软测量方法原理及实际应用
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)。
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。
◆
基于模糊数学的软测量模型也是一种知识性模型。该方 基于模糊数学的软测量模型也是一种知识性模型。 模糊数学的软测量模型也是一种知识性模型 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 不确定性，且难以用常规数学定量描述的场合。 常将模糊技术和其他人工智能技术相结合， 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， 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， 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。 提高软仪表的效能。
基于回归支持向量机的方法 基于回归支持向量机的方法 回归支持向量机
建立在统计学习理论基础上的支持向量机SVM (support 建立在统计学习理论基础上的支持向量机 vector machine)已成为当前机器学习领域的一个研究热点。 已成为当前机器学习领域的一个研究热点。 已成为当前机器学习领域的一个研究热点 支持向量机采用结构风险最小化准则，在有限样本情况下， 支持向量机采用结构风险最小化准则，在有限样本情况下， 得到现有信息下的最优解而不仅仅是样本数趋于无穷大时的 最优值，解决了一般学习方法难以解决的问题。 最优值，解决了一般学习方法难以解决的问题。 SVM的方法最早是针对模式识别问题提出的，推广应用到非 的方法最早是针对模式识别问题提出的， 的方法最早是针对模式识别问题提出的 线性回归估计中，得到了用于回归估计的标准SVM方法，称 方法， 线性回归估计中，得到了用于回归估计的标准 方法 之为回归支持向量机SVR (support vector regressor） 之为回归支持向量机 ）
1.2 软测量技术的提出 软测量技术的
在实际生产过程中， 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, 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. 传统的解决方法有两种：一是采用间接的质量指标控制， 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， 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， 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， 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
◆
基于回归分析的软测量方法： 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， ◆ 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， ◆ 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， 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， 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， 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， 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。 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 基于回归分析的软测量建模方法简单实用， 有效的样本数据，对测量误差较为敏感。 有效的样本数据，对测量误差较为敏感。
1.4 软测量的意义与适用条件
软测量的意义：1.能够测量目前由于技术或经济的原 软测量的意义：1.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,2.有助 因无法或难以用传感器直接检测的重要的过程参数,2.有助 ,2. 于提高控制性能
软测量的适用条件：1.无法直接检测被估计变量，或 无法直接检测被估计变量， 软测量的适用条件：1.无法直接检测被估计变量
软测量技术应运而生
1.3 软测量技术的概念与思想 软测量技术的
软测量技术也称为软仪表技术，就是利用易测过程变量（ 软测量技术也称为软仪表技术，就是利用易测过程变量（称 也称为软仪表技术 为辅助变量或二次变量）， ），依据这些易测过程变量与难以直 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） 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 软测量模型），通过各种数学计算和估计方法， ），通过各种数学计算和估计方法 对待测过程变量的测量 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 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， 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 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， ），通过构成某种数学关系来推断和估计 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
2 软测量技术的数学描述和结构
软测量的数学描述： 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θ到 的映射， 的最佳估计值，即构造从可测信息集 到 ÿ 的映射，其中可测 信息集θ包括所有的可测主导变量 辅助变量θ 信息集 包括所有的可测主导变量y 和辅助变量 、控制变量u 和可测扰动d ： ÿ=ƒ (d ,u ,θ) )
基于状态估计的软测量方法： 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， 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。 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， 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 估计出该时刻或下一时刻的未知状态x(k)的过程就 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。 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 辅助变量是完全可观的， 态观测和状态估计问题。 态观测和状态估计问题。 采用Kalman滤波器和 滤波器和Luenberger观测器是解决问题的 ◆采用 滤波器和 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 有效方法。前者适用于白色或静态有色噪声的过程， 则适用于观测值无噪声且所有过程输入均已知的情况。 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： 基于知识的软测量方法：
