CN109933031A - 一种根据化验数据自动校正软测量仪表的***及方法 - Google Patents
一种根据化验数据自动校正软测量仪表的***及方法 Download PDFInfo
- Publication number
- CN109933031A CN109933031A CN201910232657.3A CN201910232657A CN109933031A CN 109933031 A CN109933031 A CN 109933031A CN 201910232657 A CN201910232657 A CN 201910232657A CN 109933031 A CN109933031 A CN 109933031A
- Authority
- CN
- China
- Prior art keywords
- model
- measuring instrument
- variable
- soft measuring
- current
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Automatic Analysis And Handling Materials Therefor (AREA)
Abstract
本发明的一种根据化验数据自动校正软测量仪表的***及方法，使用间接测量数据和化验数据，建立软测量仪表数学模型，并通过控制***历史数据库和化验分析管理数据库实现软测量仪表的在线校正功能。本发明中利用取样按钮，将取样样品的主导变量的化验值与传感器检测的辅助变量值相匹配，实现化验值与传感器检测值来自同一时间经过检测点的同一。软测量仪表模型校正***，提出了软测量仪表测量测量误差检验方法，当软测量仪表精度无法满足要求时，触发软测量仪表数学计算模型校正机制。在原有模型基础上，通过近期积累的主导变量的化验值和辅助变量建立新的模型。当新模型经过一段时间验证后，对软测量仪表数学计算模型的进行无缝切换、在线更新。
Description
技术领域
本发明属于流程工业生产检测领域，涉及一种根据化验数据自动校正软测量仪表的***及方法。
背景技术
目前，在现代流程工业中，很多关键工艺指标缺乏直接检测手段，只能通过人工取样、离线化验分析的方法得到工艺指标值，但是这种方法受人工主观因素影响较大，并且有较为严重的时滞性。这种情况严重制约了流程工业全面自动化的发展步伐，大大降低了生产过程的可观性和可控性。
虽然近些年市场上出现了一些在线化验分析***，但是此类产品价格极高，安装复杂，外部条件苛刻，维护工作量大，校准较为繁琐。因此，近些年研究者们开始将软测量的方法用于工业过程变量检测。软测量实际是一种数学模型方法，将一些与目标变量密切相关的可直接测量参数作为模型输入，将目标变量作为模型输出，通过实验等方法进行数据积累，最终建立数学模型，从而实现间接测量目标变量。
在当前工业背景下，绝大多数软测量仪表采用实验室积累的数据，建立固定的数学模型，甚至相当一部分软测量仪表连数学模型中的参数都已固定无法改变。显然，这种软测量仪表很难适用于工况复杂的流程工业，随着时间推移软测量仪表输出值可能发生漂移，尤其是当流程中其他条件发生改变时，软测量仪表的精度将大大降低。
发明内容
本发明的目的是提供一种根据化验数据自动校正软测量仪表的***及方法，以实现闭环修正软测量仪表，对软测量仪表数学模型进行定期或持续校正，最终达到较好的软测量效果。
本发明提供一种根据化验数据自动校正软测量仪表的***，包括：
软测量仪表传感器，安装在被测主导变量所在的工艺流程现场，对主导变量的辅助变量进行测量；
取样按钮，安装在被测主导变量所在的工艺流程现场，工人进行离线化验取样时输出开关量信号；
控制***，实时接收软测量仪表传感器输出的辅助变量和取样按钮输出的开关量信号，并根据开关量信号记录***时间；
控制***历史数据库，与所述控制***相连接用于存储辅助变量、开关量信号和按下取样按钮时的***时间；
离线取样化验***，采用离线化验取样的方式检测主导变量的化验值；
化验分析管理数据库，用于存储主导变量的化验值；
软测量仪表计算模型，用于接收软测量仪表传感器实时检测的辅助变量，并计算输出主导变量的估值；
