（控制理论与控制工程专业论文）基于小波神经网络的软测量技术的研究.pdf

青岛科技大学研究生学位论文 基于小波神经网络的软测量技术的研究 摘要 当前随着经济的发展，大型化工企业的的信息化成为不可避免的趋势，先 进控制作为实现高质量产品的稳定均衡生产的有效手段得到了愈来愈广的应 用。软测量技术作为一种为解决产品质量等关键性生产参数在线实时测量问题， 和有效提高生产效益、保证产品质量的有力手段得到广泛关注和重视。 本文在对化工过程知识认识和理解的基础上，深入研究软测量技术的应用， 将数学理论中调和分析技术发展的最新成果小波理论应用到软测量技术的神经 网络构建中，取得了较好的效果。本文工作主要有以下两点： 1 、计算机辅助教学及化工数据处理的研究。本文作者通过参与全国高等学 校教学研究会和全国高等学校教学研究中心研究计划立项的化工计算机辅助教 学体系的研究和开发项目和化工原理山东省精品课程建设项目等工作，在开 发完成教学、认识实习和化工复杂计算的相关软件的过程中，对化工过程的设 备及相应的复杂计算有了较为深入的认识和理解，为软测量技术中的合理建模、 数据校正和小波神经网络的合理应用奠定了基础。 2 、基于小波神经网络的软测量技术软件的开发和应用。作者通过对小波神 经网络和软测量技术的深入研究和探讨，结合工业过程控制的特点，开发出了 适合化工工业过程控制的基于小波神经网络的软测量技术软件，通过对分离过 程的典型实例验证表明，该软件具有辨识精度高、泛化能力强、训练简单和通 用性强的优势，能够满足实际应用的要求。 关键词：软测量；m a t l a b ；小波神经网络：数据校正；过失误差侦破 s t u d yo fs o f t s e n s i n gt e c h n o l o g yu s i n g w a v e l e tn e u r a ln e t w o r k s a b s t r a c t w i t ht h ed e v e l o p m e n to ft h ee c o n o m y ，i n f o r m a t i o ni sb e c o m i n ga ni n e v i t a b l e t r e n df o r l a r g e c h e m i c a l e n t e r p r i s e s a s a ne f f e c t i v em e t h o do fr e a l i z i n g h i g h q u a l i t y 、s t a b l ea n db a l a n c e dp r o d u c t i o n ，t h ea d v a n c e dc o n t r o lg e t sw i d e r a p p l i c a t i o n s o f ts e n s o rt e c h n o l o g yi sa ne f f e c t i v em e t h o dt os o l v et h ep r o b l e mo fr e a l t i m e m e a s u r e m e n to ft h ei m p o r t a n tp r o d u c t i o np a r a m e 雠s u c ha st h eq u a l i t y i ti sa l s o g e t se x t e n s i v ea t t e n t i o na n dr e c o g n i t i o no w i n gt ot h ef a c tt h a ti tc a r li m p r o v eb e n e f i t o f p r o d u c t i o na n dg u a r a n t e et h eq u a l i t yo f p r o d u c t i o n 。 b a s e do nt h er e c o g n i t i o na n dc o m p r e h e n s i o nf o rt h eb a s i ck n o w l e d g ea b o u t c h e m i c a l p r o c e s s ，t h i s a r t i c l ed e a l sw i t ht h ea p p l i c a t i o no fd a t ar e c t i f i c a t i o n t e c h n o l o g y i nw h i c h w a v e l e tt h e o r yi sa d o p t e d t h et h e o r yi so n eo ft h el a t e s tr e s u l t s i nt h eh a r m o n i ca n a l y s i sd e v e l o p m e n t n i sa r t i c l em a i n l yd e a l sw i t ht h ef o l l o w i n g t w oi t o m s ： 1 、t h er e s e a r c ha b o u tc o m p u t e r - a i d e di n s t r u c t i o na n dt h ec a l c u l a t i o ni nc h e m i c a l e n g i n e e r i n g 。