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： ……此处隐藏854个字……

（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。