软测量仪表模型校正***，根据辅助变量、主导变量的估值与主导变量的化验值，对软测量仪表计算模型进行在线校正，与软测量仪表计算模型共同组成闭环***。
在本发明的根据化验数据自动校正软测量仪表的***中，所述软测量仪表模型校正***包括：
第一计算模块，计算当前主导变量的估值与主导变量的化验值之间的误差值；
第二计算模块，经过多次数据积累后计算误差平均值和误差值标准差；
第一判断模块，判断当前的误差平均值和误差值标准差是否达到预设的阈值；
模型修正模块，当误差平均值和误差值标准差达到预设的阈值时，利用最新积累到的多组辅助变量、主导变量的估值和主导变量的化验值对当前模型进行修正获得修正模型；
第三计算模块，再经过多次数据积累后计算当前模型的误差平均值和误差值标准差，并计算修正模型的误差平均值和误差值标准差；
模型更新模块，当修正模型的误差平均值小于当前模型的误差平均值且修正模型的误差值标准差小于当前模型的误差值标准差时，用修正模型替换当前模型。
在本发明的根据化验数据自动校正软测量仪表的***中，所述软测量仪表计算模型采用回归分析RA、神经网络ANN或支持向量机SVM方法建立。
在本发明的根据化验数据自动校正软测量仪表的***中，所述控制***采用PLC或DCS。
本发明还提供一种根据化验数据自动校正软测量仪表的方法，包括如下步骤：
步骤1：实时检测主导变量的辅助变量；
步骤2：将实时检测的辅助变量输入当前模型，计算输出主导变量的估值；
步骤3：采用离线化验取样的方式检测主导变量的化验值并存储到化验分析管理数据库中，同时输出离线化验取样的开关量信号；
步骤4：接收辅助变量和离线化验取样的开关量信号，并根据开关量信号记录***时间；
步骤5：将辅助变量、开关量信号和按下取样按钮时的***时间存储到控制***历史数据库；
步骤6：根据辅助变量、主导变量的估值与主导变量的化验值，对软测量仪表计算模型进行在线校正，与软测量仪表计算模型共同组成闭环***。
在本发明的根据化验数据自动校正软测量仪表的方法中，所述步骤6具体为：
步骤6.1：计算当前主导变量的估值与主导变量的化验值之间的误差值；
步骤6.2：经过多次数据积累后计算误差平均值和误差值标准差；
步骤6.3：判断当前的误差平均值和误差值标准差是否达到预设的阈值；
步骤6.4：当误差平均值和误差值标准差达到预设的阈值时，利用最新积累到的多组辅助变量、主导变量的估值和主导变量的化验值对当前模型进行修正获得修正模型；
步骤6.5：再经过多次数据积累后计算当前模型的误差平均值和误差值标准差，并计算修正模型的误差平均值和误差值标准差；
步骤6.6：修正模型的误差平均值小于当前模型的误差平均值且修正模型的误差值标准差小于当前模型的误差值标准差时，用修正模型替换当前模型。
在本发明的根据化验数据自动校正软测量仪表的方法中，所述步骤6.1中根据下式计算误差值：
其中，v(k)表示主导变量的估值，l(k)表示主导变量的化验值，e(k)表示主导变量的估值和主导变量的化验值之间的误差值。
在本发明的根据化验数据自动校正软测量仪表的方法中，所述步骤6.2中经过ω次的数据积累，根据下列两公式计算误差平均值和误差值标准差：
其中，A(ω)表示误差平均值，σ(ω)表示误差值标准差。
在本发明的根据化验数据自动校正软测量仪表的方法中，所述步骤6.4中的当前模型采用如下关系式表示：
Ma＝{u(ωp),l(ωp),v(ωp)}
其中，u(k)表示k时刻测量的辅助变量，u(ωp)表示k＝1,2,…ωp时构成的辅助变量数组，l(ωp)表示k＝1,2,…ωp时构成的主导变量的化验值数组，v(ωp)表示k＝1,2,…ωp时构成的主导变量的估值数组；
利用最新积累到的ω组数据，对模型进行修正，获得修正模型的关系式如下：
其中，Wp(ωp)为当前模型的权值函数，u(ω)表示k＝1,2,…ω时构成的辅助变量数组，l(ω)表示k＝1,2,…ω时构成的主导变量的化验值数组，v(ω)表示k＝1,2,…ω时构成的主导变量的估值数组，W(ω)为新积累ω组数据的权值函数，C(ω)为修正函数。
在本发明的根据化验数据自动校正软测量仪表的方法中，所述步骤6.5中再经过τ组数据累积之后，当满足下列关系式：
A*(τ)＜A(τ)且σ*(τ)＜σ(τ)时，采用修正模型代替当前模型
