一种基于相似性原理实现软测量方法技术

本发明专利技术实施例公开了一种基于相似性原理实现软测量方法，该基于相似原理实现软测量方法包括：选择与主导变量相关联的辅助变量；将辅助变量传感器采集的辅助变量，基于相似性原理软测量模型得到主导变量的估计。

【技术实现步骤摘要】
一种基于相似性原理实现软测量方法
本专利技术涉及仪器仪表
，具体涉及一种基于相似性原理实现软测量方法。
技术介绍
软测量技术是一门有着广阔发展前景的新兴工业技术，已发展成为过程检测技术与仪表研究的主要方向之一。软测量通常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。到目前为止，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，如精馏塔的产品组分浓度、生物发酵罐的菌体浓度、高炉铁水中的含硅量和化学反应器中反应物浓度、转化率、催化剂活性等。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，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，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。现有的软测量方法存在健壮性不够、依赖机理、依赖知识、模型精度不够等各种各样的问题。因此，迫切需要找到一种更加健壮、数据驱动、更加精确的软测量方法。
技术实现思路
本专利技术实施例的目的在于提供一种基于相似性原理实现软测量方法，用以解决现有技术中存在的问题。为实现上述目的，本专利技术实施例提供一种基于相似性原理实现软测量方法，该基于相似性原理实现软测量方法包括：选择与主导变量相关联的辅助变量；将辅助变量传感器采集的辅助变量，基于相似性原理软测量模型得到主导变量的估计。可选的，辅助变量包括：辅助变量的类型、辅助变量的数量和辅助变量的测点位置。可选的，将辅助变量传感器采集的辅助变量，基于相似性原理软测量模型得到主导变量的估计之前，还包括：获取辅助变量传感器采集的历史数据，并存储。可选的，获取辅助变量传感器采集的历史数据，并存储之后，还包括：采用上下限判断方法确定历史数据的有效性；以及，将确定的有效数据进行归一化处理。可选的，将辅助变量传感器采集的辅助变量，基于相似性原理软测量模型得到主导变量的估计，包括：从历史数据中获取辅助变量向量和主导变量向量，组成参考数据；从参考数据中选择样本，组成状态矩阵D1；选择工况中的m个模式，以及状态矩阵D1，组成辅助变量状态矩阵D；将获取的辅助变量与辅助变量状态矩阵中的每一列进行相似度比较，得到相似向量；将相似向量转换为权重向量；以及，通过获取的主导变量向量和权重向量，得到主导变量的估计。可选的，从参考数据中选择样本，组成状态矩阵D1，包括：根据预设段数均匀分割参考数据；采用预设方法选取预设段数的每一段数中的样本；以及，将样本组成状态矩阵D1。可选的，采用预设方法选取预设段数的每一段数中的样本，包括：选择数据的最大值；选择数据的最小值；将最大值和最小值组合，并去掉重复样本。可选的，将辅助变量传感器采集的辅助变量，基于相似性原理软测量模型得到主导变量的估计，还包括：调整相似性原理软测量模型。本专利技术实施例具有如下优点：(1)不依赖机理，因此更加简单；(2)允许部分输入变量为非数值或者质量差，因而更加健壮；(3)完全由数据驱动，不需要精确和复杂的系统和物理原理分析；(4)通过模式重构得到插值矩阵，因此更加精确。附图说明图1为本专利技术实施例1提供的一种基于相似性原理实现软测量方法的流程图。图2为本专利技术实施例1提供的一种基于相似性原理实现软测量方法的方框图。图3为图2中的相似性原理模型的方框图。图4为挑选状态矩阵D1的示意图。图5为本专利技术实施例2提供的一种基于相似性原理实现软测量装置的结构示意图。图6为实施例3中相似性原理软测量模型输出与实际测量氧量输出对比图。图7为实施例3中相似性原理软测量模型输出相对误差图。具体实施方式以下由特定的具体实施例说明本专利技术的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本专利技术的其他优点及功效。须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本专利技术可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本专利技术所能产生的功效及所能达成的目的下，均应仍落在本专利技术所揭示的
技术实现思路
得能涵盖的范围内。同时，本说明书中所引用的如“上”、“下”、“左”、右”、“中间”等的用语，亦仅为便于叙述的明了，而非用以限定本专利技术可实施的范围，其相对关系的改变或调整，在无实质变更
技术实现思路
下，当亦视为本专利技术可实施的范畴。实施例1软测量是把自动控制理论与生产过程知识有机的结合起来，应用计算机技术对难以测量或者暂时不能测量的重要变量，选择另外一些容易测量的变量，通过构成某种数学关系来推断或者估计，以软件来替代硬件的功能。软测量技术主要由辅助变量的选择、数据采集与处理、软测量模型几部分组成。在互相有关联的辅助变量传感器中，当某个辅助变量传感器失效时，无法对其数值进行有效的估计或监视，本专利技术实施例1采用相似性原理构建多辅助变量传感器模型，基于历史上各辅助变量传感器的数值及相关性计算出失效辅助变量传感器的数值。在设备或过程正常运行时，不同辅助变量传感器之间存在着各种各样的相关性。通过获取各种不同的运行工况和环境工况的数据就可以获取到一系列的运行模式，每一个运行模式都是由某个时间点的所有辅助变量传感器的数值组成的一个向量。所有运行模型向量组成了一个矩阵，对矩阵中的向量采用插值的方式进行模式重构就能够覆盖设备或过程的大部分运行特征。图1为本专利技术实施例1提供的一种基于相似性原理实现软测量方法的流程图。如图1所示，该基于相似性原理实现软测量方法的步骤包括：步骤S101：选择与主导变量相关联的辅助变量；在建模的过程中，辅助变量的选择直接决定了软测量的输入，所以它对软测量模型的结构与输出影响巨大。其中，辅助变量的选择主要包括辅助变量的类型、辅助变量的数量和辅助变量的测点位置。辅助变量的类型、辅助变量的数量和辅助变量的测点位置相互关联、相互作用，并由过程特性来决定，在实际应用中还应该考虑到经济性、可行性、可维护性和可靠性等综合因素的限制。在选择辅助变量时，可以以机理分析为切入点，从原理上选择与输出主导变量关联的输入辅助变量并安装相应的辅助变量传感器。在实际工程应用过程中，通常采取的策略是充分利用原有的辅助变量传感器或者热控设计必须安装的辅助变量传感器，在此基础上补充一些对于主导变量有较大影响的辅助变量传感器。辅助变量类型的选择主要是根据对象的机理和实际工况考虑如下特性：相关性，要求辅助变量与输出变量在数据上是相关的；过程适应性，一般是要求工程上方便在线获取同时要有一定的测量精度；特异性，是对过程输出及不可测扰动之外的其他干扰不敏感；灵敏性，就是对过程输出和不可测扰动能做出迅速反应；鲁棒性，要求选择的变量对模型中出现的误差不敏感；准确性，即构成的软测量数据必须满足一定精度要求。辅助变量的类型选择是有限制的，它必须是过程的可测变量集合，而在实际应用过程中，最广泛的选择和主导变量动态特性相似、关系最密切的一组可测参数，这组参数是较为理想的。辅助变量的数量的下限值是被估算的主导变量的个数，然后使用多辅助变量会造成参数化(所以最佳数目与进程的自由度、模型的不确定性和测量噪声等相关因素有关，我们在建模时给予充分的考量)。辅助变量的测点位置，常规情况下，几乎同时与辅助变量的数目一起确定本文档来自技高网...

