软测量技术及其应用
【摘要】随着我国经济的发展和科学水平的不断提高，工业也紧跟着发展了起来。对于工业的发展来说，软测量技术的作用是不可忽视的。所以，本文将从多个方面对软测量技术及其应用进行详细的分析和探讨。
一、前言
对于工业工程来说，一般都能采用两种方法进行测量，一种是传统的检测技术，另外一种的运用新型的间接测量。随着应用程度的普及以及计算技术的发展，人们发明出了一种新的测量技术，也就是软测量技术。
二、软测量技术基本原理
软测量技术在工业过程中主要应用于实时估计、故障冗余、智能校正和多路复用等方面。它依据对可测易测过程变量（称为辅助变量，如压力、温度等）与难以直接测量的待测过程变量（称为主导变量，如产品分布、物料成分）之间的数学关系的认识，采用各种计算方法，用软件实现待测变量的测量或估计。目前，利用计算机系统，由过程实测变量计算出不可测变量，是解决现在问题的主要途径。其发展已有几十年的历史，在实际生产中也有了一些应用。这里，可用图一简略地描述其结构。其中，U、v分别为被研究过程的可测控制输入和可测干扰输入；x、y为可测参数变量（即辅助变量）和被控过程的输出变量。
三、测量建模的基本方法 软测量建模所使用的数学方法包括从简单的线性代数方程直到复杂的人工神经元网络，最终所采用的方法与使用的软测量模型是机理模型还是回归模型有关。对于石油化工生产过程这类复杂的工艺过程，要得到某一装置的机理模型同时满足较高的精度要求常常是非常困难的，但对于一个局部变量来说，得到满足软测量精度要求的计算模型仍是可能的。这时我们就可根据过程机理选择合适的数学实现方法。
无论是机理模型还是回归模型，在确定了其数学形式之后，下一步就要进行模型参数的估计。即使用可测输入变量和待计算输出变量的历史数据离线估计软测量模型中的未知参数。其中输入变量的历史数据可以从DCS的历史数据库中容易地得到，而输出变量的历史数据可以是离线的经验估计值，也可以取自在线分析仪或实验室信息管理系统的历史数据，也可以是实验室化验人员的手工输入。
Word文档 1 软测量技术测量水质技术原理
污水处理过程中需要检测大量的水质参数。这些参数用于监测反应器的运行状态和出水水质，并指导反应器的运行。人工检测水质参数的方式不能及时地提供反应器的水质信息。在线仪器检测水质参数的方式虽然可以避免人工检测的弊端，但是在线检测化学需氧量等指标的仪器价格较为昂贵，维护成本也高。因此，在线测量仪器难以在小型污水处理厂、农村污水处理设施中普及。同时，大量的小型污水处理设施难以配备专业的技术人员进行日常监管。因此，这些污水处理设施的运行在客观上需要智能化控制或者集中化控制。这在客观上需要准确、便捷、成本低的水质参数检测手段，以摆脱对现有昂贵检测仪器的依赖。
软测量可以通过机器学习等方式建立基础指标(例如溶解氧等)与目标指标(例如生化需氧量等)之间的数学关系，并最终从基础指标推断目标指标的数值。与常规目标指标的检测方法相比，这些基础指标检测耗时短、费用低，获得的相应的目标指标耗时较短、费用低廉。软测量的这些优点使其在部分工业领域得到了广泛的应用，这也为污水处理设施水质指标的日常监测与实现污水厂运行智能化提供了新的解决途径。
近年来，国内的研究人员在污水处理领域对软测量技术进行了大量的研究。本文通过综述现有文献，概述Word文档 2 了软测量技术测量污水处理相关水质指标的进展。相关论文的研究由自动化、计算机等专业人员完成。本文从水处理专业角度探讨有待进一步研究之处，期望可以起到抛砖引玉的效果。
Part 1软测量技术测量水质的技术原理