其中A*(τ)为修正模型的误差平均值，σ*(τ)为修正模型的误差值标准差，A(τ)为当前模型的误差平均值，σ(τ)为当前模型的误差值标准差。
本发明的一种根据化验数据自动校正软测量仪表的***及方法，至少具有以下有益效果：
(1)通过使用间接测量数据和化验数据，建立软测量仪表数学模型，并通过控制***历史数据库和化验分析管理数据库实现软测量仪表的在线校正功能。
(2)本发明通过软测量仪表模型校正模块对软测量仪表数学计算模型进行在线校正。
(3)在本发明实施过程中，通过取样按钮，能够准确获得与取样时间相同的软测量仪表传感器检测的辅助变量值。保证取样样品与软测量仪表传感器检测的工艺介质相同。极大的提高模型校正数据的有效性。
(4)本发明利用工厂日常取样化验分析部门及工厂现有的化验分析管理数据库，不增加化验分析部门额外负担，不需要单独对被测工艺指标进行取样和化验。
(5)本发明提供的是一种软测量仪表框架，对于软测量仪表计算模型采用哪种建模方法不进行限制，因此具有非常广的适用性和通用性。
附图说明
图1是一种根据化验数据自动校正软测量仪表的***的框图；
图2是一种根据化验数据自动校正软测量仪表的方法的流程图。
具体实施方式
在本发明描述过程中需要定义软测量仪表的变量名称：
1、辅助变量，是由软测量仪表传感器直接检测出的变量。
2、主导变量，是工业流程中需要被软测量仪表检测的工艺指标，软测量仪表的最终输出值是主导变量的最佳估值。
软测量仪表在设计之初就已经确定了能够反应主导变量变化的辅助变量，并根据被测主导变量的工况选用了特定的数学模型方法来通过辅助变量计算主导变量的最佳估值。
如图1所示，本发明的一种根据化验数据自动校正软测量仪表的***包括：软测量仪表传感器1、控制***2、取样按钮3、控制***历史数据库4、离线取样化验***5、化验分析管理数据库6、软测量仪表计算模型7和软测量仪表模型校正***8。
取样按钮3安装在被测主导变量所在的工艺流程现场，当工人进行离线化验取样时按下取样按钮3，按钮的开关量信号k输送至控制***2。
软测量仪表传感器1安装在被测主导变量所在的工艺流程现场，对主导变量的辅助变量进行测量，并向控制***2输出辅助变量的模拟量信号。用u(k)表示k时刻测量的辅助变量，辅助变量作为软测量仪表计算模型7输入变量。
通过取样按钮，能够准确获得与取样时间相同的软测量仪表传感器检测的辅助变量值。保证取样样品与软测量仪表传感器检测的工艺介质相同。极大的提高模型校正数据的有效性。
控制***2分别与软测量仪表传感器1、取样按钮3、控制***历史数据库4和软测量仪表计算模型7相连接。有两个主要作用：其一，实时接收辅助变量，并将辅助变量输入到软测量仪表计算模型7；其二，实时接收开关量信号k，并根据开关量信号记录***时间T(k)即本次取样时间，同时将助变量、开关量信号和***时间存储到控制***历史数据库4中。
控制***历史数据库4用于存储辅助变量、开关量信号和按下取样按钮时的***时间。
离线取样化验***5用于采用离线化验取样的方式检测主导变量的化验值l(k)，并存储到化验分析管理数据库6中。离线取样化验***5流程工业工厂中的必要环节，在流程工业过程控制中存在很多过程变量，无法使用在线测量的手段获得工艺指标，因此，离线取样化验成为了主要监测方法。化验分析管理数据库6作为工厂日常化验分析结果的存储平台，可以为上层信息***提供数据支持。在本发明中，化验分析管理数据库为软测量仪表模型校正***8提供模型目标输出值。
软测量仪表计算模型7用于接收软测量仪表传感器1实时检测的辅助变量，并计算输出主导变量的估值v(k)。根据软测量仪表的使用工况和条件，采用不同数学建模方法实现，例如回归分析RA、神经网络ANN、支持向量机SVM等。
软测量仪表模型校正***8用于根据辅助变量u(k)、主导变量的估值v(k)与主导变量的化验值l(k)，对软测量仪表计算模型7进行在线校正，与软测量仪表计算模型7共同组成闭环***。
当前开关量信号k、当前时间T(k)、当前辅助变量u(k)、主导变量的化验值l(k)和主导变量的估值v(k)最终汇总到软测量仪表模型校正***8(CORM)，在校正***中依次记录，记为CORM(k)。其表达式如下：
