现代检测技术 PPT
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)。
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。
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)；
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 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。
数据协调技术是一个约束条件下的优化技术。
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
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。
软测量模型建立方法：
① 基于工艺机理分析的软测量
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。
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。 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。
②数据变换
主要内容：标度变换、转换、权函数Fra Baidu bibliotek
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。
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。
构成特点：
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。
特点：
l 基于多传感器之上， l 存在大量数据处理， l 适用于工程应用中对象特性及环境变化影响较大
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
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。
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。
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)。
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。
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。
现代检测技术
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。
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。
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。
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：
的参数的工程测量。 l 易于实现，在通用性、灵活性及成本等方面具有
优势。
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
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
➢ 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 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。
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。
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
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。
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。
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；
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
完美的网络训练样本的获 得较困难。
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。
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。
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)；
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 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。
数据协调技术是一个约束条件下的优化技术。
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
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。
软测量模型建立方法：
① 基于工艺机理分析的软测量
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。
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。 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。
②数据变换
主要内容：标度变换、转换、权函数Fra Baidu bibliotek
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。
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。
构成特点：
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。
特点：
l 基于多传感器之上， l 存在大量数据处理， l 适用于工程应用中对象特性及环境变化影响较大
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
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。
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。
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)。
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。
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。
现代检测技术
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。
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。
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。
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：
的参数的工程测量。 l 易于实现，在通用性、灵活性及成本等方面具有
优势。
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
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
➢ 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 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。
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。
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
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。
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。
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；
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
完美的网络训练样本的获 得较困难。
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。