一种基于多源信息融合的最优软测量模型生成方法及系统技术方案

本发明专利技术公开了一种基于多源信息融合的最优软测量模型生成方法及系统，属于软测量技术领域，该方法包括：建立某种目标指标的软测量模型基本框架；搭建基础模型库；利用基础模型库中的基本函数按照软测量模型的基本框架组装成若干软测量模型从而形成软测量模型库；建立观测数据库；将目标指标的观测值和检测指标值带入软测量模型，求取软测量模型的权重系数；并将求取到的权重系数代回软测量模型；将检测指标值带入软测量模型库中所有的软测量模型得到预测值；将预测值与对应的观测值进行比较，求取误差最小的软测量模型；所述误差最小的软测量模型为最优软测量模型。本发明专利技术便于将软测量方法软件化，使得软测量更加简单，门槛更低。槛更低。槛更低。

【技术实现步骤摘要】
一种基于多源信息融合的最优软测量模型生成方法及系统


[0001]本专利技术属于软测量
，尤其涉及一种用于最优准则下多源信息融合的软测量数学模型的生成方法以及生成系统。

技术介绍

[0002]软测量技术的基本思想就是应用计算机技术，把测控技术与生产工艺过程的知识有机地结合起来，对于一些难以测量或者暂时不能测量而对于控制却很重要的变量（主导变量）根据某些最优准则，选择另外一些在工业上容易检测且与主导变量有密切关系的辅助变量,如温度、压力、流量等多源变量,通过建立过程数学模型,利用多源信息融合技术及智能算法，通过软件计算实现对主导变量的最优估计,以软件来代替硬件(传感器)功能。
[0003]现有软测量技术在实施过程中对使用者能力要求较高，使用过程复杂，步骤繁琐，难以实现大规模的推广和使用，工程应用成本过高。

