DE102018125907A1 - Verfahren zur Bestimmung einer Prozessgrößer mit einem Klassifikator zur Auswahl eines Modells zur Bestimmung der Prozessgröße - Google Patents

Abstract

Die vorliegende Erfindung betrifft ein Verfahren, insbesondere computerimplementiertes Verfahren, zur Bestimmung zumindest einer Prozessgröße (y) eines Mediums (M), umfassend folgende Verfahrensschritte:- Erfassen eines Sensorsignals (x) von einem Feldgerät (1,4),- Bestimmen eines ausgewählten Modells (M) aus einer Menge von zumindest zwei unterschiedlichen Modellen (M-M) mittels eines Klassifikators (K), wobei jedes der Modelle (M-M) zur Bestimmung der Prozessgröße (y) zumindest anhand des Sensorsignals (x) dient, und wobei der Klassifikator (K) dazu ausgestaltet ist, das ausgewählte Modell (M) auszuwählen, und- Bestimmen der Prozessgröße (y) zumindest anhand des ausgewählten Modells (M) und des Sensorsignals (x). Ferner betrifft die vorliegende Erfindung ein zur Durchführung des erfindungsgemäßen Verfahrens ausgestaltetes Computerprogramm sowie ein Computerprogrammprodukt mit einem erfindungsgemäßen Computerprogramm.

