5.现代检测技术汇总

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。
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：
① ②
③
④
基于多传感器之上， 存在大量数据处理， 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。 易于实现，在通用性、灵活性及成本等方面具有 优势。

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。
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 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。
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。
软测量技术、 智能检测技术、 新技术 虚拟仪器技术、 模糊传感器技术 多传感器数据融合技术。
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。 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。 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。
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 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 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：


输入层
隐 层
输出层

前向传播神经网络
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； 并行运算，速度较快。 完美的网络训练样本的获 得较困难。

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)。 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。
④基于模糊数学的软测量

Βιβλιοθήκη Baidu

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 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。 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。
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
②数据变换 主要内容：标度变换、转换、权函数 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。
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 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。