專利名稱：軟傳感器裝置和用于評估該裝置的裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于實例推理的應(yīng)用，其引入了拓撲的概念，本發(fā)明尤其涉及一種軟傳感器，其通過使用基于實例的推理對實際上從識別對象檢測到的輸出數(shù)據(jù)進行估算，以及一種用于評估所述軟傳感器的裝置。
背景技術(shù)：
通常，通過使用推理引擎對實際上從識別對象檢測到的輸出數(shù)據(jù)進行估算的推理系統(tǒng)被稱作軟傳感器，因為其通過運算處理對物理量進行估算，而不是像硬傳感器那樣實際檢測物理量。
作為這種軟傳感器的一種應(yīng)用，例如，使用神經(jīng)網(wǎng)絡(luò)對燃燒裝置的廢氣中含有的氧化氮和氧化硫等排放物的量進行監(jiān)測的系統(tǒng)已經(jīng)被披露(例如請參看JP9-504346)。這種系統(tǒng)通過使用神經(jīng)網(wǎng)絡(luò)對從燃燒裝置排出的NOx和NOx等排放物的量進行估算，所述神經(jīng)網(wǎng)絡(luò)使用由硬傳感器檢測出的各種物理量作為輸入變量，從而監(jiān)測廢氣中含有的排放物的量，其不使用硬傳感器直接地和從物理上檢測這些排放物或者調(diào)節(jié)這些傳感器。
但是，在這種傳統(tǒng)的軟傳感器中，由于對象是通過使用神經(jīng)網(wǎng)絡(luò)進行識別的，因此當實際使用軟傳感器時會產(chǎn)生下述問題。首先，神經(jīng)網(wǎng)絡(luò)由于其模型結(jié)構(gòu)的緣故而具有模型重構(gòu)問題，因此需要相對較長的時間來學習。這樣就不可能實時地跟蹤對象中的變化。因此用軟傳感器代替硬傳感器來檢測表現(xiàn)出很大變化的對象(例如NOx)的愿望很難滿足。
另外，在使用神經(jīng)網(wǎng)絡(luò)的情況下，雖然可以為估算輸出數(shù)據(jù)給出統(tǒng)計計算值(平均誤差)，但當實際上使用軟傳感器時，因為對新輸入數(shù)據(jù)的處理，不能為估算輸出數(shù)據(jù)給出合適的計算誤差值。另外，當軟傳感器投入使用時，不能實時地對估算輸出數(shù)據(jù)中的誤差進行評估，因此不能評估軟傳感器運行是否正常。
當創(chuàng)建出對象模型時會產(chǎn)生下列問題。首先，在使用神經(jīng)網(wǎng)絡(luò)的情況下，在線性或非線性回歸模型中，必須根據(jù)預(yù)定算法從歷史數(shù)據(jù)在全部輸入和輸出空間上建立輸入/輸出關(guān)系。但是，大多數(shù)通過實際測量獲得的歷史數(shù)據(jù)都是識別對象特定狀態(tài)的記錄。因此，在許多情況下，全部輸入和輸出空間中的函數(shù)形狀是未知的，因此無法評估在對象與從處理過的歷史數(shù)據(jù)創(chuàng)建的模型之間的一致性。而且，當估算失敗時，就不能確定失敗的原因是在于缺乏用于創(chuàng)建模型的歷史數(shù)據(jù)，還是在于諸如輸入變量和層次結(jié)構(gòu)的選擇之類的模型設(shè)計中存在的缺陷。

發(fā)明內(nèi)容