Description

• Die vorliegende Erfindung betrifft ein Verfahren, insbesondere ein computerimplementiertes Verfahren, zur Bestimmung einer Prozessgröße eines Mediums mit einem Klassifikator zur Auswahl eines Modells zur Bestimmung der Prozessgröße. Ferner betrifft die vorliegende Erfindung ein Computerprogramm zur Bestimmung der Prozessgröße, sowie ein Computerprogrammprodukt mit einem entsprechenden Computerprogramm.
• Feldgeräte zur Bestimmung, Überwachung und/oder Beeinflussung verschiedener Prozessgrößen werden vielfach in der Prozess- und/oder Automatisierungstechnik eingesetzt. Beispiele für derartige Feldgeräte bzw. Messgeräte sind Füllstandsmessgeräte, Durchflussmessgeräte, Druck- und Temperaturmessgeräte, pH- und/oder pH-Redoxpotentialmessgeräte, oder auch Leitfähigkeitsmessgeräte, welche der Erfassung der jeweils entsprechenden Prozessgrößen, wie einem Füllstand, einem Durchfluss, dem Druck, der Temperatur, einem pH-Wert, eines Redoxpotentials, oder einer Leitfähigkeit dienen. Die jeweils zugrundeliegenden Messprinzipien sind aus dem Stand der Technik hinlänglich bekannt, und werden an dieser Stelle nicht einzeln angeführt. Bei Durchflussmessgeräten handelt es sich insbesondere um Coriolis-, Ultraschall-, Vortex-, thermische und/oder magnetisch induktiven Durchflussmessgeräte. Füllstandsmessgeräte wiederum sind insbesondere Mikrowellen-Füllstandsmessgeräte, Ultraschall-Füllstandsmessgeräte, zeitbereichsreflektometrische Füllstandsmessgeräte (TDR), radiometrische Füllstandsmessgeräte, kapazitive Füllstandsmessgeräte, konduktive Füllstandsmessgeräte und/oder temperatursensitive Füllstandsmessgeräte. Bei Druckmessgeräten dagegen handelt es sich bevorzugt um sogenannte Absolut-, Relativ- oder Differenzdruckgeräte, während Temperaturmessgeräte häufig Thermoelemente oder temperaturabhängige Widerstände zur Ermittlung der Temperatur aufweisen.
• Im Rahmen der vorliegenden Anmeldung werden im Prinzip alle Geräte als Feldgerät bezeichnet, die auf Feldebene angeordnet sind, also prozessnah eingesetzt werden und prozessrelevante Informationen liefern oder verarbeiten.
• Neben Sensoren und Aktoren werden als Feldgeräte allgemein auch solche Einheiten bezeichnet, die direkt an einem Feldbus angeschlossen sind, und zur Kommunikation mit einer Steuerstelle wie einem Leitsystem dienen, wie z.B. Remote I/Os, Gateways, Linking Devices und Wireless Adapter bzw. Funkadapter. Eine Vielzahl solcher Feldgeräte wird von Firmen der Endress + Hauser-Gruppe hergestellt und vertrieben.
• Bezüglich einer bestimmten Prozessgröße sind häufig viele verschiedene konkurrierende Modelle bzw. Messprinzipien zu deren Bestimmung verfügbar, wie zum Teil bereits erwähnt. Die unterschiedlichen Messprinzipien weisen dann häufig für unterschiedliche Anwendungen, insbesondere Medien, unterschiedliche Messgenauigkeiten auf, bzw. sind aus verschiedenen Gründen unterschiedlich gut geeignet.
• Dies betrifft nicht nur den Fall, dass ein und dieselbe Prozessgröße mittels unterschiedlicher Messprinzipien ermittelbar ist. Vielmehr ist es für eine Vielzahl von Anwendungen so, dass für ein und dasselbe Messgerät für unterschiedliche Applikationen unterschiedliche Modelle verwendet werden, um über einen breiten Anwendungsbereich hinweg eine hohe Messgenauigkeit gewährleisten zu können. In diesem Falle muss dann häufig je nach Anwendung manuell das zu verwendende Modell an dem Messgerät ausgewählt werden.
• Unterschiedliche Anwendungen oder Applikationen betreffen in diesem Zusammenhang insbesondere die Bestimmung einer Prozessgröße für unterschiedliche Medien mit unterschiedlichen physikalischen und/oder chemischen Eigenschaften.
• Der vorliegenden Erfindung liegt die Aufgabe zugrunde, den Anwendungs- bzw. Applikationsbereich für ein Feldgerät auf einfache Art und Weise zu vergrößern.
