文档介绍：报告心得体会
学校为了让我们更了解专业知识,给我们上了一节有关于软测量技术方面的报告,通过这节课,我对软测量技术及应用有了一个全新的认识和理解。让我以前对软测量技术浅薄的认知有了很大的变化,软测试技术的飞速发展也让我对之充满信心。
此次报告的内容是:一、软测量技术的概述; 二、影响软测量性能的因素;三、软数学模型测量的; 四、软测量应用实例;
以前我对软测量这个词很陌生,不懂什么意思,通过此次学****对软测量有了深刻的认识,软测量就是利用易测过程变量(辅助变量)与难以直接测量的待测过程(主导变量)之间的数学关系(软测量模型),通过各种数学计算和估计方法,从而实现对待测过程变量的测量。利用数学描述,我知道了软测量的目的就是利用所有可以获得的信息求取主导变量的最佳估计值。
影响软测量性能的主要因素有如下几种:
辅助变量的选择--确定软测量的输入信息,直接决定软测量模型的结构和输出。
数据的预处理—精确可靠的数据是软测量成败的关键。
软测量模型的简历—软测量技术的核心任务。
模型的在线校正—能进一步提高软测量的准确程度。
这些都能影响软测量的性能,然而辅助变量的选择也是至关重要的,其中包括变量类型的选择,变量数目的选择和测点位置的选择。
变量类型的选择原则包括以下几种:
适用性:工程上易于获得并能达到一定的测量精度;
灵敏性:能对过程输出和不可测扰动作出快速反应;
特异性:对过程输出或不可测扰动之外的干扰不敏感;
精确性:构成的软测量估计器满足精度要求;
鲁棒性:构成的软测量估计器对模型误差不敏感。
变量数目的选择有两种方法,首先从过程机理入手分析,从影响被估计变量和变量中去挑选主要因素,因为全部引入既不可能也没有必要。其次如果缺乏机理知识,则可用回归分析的方法找出影响被估计变量的主要因素,这需要大量的观测数据。
检测点位置的选择也是很重要的,检测点位置的选择方案十分灵活,可供选择的检测点很多,而且每个检测点所能发挥的作用各不相同。一般情况下,辅助变量的数目和位置常常是同时确定的,变量数目的选择准则也往往应用于检测点位置的选择。我们在软测量的时候同时也会存在误差,测量误差的处理方法有两种,一种是随机误差的处理,另一种是过失误差的处理。测量数据变换不仅影响模型的精度和非线性映射能力,而且对数值算法的运行效果也有重要作用。测量数据的变换包括标度、转换和权函数三个方面。模型的校正分为在线校正和离线校正两种方法。软测量的模型表征辅助变量和主导变量之间的数学关系称为软测量模型。建立软测量模型的方法多种多样,且各种方法互有交叉和融合。各种方法可以分为机理方法和经验方法两类。机理模型建模是基于对过程对象的深刻认识,运用对象的平衡方程、动力学方程、物性参数方程和设备特性方程,建立估计主导变量的精确数学模型。由于实际工业过程的复杂性,难以完全通过机理分析得到软测量模型。因此,基于机理分析的方法建模非常困难,需要与其他方法配合使用。同时经验方法也分为基于回归分析方法,基于人工智能方法和基于状态估计方法三种。
(1)基于回归分析的软测量。传统的回归方法是辨识建模的基于方法。基于最小二乘原理为基础的一元和多元线性回归技术已相当完善,对于辅助变量较少的情况,一般采用多元线性回归中的逐步回归技术可获得较好的软测量模型。对于辅助变量较多的情况,通