t h ea u t h o ro ft h i sa r t i c l eg a i n sag o o dk n o w l e d g eo ft h ee q u i p m e n ti n c h e m i c a l p r o c e s s a n dt h e c o r r e s p o n d i n gc o r n p l i c a t e dc a l c u l a t i o n ，t h r o u g h t h e p a r t i c i p a t i o no ft h er e s e a r c ho fc a i i nt h em a j o ro fc h e m i c a le n g i n e e r i n gp l a n e da n d e s t a b l i s h e db yt h es e m i n a ro fc h i n a sa d v a n c e de d u c a t i o na n dt h er e s e a r c hc e n t e r f o rc h i n a sa d v a n c e de d u c a t i o na n dt h et h e o r yo fc h e m i c a le n g i n e e r i n ge s t a b l i s h o d b yt h er e f i n e dc o u r s eo fs h a n d o n gp r o v i n c e t h i sk i n do fk n o w l e d g ee s t a b l i s h e st h e g o u n d w o nf o r t h er e a s o n a b l ea p p l i c a t i o no fd a t ar e c t i f i c a t i o na n dw a v e l e tn e p a l n e t w o r k s 2 、d e v e l o p m e n ta n da p p li c a t i o no ft h es o f t w a r ef o rt h e s o f t s e n s i n g t e c h n o l o g yb a s e d o nw a v e l e tn e u r a l n e t w o r k s t h r o u g ht h ed e e pr e s e a r c ha n d d i s c u s s i o no nw a v e l e tn e u r a ln e t w o r k sa n ds o f t s e n s i n gt e c h n o l o g y , a n dc o m b i n i n gt h e s p e c i a l t i e so ft h ep r o c e s sc o n t r o li ni n d u s t r y , t h ea u t h o rd e v e l o p e dt h es o f t - s e n s i n gt e c h n o l o g y w h i c hi sb a s e do nt h ew a v e l e tn e u r a ln e t w o r k sf i t t i n gf o rt h e p r o c e s sc o n t r o li nc h e m i c a li n d u s t r y t h er e p r e s e n t a t i v ee x a m p l e sa b o u tt h es e p a r a t i o np r o c e s sp r o v et h a tt h i ss o f t w a f eh a sh i g h p r e c i s i o no fd i s t i n g u i s h 、s t r o n gc a p a b i h t yo fp o p u l a r i z a t i o n 、e a s yt r a i n i n ga n dh i g hc u r r e n c y , i t c a ns a r i s f yt h er e q u i r e m e n t si np r a c t i c a la p p l i c a t i o n k e yw o r d s ：m a t l a bw a v e l e t sn e r v en e t w o r k s d a t ar e c t i f i c a t i o n g r o s se n o rd e t e c t i o n 青岛科技大学研究生学位论文 1 1 引言 第一章绪论 计算机技术的飞速发展，使得很多化工企业已经将计算机技术应用于本企 业生产的过程决策、过程控制、操作优化、性能评价等方面，数据的信息量大 大增加。