{k,T(k),u(k),l(k),v(k)}→CORM(k)
软测量仪表模型校正***8包括：第一计算模块、第二计算模块、第一判断模块、模型修正模块、第三计算模块和模型更新模块。
第一计算模块用于计算当前主导变量的估值v(k)与主导变量的化验值l(k)之间的误差值e(k)；
第二计算模块，经过多次数据积累后计算误差平均值A(ω)和误差值标准差σ(ω)；
第一判断模块，判断当前的误差平均值A(ω)和误差值标准差σ(ω)是否达到预设的阈值At和σt；
模型修正模块，当误差平均值A(ω)和误差值标准差σ(ω)达到预设的阈值At和σt时，利用最新积累到的多组辅助变量、主导变量的估值和主导变量的化验值对当前模型进行修正获得修正模型；
第三计算模块，再经过多次数据积累后计算当前模型的误差平均值A(τ)和误差值标准差σ(τ)，并计算修正模型的误差平均值A*(τ)和误差值标准差σ*(τ)；
模型更新模块，A*(τ)＜A(τ)且σ*(τ)＜σ(τ)时用修正模型替换当前模型。
具体实施时，所述软测量仪表计算模型7采用回归分析RA、神经网络ANN或支持向量机SVM方法建立。所述控制***2采用PLC或DCS。
完整的软测量仪表***，不仅能够根据软测量仪表计算模型7计算主导变量的最佳估值，还需要具有在线校正功能，这样才能提高软测量仪表的适用性和准确性。在本发明中设计了软测量仪表模型校正***8(CORM)，能够根据工厂的主导变量的化验值对软测量仪表计算模型7，形成闭环***。
如图2所示，本发明的一种根据化验数据自动校正软测量仪表的方法包括如下步骤：
步骤1：实时检测主导变量的辅助变量u(k)；
步骤2：将实时检测的辅助变量u(k)输入当前模型，计算输出主导变量的估值v(k)；
步骤3：采用离线化验取样的方式检测主导变量的化验值l(k)并存储到化验分析管理数据库中，同时输出离线化验取样的开关量信号k；
步骤4：接收辅助变量和离线化验取样的开关量信号，并根据开关量信号记录***时间；
步骤5：将辅助变量、开关量信号和按下取样按钮时的***时间存储到控制***历史数据库；
具体实施时，当负责样品取样的取样工人在取样时按下取样按钮后，控制***接收到这一开关量信号k，并将当前开关量信号k、当前时间T(k)、当前辅助变量u(k)存入控制***历史数据库，且当次取样样品实验室化验结果，即主导变量的化验值l(k)存入化验分析管理数据库中。
步骤6：根据辅助变量、主导变量的估值与主导变量的化验值，对软测量仪表计算模型进行在线校正，与软测量仪表计算模型共同组成闭环***。
具体实施时，所述步骤6具体为：
步骤6.1：计算当前主导变量的估值与主导变量的化验值之间的误差值；
具体实施时，当有新的前开关量信号k、当前时间T(k)、当前辅助变量u(k)、主导变量的化验值l(k)和主导变量的估值v(k)存入时，根据下式计算一次误差值：
其中，v(k)表示当前主导变量的估值，l(k)表示当前主导变量的化验值，e(k)表示当前主导变量的估值和主导变量的化验值之间的误差值。
步骤6.2：经过多次数据积累后计算误差平均值和误差值标准差；
具体实施时，随着工业生产的进行和软测量仪表的使用，在经过ω次的数据积累，以化验结果l(k)为基准，根据下列两公式计算误差平均值和误差值标准差：
代入e(k)得到：
其中，A(ω)表示误差平均值，σ(ω)表示误差值标准差。
步骤6.3：判断当前的误差平均值和误差值标准差是否达到预设的阈值；
步骤6.4：当误差平均值和误差值标准差达到预设的阈值时，利用最新积累到的多组辅助变量、主导变量的估值和主导变量的化验值对当前模型进行修正获得修正模型；
当ω组数据的误差平均值A(ω)和误差值标准差σ(ω)达到预先设定的阈值At和σt时，触发软测量仪表模型校正机制。软测量仪表模型校正***将在当前模型Ma的基础上，利用最新积累到的ω组数据，对模型中的参数进行修正。
当前模型采用如下关系式表示：Ma＝{u(ωp),l(ωp),v(ωp)}，其中，u(k)表示k时刻测量的辅助变量，u(ωp)表示k＝1,2,…ωp时构成的辅助变量数组，l(ωp)表示k＝1,2,…ωp时构成的主导变量的化验值数组，v(ωp)表示k＝1,2,…ωp时构成的主导变量的估值数组。
利用最新积累到的ω组数据，对模型进行修正，获得修正模型的关系式如下：
