[发明专利]工业过程多分辨率软测量仪表及方法

摘要

一种工业过程多分辨率软测量仪表，包括与工业对象连接的现场智能仪表、用于存放历史数据的数据存储装置及上位机，智能仪表、数据存储装置及上位机依次相连，所述的上位机为软测量智能控制器，所述的软测量智能控制器包括标准化处理模块、偏最小二乘模块、多分辨率分解模块、径向基函数神经网络建模模块、多分辨率重构模块、信号采集模块以及软测量模块。以及提出了一种软测量方法。本发明提供一种同时考虑复共线性和非线性特性、多分辨率特性、能够得到良好的软测量效果的工业过程多分辨率软测量系统及方法。

主权项

1、一种工业过程多分辨率软测量仪表，包括与工业过程对象连接的现场智能仪表、用于存放历史数据的数据存储装置及上位机，智能仪表、数据存储装置及上位机依次相连，其特征在于：所述的上位机为软测量智能处理器，所述的软测量智能处理器包括：标准化处理模块，用于对数据进行标准化处理，使得各变量的均值为0，方差为1，得到输入矩阵X，采用以下过程来完成，其算式为(1)、(2)、(3)：1)计算均值：TX‾=1NΣi=1NTXi---(1)]]>2)计算方差：σx2=1N-1Σi=1N(TXi-TX‾)---(2)]]>3)标准化：X=TX-TX‾σx---(3)]]>其中，TX为训练样本，N为训练样本数，为训练样本的均值；偏最小二乘模块，用于采用NIPALS算法提取偏最小二乘主成分，其具体过程如下：其算式为：(4)、(5)、(6)，tj=Σp=1Pxpwpj=Xwj---(1)]]>uj=Σq=1Qyqckj=Ycj---(5)]]>uj^=tjbj,j=1,2,...a---(6)]]>载荷向量根据标准最小二乘回归计算，其算式为(7)、(8)：pjT=tjTXtjTtj,j=1,2,...,a---(7)]]>qjT=ujT^YujT^uj^,j=1,2,...,a---(8)]]>迭代的最后一步为计算残差矩阵，其算式为(9)、(10)：E=X-tjpjT,j=1,2,...,a---(9)]]>F=Y-uj^qjT,j=1,2,...,a---(10)]]>列向量w和c分别为自变量和因变量提取主成分的权重向量，通过下式(11)、(12)计算：wjT=u^jTXu^jTu^j,j=1,2,...a---(11)]]>cjT=tjTYtjTtj,j=1,2,...,a---(12)]]>若主成分得分、权向量、载荷向量以及内模型回归系数均以矩阵形式表示为T、W、C、P、Q、B，同时定义：R＝W(P^TW)^-1则T＝XRY^=U^QT=TBQT=XRBQT;]]>多分辨率分解模块，对数据进行多分辨率分解；其具体过程如下：原始信号空间V₀可以分解为一系列逼近空V_J与细节空间W_j，其中J是最粗的尺度，空间V_J由尺度函数{_J，k(t)，k∈Z}张成，其算式为(13)：     V_J＝{_J，k(t)|_J，k(t)＝2^-J/2(2^-Jt-k)}    (13)而W_j由小波函数{ψ_j，k(t)，j＝1，...，J，k∈Z}张成，其算式为(14)：     W_j＝{ψ_j，k(t)|ψ_j，k(t)＝2^-j/2ψ(2^-jt-k)}    (14)其中j是尺度因子，k是平移因子；根据上述描述，函数f(t)∈L²(R)可以分解，其算式为(15)：其中，第一项代表近似信息，第二项为细节信息，逼近因子a_J，k与细节因子d_j，k通过Mallat算法计算；近似信号A_Jf(t)与细节信号D_jf(t)(j＝1，2，...，J)的定义如下式(16)、(17)：Djf(t)=Σk∈Zdj,kψj,k(t)---(17)]]>径向基函数神经网络建模模块，用于建立软测量模型，采用如下过程：1)选用高斯函数Φ(ν)＝exp(-ν²/α²)作为网络的激活函数，给定形状参数α：2)用最小二乘学习算法确定RBF中心矢量C_i；3)正交优选确定最佳隐含层数目、网络输出权值得到软测量模型，其算式为(18)：f(X)=ω0+Σi=1NωiΦ(||X-Ci||)---(18)]]>其中，X∈Rⁿ是输入向量；Φ(·)为从R⁺→R的一个非线性函数；C_i∈Rⁿ(1≤i≤N)为RBF中心；ω_i(1≤i≤N)为连接权值，ω₀为偏置量；N为隐含层的神经元数；‖·‖是欧氏范数；多分辨率重构模块，用于将各分辨率下的软测量值相加得到总的软测量值；信号采集模块，用于依照设定的每次采样的时间间隔，从数据库中采集数据；软测量模块，用于对待检测数据VX用训练时得到的和δ_x²进行标准化处理，并将标准化处理后的数据依次进过训练得到的偏最小二乘模块和多分辨率分解模块处理后作为径向基函数神经网络建模模块的输入，将输入代入训练得到的径向基函数神经网络模型，再经过多分辨率重构模块得到软测量函数值。