• Diese Aufgabe wird gelöst durch das Verfahren nach Anspruch 1, durch das Computerprogramm nach Anspruch 14 sowie durch das Computerprogrammprodukt nach Anspruch 15.
• Hinsichtlich des Verfahrens wird die der Erfindung zugrundeliegende Aufgabe gelöst durch ein Verfahren, insbesondere ein computerimplementiertes Verfahren, zur Bestimmung zumindest einer Prozessgröße eines Mediums, umfassend folgende Verfahrensschritte:
• - Erfassen eines Sensorsignals von einem Feldgerät,
• - Bestimmen eines ausgewählten Modells aus einer Menge von zumindest zwei unterschiedlichen Modellen mittels eines Klassifikators, wobei jedes der Modelle zur Bestimmung der Prozessgröße zumindest anhand des Sensorsignals dient, und wobei der Klassifikator dazu ausgestaltet ist, das ausgewählte Modell auszuwählen, und
• - Bestimmen der Prozessgröße zumindest anhand des ausgewählten Modells und des Sensorsignals.
• Der Klassifikator dient demnach zur, insbesondere automatischen, Auswahl des ausgewählten Modells, welches zur Bestimmung des Werts für die Prozessgröße herangezogen werden soll. Die Modelle sind beispielsweise in einer Speichereinheit einer Recheneinheit eines Feldgeräts oder in einer übergeordneten Einheit abgespeichert.
• Vorteilhaft lassen sich durch diese Maßnahme Messungen, bei denen manuelle prozessspezifische Eingaben erforderlich sind, bei denen also je nach Anwendung ein passendes Modell auszuwählen ist, deutlich vereinfachen. Gleichermaßen lässt sich die erzielbare Messgenauigkeit deutlich erhöhen.
• In einer besonders bevorzugten Ausgestaltung ist der Klassifikator dazu ausgestaltet, das Auswählen des ausgewählten Modells zu erlernen. Der Klassifikator ist demnach eine mit künstlicher Intelligenz ausgestattete Einheit, und erlernt, das ausgewählte Modell auszuwählen. Es handelt sich also um eine intelligente Auswahl des Modells. Bei dem maschinellen Lernprozess, den der Klassifikator durchläuft, kann es sich sowohl um einen überwachten (engl. supervised) als auch um einen nicht-überwachten (engl. unsupervised) Lernprozess handeln.
• In einer weiteren bevorzugten Ausgestaltung wird der Klassifikator insbesondere offline und/oder online, trainiert wird. Unter einem offline-Training wird ein Training vor der Durchführung des Verfahrens, also bevor das Verfahren zur Bestimmung eines Werts für eine Prozessgröße herangezogen wird, verstanden. Es handelt sich im Prinzip um ein Training unter Laborbedingungen. Der Klassifikator kann stattdessen oder darüber hinaus aber auch online trainiert werden, d.h. im fortlaufenden Prozess, bzw. während der Durchführung des Verfahrens im Prozess.
• Je nachdem, ob ein online- oder offline-Training durchgeführt wird, sind darüber hinaus unterschiedliche Arten und Weisen des Trainings besonders vorteilhaft. Bei einem Online-Training ist beispielsweise die Methode der selbstorganisierten Karten bevorzugt. Bei einem Offline-Training wiederum kann beispielsweise auch die Methode der Zeitreihenanalyse Anwendung finden. Diese Methode ist vergleichsweise komplex und damit beispielsweise für ein Online-Training ggf. weniger gut geeignet.
• In einer Ausgestaltung des Verfahrens ist der Klassifikator dazu ausgestaltet, bei der Auswahl des ausgewählten Modells zumindest eine Einflussgröße zu berücksichtigen. Bei dieser Einflussgröße kann es sich beispielsweise um einen Prozess- und/oder Umgebungsparameter, beispielsweise eine physikalische oder chemische Eigenschaft des Mediums und/oder der Umgebung handeln.
• Es ist insbesondere von Vorteil, wenn es sich bei der Einflussgröße um das Sensorsignal oder eine von dem Sensorsignal abgeleitete Größe handelt. Bei der vom Sensorsignal abgeleiteten Größe kann es sich wiederum beispielsweise um einen Wert für die Prozessgröße handeln.