在连续生产过程中，数据的准确性将为监控、优化、计划调度及决策 分析提供坚实的基础。如何提高产品质量、降低能耗、减少污染是工业企业取 得良好经济效益的前提和基础，而过程控制“。为这些问题提供了有效的解决途 径。为了实现良好的过程控制，就必须对重要过程变量进行严格控制。软测量 技术作为解决上述问题的一种有效手段，与其它控制手段结合起来从而可以保 证整个生产的稳定、高效。因此近年来软测量技术受到广泛的重视。 1 2 工业过程控制 工业过程主要分为连续过程工业，离散制造工业和问歇工业三大类。其中连 续过程工业在国民经济中占有重要的地位。过程工业中的生产过程是一个十分复 杂的系统，同时伴随着十分苛刻的生产条件和环境，生产安全性至关重要。因此， 对过程的控制要求能够做到实时性、整体j 眭，要求从全局协调，使整个生产装置 运行平稳、离效。近年来的过程工业尤其是石油化工过程的生产装置向着大型化、 集成化、复杂化发展，企业对生产过程的控制、调度和优化等也提出了越来越高 的要求。控制的目标已不再局限于对某一个或几个变量的平稳操作，而是越来越 多地加入了以经济效益为代表的其他控制要求，这样以预测控制、智能控制等为 代表的先进控制策略就得到了广泛的应用。 软测量技术作为先进控制的重要组成部分，它可以有效地解决目前控制中存 在的无法实时得到某些重要变量数值的问题。这些变量对生产质量有直接影响， 但是难以有效在线实时测量，同时化验室采样分析具有较大的滞后性。 苎王型：垫塑竺堕笪塑鏊型量垫查堕堕 一 图1 1 软测量议袁控制结构图 f i g i is t r h c t l r eo fs o f t i n s t r u m e n tb a s e dc o n t r o ls y s t e m 图i - 1 为软测量仪表控制的结构图，从图中可以看出软测量仪表对于整个 控制系统具有十分重要的作用。使用软仪表可以有效的提高整体的控制水平， 提高生产的稳定性和产品的质量。 1 3 软测量技术的基本思想 。，软测量技术的理论来源于2 0 世纪7 0 年伊b r o s i l l o w ”1 提出的推断控制理论， 这个理论包括估计器和控制器的设计，而现在发展起来的软测量技术就体现了估 计器的特点。概括地讲，软测量技术( 也称软仪表技术s o f ts e n s o rt e c h n i q u e ) 就是根据某种最优准则，选择一组既与难以直接测量的待测过程变量( 常称为主 导变量p r i m a r yv a r i a b l e ) 有密切关系，又容易测量的过程变量( 常称为辅助变 量或二次变量s e c o n d a r yv a r i a b l e ，如压力、温度等) ，通过构造某种数学关系， 实现对主导变量的估计。软测量的估计值可以作为控制系统的被控变量或反映过 程特征的工艺参数，为优化控制与决策提供重要信息。 软测量的目的是利用所有可以获得的信息求得主导变量的最佳估计值，即构 造从可测信息集0 到歹的映射。1 。可测信息集0 包括所有的可测主导变量y ( y 可能部分可测) 、辅助变量e 、控制变量u 和可测扰动d ：。其数学表述为： 歹= ，0 。，u ，6 ) 青岛科技大学研究生学位论文 f ( ) 为估计函数关系，即软测量模型。在实际生产中，工况处于平稳操作 状态时，式( 1 - t ) 的软测量模型可以简化成为： = k 6 ( 1 2 ) 这时，软测量的性能主要取决于过程的描述、噪声和扰动的特性、辅助变量 的选取以及最优准则。实现软测量的基本方法是构造一个数学模型，但这个数学 模型强调的是通过辅助变量0 获得对主导变量y 的最佳估计值，而一般的数学模 型主要反映y 与u 或d 之问的动态或稳态关系，所以两者之间是有区别的。 软测量技术相对于在线测量和实验室测定分析方法具有十分明显的优势： 安装及维护费用低 测量适时性好 可靠性及精度高 因此，近年来国内外对软测量技术进行了大量的研究。国际著名过程控制专 家m c a v o y 将软测量技术列为未来控制领域需要研究的几大方向之一，并指出其 具有广阔的应用前景。 软测量的基本结构为： 软测量技术的主要内容有：机理分析和辅助变量的选择、数据采集和预处理、 图1 - 2 软测量的结构 f i g1 - 2s t r u c t u r eo fs o f t - s e n s i n gt e c h n o l o g y 软测量模型的建立和在线校正。， i 3 1 杌瑾分析和辅助变量的选择 基于小波神经网络的软测量技术的研究 机理分析是通过认识和分析软测量对象以及整个的工艺流程，从而明确软 测量的任务的过程。通过机理分析方法可以简化得到非线性估计模型，但对于 复杂的工业过程，机理推导法要对工艺机理有较深的了解且要有很多假设和限 制。由于大多数软测量对象属于灰箱系统，通过机理分析可以确定影响软测量 目标的相关变量，然后通过一定的方法从相关变量中确定辅助变量。 辅助变量”i 的选择包括变量类型、变量数量和检测点的选择。这三个方面互 相关联、互相影响，从而确定了软测量的输入信息矩阵，直接决定了软测量模 型的结构和输出。 