现代检测技术
合集下载
相关主题
- 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)。
5. 检测领域新技术简介
5.1 概述
检测领域新技术主要是在微处理器、计算机的硬件、 软件基础上，充分利用适当的数学工具、人工智能、参 数或状态的估计、识别技术而发展起来，有针对性地解 决一些原来难以解决的问题。
新技术
软测量技术、 智能检测技术、 虚拟仪器技术、 模糊传感器技术 多传感器数据融合技术。
基本步骤： ➢确定网络结构 ➢确定训练样本 ➢确定网络变换函数及训练方法 ➢实行网络训练
业务推广部
31
➢ 神经网络结构确定 ✓ 选择网络类型：如BP网络，RBF网络，互联网络等 ✓ 确定网络结构：
式中：
Q1：再生器中的反应热，（炭、氢燃烧）kJ / h；
Q2：焦炭的脱附热， kJ / h；
Q3：空气、焦炭和蒸汽的升温热， kJ / h；
Q4：散热损失， kJ / h；
Q5：催化剂升业温务推所广需部要的热量， kJ / h；
19
已知：Q5与催化剂循环量存在关系（工艺知识）
Q5 Rtc p
式中：
F：自由度， C：组分数， P：相数
数量确定方法：
一般建议从系统的自由度出发，确定辅助变量的最 小个数，并结合实际对象的特点适当增加辅助变量 个数，以便更好地处理动态特性等问题。
业务推广部
7
④ 检测点： 应根据主导变量的测量要求，选择具有强影响力的参 数点作为检测点。
一般情况下，变量数目的选择准则也往往应用于检测 点位置的选择。 辅助变量的数目和位置通常是同时确定的。
以最小二乘原理为基础的一元和多元线性回归技术目 前已相当成熟，常用于线性模型的拟合。
业务推广部
14
③ 基于神经网络方法
基于人工神经网络的软测量是近年来研究最多、发展很 快和应用范围很广泛的一种软测量技术。
人工神经网络及建模特点
结构：
特点：
• 神经网络具有自学习、联 想记忆、自适应和非线性 逼近等功能；
CH
MH MH MC
100%
例：烟气组成数据为：（摩尔百分数）
O2：0.5 ，CO：8.0， CO2：12.0， N2：
79.5
业务推广部
24
2）基于回归分析的软测量 是确定变量间相关关系的一种简单实用的方法。
在检测过程中常用于关联各种过程变量的观测数据， 建立软测量模型对难以直接测量的变量进行估计。
us：空塔气相流速
：液相表面张力
L
hw：堰高
F：筛板开孔滤 G：气相密度 G：气相粘度
业务推广部
27
线性化得：
EOL ln A a ln SCL bln Dg c ln ReG
回归数 据：
回归模型
SCL
Dg
208
158
51
2019
51
1554
228
274
ReG
495 208 260 407
lime2 (EOL Eˆ OL )2
业务推广部
1
技术基础
• 硬件基础：
新材料、新传感器件的开发。
精密机械、微电子技术的发展。
• 基础理论和技术：
应用物理、应用化学、材料科学、生物科学领域的基本 理论及科研成果；
• 软件基础：
包括微处理器系统在内的微电子技术、通信技术、数据 处理技术、计算机软件技术、参数估计和识别技术，数
据融合技术。
主要是运用化学反应动力学、物料平衡、能量平衡、 动量平衡等原理，建立主导变量与辅助变量之间的关 系模型。是工程中常用的方法。
特点：
• 对于工艺机理较为清楚的工艺过程，该方法能构造出 性能较好的软仪表。
• 工程背景清晰，便于实际应用。 • 模型具有较好的外延性.