為了解決上述問題，根據(jù)本發(fā)明，提供了一種軟傳感器，其使用預(yù)定推理模型對為代表對象行為的多個輸入變量獲得的一組輸入數(shù)據(jù)進行運算處理，以根據(jù)所述一組輸入數(shù)據(jù)對從所述對象實際檢測到的輸出數(shù)據(jù)進行估算，并將所述數(shù)據(jù)作為估算輸出數(shù)據(jù)進行輸出，所述軟傳感器包括通過接收多個歷史數(shù)據(jù)產(chǎn)生的實例庫，每個所述歷史數(shù)據(jù)由從需要估算的多個輸入變量獲得的一組輸入數(shù)據(jù)和通過使用所述輸入數(shù)據(jù)作為輸入條件從所述對象獲得的實際輸出數(shù)據(jù)組成，通過根據(jù)要求的輸出容許誤差將所述實例庫的輸入空間進行量化而形成多個單位輸入空間，將各個歷史數(shù)據(jù)設(shè)置在相應(yīng)的單位輸入空間中，并對于具有至少一個歷史數(shù)據(jù)的每個單位輸入空間產(chǎn)生代表所述單位輸入空間中的歷史數(shù)據(jù)的實例；實例檢索部分，其通過檢索所述實例庫從至少一個單位輸入空間中的每一個獲取實例，所述單位輸入空間具有實例并且其位置距離與新的一組輸入數(shù)據(jù)相對應(yīng)的單位輸入空間最小拓撲距離；和輸出估算部分，其估算與所述新的一組輸入數(shù)據(jù)相對應(yīng)的輸出數(shù)據(jù)。所述輸出估算部分根據(jù)所述實例檢索部分檢索出的所述實例的輸出數(shù)據(jù)來計算與所述新的一組輸入數(shù)據(jù)相對應(yīng)的輸出數(shù)據(jù)，并且將所述輸出數(shù)據(jù)作為估算輸出數(shù)據(jù)輸出。所述軟傳感器還包括輸出評估部分，其用于計算估算輸出數(shù)據(jù)中含有的誤差。所述輸出評估部分以輸出容許誤差和與所述新的一組輸入數(shù)據(jù)相對應(yīng)的單位輸入空間與由所述實例檢索部分檢索出的實例的單位輸入空間之間的拓撲距離為基礎(chǔ)，計算所述輸出估算部分輸出的所述估算輸出數(shù)據(jù)中包含的誤差，并將所述誤差作為與所述估算輸出數(shù)據(jù)相對應(yīng)的估算誤差輸出。所述軟傳感器還包括功能評估部分，其通過使用來自所述輸出評估部分的估算誤差、來自所述輸出估算部分的評估的估算輸出數(shù)據(jù)和從所述對象獲得的真值的輸出數(shù)據(jù)，評估所述軟傳感器運行是否正常。
根據(jù)本發(fā)明，所述實例檢索部分從一個或多個單位輸入空間中的每一個獲取實例，所述單位輸入空間的位置距離與新的一組輸入數(shù)據(jù)相對應(yīng)的單位輸入空間最小拓撲距離，并且具有實例，所述輸出估算部分根據(jù)所述實例檢索部分檢索出的所述實例的輸出數(shù)據(jù)來計算與所述新的一組輸入數(shù)據(jù)相對應(yīng)的輸出數(shù)據(jù)，并且將所述輸出數(shù)據(jù)作為估算輸出數(shù)據(jù)輸出。另外，所述輸出評估部分計算估算誤差并為每個估算輸出數(shù)據(jù)輸出所述估算誤差。所述功能評估部分評估所述軟傳感器運行是否正常。
另外，根據(jù)本發(fā)明，提供了一種用于評估軟傳感器的軟傳感器評估裝置，所述軟傳感器使用預(yù)定推理模型對為代表對象行為的多個輸入變量獲得的一組輸入數(shù)據(jù)通過進行運算處理，以根據(jù)所述一組輸入數(shù)據(jù)對從所述對象實際檢測到的輸出數(shù)據(jù)進行估算，并將所述數(shù)據(jù)作為估算輸出數(shù)據(jù)進行輸出，所述軟傳感器評估裝置包括評估實例庫，當要為所述軟傳感器產(chǎn)生推理模型時使用所述的評估實例庫，其通過接收多個歷史數(shù)據(jù)而產(chǎn)生，每個所述歷史數(shù)據(jù)由從需要估算的多個輸入變量獲得的一組輸入數(shù)據(jù)和通過使用所述輸入數(shù)據(jù)作為輸入條件從所述對象獲得的實際輸出數(shù)據(jù