[发明专利]基于半闭环的软测量仪表及其软测量方法

权利要求书

1.一种基于半闭环的软测量仪表，包括用于测量辅助变量的智能仪表、存放数据的DCS数据库、用于显示主导变量输出值的软测量显示仪和上位机，所述的智能仪表与工业生产过程连接，所述的上位机分别与DCS数据库及软测量显示仪连接，其特征在于，所述的上位机为软测量智能处理器，该软测量智能处理器包括：

数据处理模块，用于对辅助变量进行归一化处理和对主导变量进行反归一化处理；

测量模块，用于产生主导变量的初始测量值；

预估模块，用于预测下一时刻的辅助变量；

补偿模块，利用预估模块输出的预测值和测量模块的实际辅助变量测量值的差对主导变量的初始测量值进行补偿；和

存储模块，用于存储辅助变量的预测值。

2.根据权利要求1所述的基于半闭环的软测量仪表，其特征在于，所述的数据处理模块的归一化处理具体是：从DCS历史数据库以及离线化验数据库中分析搜索相关的易测辅助变量与难测主导变量y(k)构成若干组数据样本用于半闭环软测量技术的训练，对最新在线实测数据x(k)进行归一化处理后，按采样时间递增的顺序形成下述相应的时间序列：

k=1,2…M   j=1,2…N。

3.根据权利要求1所述的基于半闭环的软测量仪表，其特征在于，所述的测量模块的建立具体是：选取若干组样本，采用映射技术并利用BP算法或者遗传算法GA训练得到映射 组成测量模型并储存于测量模块。

4.根据权利要求1所述的基于半闭环的软测量仪表，其特征在于，所述的预估模块的建立具体是：选取若干组样本，采用映射技术并利用BP算法或者遗传算法GA训练得到映射 组成预估模型，并储存于预估模 块中。

5.根据权利要求1所述的基于半闭环的软测量仪表，其特征在于，所述的补偿模块的建立具体是：选取若干组样本，采用映射技术并利用BP算法或者遗传算法GA训练得到映射 组成补偿模型，并储存于补偿模块中。

6.一种利用权利要求1-5任一项所述的基于半闭环的软测量仪表的软测量方法，其特征在于，该软测量方法包括如下步骤：

步骤(1)设置测量辅助变量的智能仪表，将智能仪表测量到的数据传送到DCS实时数据库；

步骤(2)初始化k＝1，在当前时刻k从DCS实时数据库中得到最新的变量数据x(1)作为辅助变量并送入上位机的数据处理模块，数据处理模块对辅助变量x(1)进行归一化处理，公式如下：

x^*(k)=β+(x(k)-a)/(b-a)×(α-β)            (1)

其中，x(k)表示辅助变量的实际值，x^*(k)表示辅助变量归一化后的实际值，[a b]表示辅助变量的变化范围，[αβ]表示归一化范围，将归一化后的辅助变量x^*(1)送入测量模块，得到主导变量的预测值y^*＇(1)，同时当前时刻主导变量的软测量

y^*(1)=y^*＇(1)；

步骤(3)将当前时刻主导变量的软测量y^*(1)送入数据处理模块，经过公式(2)反归一化后，得到主导变量的实际输出值y(1)，

y(k)=(y^*(k)-β)/(α-β)×(b-a)+a    (2)

其中，y(k)表示主导变量的实际值，y^*(k)表示主导变量的软测量值；

步骤(4)将归一化后的辅助变量x^*(1)和主导变量的软测量值y^*(1)送入预估模块得到下一时刻(k＝2)辅助变量的预测值x^*＇(2)并在存储模块中保存，并置k=k+1； 

步骤(5)在当前时刻k，从DCS实时数据库中得到最新的变量数据x(k)的在线实测数据送入上位机的数据处理模块，对其按(1)式进行归一化处理，将处理后的辅助变量x^*(k)送入测量模块，得到主导变量的预测值y^*＇(k)；

步骤(6)调用存储模块中辅助变量的预测值x^*＇(k)，预测值x^*＇(k)与辅助变量归一化后的实际值x^*(k)之间形成差值Δx^*(k)=x^*(k)-x^*'(k)，将Δx^*(k)送入补偿模块；步骤(7)通过补偿模块得到k时刻主导变量的补偿值Δy^*(k)，用k时刻主导变量的补偿值Δy^*(k)补偿主导变量的预测值y^*＇(k)得到主导变量的软测量值y^*(k)=y^*′(k)+Δy^*(k)，

步骤(8)将主导变量的软测量值y^*(k)送入数据处理模块，经过公式(2)反归一化后得到主导变量的实际输出值y(k)；

步骤(9)将主导变量的实际输出值传给软测量显示仪进行显示；

步骤(10)将当前时刻k归一化后的辅助变量x^*(k)和主导变量的软测量值y^*(k)分别送入预估模块预测下一时刻(k+1时刻)的辅助变量的预测值x^*＇(k+1)并在存储模块中保存同时覆盖上一时刻辅助变量的预测值，此时置k＝k+1，返回步骤(5)继续进行后续的软测量。