• 建模的难度较大。对于机理研究不充分、尚不完全清 楚的复杂工业过程，难以建立合适的机理模型。
主要应用方法： 主元回归（PCR） 部分最小二乘法（PLS）
注意： 对于线性系统采用PCR或PLS效果基本相同， 对于非线性回归，PLS将优于PCR法。
业务推广部
25
最小二乘原理式
设：软测量问题被测变量：y
辅助变量：xi；i=1，2，……，m
误差变量：e
有： y f ( x1, x2 , , xm )
业务推广部
17
5.2.2 软测量技术实现 1）基于工艺机理分析方
法
例：反应再生系统催化 剂循环量和焦炭氢含 量的软测量
系统结构图：
业务推广部
18
a. 催化剂循环量的软测量模型 软测量方法主要有：热平衡法， 炭（物料）平衡法
• 热平衡法 利用再生器的热平衡实现催化 剂循环量的估算
热平衡关系式：
Q1 Q2 Q3 Q4 Q5
3）基于人工神经网络的软测量方法 a. 人工神经网络软测量建模基本特点 • 神经网络建模方法属于辨识建模； • 建模的全部或部分过程为网络训练过程；
• 一般所建模型为隐式，不能描述为一般数学表达式，模 型参数蕴含于网络连接的权值中；
• 模型的输入为辅助变量，输出为被测变量，模型易于实 现；
• 对非线性映射关系的逼近性良好； • 需要大量的实验数据；
业务推广部
26
例：筛板塔点效率的软测量
由物料平衡关系和液相组成知液相点效率EOL有关系式： EOL ASCL a Dgb ReGc
其 中
式中
SCL
L L DL
Dg
L L us
ReG
hw G us G F
施密特准 数 液相表面张 力 修正后的气相雷诺 准数
L : 液相粘度 L : 液相密度 DL：液相扩散系数
业务推广部
8
3）测量数据处理
软测量结果的可靠性在很大程度上依赖于测量数据的准 确性和有效性，因此，数据处理是软测量技术应用的一个 重要方面。
基本内容：数据校正、数据变换
①数据校正
a. 随机误差处理
常用方法：
• 滤波法：
高通、低通，数据平滑。
• 数据协调技术
基于平衡关系建立以估计值与测量值的方差为最小的优
• 标度变换：采用合适的因子实现数据的统一性， 保证算法的精度和稳定性；
• 转换：直接转化以及以新变量替换原变量，从而 降低非线性。
• 权函数：通过选择适当的权函数实现对变量的动 态补偿以及体现辅助变量的重要度。
业务推广部
11
4）软测量模型的建立 构造软仪表的本质就是建立数学模型（软测量模型） 问题。是软仪表的核心。
5
2）辅助变量的选择 要点：变量类型，数量，测点位置
①选取基础： 基于对对象的机理分析和实际工况的了解。 考虑事项：可行性、可靠性、易维护性、经济性等
②基本原则： a. 适用性，工程上易于在线获取并有一定的测量精度。 b. 灵敏性，对对象输出(被测变量)或不可测扰动能作出快
速反应。 c. 特异性，对对象输出(被测变量)或不可测扰动之外的干
业务推广部
13
② 基于回归分析的软测量 是软测量建模的基本方法，应用范围相当广泛。
主要手段： 多元线性回归（MLR）、 多元逐步回归（MSR）、 主元分析和主元回归（PCA、PCR）、 最小二乘(LSR)；
特点： 简单实用， 需要大量的样本(数据)，对测量误差较为敏感。 所建立的模型具有一定的应用范围限制(外延性不好)。
1 QO2 (CO2 2 CCO CCO2 )F
CO2 , CCO , CCO2
：烟气中O2、 CO、
CO2含量
业务推广部
22
由氧平衡知水的生成量为
QH2O 2(QO2in QO2out )
另外，根据氮平衡得
A CN2 F 79.1
式中 CN2 ：氮和氩在烟气中的总含量，摩尔分量，
79.1 ：氮和氩在空气中的体积百分含量，
联立求解
得：
QH2O
2F
0.265CN2
(CO2
1 2 CCO
CCO2
)
业务推广部
23
设烟气中SO2和NOx含量可忽略， 则焦炭中的氢含量MH和炭量MC分别为
MH
4.04F 0.265CN2
(CO2
1 2
CCO
CCO2 )
MC 12F (CCO CCO2 )
如此，得氢含量CH（质量百分比）软测量模型为
• 可根据对象的输入输出数 据直接建模。能适用于高