软测量技术本身未采用任何硬件去测量目标水质指标的数值。其构建了一批其他水质参数的检测值与已经获得的目标水质指标检测值之间的某种相关关系，从数值上，通过其他水质指标数值来推断目标水质指标的数值。软测量技术一般通过机器学习的方式来实现，故上述相关关系的准确构建过程不受人工干预，最后构建成的关系也是未知的。然而，构建相关关系在实践中具备使用价值。 软测量在实际运用过程中有多种可使用的机器学习方式。这些机器学习手段均使用了复杂的数学手段，在有限的篇幅中对任意一种数学手段的原理进行详细介绍是非常困难的。本文仅对使用广泛的BP(back
№．４ ・６８・ 陕西科技大学学报 ＪＯＵＲＮＡＬ ＯＦ ＳＨＡＡＮＸＩ ＵＮＩＶＥＲＳＩＴＹ ＯＦ ＳＣＩＥＮＣＥ＆ＴＥＣＨＮＯＬＯＧＹ Ａｕｇ．２００７ Ｖｏ１．２５
文章编号：１０００—５８１１ ｆ２００７｝０４—００６８—０４
基于神经网络的打浆度软测量技术研究
侯勇严
（陕西科技大学电气与信息工程学院，陕西西安 ７１００２１）
摘 要：针对制浆造纸自动控制中打浆度的测量问题，提出采用基于神经网络的软测量技术进 噜 行打浆度测量，用ＢＰ算法建立了打浆度软测量的神经网络模型，给出了神经网络建模的具体 实现方法．仿真结果表明，基于神经网络的软测量方法用于纸浆浓度的测量是可行和有效的．
关键词：软测量；打浆度；神经网络 中图分类号：ＴＳ７３７ 文献标识码：Ａ
０ 引言
纸张的生产过程包括制浆和造纸两部分，其中打浆过程又是制浆中的重点．打浆度综合反映了纤维被 切断、润胀、帚化、分丝、细纤维化的程度，是打浆中需要控制的主要指标 ］．由于常规传感器无法及时对打
浆度进行在线测量，因而往往采用离线式检测的方法，这给实现打浆过程的自动控制和优化带来很大的不
便．对此类问题的解决，软测量技术被认为是目前具有吸引力和卓有成效的方法＿２］．
软测量的实质是建立被测参数（主导变量）与影响这些参数的其他参数（辅助变量）之间的数学模型，
用软件实现一些难以用仪表直接测量的变量的在线估计．如果这种软测量模型足够精确的话，就可替代在 线分析仪表，并参与质量控制．目前，人工神经网络（ＡＮＮ）建模方法在控制领域取得了很大进展，其优良
的品质对软仪表建立十分有利．软测量的方法是将辅助变量作为ＡＮＮ的输入，主导变量作为输出，通过
ＡＮＮ的学习来解决不可测变量的问题．
１ ＢＰ算法的网络构成
图１所示为某造纸厂的打浆流程图．在实际测量中，影响打浆度的主要因素有打浆前的打浆度ＳＲ。。、
４ 打浆浓度Ｃ。、打浆消耗的电功率∑ｗ 、阀门ＣＶ一１的开度、阀门ＣＶ一２的开度、出浆流量Ｆ、打浆时间ｔ等，
软测量技术原理及应用
软测量技术是一种基于数据驱动的测量方法，通过建立数学模型从实时过程中采集的数据中实时估计和预测相关过程变量，从而实现过程的监控、优化和控制。它主要包括以下几个方面的原理和应用：
1. 原理：软测量技术基于统计学、数学建模和机器学习等方法，通过对大量历史过程数据的分析、建模和训练，构建出数学模型，并利用该模型对实时数据进行解析和预测。常用的软测量方法有主成分分析、支持向量机、神经网络、模糊系统等。
2. 应用：软测量技术广泛应用于过程工业领域的监控、优化和控制。例如，在化工工艺中，通过软测量技术可以实时估计关键的过程变量，如温度、压力、流量等，从而实现对生产过程的实时监控和优化控制。在能源领域，软测量技术可以用于实时预测能源需求和优化能源供应链。在制造业中，软测量技术可以用于产品质量监控和预测，从而提高生产效率和产品质量。
总之，软测量技术可以通过建立数学模型和分析实时数据，实现对过程的实时监控、预测和优化控制，具有广泛的应用前景。