业过程的操作数据进行处理，从中提取系统的特征， 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。 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， 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， 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。 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。 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。 等结合在一起使用。 基于现代优化算法的软测量是利用易测过程信息（ 现代优化算法的软测量是利用易测过程信息 ◆基于现代优化算法的软测量是利用易测过程信息（辅助变 它通常是一种随机信号）， ），采用先进的信息优化处理技 量，它通常是一种随机信号），采用先进的信息优化处理技 通过对所获信息的分析处理提取信号特征量， 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。 某一参数的在线检测或过程的状态识别。 基于模式识别 模式识别的软测量方法是采用模式识别的方法对工 ◆ 基于模式识别的软测量方法是采用模式识别的方法对工
直接检测被估计变量的自动化仪器仪表较贵或维护困难；2. 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；3.能通过其他检测手段根据过程变 所允许的精确度范围内；3.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；4.被估计过程变量具有 量估计值对系统数学模型进行校验；4.被估计过程变量具有 灵敏性、精确性、 灵敏性、精确性、鲁棒性等特点
软测量方法原理及实际应用实例
主讲： 主讲：邢文杰 专业： 专业：材料加工工程
主要内容： 主要内容：
1 软测量介绍 2 软测量技术的数学描述和结构 3 软测量建模方法 4 影响软测量性能的因素 5 基于参数辨识的软测量方法的实际应用
1.1 软测量技术
1 软测量介绍
软测量技术是一门有着广阔发展前景的新兴工业技 术，已成为过程检测技术与仪表研究的主要方向之 一。 软测量是在成熟的硬件传感器基础上， 软测量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。 术为核心，通过软测量模型运算处理完成的。 软测量技术主要由辅助变量的选择、 软测量技术主要由辅助变量的选择、数据采集和处 四个部分组成. 理、软测量模型及在线校正 四个部分组成
基于过程层析成像的软测量建模 基于过程层析成像的软测量建模 过程层析成像
基于过程层析成像PT( process tomography)的软测量建模 基于过程层析成像 的软测量建模 方法与其它软测量建模方法不同， 方法与其它软测量建模方法不同，它是一种以医学层析成像 CT (computerized tomography)技术为基础的在线获取过 技术为基础的在线获取过 程参数二维或三维的实时分布信息的先进检测技术， 程参数二维或三维的实时分布信息的先进检测技术，即一般 软测量技术所获取的大多是关于某一变量的宏观信息， 软测量技术所获取的大多是关于某一变量的宏观信息，而采 用该技术可获取关于该变量微观的时空分布信息。 用该技术可获取关于该变量微观的时空分布信息。
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。
◆
基于模糊数学的软测量模型也是一种知识性模型。该方 基于模糊数学的软测量模型也是一种知识性模型。 模糊数学的软测量模型也是一种知识性模型 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 不确定性，且难以用常规数学定量描述的场合。 常将模糊技术和其他人工智能技术相结合， 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， 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， 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。 提高软仪表的效能。
基于回归支持向量机的方法 基于回归支持向量机的方法 回归支持向量机
建立在统计学习理论基础上的支持向量机SVM (support 建立在统计学习理论基础上的支持向量机 vector machine)已成为当前机器学习领域的一个研究热点。 已成为当前机器学习领域的一个研究热点。 已成为当前机器学习领域的一个研究热点 支持向量机采用结构风险最小化准则，在有限样本情况下， 支持向量机采用结构风险最小化准则，在有限样本情况下， 得到现有信息下的最优解而不仅仅是样本数趋于无穷大时的 最优值，解决了一般学习方法难以解决的问题。 最优值，解决了一般学习方法难以解决的问题。 SVM的方法最早是针对模式识别问题提出的，推广应用到非 的方法最早是针对模式识别问题提出的， 的方法最早是针对模式识别问题提出的 线性回归估计中，得到了用于回归估计的标准SVM方法，称 方法， 线性回归估计中，得到了用于回归估计的标准 方法 之为回归支持向量机SVR (support vector regressor） 之为回归支持向量机 ）
1.2 软测量技术的提出 软测量技术的
在实际生产过程中， 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, 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. 传统的解决方法有两种：一是采用间接的质量指标控制， 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， 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， 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， 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
◆
基于回归分析的软测量方法： 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， ◆ 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， ◆ 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， 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， 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， 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， 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。 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 基于回归分析的软测量建模方法简单实用， 有效的样本数据，对测量误差较为敏感。 有效的样本数据，对测量误差较为敏感。