度非线性和严重不确定性 系统；
输入层
隐层
输出层 • 并行运算，速度较快。
前向传播神经网络
业务推广部
• 完美的网络训练样本的获 得较困难。
15
④基于模糊数学的软测量
• 模糊数学模仿人脑逻辑思维特点，是处理复杂系统的 一种有效手段。
• 建立的模型是一种知识型模型。 • 适用于被测对象呈亦此亦彼的不确定性，难于用常规
软测量模型： 表征辅助变量和主导变量之间的数学关系。
注意：与一般系统数学模型的区别： • 一般数学模型：描述系统的动态或静态特征，用于系
统分析及优化。 • 软测量模型：描述辅助变量与主导变量之间的关系，
完成由辅助变量到主导变量的映射。
业务推广部
12
软测量模型建立方法： ① 基于工艺机理分析的软测量
R： 催化剂循环量，kg / h；
△t：再生剂与待生剂之间温差，K；
cp： 催化剂比热，kJ / (kg ·K)。 对上述二式联立求解：
热平衡法催化剂循环量软测量模型：
R
1 t c p
(Q1
Q2
Q3
Q4
)
业务推广部
20
• 炭平衡法 利用物料平衡原理：烟气中带出的炭含量等于循环催 化剂带入的炭含量。
业务推广部
29
b. 神经网络结构 ➢ BP神经网络
x1 输 x2 入 模 式
xn
误差反传（学习算法）
i
j
k
-+
wij
wjk
输入层 隐含层 输出层
信息流
BP网络Hale Waihona Puke ➢RBM神经网络x1
输 x2 入 模 式
xn
业务推广部
i
j
∩
k
∩
∩ 输入层 隐含层
输出层
RBF网络
y1 yr
30
c. 神经网络建模方法 通过样本训练的方法实现神经网络模型的建立
化估计模型，为测量数据提供一个最优估计，并据此检测 数据误差。
数据协调技业术务推是广一部 个约束条件下的优化技术。
9
b. 显著误差处理 常用方法： • 理论分析法 • 硬件冗余法 利用多种方法测量同一变量，通过结果
比较识别显著误差。 • 统计分析法
业务推广部
10
②数据变换
主要内容：标度变换、转换、权函数
EOL / % 68 67 63 59.6
回归结果： A=0.00935，a=0.15, b=0.222, c=0.365
软测量模型 EOL 0.00935SCL 0.15Dg0.222 ReG0.365
文献指出，在下述范围内模型具有良 好效果SCL 29业~务2推4广5,部 Dg 120 ~ 2000, ReG 105 ~ 1070 28
依据炭含量平衡的催化剂循环量软测量模型：
R Cw C
Cw： 烟气中带出炭含量 △C：待生剂与再生剂的炭含量差。
业务推广部
21
b. 焦炭氢含量软测量模型 焦炭氢含量是衡量催化裂化装置气提段性能的重要指标。 焦炭的氢含量一般通过对再生器作氧平衡来计算（依据 烟气分析数据）
• 进入再生器的氧量：
QO2入 0.21A A：进入再生器的总空 • 排出再生器的氧量： 气流量
β0 β1 x1 β2 x2
n
e y βi xi 或 i0
e βm xm
Y Xβ
e β：待定系 E数
y1
1 x11 x12
Y
y2 , X 1 x21 x22
x1m x2m , β
β0
e1
β1 , E e2
yn
1 xn1 xn2
xnm
βm
en
J ET E [Y Xβ]T [Y Xβ]
β ( X T X ) 1 X TY
数学方法定量描述的场合。 • 实际应用中一般将模糊技术与其他人工智能技术结合
应用。
业务推广部
16
⑤基于相关分析的软测量
• 以随机过程中相关分析理论为基础，利用两个或多个 可测信号间的相关特性实现对某一参数的测量。
• 具体实现方法为互相关分析方法。利用各辅助变量间 的互相关特性进行参数测量。
• 主要应用于测量难测流体流速或流量的在线测量和故 障诊断。
特点： ① 基于多传感器之上， ② 存在大量数据处理，
③ 适用于工程应用中对象特性及环境变化影响较大 的参数的工程测量。
④ 易于实现，在通用性、灵活性及成本等方面具有 优势。
业务推广部
4
5.2.1 软测量技术方法 1）系统框图
关键步骤：辅助变量的选择；数据采集及处理；
软测量模型的建立；模型校正