)組成，通過根據(jù)要求的輸出容許誤差將所述實例庫的輸入空間進行量化而形成多個單位輸入空間，將各個歷史數(shù)據(jù)設(shè)置在相應(yīng)的單位輸入空間中，并對于具有至少一個歷史數(shù)據(jù)的每個單位輸入空間產(chǎn)生代表所述單位輸入空間中的歷史數(shù)據(jù)的實例；實例檢索部分，其通過檢索所述評估實例庫從至少一個單位輸入空間中的每一個獲取實例，所述單位輸入空間具有實例，并且其位置距離與輸入所述軟傳感器的新的一組輸入數(shù)據(jù)相對應(yīng)的單位輸入空間最小拓撲距離；輸出估算部分，其根據(jù)所述實例檢索部分檢索出的所述實例的輸出數(shù)據(jù)來計算與所述新的一組輸入數(shù)據(jù)相對應(yīng)的輸出數(shù)據(jù)，并且將所述輸出數(shù)據(jù)作為評估的估算輸出數(shù)據(jù)輸出；輸出評估部分，其以輸出容許誤差和與所述新的一組輸入數(shù)據(jù)相對應(yīng)的單位輸入空間與由所述實例檢索部分檢索出的實例的單位輸入空間之間的拓撲距離為基礎(chǔ)，計算由所述輸出估算部分輸出的所述估算輸出數(shù)據(jù)中包含的誤差，并將所述誤差作為與所述估算輸出數(shù)據(jù)相對應(yīng)的評估估算誤差同時輸出；和用于對所述軟傳感器進行評估的功能評估部分。所述功能評估部分通過使用來自所述輸出評估部分的評估估算誤差、來自所述輸出估算部分的評估的估算輸出數(shù)據(jù)和從所述對象獲得的真值的輸出數(shù)據(jù)，評估所述軟傳感器運行是否正常。另外，所述軟傳感器評估裝置包括功能評估部分，其將由與所述新的一組輸入數(shù)據(jù)一致的所述輸出估算部分獲得的所述評估的估算輸出數(shù)據(jù)與從所述對象獲得的真值的輸出數(shù)據(jù)之間的差異，與對應(yīng)于所述評估的估算輸出數(shù)據(jù)的評估估算誤差進行比較，從而評估所述軟傳感器運行是否正常。
根據(jù)本發(fā)明，所述實例檢索部分從一個或多個單位輸入空間中的每一個獲取實例，所述單位輸入空間的位置距離與新的一組輸入數(shù)據(jù)相對應(yīng)的單位輸入空間最小拓撲距離并且具有實例，所述輸出估算部分根據(jù)所述實例檢索部分檢索出的所述實例的輸出數(shù)據(jù)來計算與所述新的一組輸入數(shù)據(jù)相對應(yīng)的輸出數(shù)據(jù)，并且將所述輸出數(shù)據(jù)作為估算輸出數(shù)據(jù)輸出。所述輸出評估部分然后計算估算誤差并為每個估算輸出數(shù)據(jù)同時輸出所述估算誤差。所述功能評估部分間接地評估所述軟傳感器運行是否正常。
根據(jù)本發(fā)明，提供了一種用于評估軟傳感器的另一種軟傳感器評估裝置，所述軟傳感器使用預(yù)定推理模型對為代表對象行為的多個輸入變量獲得的一組輸入數(shù)據(jù)進行運算處理，以根據(jù)所述一組輸入數(shù)據(jù)對從所述對象實際檢測到的輸出數(shù)據(jù)進行估算，并將所述數(shù)據(jù)作為估算輸出數(shù)據(jù)進行輸出，所述軟傳感器評估裝置包括輸入量化部分，其接收多個歷史數(shù)據(jù)，并且通過根據(jù)要求輸出容許誤差將所述實例庫的輸入空間進行量化而形成多個單位輸入空間，每個所述歷史數(shù)據(jù)由為用于估算的多個輸入變量獲得的一組輸入數(shù)據(jù)和通過使用所述輸入數(shù)據(jù)作為輸入條件從所述對象獲得的實際輸出數(shù)據(jù)組成，所述實際輸出數(shù)據(jù)在所述