• In einer Ausgestaltung des Verfahrens wird anhand eines Datensatzes umfassend zumindest eine Eingangsgröße und eine der Eingangsgröße zugeordnete Ausgangsgröße eine, insbesondere numerische, Abbildung erstellt, anhand welcher Abbildung der Klassifikator das ausgewählte Modell bestimmt. Diese Ausgestaltung ist besonders geeignet, wenn der Klassifikator einen überwachten Lernprozess durchläuft.
• In einer weiteren Ausgestaltung des Verfahrens wird ein Merkmalsvektor bestimmt, wobei der Klassifikator dazu ausgestaltet ist, das ausgewählte Modell anhand des Merkmalsvektors auszuwählen.
• In dieser Hinsicht ist es von Vorteil, wenn ein erster und ein zweiter Klassifikator verwendet werden, wobei der erste Klassifikator zur Durchführung einer Merkmalsextraktion und/oder zur Erstellung eines Merkmalsvektors dient, und wobei ein zweiter Klassifikator zur Auswahl des ausgewählten Modells anhand des Merkmalsvektors dient. Die Ausgestaltung mit einem ersten und einem zweiten Klassifikator eignet sich wiederum insbesondere für einen zumindest teilweise nicht überwachten Lernprozess des Klassifikators. Der erste Klassifikator erlernt in einem nicht überwachten Lernprozess die Extraktion des Merkmalsvektors, während der zweite Klassifikator beispielsweise in einem überwachten Lernprozess arbeiten kann.
• Eine bevorzugte Ausgestaltung beinhaltet, dass eine Klassifikationsgüte bezüglich der Auswahl des ausgewählten Modells bestimmt wird. Mit dieser Ausgestaltung ist beispielsweise eine Überprüfung der Entscheidungen des Klassifikators hinsichtlich der Auswahl des ausgewählten Modells möglich. Eine Klassifikationsgüte kann insbesondere bereits anhand einer Softmax-Funktion ermittelt werden.
• Dabei ist es von Vorteil, wenn eine Aussage über die Klassifikationsgüte anhand einer Wahrscheinlichkeit, mit welcher der Klassifikator das ausgewählte Modell auswählt, getroffen wird.
• Es ist ebenso von Vorteil, wenn ein Wechsel des Klassifikators von einem ersten zu einem zweiten ausgewählten Modell erfasst wird. Dies erlaubt unter anderem eine historische Betrachtung des Prozesses. Es ist eine Korrelation der Entscheidungen des Klassifikators mit dem Prozess möglich. Auf diese Weise kann unter anderem eine Wahrscheinlichkeitsdichte, bzw. Häufigkeitsverteilung hinsichtlich der Auswahl des jeweiligen Modells für bestimmte Prozessbedingungen, ermittelt werden.
• Es ist schließlich von Vorteil, wenn eine Wechselfrequenz zwischen den zwei ausgewählten Modellen oder ein Zeitintervall, während dessen das erste oder zweite ausgewählte Modell verwendet wird, ermittelt wird.
• Eine weitere Ausgestaltung des Verfahrens beinhaltet, dass es sich bei dem Feldgerät um ein Feldgerät zur Bestimmung und/oder Überwachung einer Trübung, eines Durchflusses oder eines Füllstands eines Mediums oder zur Bestimmung einer Konzentration von zumindest einer in einem Medium enthaltenen Substanz, insbesondere eines Feststoffs, eines Alkohols oder eines Salzes, handelt.
• Die der Erfindung zugrundeliegende Aufgabe wird ferner gelöst durch ein Computerprogramm zur Bestimmung zumindest einer Prozessgröße eines Mediums mit computerlesbaren Programmcodeelementen, die, wenn sie auf einem Computer ausgeführt werden, den Computer dazu veranlassen, zumindest eine Ausgestaltung des erfindungsgemäßen Verfahrens auszuführen.
• Die der Erfindung zugrundeliegende Aufgabe wird ebenfalls gelöst durch ein Computerprogrammprodukt mit einem erfindungsgemäßen Computerprogramm und zumindest einem computerlesbaren Medium, auf dem zumindest das Computerprogramm gespeichert ist.
• Es sei darauf verwiesen, dass sich die in Zusammenhang mit dem Verfahren beschriebenen Ausgestaltungen mutatis mutandis auch auf das erfindungsgemäße Computerprogramm und das Computerprogrammprodukt anwenden lassen.