1 3 1 1 辅助变量的选择 针对一个具体过程，辅助变量的选择范围是对象的可测变量集。现代工业 一般都具有庞大的可测变量集，现在主要根据工业对象的机理、工业流程以及 专家经验来选择辅助变量。但是这样确定的辅助变量仍然很多，并且这些变量 的相关程度差异大，同时有可能遗漏重要的信息。为了解决这种问题，m a t h e u s 、 m i n g s y a nc h e n 等提出了知识发现”6 1 ( k n o w l e d g ed i s c o v e r yo nd a t a b a s e ) 技术，同时w a l t z 、b u e d e 等提出了数据融合”1 ( d a t af u s j o n ) 技术，这两种方 法是常用的辅助变量的选择方法。 1 3 1 2 辅助变量数目的选择 辅助变量数目的选择与被估计的变量数有关，其下限是被估计的变量数， 而最佳数目则与模型的不确定性、过程的自由度以及测量噪声有关。l e e 等将 b r o s i l l o w 的投影误差最小和过程增量矩阵的条件数最小的原则推广到一般结 构模型和动态模型9 1 。罗荣富等认为：应从系统的自由度出发，确定辅助变量的 最小数目，结合具体过程的特点适当增加，以更好的处理动态性等问题嗍。 1 3 1 3 检测点位置的选择 b r o s i l o w 根据投影误差最小原则，用试差法选择精馏塔特性温度的检测点 位置，但此法不适用于大型精馏塔。m o o r e 等根据s v d 原理提出了一系列确定检 测点位置的经验准则”“。刘良宏”等证明最佳测量位置主要由过程的动态特性 决定，系统噪声和测量噪声对之影响很小。 此外还有m u l t i p l eg a u s s j o r d a n ”2 1 方法以及y a q o o b 等提出的s e n n e t ( ”1 算 法和g s e n n e t n ”算法。在软测量设计过程中，辅助变量的数目和位置常常是同时 确定的，用于选择变量数目的原则也适用于测量位置的选择。 l 。3 ，2 数据采集和预处理 从理论上讲，过程数据包含了工业对象的大量信息，因此数据采集是多多益 青岛科技大学研究生学位论文 善，不仅可以用来建模而且可以校验模型。当前大型的化工企业大都采用了d c s 系统进行数据的采集和控制，因此可以比较方便得获得大量的现场数据。但是由 于各种原因，采集到的数据中往往包含有偏差，有的还含有大的过失误差，如果 使用这些数据则会使建立的模型出现偏差甚至会发生错误，因此采集列的数据在 使用之前必须进行预处理。数据预处理包括数据校正和数据变换量部分。 1 3 2 1 数据校正 k u e h n 和d a v i d s o n 在从事计算机工艺过程控制的研究中，首次提出 应对过程测量数据进行校正。他们建议在假设测量误差服从正态分布的基 础上将测量数据的校正值与测量值的偏差平方和取最小，并使校正值满 足一组约束方程，作为数据校正的理论依据，从而为数据校正的研究奠定 了基础。一般来说，数据校正共分为数据分类、过失误差侦破和数据校正 三部分。 1 、数据分类 复杂的化工过程是由多个单元设备组合而成的，每个设备由进出口物流相 连结。测量数据的校正是以过程变量的冗余为前提的。即只有根据约束方程和 其它已测数据计算的超定型数据才能被校正，也只有根据约束方程和已测数据 估算的决定型数据才能被估计，所以在对测量数据进行校正与估计之前，应首 先列过程数据进行分类，这样既可缩减解题规模，也可为正确设置测量仪表提 供理论依据。根据系统工程中网络流原理，分析流程结构的拓朴性，可将过程 致据分为四种类型：冗余型、非冗余型、q 观测型和不可观测型。 v a c l a v e k “5 1 和m a h 等分别利用图论原理、c r o w e 【l6 1 利用矩阵投影原理、 s t a c d t h e r 利用系统工程学的网络流法、刘传政等 1 7 1 提出的有序规则法和 陈剑、古勇等提出的线性相关法等，都是对数据分类进行了深入研究后的 成果。 2 、过失误差侦破 对过失误差侦破方法的研究，开发快速、准确、高效的识别和剔除方法，一 直是数据校正领域的重点。同时由于化工过程的复杂性和多样性，这一方面的 研究也是难点之一。从理论上讲，可以用三种不同的方法侦破过失误差的存在： ( 1 ) 对各种可能导致过失误差的因素进行理论分析。 ( 2 ) 借助于各种具有不同测量精度的手段对同一过程变量进行测量，然后 比较：即硬件冗余法。 ( 3 ) 利用测量数据的统计特性进行检验。 基于小渡神经网络的软测量技术的研究 目前最成熟的方法基于数理统计理论的过失误差侦破方法主要分为两大 类：基于统计的剔除法；协调和侦破同时进行的方法。其中，基于统计的剔除 法包括整体检验法、约束方程检验法、测量数据检验法等。 针对基于统计的剔除法，s e r t h 和h e e n a n “8 1 提出了修正的迭代测量 检验法( m i m t ) ，以试图消除估计值中可能出现的荒谬错误。r o s e n b e r 9 1 1 9 j 等人提出了两种不同的方法，分别是扩展的测量检验法( e m t ) 和动态测 量检验法( d m t ) 。 