推理模型產(chǎn)生時使用，其中所述輸入量化部分包括輸出分配條件確定裝置，其用于確定每一個形成的單位輸入空間是否滿足條件，即輸出數(shù)據(jù)與在所述單位輸入空間中設(shè)置的歷史數(shù)據(jù)之間的變化是否位于要求輸出容許誤差之內(nèi)，并計算和輸出滿足條件的單位輸入空間充足率，作為輸出分配條件充足率；和連續(xù)性條件確定裝置，其用于確定每一個形成的單位輸入空間是否滿足條件，即代表設(shè)置在所述單位輸入空間中歷史數(shù)據(jù)的典型歷史數(shù)據(jù)與至少一個單位輸入空間的典型歷史數(shù)據(jù)的輸出數(shù)據(jù)平均值之間的差異是否位于與所述拓撲距離相對應(yīng)的輸出容許誤差之內(nèi)，所述至少一個單位輸入空間位于距離所述單位輸入空間的最小拓撲距離并且其中設(shè)置了歷史數(shù)據(jù)，并計算和輸出滿足條件的單位輸入空間充足率，作為連續(xù)條件充足率。所述輸入量化部分以所述輸出分配條件充足率和連續(xù)條件充足率為基礎(chǔ)通過使用歷史數(shù)據(jù)產(chǎn)生推理模型，通過所述推理模型評估對象的模型可行性。
根據(jù)本發(fā)明，所述輸入量化部分接收歷史數(shù)據(jù)，并且通過根據(jù)要求的輸出容許誤差將所述實例庫的輸入空間進行量化而形成多個單位輸入空間，所述輸出分配條件確定裝置和連續(xù)性條件確定裝置分別計算和輸出分配條件充足率和連續(xù)條件充足率，作為評估指數(shù)。所述輸入量化部分隨后以這些評估指數(shù)為基礎(chǔ)對使用所述歷史數(shù)據(jù)產(chǎn)生的推理模型進行評估。


圖1是說明了根據(jù)本發(fā)明第一至第三實施方案的軟傳感器的功能框圖；圖2是說明了實例庫產(chǎn)生器的功能框圖；圖3說明了在根據(jù)本發(fā)明的基于實例的推理模型中使用的拓撲的原理；圖4說明了用于輸入空間的量化過程；圖5是說明了實例庫產(chǎn)生過程的流程圖；圖6是說明了輸入量化等級確定過程的流程圖；圖7說明了輸出分配條件；圖8說明了連續(xù)性條件；
圖9說明了評估指數(shù)中的變化；圖10說明了用于建模評估的評估標準；圖11說明了實例產(chǎn)生過程；圖12是說明了實例產(chǎn)生過程的流程圖；圖13說明了相似性的定義；圖14是說明了相似實例檢索過程的流程圖；圖15說明了輸出估算過程(存在相似實例)；圖16說明了輸出估算過程(不存在相似實例)；圖17說明了自適應(yīng)學習過程(存在對應(yīng)實例)；圖18說明了自適應(yīng)學習過程(不存在對應(yīng)實例)；圖19說明了對軟傳感器進行評估所用的條件；圖20說明了每個條件與評估結(jié)果之間的關(guān)系；圖21是說明了根據(jù)本發(fā)明第四實施方案的軟傳感器評估裝置的功能框圖。
實際實施方式下面將結(jié)合附圖對本發(fā)明的優(yōu)選實施方案進行詳細說明。
第一實施方案圖1是說明了根據(jù)本發(fā)明第一實施方案的軟傳感器的功能框圖。軟傳感器1包括實例庫11、實例檢索部分12、輸出估算部分13、輸出評估部分14、自適應(yīng)學習部分15和功能評估部分16。實例庫產(chǎn)生器2(后面將說明)根據(jù)實際從對象行為獲得的歷史數(shù)據(jù)產(chǎn)生實例庫11，所述對象的輸出數(shù)據(jù)由軟傳感器1估算。實例庫11是通過引入拓撲的原理而產(chǎn)生的實例庫，其中輸入空間依照要求的輸出容許誤差(要求的精度)進行量化，并且為每個單位輸入空間(下面稱為網(wǎng)格)定義了輸入/輸出關(guān)系。