1.4 软测量的意义与适用条件
软测量的意义：1.能够测量目前由于技术或经济的原 软测量的意义：1.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,2.有助 因无法或难以用传感器直接检测的重要的过程参数,2.有助 ,2. 于提高控制性能
软测量的适用条件：1.无法直接检测被估计变量，或 无法直接检测被估计变量， 软测量的适用条件：1.无法直接检测被估计变量
软测量技术应运而生
1.3 软测量技术的概念与思想 软测量技术的
软测量技术也称为软仪表技术，就是利用易测过程变量（ 软测量技术也称为软仪表技术，就是利用易测过程变量（称 也称为软仪表技术 为辅助变量或二次变量）， ），依据这些易测过程变量与难以直 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） 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 软测量模型），通过各种数学计算和估计方法， ），通过各种数学计算和估计方法 对待测过程变量的测量 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 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， 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 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， ），通过构成某种数学关系来推断和估计 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
2 软测量技术的数学描述和结构
软测量的数学描述： 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θ到 的映射， 的最佳估计值，即构造从可测信息集 到 ÿ 的映射，其中可测 信息集θ包括所有的可测主导变量 辅助变量θ 信息集 包括所有的可测主导变量y 和辅助变量 、控制变量u 和可测扰动d ： ÿ=ƒ (d ,u ,θ) )
基于状态估计的软测量方法： 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， 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。 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， 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 估计出该时刻或下一时刻的未知状态x(k)的过程就 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。 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 辅助变量是完全可观的， 态观测和状态估计问题。 态观测和状态估计问题。 采用Kalman滤波器和 滤波器和Luenberger观测器是解决问题的 ◆采用 滤波器和 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 有效方法。前者适用于白色或静态有色噪声的过程， 则适用于观测值无噪声且所有过程输入均已知的情况。 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： 基于知识的软测量方法：
业过程的操作数据进行处理，从中提取系统的特征， 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。 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， 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， 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。 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。 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。 等结合在一起使用。 基于现代优化算法的软测量是利用易测过程信息（ 现代优化算法的软测量是利用易测过程信息 ◆基于现代优化算法的软测量是利用易测过程信息（辅助变 它通常是一种随机信号）， ），采用先进的信息优化处理技 量，它通常是一种随机信号），采用先进的信息优化处理技 通过对所获信息的分析处理提取信号特征量， 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。 某一参数的在线检测或过程的状态识别。 基于模式识别 模式识别的软测量方法是采用模式识别的方法对工 ◆ 基于模式识别的软测量方法是采用模式识别的方法对工
直接检测被估计变量的自动化仪器仪表较贵或维护困难；2. 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；3.能通过其他检测手段根据过程变 所允许的精确度范围内；3.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；4.被估计过程变量具有 量估计值对系统数学模型进行校验；4.被估计过程变量具有 灵敏性、精确性、 灵敏性、精确性、鲁棒性等特点
软测量方法原理及实际应用实例
主讲： 主讲：邢文杰 专业： 专业：材料加工工程
主要内容： 主要内容：
1 软测量介绍 2 软测量技术的数学描述和结构 3 软测量建模方法 4 影响软测量性能的因素 5 基于参数辨识的软测量方法的实际应用
1.1 软测量技术
1 软测量介绍
软测量技术是一门有着广阔发展前景的新兴工业技 术，已成为过程检测技术与仪表研究的主要方向之 一。 软测量是在成熟的硬件传感器基础上， 软测量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。 术为核心，通过软测量模型运算处理完成的。 软测量技术主要由辅助变量的选择、 软测量技术主要由辅助变量的选择、数据采集和处 四个部分组成. 理、软测量模型及在线校正 四个部分组成
基于过程层析成像的软测量建模 基于过程层析成像的软测量建模 过程层析成像
基于过程层析成像PT( process tomography)的软测量建模 基于过程层析成像 的软测量建模 方法与其它软测量建模方法不同， 方法与其它软测量建模方法不同，它是一种以医学层析成像 CT (computerized tomography)技术为基础的在线获取过 技术为基础的在线获取过 程参数二维或三维的实时分布信息的先进检测技术， 程参数二维或三维的实时分布信息的先进检测技术，即一般 软测量技术所获取的大多是关于某一变量的宏观信息， 软测量技术所获取的大多是关于某一变量的宏观信息，而采 用该技术可获取关于该变量微观的时空分布信息。 用该技术可获取关于该变量微观的时空分布信息。