基於工艺机理分析的软测量建模主要是运用化学反应动力

1、基於工藝機理分析的軟測量建模主要是運用化學反應動力學、物料平衡、能量平衡等原理，通過對過程對象的機理分析，找出不可測主導變量與可測輔助變量之間的關係（建立機理模型），從而實現對某一參數的軟測量。對於工藝機理較為清楚的工藝過程，該方法能構造出性能良好的軟儀表。但是對於機理研究不充分、尚不完全清楚的複雜工業過程，難以建立合適的機理模型。經典的回歸分析是一種建模的基本方法，應用範圍相當廣泛。以最小二乘法原理為基礎的回歸技術目前已相當成熟，常用於線性模型的擬合。對於輔助變量較多的情況，通常要借助機理分析，首先獲得模型各變量組合的大致框架，然後再採用逐步回歸方法獲得軟測量模型。為簡化模型，也可採用主元回

2、歸分析法（Principal Component Regression，PCR）和部分最小二乘回歸法（Partial-Least-Squares Regression，PLSR）等方法。基於回歸分析的軟測量建模方法簡單實用，但需要足夠有效的樣本數據，對測量誤差較為敏感。基於人工神經網絡（Artificial Neural Network，ANN）的軟測量建模方法是近年來研究最多、發展很快和應用範圍很廣泛的一種軟測量建模方法。能適用於高度非線性和嚴重不確定性系統，因此它為解決複雜系統過程參數的軟測量問題提供了一條有效途徑。採用人工神經網絡進行軟測量建模有兩種形式：一種是利用人工神經網絡直接建模，

3、用神經網絡來代替常規的數學模型描述輔助變量和主導變量間的關係，完成由可測信息空間到主導變量的映射；另一種是與常規模型相結合，用神經網絡來估計常規模型的模型參數，進而實現軟測量。這種軟測量建模方法是採用模式識別的方法對工業過程的操作數據進行處理，從中提取系統的特徵，構成以模式描述分類為基礎的模式識別模型。基於模式識別方法建立的軟測量模型與傳統的數學模型不同，它是一種以系統的輸入、輸出數據為基礎，通過對系統特徵提取而構成的模式描述模型。該方法的優勢在於它適用於缺乏系統先驗知識的場合，可利用日常操作數據來實現軟測量建模，在實際應用中，這種軟測量建模方法常常和人工神經網絡以及模糊技術等技術結合在一起使

4、用。模糊數學模仿人腦邏輯思維特點，是處理複雜系統的一種有效手段，在過程軟測量建模中也得到了應用。基於模糊數學軟測量模型是一種知識性模型。該法特別適合應用於複雜工業過程中被測對象呈現亦此亦彼的不確定性，難以用常規數學定量描述的場合。實際應用中常將模糊技術和其他人工智能技術相結合，例如模糊數學和人工神經網絡相結合構成模糊神經網絡，將模糊數學和模式識別相結合構成模糊模式識別，這樣可互相取長補短以提高軟儀表的效能。建立在統計學習理論基礎上的支持向量機（SVMs- Support Vector Machines）業已成為當前機器學習領域的一個研究熱點。支持向量機採用結構風險最小化準則，在有限樣本情況下，

5、得到現有信息下的最優解而不僅僅是樣本數趨於無窮大時的最優值，解決了一般學習方法難以解決的問題，如神經網絡結構選擇問題和模型學習問題等，從而提高了模型的泛化能力。另外，支持向量機把機器學習問題歸結為一個二次規劃問題，因而得到的最優解不僅是全局最優解，而且具有唯一性。由於軟測量建模與一般數據回歸問題之間存在著共性，支持向量機方法應用於回歸估計問題取得不錯的效果應用，也促使人們把眼光投向工程應用領域，提出了建立基於支持向量機的軟測量建模方法。基於過程層析成像（Process Tomography，PT）的軟測量建模方法與其他軟測量建模方法不同的是，它是一種以醫學層析成像（Computerized T

6、omography，CT）技術為基礎的在線獲取過程參數二維或三維的實時分布信息的先進檢測技術，即一般軟測量技術所獲取的大多是關於某一變量的宏觀信息，而採用該技術可獲取關於該變量微觀的時空分布信息。由於技術發展水平的製約，該種軟測量建模方法目前離工業實用化還有一定距離，在過程控制中的直接應用還不多。基於相關分析的軟測量建模方法是以隨機過程中的相關分析理論為基礎，利用兩個或多個可測隨機信號間的相關特性來實現某一參數的軟測量方法。該方法採用的具體實現方法大多是互相關分析方法，即利用各輔助變量（隨機信號）間的互相關函數特性來進行軟測量。目前這種方法主要應用於難測流體（即採用常規測量儀表難以進行有效測量的流體）流速或流量的在線測量和故障診斷（例如流體輸送管道泄漏的檢測和定位）等。基於現代非線性信息處理技術的軟測量是利用易測過程信息（輔助變量，它通常是一種隨機信號），採用先進的信息處理技術，通過對所獲信息的分析處理提取信號特徵量，從而實現某一參數的在線檢測或過程的狀態識別，這種軟測量技術的基本思想與基於相關分析的軟測量技術一致，都是通過信號處理來解決軟測量問題，所不同的是具體信息處理方法不同。該軟測量建模方法的信息處理方法大多是各種先進的非線性信息處理技術，例如小波分析、混沌和分形技術等，因此能適用於常規的信號處理手段難以適應的複雜工業系統。相對而言，基於現代