實例檢索部分12通過查詢實例庫11選擇與新輸入數(shù)據(jù)A(31)相對應(yīng)的網(wǎng)格，并檢索出代表選擇的網(wǎng)格或其周圍網(wǎng)格中每個網(wǎng)格的實例。輸入數(shù)據(jù)A由與用于實例庫11產(chǎn)生的歷史數(shù)據(jù)的輸入數(shù)據(jù)X相似的n個輸入變量x1至xn的值x01至x0n構(gòu)成。輸出估算部分13根據(jù)實例檢索部分12檢索的至少一個實例的輸出數(shù)據(jù)來計算和輸出與新輸入數(shù)據(jù)A相對應(yīng)的估算輸出數(shù)據(jù)Y(32)。自適應(yīng)學習部分15以實際從所述對象的行為獲得的新歷史數(shù)據(jù)34為基礎(chǔ)自適應(yīng)地學習實例庫11。新歷史數(shù)據(jù)34具有與用于實例庫11產(chǎn)生的歷史數(shù)據(jù)相同的結(jié)構(gòu)，但是由不用作歷史數(shù)據(jù)的數(shù)據(jù)構(gòu)成。例如，使用在軟傳感器1開始使用之后通過實際測量從所述對象獲得的數(shù)據(jù)。在這種情況下，作為新歷史數(shù)據(jù)P’，k(k為正整數(shù))準備了新歷史數(shù)據(jù)P’1至P’k。
輸出評估部分14以相似性和給定的要求輸出容許誤差(要求精度)為基礎(chǔ)為每個估算輸出數(shù)據(jù)Y評估和輸出估算輸出數(shù)據(jù)Y中含有的估算誤差d(33)，所述相似性表示由實例檢索部分12檢索的至少一個實例是與對應(yīng)于輸入數(shù)據(jù)A的網(wǎng)格分開特定距離的網(wǎng)格的實例，所述要求輸出容許誤差是用于所述實例庫產(chǎn)生的建模條件之一。功能評估部分16通過使用估算誤差d、估算輸出數(shù)據(jù)Y和通過實際測量從所述對象獲得的真值的輸出數(shù)據(jù)YOUT(35)對軟傳感器運行是否正常進行評估，并輸出估算結(jié)果36。
實例庫的產(chǎn)生實例庫產(chǎn)生器和實例庫下面將參照圖2說明實例庫產(chǎn)生器。圖2是說明了實例庫產(chǎn)生器的功能框圖。軟傳感器1中使用的實例庫11是預(yù)先由使用歷史數(shù)據(jù)37的實例庫產(chǎn)生器2產(chǎn)生的。實例庫產(chǎn)生器2包括輸入量化部分21和實例庫產(chǎn)生部分22。歷史數(shù)據(jù)37是通過用于估算的多個輸入數(shù)據(jù)X和當輸入數(shù)據(jù)X輸入至所述對象時實際測量的輸出數(shù)據(jù)Y的組合構(gòu)成的。在這種情況下，作為輸入數(shù)據(jù)X，n(n為等于或大于2的整數(shù))選擇了輸入變量x1至xn。作為歷史數(shù)據(jù)37，j(j為等于或大于2的整數(shù))準備了歷史數(shù)據(jù)P1至Pj。
輸入量化部分21通過以歷史數(shù)據(jù)37和要求建模條件38為基礎(chǔ)量化實例庫的輸入空間而定義網(wǎng)格。輸入量化部分21包括輸出分配條件確定裝置21A和連續(xù)性條件確定裝置21B。以由這些確定裝置21A和21B獲得的確定結(jié)果為基礎(chǔ)選擇輸入空間的量化水平。實例庫產(chǎn)生部分22將歷史數(shù)據(jù)37分配給各個網(wǎng)格，并計算代表每個網(wǎng)格的實例，從而產(chǎn)生實例庫39。實例庫39例如可以用作軟傳感器1的實例庫11和評估裝置5(將在下面說明)的評估實例庫51(請參看圖21)。尤其是當要產(chǎn)生評估實例庫51時，由于評估實例庫51是以用來為所述軟傳感器產(chǎn)生推理模型的歷史數(shù)據(jù)63為基礎(chǔ)產(chǎn)生的，實例庫2也作為一種裝置，用來確定所述對象是否能使用所述實例數(shù)據(jù)以要求精度進行建模，即用來評估所述軟傳感器的裝置(將在下面說明)。
