職場范文網>勵志人生>心得體會>報告心得體會

報告心得體會

時間：2024-12-28 18:53:28 心得體會我要投稿

實習報告心得體會推薦度：
藥店實踐報告心得體會推薦度：
實訓報告心得體會推薦度：
考察報告心得體會推薦度：
社會實踐報告心得體會推薦度：
相關推薦

報告心得體會

學校為了讓我們更了解專業知識，給我們上了一節有關于軟測量技術方面的報告，通過這節課，我對軟測量技術及應用有了一個全新的認識和理解。讓我以前對軟測量技術淺薄的認知有了很大的變化，軟測試技術的飛速發展也讓我對之充滿信心。

此次報告的內容是：一、軟測量技術的概述；二、影響軟測量性能的因素；

三、軟數學模型測量的；四、軟測量應用實例；

以前我對軟測量這個詞很陌生，不懂什么意思，通過此次學習對軟測量有了深刻的認識，軟測量就是利用易測過程變量（輔助變量）與難以直接測量的待測過程（主導變量）之間的數學關系（軟測量模型），通過各種數學計算和估計方法，從而實現對待測過程變量的測量。利用數學描述，我知道了軟測量的目的就是利用所有可以獲得的信息求取主導變量的最佳估計值。影響軟測量性能的主要因素有如下幾種：

1、輔助變量的選擇--確定軟測量的輸入信息，直接決定軟測量模型的結構

和輸出。

2、

3、

4、數據的預處理—精確可靠的數據是軟測量成敗的關鍵。軟測量模型的簡歷—軟測量技術的核心任務。模型的在線校正—能進一步提高軟測量的準確程度。

這些都能影響軟測量的性能，然而輔助變量的選擇也是至關重要的，其中包括變量類型的選擇，變量數目的選擇和測點位置的選擇。

變量類型的選擇原則包括以下幾種：

適用性：工程上易于獲得并能達到一定的測量精度；

靈敏性：能對過程輸出和不可測擾動作出快速反應；

特異性：對過程輸出或不可測擾動之外的干擾不敏感；

精確性：構成的軟測量估計器滿足精度要求；

魯棒性：構成的軟測量估計器對模型誤差不敏感。

變量數目的選擇有兩種方法，首先從過程機理入手分析，從影響被估計變量和變量中去挑選主要因素，因為全部引入既不可能也沒有必要。其次如果缺乏機理知識，則可用回歸分析的方法找出影響被估計變量的主要因素，這需要大量的觀測數據。

檢測點位置的選擇也是很重要的，檢測點位置的選擇方案十分靈活，可供選擇的檢測點很多，而且每個檢測點所能發揮的作用各不相同。一般情況下，輔助變量的數目和位置常常是同時確定的，變量數目的選擇準則也往往應用于檢測點位置的選擇。我們在軟測量的時候同時也會存在誤差，測量誤差的處理方法有兩種，一種是隨機誤差的處理，另一種是過失誤差的處理。測量數據變換不僅影響模型的精度和非線性映射能力，而且對數值算法的運行效果也有重要作用。測量數據的變換包括標度、轉換和權函數三個方面。模型的校正分為在線校正和離線校正兩種方法。軟測量的模型表征輔助變量和主導變量之間的數學關系稱為軟測量模型。建立軟測量模型的方法多種多樣，且各種方法互有交叉和融合。各種方法可以分為機理方法和經驗方法兩類。機理模型建模是基于對過程對象的深刻認識，運用對象的平衡方程、動力學方程、物性參數方程和設備特性方程，建立估計主導變量的精確數學模型。由于實際工業過程的復雜性，難以完全通過機理分析得到軟測量模型。因此，基于機理分析的方法建模非常困難，需要與其他方法配合使用。同時經驗方法也分為基于回歸分析方法，基于人工智能方法和基于狀態估計方法三種。

（1）基于回歸分析的軟測量。傳統的回歸方法是辨識建模的基于方法。基于最小二乘原理為基礎的一元和多元線性回歸技術已相當完善，對于輔助變量較少的情況，一般采用多元線性回歸中的逐步回歸技術可獲得較好的軟測量模型。對于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，然后采用逐步回歸方法獲得軟測量模型。也可以采用主元回歸分析等方法，對原問題進行降維處理，然后再進行回歸。

（2）基于狀態估計的軟測量。若已知系統狀態空間模型，而主導變量作為系統的狀態變量對輔助變量是完全可觀的，則構成軟測量模型問題就轉化為典型的狀態觀測和估計問題。Kalman濾波器和Luenberger觀測器是解決上述問題的有效方法。基于狀態估計的軟件表可以反映主導變量和輔助變量之間的動態關系，有利于處理各變量間動態特性的差異和系統滯后等情況。但是對于復雜的工業過程，很難建立系統的狀態空間模型，一定程度上限制了該方法的應用。

（3）基于人工智能方法。人工神經網絡（ANN）———ANN具備有量的信息處理特征：無需具備對象的先驗知識，可以根據對象的輸入輸出數據直接建模；獨特的非傳統的表達方式和固有的學習能力，使之在解決高度非線性方面具有很大的潛力。模糊技術——模糊技術模仿人腦的邏輯思維，用于處理模型未知或不精確的控制問題。通常將模糊邏輯與神經網絡相結合，形成模糊神經網絡，適用于非線性的、復雜的系統。

（4）其他建模方法。針對軟測量的基本建模方法中存在的問題，研究人員或將不同的算法加以結合，或將新的數學方法運用到軟測量中，提出谷種各樣的改進算法，例如：遺傳算法與神經網絡的結合、回歸算法與神經網絡的結合、小波網絡與神經網絡的結合、基于支持向量機算法的建模方法和基于微粒群算法的建模方法。

軟測量同時也存在很多問題，例如如何適應原料性質變化問題、如何適應生產裝置操作范圍大幅度變化問題和動態軟測量問題等問題。

軟測量使用廣泛的是與主導變量動態特性相近，關系密切的可測參數，如精餾塔和反應器過程中的溫度、溫差和雙溫差，生物發酵反應中的尾氣濃度等。但是由于對象的可測變量集往往相當龐大，人們主要根據對象的機理、流程及專家經驗來選擇輔助變量，同時也結合一些智能技術如知識發現，數據融合等技術來選擇輔助合適的變量。軟測量技術也應用于鑄坯質量優化控制技術，鑄坯表面溫度測量控制水冷，凝固，水冷凝固決定鑄坯(鋼材)質量生產效率、生產成本。

通過本節課的學習，我對軟測量技術有了濃厚的興趣，課后我查閱了大量的文獻資料，也翻看了一些相關的論文。看到了很多課本上看不到的知識，拓寬了與軟測量技術相關的知識，增加了對軟測量技術的感性認識，加深了對軟測量在實際用用中的理解。

【報告心得體會】相關文章：