报告心得体会

报告心得体会
报告心得体会

学校为了让我们更了解专业知识，给我们上了一节有关于软测量技术方面的报告，通过这节课，我对软测量技术及应用有了一个全新的认识和理解。让我以前对软测量技术浅薄的认知有了很大的变化，软测试技术的飞速发展也让我对之充满信心。
此次报告的内容是：一、软测量技术的概述； 二、影响软测量性能的因素；
三、软数学模型测量的； 四、软测量应用实例；
以前我对软测量这个词很陌生，不懂什么意思，通过此次学习对软测量有了深刻的认识，软测量就是利用易测过程变量（辅助变量）与难以直接测量的待测过程（主导变量）之间的数学关系（软测量模型），通过各种数学计算和估计方法，从而实现对待测过程变量的测量。利用数学描述，我知道了软测量的目的就是利用所有可以获得的信息求取主导变量的最佳估计值。 影响软测量性能的主要因素有如下几种：
1、 辅助变量的选择--确定软测量的输入信息，直接决定软测量模型的结构
和输出。
2、
3、
4、 数据的预处理—精确可靠的数据是软测量成败的关键。 软测量模型的简历—软测量技术的核心任务。 模型的在线校正—能进一步提高软测量的准确程度。
这些都能影响软测量的性能，然而辅助变量的选择也是至关重要的，其中包括变量类型的选择，变量数目的选择和测点位置的选择。
变量类型的选择原则包括以下几种：
适用性：工程上易于获得并能达到一定的测量精度 ；
灵敏性：能对过程输出和不可测扰动作出快速反应 ；
特异性：对过程输出或不可测扰动之外的干扰不敏感；
精确性：构成的软测量估计器满足精度要求；
鲁棒性：构成的软测量估计器对模型误差不敏感 。
变量数目的选择有两种方法，首先从过程机理入手分析，从影响被估计变量和变量中去挑选主要因素，因为全部引入既不可能也没有必要。其次如果缺乏机理知识，则可用回归分析的方法找出影响被估计变量的.主要因素，这需要大量的观测数据。
检测点位置的选择也是很重要的，检测点位置的选择方案十分灵活，可供选择的检测点很多，而且每个检测点所能发挥的作用各不相同。一般情况下，辅助变量的数目和位置常常是同时确定的，变量数目的选择准则也往往应用于检测点位置的选择。我们在软测量的时候同时也会存在误差，测量误差的处理方法有两种，一种是随机误差的处理，另一种是过失误差的处理。测量数据变换不仅影响模型的精度和非线性映射能力，而且对数值算法的运行效果也有重要作用。测量数据的变换包括标度、转换和权函数三个方面。模型的校正分为在线校正和离线校正两种方法。软测量的模型表征辅助变量和主导变量之间的数学关系称为软测量模型。建立软测量模型的方法多种多样，且各种方法互有交叉和融合。各种方法可以分为机理方法和经验方法两类。机理模型建模是基于对过程对象的深刻认识，运用对象的平衡方程、动力学方程、物性参数方程和设备特性方程，建立估计主导变量的精确数学模型。 由于实际工业过程的复杂性，难以完全通过机理分析得到软测量模型。因此，基于机理分析的方法建模非常困难，需要与其他方法配合使用。同时经验方法也分为基于回归分析方法，基于人工智能方法 和基于状态估计方法三种。
（1）基于回归分析的软测量。传统的回归方法是辨识建模的基于方法。基于最小二乘原理为基础的一元和多元线性回归技术已相当完善，对于辅助变量较少的情况，一般采用多元线性回归中的逐步回归技术可获得较好的软测量模型。对于辅助变量较多的情况，通常要借助机理分析，首先获得模型各变量组合的大致框架，然后采用逐步回归方法获得软测量模型。也可以采用主元回归分析等方法，对原问题进行降维处理，然后再进行回归。
（2）基于状态估计的软测量。若已知系统状态空间模型，而主导变量作为系统的状态变量对辅助变量是完全可观的，则构成软测量模型问题就转化为典型的状态观测和估计问题。Kalman滤波器和Luenberger观测器是解决上述问题的有效方法。基于状态估计的软件表可以反映主导变量和辅助变量之间的动态关系，有利于处理各变量间动态特性的差异和系统滞后等情况。但是对于复杂的工业过程，很难建立系统的状态空间模型，一定程度上限制了该方法的应用。
（3）基于人工智能方法。人工神经网络（ANN）———ANN具备有量的信息处理特征：无需具备对象的先验知识，可以根据对象的输入输出数据直接建模；独特的非传统的表达方式和固有的学习能力，使之在解决高度非线性方面具有很大的潜力。模糊技术——模糊技术模仿人脑的逻辑思维，用于处理模型未知或不精确的控制问题。通常将模糊逻辑与神经网络相结合，形成模糊神经网络，适用于非线性的、复杂的系统。
（4）其他建模方法。针对软测量的基本建模方法中存在的问题，研究人员或将不同的算法加以结合，或将新的数学方法运用到软测量中，提出谷种各样的改进算法，例如： 遗传算法与神经网络的结合、回归算法与神经网络的结合、小波网络与神经网络的结合、基于支持向量机算法的建模方法和基于微粒群算法的建模方法。
软测量同时也存在很多问题，例如如何适应原料性质变化问题、如何适应生产装置操作范围大幅度变化问题和动态软测量问题等问题。
软测量使用广泛的是与主导变量动态特性相近，关系密切的可测参数，如精馏塔和反应器过程中的温度、温差和双温差，生物发酵反应中的尾气浓度等。但是由于对象的可测变量集往往相当庞大，人们主要根据对象的机理、流程及专家经验来选择辅助变量，同时也结合一些智能技术如知识发现，数据融合等技术来选择辅助合适的变量。软测量技术也应用于铸坯质量优化控制技术，铸坯表面温度测量控制水冷，凝固，水冷凝固决定铸坯(钢材)质量生产效率、生产成本。
通过本节课的学习，我对软测量技术有了浓厚的兴趣，课后我查阅了大量的文献资料，也翻看了一些相关的论文。看到了很多课本上看不到的知识，拓宽了与软测量技术相关的知识，增加了对软测量技术的感性认识，加深了对软测量在实际用用中的理解。
【报告心得体会】相关文章：
1.报告 心得体会
2.治庸问责心得体会，心得体会报告
3.师德报告会心得体会
4.英语实践报告心得体会
5.暑期实践报告心得体会
6.假期实践报告心得体会
7.假期实践报告的心得体会
8.心得体会 农村工作心得体会,报告汇报