软测量技术进展.docVIP

软测量技术进展 马彩青 （青岛科技大学 自动化与电子工程学院,青岛 266042） 摘要:软测量技术是二十世纪六、七十年代涌现的一种为控制过程建立模型的新技术,被列为未来控制领域需要研究的几大方向之一。本文主要从软测量多模型结构和支持向量机在软测量中的应用等方面对近几年来软测量技术的进展进行了介绍,并提出进一步的思考。 关键词:软测量；多模型；支持向量机 中图分类号:TP273 文献标识码:A Progress of Soft-sensing Technique Ma Cai-qing School of Automation and Electrical Engineering,Qingdao University of Science and Technology,Qingdao 266042,China. Abstract: Born in the 1960s and 1970s,soft-sensing technique is a new technique to build model of the controlling process and deemed to one of the main research directions of controlling.In this paper,the nearly progress of soft-sensing is summarized mainly from two aspects---- multi-modle soft-sensing and support vector machine(svm) in soft-sensing.The deeply thinking is also given. Key words:soft-sensing;multi-modle;support vector machine(SVM) 　　软测量技术是二十世纪六、七十年代涌现的一种控制过程模型建立的新技术。它以易测量的过程变量为基础，通过某种建模方法实现对难以测量的过程变量进行测量。对于工业化工过程来讲，软测量技术大体包括如下几个过程：过程变量数据采集、数据误差处理、主元变量的选取、软测量模型的建立、模型的在线应用和动态校正。其中，软测量模型的建立是主要步骤，进入二十一世纪，软测量建模方法在原有方法发展的基础上，又出现了如下发展趋势： 1 多模型软测量建模 把一个复杂的单一网络建模转化为用若干个简单的子网络建模，且各子网络有明确的物理意义，再把各子网络的输出通过一定的方式综合，作为最终的预测值，就是分布式多模型结构建模的基本思想。其中的关键问题包括：数据的预处理、子网络结构的选择、输入空间的划分（聚类）以及系统输出的确定方式。 从多模型软测量建模的方法研究来看，主要集中在如下几个方面： 为保证模型结构的精确性，数据的预处理方法很重要，所以，针对过程数据的随机误差的处理和过失误差的提出方法的研究一直在进行，特别是对动态过程数据的校正方法研究。针对稳态过程数据校正问题，文献[1]基于MT-NT(the measurement test(MT)and nodal test(NT))方法，通过用估计值来替换含有显著误差的数据，从而在保留原有相关矩阵秩的情况下提出了一种改进的MT-NT数据校正方法，用来处理显著误差，避免了由于删除显著误差数据所带来的有用信息的丢失；文献[2]针对一些测量装置标定或测量过程中产生错误而造成的显著误差，提出了数据污染高斯分布法，在目标函数中同时考虑了随机误差和显著误差对数学模型的影响，构造了费用函数，通过线性和双线性仿真研究，表明这种方法具有很强的鲁棒性，数据误差相对较小；文献[3]针对过程数据不确定性的特点，将隶属系数引入到目标函数当中，提出了一种基于模糊理论的数据校正模型；针对动态数据校正问题，文献[4]提出了一种基于遗传算法的时间延迟动态数据校正方法，采用遗传算法，利用数据相关性分析，对过程数据时间延迟进行识别，将延迟信息加入到了动态数据校正目标函数当中；文献[5]对动态数据校正(DDR)滤波器进行了改进，在DDR中增加了预测校正处理，通过对比，证明了改进方法提供了一种很好的动态数据校正模型。 聚类算法的研究和改进。常用的聚类方法有C-均值聚类、最近距离聚类、ISODATA聚类等，在此基础上，出现了许多改进算法，特别是模糊聚类算法。但由于实际过程数据的复杂性，任意聚类算法都有其局限性，所以这方面的研究也是一大热点，目前常用于多模型结构的聚类方法为模糊C均值聚类算法。 各单模型如何进行组合输出的方法