为了利用测量点数据检验法和节点检验法的优点，将二者结合起来 取长补短，杨友麒”提出了m t n t 联合检验法，该方法避免了大量的组 合搜索计算问题，计算量少而且不必人为控制，在实际应用中比较可靠。 为了提高检验能力和选择性，充分利用测量仪表得到的历史数据， j o r d a c h e 和m a h ”提出贝叶斯法用于过失误差的侦破与识别。 针对稳态数据校正过程中存在的过失误差的概率分布可能有错误的缺陷， 孔明放。2 1 等提出了另一种基于鲁棒估计原理的鲁棒估计方法。周传光 2 3 + 2 4 分析 探讨了目前常用的侦破过失误差方法的局限性，提出了一种新的组合检验 方法。李博、陈丙珍8 5 1 等研究了基于时间冗余度侦破过失误差的修正系数法。 王希若、荣冈。提出了一种新的过失误差识别方法。段东勇、陈丙珍、何小荣j 针对线性稳态过程提出了将模型中约束用两步投影矩阵算法进行简缩，通过计 算实例表明比以前的算法更具有实际应用价值。 以上的过失误差侦破多是针对稳态过程的，在动态的过失误差识别方面， n a r a s i m h a n 和m a h ”提出将广义似然比( g l r ) 推广用于对稳态只有小偏离的动 态系统。k a o 研究了序列相关数据对过失误差侦破的影响。a l b u q u e r q e r 和 b i e g l e r l 3 0 提出并讨论了侦破过失误差的鲁棒估计方法和试探统计方法，这些方 法对偏离理想统计分布和异常值不敏感。b a g a j e w i c z 和j i a n g ”提出了一个过 失误差识别和估计的顺序方法。赵捧、蒋慰孙等i 3 2 提出了一种基于过程模型和 统计分析的动态过程数据校正方法。 以上的过失误差检测方法大多要求有确定的数学模型，并且大多是最优化 方法和统计理论的结合，这些方法的一个明显的缺点是计算量很大，不能在很 短的对间内勰出计算结果。人工神经网络技术作为数据校正的新方法，同样可 以应用到过失误差侦破。a l d r i c h 等提出了应用神经网络理论识别测量数据过失 误差的思路，后来他们【3 3 1 ”3 习又对各种神经网络模型进行了比较提出了有效的 过失误差侦破思路。在国内赵捧、蒋慰孙口”提出了基于函数型连接神经网络的 青岛科技大学研究生学位论文 过失误差检测方法。相对于其它方法，神经网络方法具有自己的优点。它的运 算量要小一些，适于在线操作，但是由于神经网络用于过失误差侦破还才开始， 因此还有好多问题要解决。 3 、数据校正 数据校正的原理为：选取测量数据的数据校正值，使其既满足整个装置和 单元设备的物料、能量平衡关系，同时又使其与测量值之差的平方和最小。 在实际情况中，数据校正问题多为非线性约束( 例如，在温度和流量已测的 情况下，考虑能量平衡方程时即为非线性约束1 。对约束条件为非线性的系统， 求解方法一是简化为线性约束，二是采用迭代技术予以求解。 利用l a g r a n g e 方法，b r i t t 和l e u c k e ”1 提出了连续线性化的方法对非线性 约束进行处理，开发了用于非线性估计的法线方程。c r o w e l 6 3 将投影矩阵法扩展 到双线性约束的数据校正问题，并给出了相应的求解方法。然而该方法针对的 过程过于特殊，对于一般性的非线性问题并不适用。k i m e t a l l 3 8 1 介绍了三种非线 性问题误差参数估计方法，并建议使用一种两步法。t j o a 等9 9 1 对非线性系统提 出了数据校正和误差侦破的同时策略，通过采用极大似然法的思想来建立目标 函数，同时考虑随机误差和过失误差对该目标函数的作用，将数据校正和过失 误差侦破问题统一求解，从而避免了计算过程中的迭代。j o s n s t o n f ”1 采用这种 思想，更为系统地阐述了极大似然法在稳态系统数据校正中的应用。李红军等” 借鉴投影矩阵的思想，通过引入测度因子函数，通过将双线性等式约衷转换为 线性等式约束，导出了一种迭代求解方法。m o oh ol e e 等1 4 2 1 提出了针对降低工 厂能耗的在线校正与优化方法。jk e l l y f 删提出了用于非线性约束问题的规则调 整法，通过引入c h o l e s k r 分解因子而避免了在连续线性化的每步迭代中计算投 影矩阵，节省了计算量。 前面介绍的数据校正方法大都是以空间冗余为基础的。对实现了d c s 自动 控制的化工装置来说，计算机数据库管理系统收集保存了大量的实时数据信息。 显然应充分将这些时间冗余数据结合起来用于数据校正，否则是信息资源的极 大浪费。周传光从时间冗余数据的时序特性着手，首次提出了把时间序列分 析法用于过程数据校正的新策略，克服了空间统计检验法的不足。 以上的方法都假定过程处于稳态，然而实际操作中稳定状态很难达到，在 任何时刻都存在波动，因而体现过程动态的数据校正技术将更好地改善数据质， 量。和基于稳态的方法相比，动态数据校正还远为得到充分的发展。 基于小波神经网络的软测量技术的研究 在动态数据校正的研究中，目前主要采用的方法有k a l m a n 滤波法和非线性 规划的方法。d a r o u a c h 和z a s a d z i n s k i 1 提出了后向差分近似和递推技术以解 决带约束最小二乘优化问题。