• Die Erfindung wird anhand der nachfolgenden Figuren näher erläutert.
• 1 zeigt ein Blockdiagramm zur Illustration des erfindungsgemäßen Verfahrens,
• 2 illustriert eine mögliche Anwendung in Zusammenhang mit der Bestimmung eines Füllstands nach dem reflektiometrischen Messprinzip,
• 3 illustriert eine mögliche Anwendung in Zusammenhang mit der Bestimmung einer Trübung eines Mediums, und
• 4 illustriert eine mögliche Anwendung in Zusammenhang mit der Bestimmung eines Alkoholgehalts.
• In den Figuren sind gleiche Elemente je mit dem gleichen Bezugszeichen versehen.
• In 1 ist das erfindungsgemäße Verfahren schematisch dargestellt.
• Das Verfahren kann beispielsweise in einer hier nicht gezeigten Elektronik eines Feldgeräts 1,4, oder in einer übergeordneten Einheit, implementiert sein. Die Elektronik umfasst eine ebenfalls nicht gesondert dargestellte Speichereinheit, in welcher unterschiedliche Modelle M₁-M_n zur Bestimmung der Prozessgröße y anhand eines von einer nicht gezeigten Sensoreinheit des Feldgeräts 1,4 empfangenen Sensorsignals x hinterlegt sind.
• Von der Sensoreinheit wird/werden jeweils ein Sensorsignal oder mehrere Sensorsignale x₁-x_i empfangen, für die jeweils die Prozessgröße y₁-y_i bestimmt werden soll. Zur Bestimmung der Prozessgröße y stehen dabei die verschiedenen Modelle M₁-M_n zur Verfügung. Der erfindungsgemäße Klassifikator K dient dann dazu, aus der Menge der Modelle M₁-M_n ein ausgewähltes Modell (hier M₂) zu bestimmen und auszuwählen. Diese Auswahl ist in 1 durch die Pfeile und die beiden Schaltelemente S₁ und S₂ illustriert. Im Fall der 1a wurde durch den Klassifikator K das Modell M₂ ausgewählt, mittels welchem zumindest aus dem Sensorsignal x₂ die Prozessgröße y₂ bestimmt wird.
• Optional können dem Klassifikator K eine oder mehrere Einflussgrößen zur Verfügung gestellt werden, wie durch die gestrichelten Pfeile angedeutet. Im vorliegenden Falle sind dies beispielsweise die Sensorsignale x₁-x_i sowie die weiteren Einflussgrößen x_j und x_k.
• Die unterschiedlichen Modelle M₁-M_n können jeweils zur Bestimmung der Prozessgröße y₁-y_i anhand der Sensorsignale x₁-x_i herangezogen werden. Die Modelle M₁-M_n können beispielsweise verschiedene Messprinzipien oder verschiedene Konstellationen im Prozess, beispielsweise verschiedene Anwendungs- und/oder Applikationsbereiche betreffen. Beispielsweise können sich die unterschiedlichen Modelle M₁-M_n auch zumindest teilweise gegenseitig ausschließen, so dass für bestimmte Gegebenheiten bestimmte Modelle nicht anwendbar sind. Im einfachsten Fall bleibt das jeweils ausgewählte Modell M₂ für eine vorgebbare Zeitdauer eines bestimmten Prozesses gleich. Es ist aber ebenso denkbar, dass sich im fortlaufenden Betrieb Prozess- und/oder Umgebungsbedingungen derart ändern, dass kontinuierlich, periodisch oder punktuell ein Wechsel des ausgewählten Modells M₂ durch den Klassifikator K vorzunehmen ist. Beispielsweise ist im Falle der 1b das Modell M_n durch den Klassifikator K ausgewählt worden, mittels welchem zumindest aus dem Sensorsignal x_n die Prozessgröße y_n bestimmt wird.
• Eine mögliche Anwendung des erfindungsgemäßen Verfahrens mit Hinblick auf die berührungslose Bestimmung eines Füllstands F eines Mediums M als Prozessgröße y ist durch das an sich aus dem Stand der Technik bekannte, laufzeitbasierte Füllstands-Messverfahren gegeben, wie in 2 illustriert. Entsprechende Feldgeräte werden von der Anmelderin in vielen unterschiedlichen Ausgestaltungen hergestellt und beispielsweise unter den Bezeichnungen Micropilot, Levelflex oder Prosonic vertrieben.
