Modeling for soft sensor systems and parameters updating online

تکنولوژی سنسور نرم یک وسیله مهم برای ارزیابی متغیرهای فرایند مهم در زمان واقعی است. مدل سازی سیستم حسگر نرم، هسته این تکنولوژی است. بیشتر روشهای مدل سازی پویا غیرخطی، فرآیندهای ساخت روابط پویا و استاتیک بین متغیرهای ثانویه و اولیه را که دقت تخمین را برای متغیرهای اصلی محدود می کنند، ادغام می کنند. برای جلوگیری از این مشکل، یک مدل حسگر نرم که شامل یک مدل پویا در آبشار با استاتیک است، پیشنهاد شده است. شناسایی مدل و به روز رسانی آنلاین به روش زیر انجام می شود. به منظور بهبود کارایی بروز رسانی مدل، دو الگوریتم بازگشتی گاوس-نیوتون بهبود یافته است که از ماتریس کوواریانس غیرواقعی اجتناب می کنند، برای سیستم های سنسور نرم بدون تغییر زمان و غیرقابل پیش بینی پیشنهاد می شود. همگرایی یکنواخت برای پارامتر مدل پویا و وجود انحرافات تخمین برای پارامترهای مدل ایستا برای سیستم سنسور نرم بدون تغییر زمان ثابت است. پارامتر سنسور سیستم نرمال زمانی به صورت محدود همگرایی خواهد بود. مطالعه موردی تایید می کند که بر اساس الگوریتم پیشنهادی و الگوریتم بازگشتی، ویژگی های پویا و استاتیک سیستم حسگر نرم را می توان به طور موثر توصیف کرد و متغیرهای اولیه به طور دقیق تخمین زده شده اند.