其中，Wp(ωp)为当前模型的权值函数，u(ω)表示k＝1,2,…ω时构成的辅助变量数组，l(ω)表示k＝1,2,…ω时构成的主导变量的化验值数组，v(ω)表示k＝1,2,…ω时构成的主导变量的估值数组，W(ω)为新积累ω组数据的权值函数，C(ω)为修正函数。
步骤6.5：再经过多次数据积累后计算当前模型的误差平均值和误差值标准差，并计算修正模型的误差平均值和误差值标准差；
步骤6.6：修正模型的误差平均值小于当前模型的误差平均值且修正模型的误差值标准差小于当前模型的误差值标准差时，用修正模型替换当前模型。
当软测量仪表新的数学模型，即修正模型建立完成后，需要验证一段时间才能够替换软测量仪表当前模型Ma，在修正模型验证阶段，生产控制室的操作员站依然显示现有软测量仪表当前模型计算的主导变量的最佳估值。在新模型验证阶段，软测量仪表的当前模型和修正模型同时运行，分别得到当前模型的主导变量的估值v(k)和新模型的软测量主导变量估值v*(k)。
当积累了τ组数据之后，计算修正模型输出的误差平均值A*(τ)和误差值标准差σ*(τ)和当前模型输出的误差平均值A(τ)和误差值标准差σ(τ)。当满足下列关系式：A*(τ)＜A(τ)且σ*(τ)＜σ(τ)时，采用修正模型代替当前模型
至此，化验数据自动校正软测量仪表的方法校正结束。
本发明设计的软测量仪表正常工作时，软测量仪表模型校正***8持续记录所有数据，并持续监测软测量仪表的准确性，当软测量仪表输出值无法满足要求时，根据主导变量的化验值、主导变量的估值数组和辅助变量自动对软测量仪表计算模型7进行校正，并对软测量仪表的数学计算模型进行在线更新。
本发明的一种根据化验数据自动校正软测量仪表的***及方法，通过使用间接测量数据和化验数据，建立软测量仪表数学模型，并通过控制***历史数据库4和化验分析管理数据库6实现软测量仪表的在线校正功能。本发明中利用设置在软测量仪表传感器旁的取样开关，将取样样品的主导变量的化验值与传感器检测到的辅助变量值相匹配，实现化验值与传感器检测值来自同一时间经过检测点的同一。
本发明中还设计了软测量仪表模型校正***，提出了软测量仪表测量测量误差检验方法，当软测量仪表精度无法满足要求时，触发软测量仪表数学计算模型校正机制。在原有模型基础上，通过近期积累的主导变量的化验值和辅助变量建立新的模型。当新模型经过一段时间验证后，对软测量仪表数学计算模型的进行无缝切换、在线更新。
以上所述仅为本发明的较佳实施例，并不用以限制本发明的思想，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种根据化验数据自动校正软测量仪表的***，其特征在于，包括：
软测量仪表传感器，安装在被测主导变量所在的工艺流程现场，对主导变量的辅助变量进行测量；
取样按钮，安装在被测主导变量所在的工艺流程现场，工人进行离线化验取样时输出开关量信号；
控制***，实时接收软测量仪表传感器输出的辅助变量和取样按钮输出的开关量信号，并根据开关量信号记录***时间；
控制***历史数据库，与所述控制***相连接用于存储辅助变量、开关量信号和按下取样按钮时的***时间；
离线取样化验***，采用离线化验取样的方式检测主导变量的化验值；
化验分析管理数据库，用于存储主导变量的化验值；
软测量仪表计算模型，用于接收软测量仪表传感器实时检测的辅助变量，并计算输出主导变量的估值；
软测量仪表模型校正***，根据辅助变量、主导变量的估值与主导变量的化验值，对软测量仪表计算模型进行在线校正，与软测量仪表计算模型共同组成闭环***。
2.如权利要求1所述的根据化验数据自动校正软测量仪表的***，其特征在于，所述软测量仪表模型校正***包括：
第一计算模块，计算当前主导变量的估值与主导变量的化验值之间的误差值；
第二计算模块，经过多次数据积累后计算误差平均值和误差值标准差；
第一判断模块，判断当前的误差平均值和误差值标准差是否达到预设的阈值；
模型修正模块，当误差平均值和误差值标准差达到预设的阈值时，利用最新积累到的多组辅助变量、主导变量的估值和主导变量的化验值对当前模型进行修正获得修正模型；
第三计算模块，再经过多次数据积累后计算当前模型的误差平均值和误差值标准差，并计算修正模型的误差平均值和误差值标准差；