• Das Messprinzip ist schematisch in 2a illustriert. Ein Sendesignal S wird an einer Oberfläche O eines sich in einem Behälter 2 befindlichen Mediums M reflektiert und das empfangene Echosignal R wird dann hinsichtlich des Füllstands F des Mediums M ausgewertet. Die Signalauswertung ist in 2a dargestellt. Da dem füllstandsabhängigen Echosignal in der Regel verschiedene Störecho-Signale überlagert sind, muss das empfangene Echosignal R zunächst geeignet weiterverarbeitet werden. Um aus dem reflektierten Echosignal R jeweils das füllstandsabhängige Echosignal extrahieren zu können, wird deshalb häufig eine Signaltransformation 3a in den Frequenzraum durchgeführt, beispielsweise eine Fast Fourier Transformation (FFT). Anschließend werden sogenannte Hüllkurven mittels jeweils zu diesem Zweck bereitgestellten Algorithmen A ausgewertet, anhand derer der Füllstand F bestimmbar ist. Eine beispielhafte Hüllkurve ist in 2c dargestellt.
• Um eine möglichst genaue Bestimmung des Füllstands F zu ermöglichen, müssen die jeweils verwendeten Algorithmen 4 für den jeweiligen Prozess bzw. die jeweilige Applikation passend parametriert 3b werden. Diese Parametrierung 3b, bzw. die Auswahl und Angabe der Parameter erfolgt gemäß Stand der Technik häufig manuell. Beispielsweise werden zur genauen Verfolgung des füllstandsabhängigen Echosignals eine maximale Befüll-Geschwindigkeit und/oder Entleer-Geschwindigkeit des Behälters 2 angegeben. Zur genauen Bestimmung des Füllstands F wiederum sind verschiedene Angaben zum Medium M, insbesondere die Dielektrizitätskonstante, und zum Oberflächenverhalten des Mediums M innerhalb des Behälters, beispielsweise eine Angabe über Turbulenzen oder Schaumbildung im Bereich der Oberfläche O, erforderlich. Die Parametrierung 3b ist demnach in hohem Maße applikationsspezifisch und muss für jede neue Anwendung passend gewählt werden. Dies geht mit einem hohen Aufwand einher.
• Auf die vorliegende Erfindung bezogen dienen die unterschiedlichen Hüllkurven, Algorithmen, oder auch unterschiedliche Parametersätze als unterschiedliche Modelle M₁-M_n. Der Klassifikator K dient der intelligenten Auswahl des passenden Modells zur Bestimmung der Prozessgröße y=F anhand der Sensorsignale x, welche in diesem Fall durch die Echosignale R gegeben sind. In dieser Hinsicht ist es denkbar, dass der Klassifikator K basierend auf einer oder mehrerer Hüllkurve(n) zumindest eine Parametrierung 3b für einen Parameter P aus einer Vielzahl von Parameterwerten auswählt.
• Eine weitere beispielhafte Anwendung des erfindungsgemäßen Verfahrens betrifft einen ebenfalls aus dem Stand der Technik bekannten Trübungssensor 4 zur Bestimmung einer Trübung eines Mediums, wie in 3 illustriert. Derartige Sensoren 4 können zusätzlich zur Bestimmung der Stoffkonzentration eines ungelösten Feststoffes C_F herangezogen werden, beispielsweise zur Bestimmung der Stoffkonzentration von verschiedenen Schlämmen, insbesondere in Kläranlagen. In diesem Zusammenhang sind beispielsweise sogenannte Dünnschlämme, Belebtschlämme, Überschussschlämme oder auch Faulschlämme bekannt. Für jede Art von Schlamm wird ein eigenes geeignetes Modell bereitgestellt, mittels welchem anhand eines Sensorsignals x des Trübungssensors 4 die Stoffkonzentration des Feststoffes y=C_F bestimmbar ist.
• Auch Trübungssensoren werden von der Anmelderin in unterschiedlichsten Ausgestaltungen hergestellt und beispielsweise unter der Bezeichnung Turbimax vertrieben. Ein auf dem Messprinzip der Streulichtmessung basierender Trübungssensor 4 ist in 3a dargestellt. Von einer Lichtquelle 5 ausgehend wird Sendelicht 6 (durchgezogene Linie) über ein für das Sendelicht 6 transparentes Fenster 7 in einen das Medium M enthaltenden Messraum 8 gestrahlt. Dort wird das Sendelicht 6 an einem Streupunkt P unter einem Messwinkel α gestreut, bzw. in Empfangsslicht 9 (gestrichelte Linie) gewandelt. Das Empfangslicht 9 gelangt wiederum über ein für das Empfangslicht 9 transparentes Fenster 10 über eine Blende 11 zu einem Detektor 12 und ist ein Maß für die Trübung des Mediums.
• Im Falle des Vierstrahl-Wechsellicht-Verfahrens, wie in 3b und 3c illustriert verfügt der Sensor 4 über zwei Lichtquellen 5a, 5b und vier Detektoren 12a-12d zur redundanten Erfassung des Empfangslichts 9 bzw. Streulichts. Zwei der Detektoren 12a und 12b dienen zur Erfassung von 90°-Streulicht, die anderen beiden 12c und 12d der Erfassung von 135°-Streulicht. 3b zeigt dabei eine schematische Frontansicht des Sensors 4 und 3c eine Seitenansicht.
• Vor Inbetriebnahme eines Sensors 4 zur Bestimmung der Feststoffkonzentration C_F eines Schlamms in einer bestimmten Applikation muss jeweils manuell das passende Modell M₁-M_n ausgewählt werden. Falls sich die Art des Schlammes im Laufe der Zeit ändert, muss entsprechend auch das zur Bestimmung der Stoffkonzentration C_F verwendete Modell M₁-M_n geändert werden. Wird die Notwendigkeit eines Modellwechsels im fortlaufenden Betrieb nicht rechtzeitig erkannt, was häufig vorkommt, so kommt es zumindest zeitweise zu einer fehlerbehafteten Bestimmung der Stoffkonzentration des Schlamms.
• Mittels der vorliegenden Erfindung kann nun ein Klassifikator K zur Bestimmung eines jeweils passenden ausgewählten Modells M₂, M_n eingesetzt werden. Der Klassifikator dient demnach im Prinzip der intelligenten Erkennung des Schlammtyps zumindest anhand der Sensorsignale x des Trübungssensors 4, beispielsweise der mittels dem Detektor 12 empfangenen Signale x. Je nach Schlammtyp wählt der Klassifikator K das zur Konzentrationsbestimmung passende ausgewählte Modell M₂, M_n.
• Als mögliche Einflussgrößen können einerseits Sensorsignale x₁-x_i des Trübungssensors 4 dienen. Es können aber auch zusätzlich oder alternativ andere Einflussgrößen x_j, x_k bereitgestellt werden, beispielsweise solche, welche spektrale Charakteristika des Mediums M, beispielsweise eine Absorption, Reflektion, Transmission, oder eine Streuung bei einer oder mehreren unterschiedlichen Wellenlängen wiedergeben.
• Noch eine mögliche Anwendung der vorliegenden Erfindung betrifft die Messung des Alkoholgehalts C_A in einem Medium M in Form einer wässrigen Lösung, wie in 4 illustriert. Die Schwierigkeit bei der Bestimmung des Alkoholgehalts liegt häufig darin, dass vorab nicht bekannt ist, um welche Art von Alkohol, beispielsweise Methanol, Ethanol oder iso-Propanol (2-Propanol), es sich jeweils handelt. In den 4a-4c sind Kennlinien für die unterschiedlichen Alkohole Methanol (a), Ethanol (b) und iso-Propanol (c) gezeigt, die die Dichte ρ als Funktion der Alkoholkonzentration C_A angeben. Der Verlauf der Kennlinien ist für die jeweiligen Alkohole deutlich unterschiedlich. Entsprechend hängt die Genauigkeit bei der Konzentrationsbestimmung davon ab, den jeweils in der wässrigen Lösung befindlichen Alkohol zu kennen.
  Um zu ermitteln, um welchen Alkohol es sich jeweils handelt, können beispielsweise die Dichte ρ und der Brechungsindex n_D der wässrigen Lösung bestimmt werden. Anhand dieser beiden Größen lässt sich eindeutig bestimmen, um welchen Alkohol es sich handelt, wie aus 4d ersichtlich wird. Der Brechungsindex n_D als Funktion der Dichte ρ für einen bestimmten Alkohol zeigt jeweils einen charakteristischen Verlauf und ist unabhängig von der Konzentration des Alkohols C_A in der wässrigen Lösung.
• Auf die vorliegende Erfindung bezogen können dem Klassifikator K beispielsweise der Brechungsindex n_D und die Dichte ρ der wässrigen Lösung als Einflussgrößen x_j, x_k zur Verfügung gestellt werden. Der Klassifikator K ist dann dazu ausgestaltet, den jeweils vorhandenen Alkohol zu bestimmen und eine Kennlinie (das ausgewählte Modell M₂, M_n) auszuwählen. Anhand der Kennlinie und der Dichte ρ kann dann der Alkoholgehalt C_A der wässrigen Lösung ermittelt werden.
• Bezugszeichenliste

