。至于辅助变量的 最优数量问题，目前尚无统一结论。
3. 测点位置的选择
对于许多工业过程，辅助变量的检测点的选择
是十分重要的，因为可供选择的检测点很多。
检测点的选择方法：
采用奇异值分解的确定， 采用工业控制仿真软件确定。
确定的检测点往往需要在实际应用中加以调整。
一种辅助变量的选择原则如下
灵敏性：能对过程输出(或不可测扰动)作出快速反应。
End the 9.6
软测量技术
9.6.1 9.6.2 9.6.3 9.6.4 9.6.5 辅助变量的选取 测量数据的处理 软测量模型的建立 软仪表的在线校正 软测量的工业应用
9.6.5 软测量的工业应用
首先，在过程操作和监控方面有十分重要的作用。 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。
特异性：能对过程输出(或不可测扰动)之外的干扰不敏
感。
工程适应性：工程上易于获得并达到一定的测量精度。
精确性：构成的估计器达到要求的精度。 鲁棒性：构成的估计器对模型误差不敏感。
软测量技术
9.6.1 9.6.2 9.6.3 9.6.4 9.6.5 辅助变量的选取 测量数据的处理 软测量模型的建立 软仪表的在线校正 软测量的工业应用