【技术保护点】
1.一种基于相似性原理实现软测量方法，其特征在于，所述方法包括：选择与主导变量相关联的辅助变量；将所述辅助变量传感器采集的所述辅助变量，基于相似性原理软测量模型得到主导变量的估计。

【技术特征摘要】
1.一种基于相似性原理实现软测量方法，其特征在于，所述方法包括：选择与主导变量相关联的辅助变量；将所述辅助变量传感器采集的所述辅助变量，基于相似性原理软测量模型得到主导变量的估计。2.根据权利要求1所述的方法，其特征在于，所述辅助变量包括：辅助变量的类型、辅助变量的数量和辅助变量的测点位置。3.根据权利要求1所述的方法，其特征在于，将所述辅助变量传感器采集的所述辅助变量，基于相似性原理软测量模型得到主导变量的估计之前，还包括：获取所述辅助变量传感器采集的历史数据，并存储。4.根据权利要求3所述的方法，其特征在于，所述获取所述辅助变量传感器采集的历史数据，并存储之后，还包括：采用上下限判断方法确定所述历史数据的有效性；以及，将确定的有效数据进行归一化处理。5.根据权利要求4所述的方法，其特征在于，将所述辅助变量传感器采集的所述辅助变量，基于相似性原理软测量模型得到主导变量的估计，包括：从所述历史数据中获取辅助变量向量和主导变量向量，组成参考数据；从...

【专利技术属性】
技术研发人员：李玉珍，谢文，吴佳敏，
申请(专利权)人：上海长庚信息技术股份有限公司，
类型：发明
国别省市：上海,31