业务推广部
应用方法：
基于测量机理或模型辨识的传感器模型的求取；
测量公式、神经元网络，或知识库形式的表达。
基于信号（数据）分析与处理的参数预估和识别。
业务推广部
2
构成特点：
业务推广部
3
5.2 软测量技术
80年代末期明确提出软测量的概念，
依据对易测变量的测量及易测变量与被测变量（主导变 量）间的数学关系（软测量模型），利用数学计算和估 计技术实现对待测变量测量的技术。
扰不敏感。 d. 准确性，构成的软仪表应能够满足准确度要求。 e. 鲁棒性，对模型误差不敏感。
业务推广部
6
③ 辅助变量数量： ➢ 下限值：被估计主导变量的个数； ➢ 上限值：系统能可靠在线获取的变量总数。
➢ 相关影响因素：
自由度、测量噪声、模型不确定性
自由度:独立变量数
过程工业: F = C – P + 2
5.1 概述
检测领域新技术主要是在微处理器、计算机的硬件、 软件基础上，充分利用适当的数学工具、人工智能、参 数或状态的估计、识别技术而发展起来，有针对性地解 决一些原来难以解决的问题。
新技术
软测量技术、 智能检测技术、 虚拟仪器技术、 模糊传感器技术 多传感器数据融合技术。
基本步骤： ➢确定网络结构 ➢确定训练样本 ➢确定网络变换函数及训练方法 ➢实行网络训练
业务推广部
31
➢ 神经网络结构确定 ✓ 选择网络类型：如BP网络，RBF网络，互联网络等 ✓ 确定网络结构：
式中：
Q1：再生器中的反应热，（炭、氢燃烧）kJ / h；
Q2：焦炭的脱附热， kJ / h；
Q3：空气、焦炭和蒸汽的升温热， kJ / h；
Q4：散热损失， kJ / h；
Q5：催化剂升业温务推所广需部要的热量， kJ / h；
19
已知：Q5与催化剂循环量存在关系（工艺知识）
Q5 Rtc p
式中：
F：自由度， C：组分数， P：相数
数量确定方法：
一般建议从系统的自由度出发，确定辅助变量的最 小个数，并结合实际对象的特点适当增加辅助变量 个数，以便更好地处理动态特性等问题。
业务推广部
7
④ 检测点： 应根据主导变量的测量要求，选择具有强影响力的参 数点作为检测点。
一般情况下，变量数目的选择准则也往往应用于检测 点位置的选择。 辅助变量的数目和位置通常是同时确定的。
以最小二乘原理为基础的一元和多元线性回归技术目 前已相当成熟，常用于线性模型的拟合。
业务推广部
14
③ 基于神经网络方法
基于人工神经网络的软测量是近年来研究最多、发展很 快和应用范围很广泛的一种软测量技术。
人工神经网络及建模特点
结构：
特点：
• 神经网络具有自学习、联 想记忆、自适应和非线性 逼近等功能；
CH
MH MH MC
100%
例：烟气组成数据为：（摩尔百分数）
O2：0.5 ，CO：8.0， CO2：12.0， N2：
79.5
业务推广部
24
2）基于回归分析的软测量 是确定变量间相关关系的一种简单实用的方法。
在检测过程中常用于关联各种过程变量的观测数据， 建立软测量模型对难以直接测量的变量进行估计。
us：空塔气相流速
：液相表面张力
L
hw：堰高
F：筛板开孔滤 G：气相密度 G：气相粘度
业务推广部
27
线性化得：
EOL ln A a ln SCL bln Dg c ln ReG
回归数 据：
回归模型
SCL
Dg
208
158
51
2019
51
1554
228
274
ReG
495 208 260 407
lime2 (EOL Eˆ OL )2
业务推广部
1
技术基础
• 硬件基础：
新材料、新传感器件的开发。
精密机械、微电子技术的发展。
• 基础理论和技术：
应用物理、应用化学、材料科学、生物科学领域的基本 理论及科研成果；
• 软件基础：
包括微处理器系统在内的微电子技术、通信技术、数据 处理技术、计算机软件技术、参数估计和识别技术，数
据融合技术。
主要是运用化学反应动力学、物料平衡、能量平衡、 动量平衡等原理，建立主导变量与辅助变量之间的关 系模型。是工程中常用的方法。
特点：
• 对于工艺机理较为清楚的工艺过程，该方法能构造出 性能较好的软仪表。
• 工程背景清晰，便于实际应用。 • 模型具有较好的外延性.