下面將說明本發(fā)明中使用的實例庫和實例庫產(chǎn)生器的運行。圖3說明了在根據(jù)本發(fā)明的基于實例的推理模型中使用的拓撲的原理。圖4說明了用于輸入空間的量化過程。圖5是說明了實例庫產(chǎn)生過程的流程圖。
(基于實例的推理模型)根據(jù)本發(fā)明中使用的基于實例的推理模型，輸入空間以數(shù)學拓撲中的連續(xù)映射為基礎(chǔ)被量化為拓撲空間，從而一般地定義了與容許寬度ε(輸出容許誤差)相對應(yīng)的實例庫，容許寬度ε為要求精度和相似性。
根據(jù)拓撲學中的連續(xù)映射原理，使映射fXY在空間X和Y中連續(xù)的充要條件是Y中的開集(輸出鄰點)O逆映射f-1(O)與X中的開集(輸入鄰點)相等。假定從輸入空間至輸出空間的映射f根據(jù)連續(xù)映射的概念是連續(xù)的，如圖3所示，通過使用輸出空間中的輸出誤差的容許寬度進行確定輸出鄰點。這樣就能夠?qū)⑤敵鲟忺c與滿足輸出誤差的容許寬度的輸入鄰點結(jié)合起來。通過該操作，所述輸入空間能夠被量化并被理解為拓撲空間。
(輸入空間的量化)在本發(fā)明中，所述輸入空間量化過程按照如圖4所示的方式進行。通過將輸入數(shù)據(jù)和過去獲得的輸出數(shù)據(jù)的組合構(gòu)成歷史數(shù)據(jù)。在這種情況下，歷史數(shù)據(jù)由輸入x1和x2以及輸出y構(gòu)成。這些歷史數(shù)據(jù)被分配在如圖4右上部分所示的輸入空間x1-x2中。當所述數(shù)據(jù)將使用具有預(yù)定寬度的網(wǎng)格在x1和x2方向上分別進行量化，并以相等間隔設(shè)置時，如圖4右下部分所示，網(wǎng)格的尺寸(即輸入量化等級)是考慮到輸出誤差的容許寬度ε確定的，如圖4左下部分所示。輸出誤差的容許寬度ε是一個值，其表示通過推理獲得的輸出與新輸入數(shù)據(jù)對應(yīng)的未知真值之間的誤差所允許的程度，并且預(yù)先設(shè)定為建模條件。通過使用容許寬度ε確定網(wǎng)格尺寸，因此可以定義與輸出鄰點尺寸相對應(yīng)的輸入鄰點，即實例，并且從屬于所述實例的所有輸入數(shù)據(jù)推斷的輸出數(shù)據(jù)的誤差滿足輸出誤差的容許寬度ε。
實例庫產(chǎn)生器2通過在這種輸入空間中進行量化處理產(chǎn)生實例庫39。請參看圖5，歷史數(shù)據(jù)37被載入(步驟100)，并且設(shè)定了諸如輸出誤差的容許寬度ε等建模條件(步驟101)。以所述容許寬度ε為基礎(chǔ)計算每個類型的評估指數(shù)，并以所述評估指數(shù)為基礎(chǔ)為每個輸入變量選擇輸入量化等級(步驟102)。隨后從分配至各個網(wǎng)格的歷史數(shù)據(jù)37中產(chǎn)生構(gòu)成實例庫39的每個實例(步驟103)。
(輸入量化等級的確定)下面將參照圖6至圖9說明使用評估指數(shù)進行輸入量化等級確定過程。圖6是說明了輸入量化等級確定過程的流程圖。圖7說明了是評估指數(shù)之一的輸出分配條件。圖8說明了是評估指數(shù)之一的連續(xù)性條件。圖9說明了每個評估指數(shù)充足率和相應(yīng)的輸入量化等級之間的關(guān)系。