l i e b m a n 等娜用有限元法将微分方程离散化，用 序列二次规划( s q p ) 法解大型系数非线性规划问题，来求得动态校正问题的解， 同时还提出滑动窗口法。a l b u q u e r q u e 和b i e g l e r “ 用r u n g e k u t t a 方法离散 化代数微分方程( d a e ) 系统，开发了有效的序列二次规划( s q p ) 方法。m c b r a y e r f 4 7 1 等提出了一种综合的数据校正方法，它拓展了l i e b m a n 提出的非线性动态数据 校正( n d d r ) 方法。 神经网络法作为非参数模型估计和易于进行非线性系统识别的工具，为数 据校正领域提供了一个有竞争力的方法。g u p t a 和p a t r i c i a 分别将人工神经 网络应用到数据校正领域。c a l d r i c h 提出了应用神经网络理论识别测量 数据过失误差的思路。用神经网络识别和剔除过失误差，不需要关于测量 值随机误差分布的详细了解，而且可用于任意约束的过程。y a n g g u a n q d u 【4 8 提出了一种改进的自联想神经网络用于非线性稳态拟稳态数据校正，在传统的 最小平方目标函数中加入了流量和组分的物料平衡项，并以个浮游选矿的例 子加以验证。潘吉铮、周传光等”研究了人工神经网络在化工过程测量数据校 正中的应用，提出了新的样本构造方法和神经网络在线训练策略。 通过数据校正后，数据中的过失误差被剔除并且数据符合物料和能量平衡， 可用于进一步的软测量模型建立。 1 j 2 2 数据变换 数据变换影响着过程模型的精度和非线性映射能力以及数值优化算法的运 行结果。数据变换包括标度、转换和权函数三个方面。对工业过程中常出现的 数值上相差几个数量级的测量数据进行标度，可以改善算法的精度和稳定性。 转换包括直接转换和寻找新变量代替原变量两方面。通过转换可有效降低原对 象的非线性特性。权函数可实现对变量动态特性的补偿，使稳态模型实现对过 程的动态估计成为可能。 1 3 3 软测量模型的建立 软测量技术的核心问题是建立软测量模型以实现二次变量对主导变量的最 佳估计。现将最主要的几种方法做一介绍： 1 3 3 1 基于机理模型的方法 从理论上来浇，机理模型是最精确的模型，然而它要求对被测对象的内部 特性完全了解。由于实际工业过程的复杂性，往往难以完全通过机理分析得到 青岛科技大学研究生学位论文 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。机理模型优点是可以充分利用已知的过程知识。从事物的本质上认识外 部持征。有较大的适用范围，操作条件变化可以类推。缺点是，对于某些复杂 的过程难于建模必须通过输入输出数据验证。 1 ，3 3 2 基于非机理模型的方法 基于非机理模型是根据测量对象的外特征来描述其动态行为的模型。由测 量数据直接求取模型的方法称为系统辨识；根据既定模型结构由测量数据确定 参数的方法称为参数估计。 l 、基于自适应推理模型方法 该方法将状态估计、参数估计和自适应控制原理用于获得软测量模型。这种 方法又可分为基于状态估计的方法”“和基于输入输出估计的方法1 。 ( 1 ) 基于状态估计的方法。2 0 世纪9 0 年代以来，a p p l i e da u t o m a t i o n1 n c 等几家公司推出了基于动态数学模型的计算方法。这种方法要事先知道过程噪音 和过程噪音的协方差矩阵，这对于许多实际过程来说难以实现。而且对于这种方 法，基于系统工作点附近时可用线性模型近似表示的假设，对于非线性严重的对 象会产生很大的估计偏差，甚至出现算法发散的现象。 ( 2 ) 基于输入输出的估计。这种方法利用b r o s i l o w 估计器构造投影估计器 来求解。对于动态模型，可以转化为基于a r m a x 模型的递推估计问题进行求解或 采用自适应输入输出估计方法在在辨识过程参数。r o n a l d 介绍了非线性输入输 出模型的h a m m e r s t e i n 和w i e n e r 结构以及n a r m a x 的辩识过程。但这种方法需要 一个准确的对象模型，而我们得到的控制模型通常是简化的数学模型，过程噪声 与理想白噪声相差甚远，因此这种方法的应用实例并不多。 2 、回归分析法 回归分析方法是一种经典的建模方法，根据采用的数学方法不同，可以将回 归分析方法分为线性回归和非线性回归。线性回归中最经典的方法是最小二乘法 ( l s ，l e a s ts c i u a r e s ) ，为了避免矩阵求逆运算可以采用递推最小二乘法( r l s ) 在此基础上又发展了逐元回归法和部分最小二乘法m 1 ( p l s ，p a r t i a l l e a s t s q u a r er e g r e s s i o n ) ，特别适合辅助变量多而且变量间相关性强的系统。 在研究工业过程时，为了全面了解和分析问题，通常记录了许多与之有关的 变量。