• 建模的难度较大。对于机理研究不充分、尚不完全清 楚的复杂工业过程，难以建立合适的机理模型。
主要应用方法： 主元回归（PCR） 部分最小二乘法（PLS）
注意： 对于线性系统采用PCR或PLS效果基本相同， 对于非线性回归，PLS将优于PCR法。
业务推广部
25
最小二乘原理式
设：软测量问题被测变量：y
辅助变量：xi；i=1，2，……，m
误差变量：e
有： y f ( x1, x2 , , xm )
业务推广部
17
5.2.2 软测量技术实现 1）基于工艺机理分析方
法
例：反应再生系统催化 剂循环量和焦炭氢含 量的软测量
系统结构图：
业务推广部
18
a. 催化剂循环量的软测量模型 软测量方法主要有：热平衡法， 炭（物料）平衡法
• 热平衡法 利用再生器的热平衡实现催化 剂循环量的估算
热平衡关系式：
Q1 Q2 Q3 Q4 Q5
3）基于人工神经网络的软测量方法 a. 人工神经网络软测量建模基本特点 • 神经网络建模方法属于辨识建模； • 建模的全部或部分过程为网络训练过程；
• 一般所建模型为隐式，不能描述为一般数学表达式，模 型参数蕴含于网络连接的权值中；
• 模型的输入为辅助变量，输出为被测变量，模型易于实 现；
• 对非线性映射关系的逼近性良好； • 需要大量的实验数据；
业务推广部
26
例：筛板塔点效率的软测量
由物料平衡关系和液相组成知液相点效率EOL有关系式： EOL ASCL a Dgb ReGc
其 中
式中
SCL
L L DL
Dg
L L us
ReG
hw G us G F
施密特准 数 液相表面张 力 修正后的气相雷诺 准数
L : 液相粘度 L : 液相密度 DL：液相扩散系数
业务推广部
8
3）测量数据处理
软测量结果的可靠性在很大程度上依赖于测量数据的准 确性和有效性，因此，数据处理是软测量技术应用的一个 重要方面。
基本内容：数据校正、数据变换
①数据校正
a. 随机误差处理
常用方法：
• 滤波法：
高通、低通，数据平滑。
• 数据协调技术
基于平衡关系建立以估计值与测量值的方差为最小的优
• 标度变换：采用合适的因子实现数据的统一性， 保证算法的精度和稳定性；
• 转换：直接转化以及以新变量替换原变量，从而 降低非线性。
• 权函数：通过选择适当的权函数实现对变量的动 态补偿以及体现辅助变量的重要度。
业务推广部
11
4）软测量模型的建立 构造软仪表的本质就是建立数学模型（软测量模型） 问题。是软仪表的核心。
5
2）辅助变量的选择 要点：变量类型，数量，测点位置
①选取基础： 基于对对象的机理分析和实际工况的了解。 考虑事项：可行性、可靠性、易维护性、经济性等
②基本原则： a. 适用性，工程上易于在线获取并有一定的测量精度。 b. 灵敏性，对对象输出(被测变量)或不可测扰动能作出快
速反应。 c. 特异性，对对象输出(被测变量)或不可测扰动之外的干
业务推广部
13
② 基于回归分析的软测量 是软测量建模的基本方法，应用范围相当广泛。
主要手段： 多元线性回归（MLR）、 多元逐步回归（MSR）、 主元分析和主元回归（PCA、PCR）、 最小二乘(LSR)；
特点： 简单实用， 需要大量的样本(数据)，对测量误差较为敏感。 所建立的模型具有一定的应用范围限制(外延性不好)。
1 QO2 (CO2 2 CCO CCO2 )F
CO2 , CCO , CCO2
：烟气中O2、 CO、
CO2含量
业务推广部
22
由氧平衡知水的生成量为
QH2O 2(QO2in QO2out )
另外，根据氮平衡得
A CN2 F 79.1
式中 CN2 ：氮和氩在烟气中的总含量，摩尔分量，
79.1 ：氮和氩在空气中的体积百分含量，
联立求解
得：
QH2O
2F
0.265CN2
(CO2
1 2 CCO
CCO2
)
业务推广部
23
设烟气中SO2和NOx含量可忽略， 则焦炭中的氢含量MH和炭量MC分别为
MH
4.04F 0.265CN2
(CO2
1 2
CCO
CCO2 )
MC 12F (CCO CCO2 )
如此，得氢含量CH（质量百分比）软测量模型为
• 可根据对象的输入输出数 据直接建模。能适用于高
度非线性和严重不确定性 系统；
输入层
隐层
输出层 • 并行运算，速度较快。
前向传播神经网络
业务推广部
• 完美的网络训练样本的获 得较困难。
15
④基于模糊数学的软测量
• 模糊数学模仿人脑逻辑思维特点，是处理复杂系统的 一种有效手段。
• 建立的模型是一种知识型模型。 • 适用于被测对象呈亦此亦彼的不确定性，难于用常规