模型更新模块，当修正模型的误差平均值小于当前模型的误差平均值且修正模型的误差值标准差小于当前模型的误差值标准差时，用修正模型替换当前模型。
3.如权利要求1所述的根据化验数据自动校正软测量仪表的***，其特征在于，所述软测量仪表计算模型采用回归分析RA、神经网络ANN或支持向量机SVM方法建立。
4.如权利要求1所述的根据化验数据自动校正软测量仪表的***，其特征在于，所述控制***采用PLC或DCS。
5.一种根据化验数据自动校正软测量仪表的方法，其特征在于，包括如下步骤：
步骤1：实时检测主导变量的辅助变量；
步骤2：将实时检测的辅助变量输入当前模型，计算输出主导变量的估值；
步骤3：采用离线化验取样的方式检测主导变量的化验值并存储到化验分析管理数据库中，同时输出离线化验取样的开关量信号；
步骤4：接收辅助变量和离线化验取样的开关量信号，并根据开关量信号记录***时间；
步骤5：将辅助变量、开关量信号和按下取样按钮时的***时间存储到控制***历史数据库；
步骤6：根据辅助变量、主导变量的估值与主导变量的化验值，对软测量仪表计算模型进行在线校正，与软测量仪表计算模型共同组成闭环***。
6.如权利要求5所述的根据化验数据自动校正软测量仪表的方法，其特征在于，所述步骤6具体为：
步骤6.1：计算当前主导变量的估值与主导变量的化验值之间的误差值；
步骤6.2：经过多次数据积累后计算误差平均值和误差值标准差；
步骤6.3：判断当前的误差平均值和误差值标准差是否达到预设的阈值；
步骤6.4：当误差平均值和误差值标准差达到预设的阈值时，利用最新积累到的多组辅助变量、主导变量的估值和主导变量的化验值对当前模型进行修正获得修正模型；
步骤6.5：再经过多次数据积累后计算当前模型的误差平均值和误差值标准差，并计算修正模型的误差平均值和误差值标准差；
步骤6.6：修正模型的误差平均值小于当前模型的误差平均值且修正模型的误差值标准差小于当前模型的误差值标准差时，用修正模型替换当前模型。
7.如权利要求6所述的根据化验数据自动校正软测量仪表的方法，其特征在于，所述步骤6.1中根据下式计算误差值：
其中，v(k)表示主导变量的估值，l(k)表示主导变量的化验值，e(k)表示主导变量的估值和主导变量的化验值之间的误差值。
8.如权利要求6所述的根据化验数据自动校正软测量仪表的方法，其特征在于，所述步骤6.2中经过ω次的数据积累，根据下列两公式计算误差平均值和误差值标准差：
其中，A(ω)表示误差平均值，σ(ω)表示误差值标准差。
9.如权利要求8所述的根据化验数据自动校正软测量仪表的方法，其特征在于，所述步骤6.4中的当前模型采用如下关系式表示：
Ma＝{u(ωp),l(ωp),v(ωp)}
其中，u(k)表示k时刻测量的辅助变量，u(ωp)表示k＝1,2,…ωp时构成的辅助变量数组，l(ωp)表示k＝1,2,…ωp时构成的主导变量的化验值数组，v(ωp)表示k＝1,2,…ωp时构成的主导变量的估值数组；
利用最新积累到的ω组数据，对模型进行修正，获得修正模型的关系式如下：
其中，Wp(ωp)为当前模型的权值函数，u(ω)表示k＝1,2,…ω时构成的辅助变量数组，l(ω)表示k＝1,2,…ω时构成的主导变量的化验值数组，v(ω)表示k＝1,2,…ω时构成的主导变量的估值数组，W(ω)为新积累ω组数据的权值函数，C(ω)为修正函数。
10.如权利要求6所述的根据化验数据自动校正软测量仪表的方法，其特征在于，所述步骤6.5中再经过τ组数据累积之后，当满足下列关系式：A*(τ)＜A(τ)且σ*(τ)＜σ(τ)时，采用修正模型代替当前模型
其中A*(τ)为修正模型的误差平均值，σ*(τ)为修正模型的误差值标准差，A(τ)为当前模型的误差平均值，σ(τ)为当前模型的误差值标准差。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910232657.3A CN109933031B (zh) | 2019-03-26 | 2019-03-26 | 一种根据化验数据自动校正软测量仪表的***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910232657.3A CN109933031B (zh) | 2019-03-26 | 2019-03-26 | 一种根据化验数据自动校正软测量仪表的***及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109933031A true CN109933031A (zh) | 2019-06-25 |