这些变量虽然不同程度的反映了过程的部分信息，但某些变量之间可能存 ”在相关性，从而可能导致方程病态，为避免上述问题，以及在尽可能保持原有信 息的基础上减少变量个数，简化建模，可以采用数据压缩和信息提取的方法，主 基于小波神经网络的软测量技术的研究 元分析( p c a ) 旧1 和主元回归”4 1 ( p c r ，p r i n c i p a lc e m p o n e tr e g r e s s i o n ) 都是统 计学中较为成熟的方法，y u l o n gx i e 等提出用追踪方法来实现p c a ，因为追踪 方法采用最优方法寻找一个能反映原高维数据空间的结构和特点的低维空间。 化学计量学家为了解决预测建模问题，根据启发式推理，提出了部分最小二 乘法( p l so 近年对它又进行了改进。f ，l i n d g r e n 、s w o l d 5 5 1 等提出了内核算 法，该方法适用于变量多、样本少的对象。e r y iz h u 等提出了递推p l s 法惭j ，它 更好地解决相关变量和短期数据引起的问题。s u n g y o n gp a r k 将p c a 和p l s 相结 合提出了l w r ( l o c a l l yw e i g h t e dr e g r e s s i o n ) 法”，这种方法将两种方法相结 合，从而可以产生较好的效果。曹庆元，藏春华将p c a 和b p 神经网络结合，将 其应用到实例中并取得了较好的效果。 、 基于回归分析的方法算法简单，但仍存在几个缺陷：模型准确性受样本真实 性的影响，使用范围受样本容量的制约。只有样本容量较大且样本准确性较高时， 这种方法才能较好的实施。 3 、基于人工智能的方法 人工神经网络”8 1 ( a n n ，a r t i f i c i a ln e u r a ln e t w o r k s ) 作为人工智能领域 重要分支近年来发展迅速，在基础理论和实际应用方面都取得了丰硕成果。目前， 应用的人工神经网络主要是反向传播b p ( b a c kp r o p a g a t i o nn e u r a ln e t w o r k ) 网 络”“和径向基函数r b f ( r a d i a lb a s i sf u n c t i o nn e u r a ln e t w o r k s ) 网络1 6 0 i 由于其在结构和算法方面还存在着许多问题。因此，对神经网络进行各种改进的 研究一直都在进行，希望能够通过综合算法等其他方面因素使神经网络的运算更 准确和可靠。文献【6 1 提出了利用综合过程知识和神经网络的方法。文献 6 2 】提 出了一种混合式神经网络一机理模型，这种模型外推能力强，训练样本少，提高 了a n n 的学习效率。 1 4 人工神经网络在软测量技术中的应用 神经网络近年来直关的应用研究主要集中在以下几个领域：( 1 ) 故障诊断； ( 2 ) 过程控制；( 3 ) 过屯模；( 4 ) 过程预报；( 5 ) 过程优化；( 6 ) 专家系统。 徐国忠利用机理模型实式了分馏塔粗汽油干点软测量和轻柴油凝固点的软 测量朝。吴硗汉采用基于r b f 网络的软测量技术，对轻柴油凝固点进行了软 重璺型堇奎堂堑壅竺堂焦鲨茎一 测量应用，并通过仿真研究表明该软测量模型能够有效地对柴油凝固点进行预 测1 6 5 1 。清华大学自动化系的徐英、杨尔辅等采用p c a 方法和r b f 神经网络相结 合方法对乙烯氧化反应器的收率进行软测量预测。南京工业大学的薄翠梅、 林锦国等将径向基神经网络应用到精馏塔中，用以实现对产品成分的实时估计 f 6 7 1 。 基于小波分析的软测量技术在许多方面也得以应用。刑士勇等湖1 应用d d e 技术对小波分解后的故障信号进行特征提取，利用b p 网络进行故障诊断，并给 出了齿轮箱的故障诊断实例，实验证明此方法能取得较好的效果。王淑娟等旧 利用基于小波包变换预处理的神经网络故障字典法进行模拟电路故障的诊断。 周凤星等 7 0 介绍了小渡分析秘共振解凋技术的原理及在机械设备故障诊断中的 应用。高平、薛桂玉”提出将小波网络用于大坝变形监测的拟合和预报。 在众多的算法中基于小波神经网络的软测量方法以辨识精度高、泛化能力 强、训练简单和通用性强的特点，已经成为了关注的焦点，具有着非常广阔的 应用前景。 1 5 本章小结 随着计算机在化工企业应用的逐步普及，过程数据信息在企业管理和生产 过程中节能降耗、提高劳动生产率等方面发挥着越来越重要的作用。软测量技 术具有广阔的产业化前景。因此，研究软测量技术的应用具有非常重要的价值。 人工神经网络作为人工智能的一种重要组成部分。由于其自身的优势，它已经 成为软测量技术的主要工具。 针对目前技术研究的现状，本文在已有工作的基础上，主要在以下几个方 面开展研究： 1 、对化工过程复杂数据计算和数据预处理的研究 通过对化工过程复杂数据计算的研究，可以有效的提高生产的稳定性，提 高产量。同时，深入研究神经网络在数据校正中的应用，特别是在过失误差侦 破方面的应用，使处理后的数据能够很好的符合软测量模型的要求。 2 、对数据校正技术的研究 准确有效地侦破和剔除浏量数据中的过失误差，是保证数据校正值合理性 1 1 基于小波神经网络的软测量技术的研究 的关键。本文将通过对现有的数据校正的方法进行分析和研究，探讨侦破和识 别过失误差的方便有效的新方法。 3 、小波神经网络的研究 对小波神经网络应用于软测量建模进行深入地研究。