大连理工检测技术第5章2.ppt

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 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年代末期提出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： 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。 5.2.1 软测量技术方法 1）系统框图 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。 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，对对象输出或不可测扰动能作出快速反应。 c. 特异性，对对象输出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 数量要求： 下限值：被估计主导变量的个数； 上限值：系统所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 辅助变量的数量确定： 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。 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）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。 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)； 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。 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。 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； 并行运算，速度较快。 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随机信号间的相关特性事先对某一参数的测