| CN109933031B CN109933031B (zh) | 2021-08-31 |
Family
ID=66988282
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910232657.3A Active CN109933031B (zh) | 2019-03-26 | 2019-03-26 | 一种根据化验数据自动校正软测量仪表的***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109933031B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114660245A (zh) * | 2022-05-19 | 2022-06-24 | 湖南维益智信智能科技有限公司 | 在线分析仪表自检测控制方法及*** |
| CN115047055A (zh) * | 2022-05-27 | 2022-09-13 | 长垣烹饪职业技术学院 | 一种传感器检测铅离子方法及*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1546982A (zh) * | 2003-12-08 | 2004-11-17 | 中国铝业股份有限公司 | 一种氧化铝生产过程中苛性比值与溶出率在线检测方法 |
| CN1570627A (zh) * | 2004-05-12 | 2005-01-26 | 浙江大学 | 基于工业软测量模型的离线化验值双重校正方法 |
| CN102636624A (zh) * | 2012-04-28 | 2012-08-15 | 重庆大学 | 铝电解过程电解槽中氧化铝浓度的软测量方法 |
| US20150136602A1 (en) * | 2009-06-05 | 2015-05-21 | Integenx Inc. | Universal sample preparation system and use in an integrated analysis system |
| CN109242194A (zh) * | 2018-09-25 | 2019-01-18 | 东北大学 | 一种基于混合模型的浓密机底流浓度预测方法 |
-
2019
- 2019-03-26 CN CN201910232657.3A patent/CN109933031B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1546982A (zh) * | 2003-12-08 | 2004-11-17 | 中国铝业股份有限公司 | 一种氧化铝生产过程中苛性比值与溶出率在线检测方法 |
| CN1570627A (zh) * | 2004-05-12 | 2005-01-26 | 浙江大学 | 基于工业软测量模型的离线化验值双重校正方法 |
| US20150136602A1 (en) * | 2009-06-05 | 2015-05-21 | Integenx Inc. | Universal sample preparation system and use in an integrated analysis system |
| CN102636624A (zh) * | 2012-04-28 | 2012-08-15 | 重庆大学 | 铝电解过程电解槽中氧化铝浓度的软测量方法 |
