传感器与检测技术第二胡向东著第十四现代检测技术.ppt

处理输入数据 软测量的输入数据处理包括换算和数据误差处理两个方面 换算：实际测量数据可能有不同的工程单位，需通过引入因子或加权系数等方法进行数据变换。其直接影响过程模型的精度和非线性映射能力，还影响着数值优化算法的运行效果。测量数据的换算包括标度、转换和权函数三个方面 数据误差处理主要针对随机误差和粗大误差 下页 上页 返回 建立软测量模型 软测量模型是在深入理解过程机理基础上，建立的适用于估计的模型，这是软测量的核心 软测量模型不同于一般意义下的数学模型，强调的是通过辅助变量来获得对主导变量的最佳估计 机理建模、统计回归建模和人工神经网络建模等 下页 上页 返回 软测量模型 下页 上页 返回 软测量模型的在线校正 由于过程的时变性，不可避免地要产生一定的偏差，造成软测量模型的估计偏差。 必须对建立的软测量模型进行在线校正，以使其适应过程操作特性的变化和生产工况的变迁。包括模型的参数修正和结构修正。 软测量模型的在线校正必须注意过程测量数据与实验室人工分析数据在时序上的匹配，通过在线校正并不断与目标控制结果相比较，力争达到理想的控制效果。 定时校正 满足一定条件的校正 下页 上页 返回 14.4.3 软测量的意义 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； 打破了传统单输入、单输出的仪表格局，是多输入、多输出智能式仪表，可综合运用多个可测信息对被测对象做出状态估计、诊断和趋势分析； 能够在线获取被测对象微观的二维/三维时空分布信息，以满足许多复杂工业过程中场参数测量的需要。 下页 上页 返回 可在同一仪表中实现软测量技术与控制技术的结合，采用智能总线化仪表，使在一台仪表中实现多个回路的控制成为可能 便于修改，通过模型参数进行修改，可方便地实现推理控制模型的修正 使优化控制直接在过程控制级实现，有助于提高控制性能 能够对测量系统进行误差补偿处理和故障诊断，进行动态校准和性能改善，从而提高测量精度和可靠性 下页 上页 返回 软测量的适用条件 无法直接检测被估计变量，或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； 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，并根据两者偏差确定数学模型是否需要校正； 被估计过程变量应具有灵敏性、精确性、鲁棒性等特点 下页 上页 返回 第14章 本章要点 结束 上页 返回 干扰的概念 、种类； 噪声的概念，噪声形成干扰的三要素，噪声 的耦合方式； 干扰的抑制方法及常用的抗干扰措施 多传感器数据融合的概念、模型及结构形式 虚拟仪器的概念、组成及发展 软测量的概念与实现 人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 2002/12总结 * * 四、数据融合的优点 准确性和全面性 冗余性和容错性 互补性 可靠性 实时性和经济性 下页 上页 返回 五、数据融合的层次 1.原始层（数据层） 底层融合，对原始数据很少处理，直接综合。 处理量大、实时性差，对信息配准性要求高。 2.特征层 从原始信息中提取典型特征信息。主要方法： 神经网络、模糊聚类方法等。 3.决策层 最高层次。对原始信息进行预处理，获得初步 的决策结果后进行融合。具有较好的容错性， 数据处理量较大。 下页 上页 返回 六、数据融合模型 下页 上页 返回 七、数据融合结构形式 下页 上页 返回 八、数据融合关键技术 1.数据转换 不同层次、时间、空间信息→坐标变换 2.数据相关 将信息归为不同集合，保证数据的一致性 3.态势数据库 分为实时和非实时数据库。提供各种数据及分析结果、中间结果及历史信息。 4.融合计算 进行分析、综合→态势决策 下页 上页 返回 九、数据融合方法 1.随机方法 加权平均法 Bayes概率推理法 用测量值的概率描述和先验知识计算备选假设的概率，并不断更新，确定被测对象的最佳估计。 Dempster-Shafer证据推理 利用鉴别框架，将不同的证据体（信息源）合并成一个新的证据体 卡尔曼滤波 利用统计特征递推→最优估计 产生式规则 下页 上页 返回 模糊逻辑推理 神经网络方法 智能融合方法 2.人工智能方法 下页 上页 返回 下页 上页 返回 十、应用