将小波网络辨识精度 高、泛化能力强、训练简单和通用性强的特点充分体现，使其更加适合软测量 软件的开发和使用。 4 、小波网络软件的开发 利用小波神经网络的智能性，开发出具有一定通用性的软测量软件。 青岛科技大学研究生学位论文 第二章计算机辅助教学及化工数据处理的研究 2 1 引言 计算机辅助教学简称c a i ( c o m p u t e ra i d e di n s t r u c t i o n ) ，是指用计算机 帮助教师进行教学或用计算机进行教学的广阔应用领域。它既是计算机的一个 应用领域，又代表一种新的教育技术和教学方式。因此，它的兴起和发展标志 着教育领域中一场深刻变革的开始，受到人们的重视”1 。 2 2 国内外化工c a i 的发展 从1 9 5 8 年美国i b m 沃斯顿研究所设计出了第一个计算机教学系统，标志着 c a i 的产生”。c a i 经历了近4 0 年的发展，无论在理论研究、技术开发还是实 际应用方面均取得了很大进展。 从文献 7 4 7 6 中可以看出国外化工c a i 无论在理论研究、技术开发还是 实际应用方面都取得了很大的进步，课件的开发已经发展到以专家系统和人工 智能支持的阶段。 从文献【7 7 8 2 】中可以看出，全国重点高校( 如清华大学、华东理工大学、 华南理工大学、浙江大学、大连理工大学等) 开始进行各专业c a i 课件的开发 研究，并取得了一定的成果，主要体现在化工工艺、化工原理以及化工各专业 实验的c a i 课件的开发实现方面，包括各类启发式教学软件、试题库、仿真系 统、多媒体技术等等。 2 3c a i 的基本理论 2 3 1c a i 的理论原则”3 基于小波神经网络的软测量技术的研究 1 行为主义学习原理 比较有实际意义的是斯金纳创立的操作性条件作用学说和强化理论。在应 用操作条件作用学说和强化理论于人类学习研究的基础上，斯金纳提出了程序 教学的概念，并且总结了一系列的教学原则，如小步调教学原则、强化学习原 图2 一l 程序教学的基本过程 f i g ，2 - 1b a s i sg r o u n dr u l eo fp r o c e s st e a c h i n g 则、及时反馈原则等，形成了程序教学理论，其基本过程如图2 - 1 。 2 认知学习原理 认知学习理论强调的不是刺激反应，不是环境和学习者的外部变化，而是 学习者认知结构的变化。 根据认知主义学习理论，学习，特别是一些高级的学习，是一种学习者内 在的思维活动过程。表示这种活动过程的信息处理模型如图2 - 2 所示。 图2 2 学习的信息处理模型 f i g 2 - 2c o m m u n i c a t i o nt r a n s a c tm o d e lo fs t u d y 3 建构的学习原理 进入9 0 年代以来，客观主义认识论遭到了来自建构主义认识论的挑战。建 构主义认为，学习者的知识应该是他们在与环境的交互作用中自行建构的，而 不是灌输的。 1 4 青岛科技大学研究生学位论文 ( 1 ) 知识源于人们与环境的交互作用。学习者在学习新的知识单元时，通 过个体对知识单元的经验解释从而将知识转变成了自己的内部表述。 ( 2 ) 在知识的传递过程中，学习者是一个极活跃的因素。知识的传递者不 仅肩负着“传”的使命，还肩负羞调动学习者积极性的使命。对于学习者的许 多开放着的知识结构链，教师要能让其中最适合追加新的知识单元的链活动起 来，形成个新的、开放的结构。 ( 3 ) 只有在真实世界的情境中，才能使学习变得更为有效。教学的目的不 仅仅是要学生懂得某些知识，而且要学生能真正运用所学知识去解决现实世器 中的问题。 2 3 2c a i 软件的开发流程”。”7 c a i 软件是为实现教学目的而设计的，是教学内容和教学方法的体现。它 有自己的特殊要求，既要考虑软件的教学作用，又要兼顾教学模式的结构特点。 一个优秀的c a i 软件应该充分调动学生的兴趣，激发他们的智力。随着多媒体 技术的发展，c a i 课件可以利用声音和图像模拟一些难以用常规教学方式表达 的过程，因此要求会周有经验的教师、软件开发人员分工协作，最大限度的发 挥他们的作用，根据软件工程的观点及c a i 的特点，可考虑以下的开发流程： 1 、目标分析 在决定开发某种c a i 软件后，详细调查市要场上有哪些同类的c a i 软件可 供使用，然后在确定具体的开发内容，对于市场上已有的c a i 软件，如要重新 立项开发，更应该剐该软件有比较清楚的了解，避免不必要的重复。目标分析 对于c a i 课件的开发是极为重要的，这个阶段要对c a i 软件的教学目的、教学 对象、教学用途和教学环境提出具体明确的要求。 2 、制定课程计划 课程计划是对教学内容进行大体分配，根据教学目的选择合适的教学 方法，确定各科教学内容之间的关系等，这个阶段工作主要由有实际教学经验 的教师完成，并经过审核后产生相应的书面文档。确定教学内容并不十分困难， 因为这有大纲，教材和众多的教学参考书可供使用，这些材料对于教学目标和 教学内容有详尽的规定和要求，是多年教学经验和方法的积累，以这些资料为 基础就可以分析出课程的内容重点。 3 、教学单元设计 教学单元是教学软件的基本成分，教学