| CN109242194A (zh) * | 2018-09-25 | 2019-01-18 | 东北大学 | 一种基于混合模型的浓密机底流浓度预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 杨琦等: "基于软测量技术在线分析仪表在氧化铝溶出生产过程控制中的应用", 《轻金属》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114660245A (zh) * | 2022-05-19 | 2022-06-24 | 湖南维益智信智能科技有限公司 | 在线分析仪表自检测控制方法及*** |
| CN114660245B (zh) * | 2022-05-19 | 2022-08-09 | 湖南维益智信智能科技有限公司 | 在线分析仪表自检测控制方法及*** |
| CN115047055A (zh) * | 2022-05-27 | 2022-09-13 | 长垣烹饪职业技术学院 | 一种传感器检测铅离子方法及*** |
| CN115047055B (zh) * | 2022-05-27 | 2023-09-12 | 长垣烹饪职业技术学院 | 一种传感器检测铅离子方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109933031B (zh) | 2021-08-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4799168B2 (ja) | 配水及び管路情報解析システム | |
| CN101863088B (zh) | 一种橡胶混炼过程中门尼粘度的预报方法 | |
| CN108126988B (zh) | 棒材负偏差在线测量方法和*** | |
| CN108956876A (zh) | 一种烟气在线连续监测***的测量时延修正方法 | |
| CN109918614B (zh) | 一种基于模态学习的全局动应变测量方法 | |
| CN110794093B (zh) | 一种蒸发过程出料苛性碱浓度测量装置精度补偿方法 | |
| CN107299170B (zh) | 一种高炉铁水质量鲁棒软测量方法 | |
| CN105608492A (zh) | 一种基于鲁棒随机权神经网络的多元铁水质量软测量方法 | |
| CN109933031A (zh) | 一种根据化验数据自动校正软测量仪表的***及方法 | |
| CN111860839A (zh) | 基于多信号融合及Adam优化算法的岸桥故障监测方法 | |
| CN114994261A (zh) | 环境空气监测的传感器远程校准方法 | |
| CN110553631B (zh) | 一种关于水位流量关系的水位测量系列误差分析方法 | |
| CN110222825B (zh) | 一种水泥成品比表面积预测方法及*** | |
| CN103279030B (zh) | 基于贝叶斯框架的动态软测量建模方法及装置 | |
| CN111639715B (zh) | 基于ls-svm的汽车仪表组装质量预测方法与*** | |
| CN103605323B (zh) | 化工生产的离散控制方法及装置 | |
| CN112541296A (zh) | 一种基于pso-lssvm的so2预测方法 | |
| CN115809749A (zh) | 污水处理综合性在线预测模型的建立方法及预测预警方法 | |
| CN114646373B (zh) | 一种水表机电示值一致性检定方法、***、存储介质及智能终端 | |
| CN113468693A (zh) | 一种基于大数据的压力传感器采集*** | |
| CN115985411A (zh) | 基于高斯过程回归模型的高分子熔融指数软测量方法 | |
| CN115310561A (zh) | 一种基于集成即时学习的电磁阀故障监测方法 | |
| CN112985503A (zh) | 一种油水两相流持率和流速在线测量装置及测量方法 | |
| CN112528566A (zh) | 基于AdaBoost训练模型的空气质量数据实时校准方法及*** | |
| CN109684599A (zh) | 适用于电传飞控直升机的飞行实验数据快速频域辨识方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |