[发明专利]基于统计方法，自动在线检测流体的实际状态与流体的参考状态的偏差的方法，特别是用于监测饮用水供应

说明书

用于自动在线检测流体(1)的实际状态与流体(1)的参考状态(RZ)的偏差的方法，其中，关于至少三个测量变量(MV1,MV2,MV3；...)，以组合方式评估基本上同时捕获的测量值(2)，其中，所述测量变量(MV1,MV2,MV3；...)是所述流体(1)的不同测量量(3)和/或在不同测量点(4)测量的所述流体(1)的测量量(3)，至少包括以下方法步骤：‑创建参考数据集，其中，参考测量值(21)是通过神经网络被映射到向量空间(VR)的参考向量(rtj)：‑在线测量，其中，在时间ti的测量值和在时间ti之前的任何时间(t1,...,ti‑1)的测量值借助于神经网络被映射到向量空间的测量向量xti；‑借助于可预定窗口宽度(h)的核密度估计量p_h(xti)(公式AA)，将测量向量xti与n个参考向量rtj进行比较，其中，(公式BB)是概率密度函数(PDF)；基于来自核密度估计量p_h(xti)的值，关于实际状态与参考状态(RZ)的偏差来创建针对时间ti的评估。

技术领域

本发明涉及一种用于自动在线检测流体的实际状态与流体的参考状态的偏差的方法。本发明进一步涉及一种被设计用于实施该方法的设备。

背景技术

在过程和/或自动化技术的许多应用中，借助于测量设备，特别是在线测量设备，确定和/或监测流体的状态，尤其是关于流体的质量。被称为在线测量设备的测量设备直接并且立即在待监测的流体中检测测量量，而不需要例如移除或预处理所需的流体的样本。Endress+Hauser集团生产和销售各种这样的测量设备。

然而，在不具有在线能力的测量设备的情况下，通常需要由应用工程师进行取样，然后预处理待分析的样本，例如通过添加导致由光学或电化学传感器检测的样本的变化的试剂。与上述在线测量方法相比，在这种情况下，可以以更高精度并且有选择性地实现显著更低的检测/确定极限，即，即使在存在干扰物质的情况下。然而，采样和预处理所需的漫长测量时间以及伴随的低测量频率是不利的。

出现以下问题：为了能够立即检测流体的变化，特别是质量状态的变化，即关于流体的质量，使用在线测量设备是必要条件。另一方面，基于通过在线测量设备捕获的测量值的评估，例如关于由污染源引起的增加的危险，例如灾难，通常很困难。特别地，基于单个在线测量值(诸如，电导率、温度或pH值)来明确地确定流体质量的潜在危害是一个巨大的挑战。

为了迎接这一挑战，通常利用多个测量设备基本上同时捕获关于不同测量变量的多个在线测量值。测量变量例如是流体的不同测量量和/或在不同测量点处测量的流体的测量量。在这种情况下的目的是基于关于不同测量变量在线捕获的测量值的总和，关于流体的质量，特别是关于流体状态随时间的变化，陈述关于流体的状态。特别是在复杂系统中，尽管存在大量信息，诸如关于不同测量点和测量量的测量值，但仍需要快速评估实际状态。

因此产生了关于测量变量的测量值的组合评估的任务。例如，在线捕获的测量值的多变量数据分析将以这样的方式进行，即，立即且可靠地检测流体的不期望的质量状态和流体的变化。对于需要高水平可靠性的应用领域尤其如此。在本申请的上下文中，相关示例是对未经处理的水和/或饮用水的评估，因为应该立即和可靠地检测饮用水质量的下降，例如由于病原菌的污染，以便排除对人口的任何风险。

现有技术中已知不同的方法用于测量值，特别是周期性地获得的测量值(包括所谓的时间序列)的多变量数据分析。一个示例是神经网络。基于神经网络的多变量数据分析方法主要是自学习方法。