技术实现思路

[0004]有鉴于此，本专利技术提供一种基于多源信息融合的最优软测量模型生成方法及系统，便于将软测量建模软件化，使得软测量模型设计更加简单，门槛更低。
[0005]为解决以上技术问题，本专利技术的技术方案为采用一种基于多源信息融合的最优软测量模型生成方法，包括：建立某种目标指标的软测量模型基本框架，所述基本框架为通过多源检测指标以及检测指标的权重系数来计算目标指标的预测值；搭建基础模型库，所述基础模型库由若干基本函数组成；利用基础模型库中的基本函数按照软测量模型的基本框架组装成若干软测量模型从而形成软测量模型库；建立观测数据库，所述观测数据库内包括多源目标指标的观测值以及所述观测值对应的检测指标值；将目标指标的观测值和检测指标值带入软测量模型，求取软测量模型的权重系数；并将求取到的权重系数代回软测量模型；将检测指标值带入软测量模型库中所有的软测量模型得到预测值；将预测值与对应的观测值进行比较，求取误差最小的软测量模型；所述误差最小的软测量模型为最优软测量模型。
[0006]作为一种改进，所述软测量模型的基本框架为其中，为目标指标的预测值，k
0~n
为权重系数，x
0~n
为n+1种检测指标。
[0007]作为一种进一步的改进，所述基本函数包括常函数、幂函数、指数函数、对数函数、三角函数和反三角函数。
[0008]作为另一种更进一步的改进，组装软测量模型的方法包括：将基本函数经过有限次的有理运算及有限次的函数运算进行复合，形成一个在定义域上能有一个方程表示的函数；令为常数项，剩余项带入任意基本函数。
[0009]作为一种改进，对软测量模型中的基本函数进行常数项简化以确定常数项，且对基本函数进行线性化转换。
[0010]作为一种改进，对检测指标值进行线性化处理。
[0011]作为一种改进，所述求取软测量模型的权重系数的方法包括：利用公式K
*
=（X
T
X）
‑1*X
T
y计算权重系数，其中K
*
为权重系数组，X为线性化处理后的检测指标值，X
T
为线性化处理后的检测指标值组，y为目标指标的观察值。
[0012]作为一种改进，所述将预测值与对应的观测值进行比较，求取误差最小的软测量模型的方法包括：利用公式计算误差矩阵，其中e为误差，y为目标指标的观察值，为目标指标的预测值；筛选属于阈值范围内的误差；利用公式计算所有误差的标准差集合，其中S为标准差集合，i为误差数量，e
a
为误差，为误差平均值；找出标准差集合中最小的标准差,所述最小标准差对应的软测量模型为误差最小的软测量模型。
[0013]作为一种改进，将最优软测量模型中线性转换后的基本函数进行还原。
[0014]本专利技术还提供一种基于多源信息融合的最优软测量模型生成系统，包括：基本框架建立模块，用于建立某种目标指标的软测量模型基本框架，所述基本框架为通过若干检测指标以及检测指标的权重系数来计算目标指标的预测值；基础模型库，包含若干基本函数；软测量模型库搭建模块，用于利用基础模型库中的基本函数按照软测量模型的基本框架组装成若干软测量模型从而形成软测量模型库；观测数据库，包括多源目标指标的观测值以及所述观测值对应的检测指标值；软测量模型确定模块，用于将目标指标的观测值和检测指标值带入软测量模型，求取软测量模型的权重系数；并将求取到的权重系数代回软测量模型；
预测值计算模块，用于将检测指标值带入软测量模型库中所有的软测量模型得到预测值；误差比较模块，用于将预测值与对应的观测值进行比较，求取误差最小的软测量模型；所述误差最小的软测量模型为最优软测量模型。
[0015]本专利技术的有益之处在于：本专利技术利用基本函数按照软测量模型的基本框架组装出若干软测量模型，然后通过目标指标的观察值以及对应的检测指标值计算出软测量模型的权重系数组，再将检测指标值带入软测量模型寻求与偏差最小的软测量模型最为最优软测量模型。该方法进行软件化后，能够大大降低软测量的门槛，使得软测量简单化，模型化，具象化，可视化（数学函数可视），便捷化。
附图说明
[0016]图1为本专利技术的流程图。
[0017]图2为本专利技术的结构原理图。
具体实施方式
[0018]为了使本领域的技术人员更好地理解本专利技术的技术方案，下面结合具体实施方式对本专利技术作进一步的详细说明。
[0019]自然界中并非所有的参数指标都可以直接通过传感器实时进行测量。例如氮和磷是水污染治理中的重要控制指标。现有的总磷总氮监测是通过分析仪器进行的，属于化学方法，如总磷采用钼酸铵分光光度法等。其采集一次水样后需要数小时才能检测出结果，所以只能对某个时间点的总磷总氮进行监测而无法实现连续在线监测。而要想实现连续监测，就需要采用其他一些能够直接测量的参数，通过软测量的方式实现连续实时的监测。本专利技术中所述的多源信息指的就是上述各种可以直接测量的参数。而软测量最重要决定因素是建模，找到最优的软测量模型，才能使模型计算出来的结果更加接近真实结果。
[0020]为了寻找最优软测量模型，如图1所示，本专利技术提供一种基于多源信息融合的最优软测量模型生成方法，包括：S1建立某种目标指标的软测量模型基本框架，所述基本框架为通过若干检测指标以及检测指标的权重系数来计算目标指标的预测值。
[0021]同样以总磷为例作为目标指标，影响总磷的检测指标即多源信息众多，包括温度、PH值、电导率、溶解氧、浊度、化学需氧量等等，检测指标的特性是能够通过传感器直接实时检测。然而每个检测指标对最终总磷的含量影响权重是不相同，因此需要对每个检测指标赋予权重系数。同时，还需要为每个指标建立一个函数关系。因此软测量模型的基础框架为：其中，为目标指标的预测值，k
0~n
为权重系数，x
0~n
为n+1种检测指标。
[0022]本专利技术的目的就是要为每个检测指标建立最恰当的函数以及权重系数，从而使得最终形成计算结果与实际结果最为接近的最优软测量模型。
[0023]S2搭本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源信息融合的最优软测量模型生成方法，其特征在于包括：建立某种目标指标的软测量模型基本框架，所述基本框架为通过若干检测指标以及检测指标的权重系数来计算目标指标的预测值；搭建基础模型库，所述基础模型库由若干基本函数组成；利用基础模型库中的基本函数按照软测量模型的基本框架组装成若干软测量模型从而形成软测量模型库；建立观测数据库，所述观测数据库内包括若干目标指标的观测值以及所述观测值对应的检测指标值；将目标指标的观测值和检测指标值带入软测量模型，求取软测量模型的权重系数；并将求取到的权重系数代回软测量模型；将检测指标值带入软测量模型库中所有的软测量模型得到预测值；将预测值与对应的观测值进行比较，求取误差最小的软测量模型；所述误差最小的软测量模型为最优软测量模型。2.根据权利要求1所述的一种基于多源信息融合的最优软测量模型生成方法，其特征在于：所述软测量模型的基本框架为其中，为目标指标的预测值，k
0~n
为权重系数，x
0~n
为n+1种检测指标。3.根据权利要求1所述的一种基于多源信息融合的最优软测量模型生成方法，其特征在于：所述基本函数包括常函数、幂函数、指数函数、对数函数、三角函数和反三角函数。4.根据权利要求1所述的一种基于多源信息融合的最优软测量模型生成方法，其特征在于组装软测量模型的方法包括：将基本函数经过有限次的有理运算及有限次的函数运算进行复合，形成一个在定义域上能有一个方程表示的函数；令k0f(x0)为常数项，剩余项带入任意基本函数。5.根据权利要求4所述的一种基于多源信息融合的最优软测量模型生成方法，其特征在于：对软测量模型中的基本函数进行常数项简化以确定常数项，且对基本函数进行线性化转换。6.根据权利要求5所述的一种基于多源信息融合的最优软测量模型生成方法，其特征在于：对检测指标值进行线性化处理。7.根据权利要求6所述的一种基于多源信息融合的最优软测量模型生成方法，其特征在于所述求取软测量模型的权...

【专利技术属性】
技术研发人员：汤江文，彭元辉，谢开强，薛靓，周李华，徐传娣，杨桩，蒋丽，
申请(专利权)人：中国测试技术研究院，
类型：发明
国别省市：