x₁-x_i

Sensorsignal

x_j, x_k

Einflussgröße

M₁-M_n

Modell

y₁-y_i

Prozessgröße

K

Klassifikator

S₁, S₂

Schaltelement

S

Sendesignal

R

Echosignal

O

Oberfläche

M

Medium

A

Algorithmen

F

Füllstand

C_F

Feststoffkonzentration

P

Streupunkt

α

Streuwinkel

C_A

Alkoholgehalt

n

Brechungsindex

ρ

Dichte

1

Feldgerät

2

Behälter

3a

Signaltransformation

3b

Parametrierung

4

Trübungssensor

5, 5a, 5b

Lichtquelle

6

Sendelicht

7

Fenster

8

Messraum

9

Empfangslicht

10

Fenster

11

Blende

12,12a-12d

Detektor

Claims (15)

1. Verfahren, insbesondere computerimplementiertes Verfahren, zur Bestimmung zumindest einer Prozessgröße (y) eines Mediums (M), umfassend folgende Verfahrensschritte: - Erfassen eines Sensorsignals (x) von einem Feldgerät (1,4), - Bestimmen eines ausgewählten Modells (M₂) aus einer Menge von zumindest zwei unterschiedlichen Modellen (M₁-M_n) mittels eines Klassifikators (K), wobei jedes der Modelle (M₁-M_n) zur Bestimmung der Prozessgröße (y) zumindest anhand des Sensorsignals (x) dient, und wobei der Klassifikator (K) dazu ausgestaltet ist, das ausgewählte Modell (M₂) auszuwählen, und - Bestimmen der Prozessgröße (y) zumindest anhand des ausgewählten Modells (M₂) und des Sensorsignals (x).
2. Verfahren nach Anspruch 1, wobei der Klassifikator (K) dazu ausgestaltet ist, das Auswählen des ausgewählten Modells (M₂) zu erlernen.
3. Verfahren nach Anspruch 1 oder 2, wobei der Klassifikator (K), insbesondere offline und/oder online, trainiert wird.
4. Verfahren nach zumindest einem der vorherigen Ansprüche, wobei der Klassifikator (K) dazu ausgestaltet ist, bei der Auswahl des ausgewählten Modells (M₂) zumindest eine Einflussgröße (x₁-x_i, x_j,x_k) zu berücksichtigen.
5. Verfahren nach Anspruch 4, wobei es sich bei der Einflussgröße (x₁-x_i, x_j,x_k) um das Sensorsignal (x₁-x_i) oder eine von dem Sensorsignal (x₁-x_i) abgeleitete Größe handelt.
6. Verfahren nach zumindest einem der vorherigen Ansprüche, wobei anhand eines Datensatzes umfassend zumindest eine Eingangsgröße und eine der Eingangsgröße zugeordnete Ausgangsgröße eine, insbesondere numerische, Abbildung erstellt wird, anhand welcher Abbildung der Klassifikator (K) das ausgewählte Modell (M₂) bestimmt.
7. Verfahren nach zumindest einem der vorherigen Ansprüche, wobei ein Merkmalsvektor bestimmt wird, wobei der Klassifikator (K) dazu ausgestaltet ist, das ausgewählte Modell (M₂) anhand des Merkmalsvektors auszuwählen.
8. Verfahren nach Anspruch 7, wobei ein erster und ein zweiter Klassifikator verwendet werden, wobei der erste Klassifikator zur Durchführung einer Merkmalsextraktion und/oder zur Erstellung eines Merkmalsvektors dient, und wobei ein zweiter Klassifikator zur Auswahl des ausgewählten Modells (M₂) anhand des Merkmalsvektors dient.
9. Verfahren nach zumindest einem der vorherigen Ansprüche, wobei eine Klassifikationsgüte bezüglich der Auswahl des ausgewählten Modells (M₂) bestimmt wird.
10. Verfahren nach Anspruch 9, wobei eine Aussage über die Klassifikationsgüte anhand einer Wahrscheinlichkeit, mit welcher der Klassifikator das ausgewählte Modell (M₂) auswählt, getroffen wird.
11. Verfahren nach Anspruch 9 oder 10, wobei ein Wechsel des Klassifikators (K) von einem ersten (M₂) zu einem zweiten ausgewählten Modell (M_n) erfasst wird.
12. Verfahren nach Anspruch 11, wobei eine Wechselfrequenz zwischen den zwei ausgewählten Modellen (M₂, M_n) oder ein Zeitintervall, während dessen das erste (M₂) oder zweite ausgewählte Modell (M_n) verwendet wird, ermittelt wird.
13. Verfahren nach zumindest einem der vorherigen Ansprüche, wobei es sich bei dem Feldgerät (1,4) um ein Feldgerät (1,4) zur Bestimmung und/oder Überwachung einer Trübung, eines Durchflusses oder eines Füllstands (F) eines Mediums (M) oder zur Bestimmung einer Konzentration (C_F, C_A) von zumindest einer in dem Medium (M) enthaltenen Substanz, insbesondere eines Feststoffs, eines Alkohols, oder eines Salzes handelt.
14. Computerprogramm zur Bestimmung zumindest einer Prozessgröße (y) eines Mediums (M) mit computerlesbaren Programmcodeelementen, die, wenn sie auf einem Computer ausgeführt werden, den Computer dazu veranlassen, ein Verfahren nach zumindest einem der vorhergehenden Ansprüche auszuführen.
15. Computerprogrammprodukt mit einem Computerprogramm nach Anspruch 13 und zumindest einem computerlesbaren Medium, auf dem zumindest das Computerprogramm gespeichert ist.

Images