软测量模型： 表征辅助变量和主导变量之间的数学关系。
注意：与一般系统数学模型的区别： • 一般数学模型：描述系统的动态或静态特征，用于系
统分析及优化。 • 软测量模型：描述辅助变量与主导变量之间的关系，
完成由辅助变量到主导变量的映射。
业务推广部
12
软测量模型建立方法： ① 基于工艺机理分析的软测量
R： 催化剂循环量，kg / h；
△t：再生剂与待生剂之间温差，K；
cp： 催化剂比热，kJ / (kg ·K)。 对上述二式联立求解：
热平衡法催化剂循环量软测量模型：
R
1 t c p
(Q1
Q2
Q3
Q4
)
业务推广部
20
• 炭平衡法 利用物料平衡原理：烟气中带出的炭含量等于循环催 化剂带入的炭含量。
业务推广部
29
b. 神经网络结构 ➢ BP神经网络
x1 输 x2 入 模 式
xn
误差反传（学习算法）
i
j
k
-+
wij
wjk
输入层 隐含层 输出层
信息流
BP网络Hale Waihona Puke ➢RBM神经网络x1
输 x2 入 模 式
xn
业务推广部
i
j
∩
k
∩
∩ 输入层 隐含层
输出层
RBF网络
y1 yr
30
c. 神经网络建模方法 通过样本训练的方法实现神经网络模型的建立
化估计模型，为测量数据提供一个最优估计，并据此检测 数据误差。
数据协调技业术务推是广一部 个约束条件下的优化技术。
9
b. 显著误差处理 常用方法： • 理论分析法 • 硬件冗余法 利用多种方法测量同一变量，通过结果
比较识别显著误差。 • 统计分析法
业务推广部
10
②数据变换
主要内容：标度变换、转换、权函数
EOL / % 68 67 63 59.6
回归结果： A=0.00935，a=0.15, b=0.222, c=0.365
软测量模型 EOL 0.00935SCL 0.15Dg0.222 ReG0.365
文献指出，在下述范围内模型具有良 好效果SCL 29业~务2推4广5,部 Dg 120 ~ 2000, ReG 105 ~ 1070 28
依据炭含量平衡的催化剂循环量软测量模型：
R Cw C
Cw： 烟气中带出炭含量 △C：待生剂与再生剂的炭含量差。
业务推广部
21
b. 焦炭氢含量软测量模型 焦炭氢含量是衡量催化裂化装置气提段性能的重要指标。 焦炭的氢含量一般通过对再生器作氧平衡来计算（依据 烟气分析数据）
• 进入再生器的氧量：
QO2入 0.21A A：进入再生器的总空 • 排出再生器的氧量： 气流量
β0 β1 x1 β2 x2
n
e y βi xi 或 i0
e βm xm
Y Xβ
e β：待定系 E数
y1
1 x11 x12
Y
y2 , X 1 x21 x22
x1m x2m , β
β0
e1
β1 , E e2
yn
1 xn1 xn2
xnm
βm
en
J ET E [Y Xβ]T [Y Xβ]
β ( X T X ) 1 X TY
数学方法定量描述的场合。 • 实际应用中一般将模糊技术与其他人工智能技术结合
应用。
业务推广部
16
⑤基于相关分析的软测量
• 以随机过程中相关分析理论为基础，利用两个或多个 可测信号间的相关特性实现对某一参数的测量。
• 具体实现方法为互相关分析方法。利用各辅助变量间 的互相关特性进行参数测量。
• 主要应用于测量难测流体流速或流量的在线测量和故 障诊断。
特点： ① 基于多传感器之上， ② 存在大量数据处理，
③ 适用于工程应用中对象特性及环境变化影响较大 的参数的工程测量。
④ 易于实现，在通用性、灵活性及成本等方面具有 优势。
业务推广部
4
5.2.1 软测量技术方法 1）系统框图
关键步骤：辅助变量的选择；数据采集及处理；
软测量模型的建立；模型校正
业务推广部
应用方法：
基于测量机理或模型辨识的传感器模型的求取；
测量公式、神经元网络，或知识库形式的表达。
基于信号（数据）分析与处理的参数预估和识别。
业务推广部
2
构成特点：
业务推广部
3
5.2 软测量技术
80年代末期明确提出软测量的概念，
依据对易测变量的测量及易测变量与被测变量（主导变 量）间的数学关系（软测量模型），利用数学计算和估 计技术实现对待测变量测量的技术。
扰不敏感。 d. 准确性，构成的软仪表应能够满足准确度要求。 e. 鲁棒性，对模型误差不敏感。
业务推广部
6
③ 辅助变量数量： ➢ 下限值：被估计主导变量的个数； ➢ 上限值：系统能可靠在线获取的变量总数。
➢ 相关影响因素：
自由度、测量噪声、模型不确定性
自由度:独立变量数
过程工业: F = C – P + 2