輸出分配條件是這樣一種條件，即，相對于通過以選擇的輸入量化等級對輸入空間進行量化而獲得的任意網(wǎng)格，屬于所述網(wǎng)格的歷史數(shù)據(jù)的輸出y的輸出分配寬度小于輸出誤差的容許寬度ε，如圖7所示。使用這個條件可以校驗一個網(wǎng)格(即輸入鄰點)是否滿足在相應(yīng)的輸出鄰點確定的條件，即輸出誤差的容許寬度ε。連續(xù)性條件是這樣一種條件，即，相對于通過以選擇的輸入量化等級對輸入空間進行量化獲得的任意網(wǎng)格，由所述網(wǎng)格產(chǎn)生的輸出值y與環(huán)繞存在于所述實例周圍的實例的平均輸出值y’之間的差異和相似性r小于輸出誤差的容許寬度ε，如圖8所不。
使用這個條件可以校驗輸出值中各個實例之間的差異(即輸入鄰點)是否滿足相應(yīng)的輸出鄰點之間確定的條件，即輸出誤差的容許寬度ε。當連續(xù)性條件得到滿足時，可以確定各個實例覆蓋輸入空間，從而能夠連續(xù)性地滿足要求精度。在校驗連續(xù)性條件中，需要考慮校驗對象網(wǎng)格的實例與周圍實例的距離，即相似性r(將在下面說明)。需要這種考慮來在操作中適當?shù)胤从惩負渲械倪B續(xù)映射的概念。在這種情況下，由于網(wǎng)格中的輸出誤差容許寬度處于ε內(nèi)，如果兩個實例之間的相似性是r，所述輸出誤差容許寬度處于ε(r+1)內(nèi)。因此上述連續(xù)性條件是，在任意網(wǎng)格中產(chǎn)生的實例的輸出值與相對所述實例相似性為r的周圍實例的平均輸出值y’之間的差異小于輸出誤差容許寬度ε(r+1)。
在輸入量化等級確定過程中，首先設(shè)定評估標準(閾值)作為評估指數(shù)有效性判斷的標準(步驟110)，如圖6所示。為每個輸入量化等級計算評估指數(shù)(步驟111)。獲得的評估指數(shù)與評估標準進行比較，以選擇一個輸入量化等級，其評估指數(shù)能夠滿足所述評估標準(步驟112)。作為評估標準，優(yōu)選的選擇輸入量化等級，其90％或更多的實例滿足所述輸出分配條件和連續(xù)性條件。在這種系統(tǒng)中，90％或95％的區(qū)分數(shù)量得到顯示。這些90％和95％的值在統(tǒng)計上被認為是特征值。
隨后為各個輸入變量確定輸入量化等級。例如，如果輸入變量是x1，x2，…，xn，隨后從x1至xn確定輸入量化等級。在這種情況下，當要計算評估指數(shù)時，必須為所有輸入變量分配輸入量化等級。因此在獲取與x1相關(guān)的評估指數(shù)中，此時已經(jīng)確定的輸入量化等級用于x1至xi-1，并且對于xi之后的xi+1，…，xn，使用與x1的輸入量化等級相同的輸入量化等級。
對于上述條件中的每一個輸出分配條件和連續(xù)性條件，能夠滿足條件的實例與所有實例的比率，即評估指數(shù)充足率，被用作評估指數(shù)。例如，與xi關(guān)的輸入量化等級m使用估指數(shù)值是由通過將x1，x2，…，xn的輸入范圍寬度相對各個輸入量化等級進行量化而產(chǎn)生的滿足所述評估指數(shù)條件的實例與全部實例的比率(即輸出分配條件充足率和連續(xù)性條件充足率)獲得的。對于輸入變量xi，輸入量化等級之一被選擇并確定為用于輸入變量xi的輸入量化等級，所述輸入量化等級之一能夠被全部評估指數(shù)值用來清除所述評估標準。
此時，用于輸出分配條件充足率SD和連續(xù)性條件充足率SC的評估指數(shù)并不隨著輸入量化等級m的增加而單調(diào)增加，而是以某個垂直寬度拋物線地增加，如圖9所示。因此，存在一種情況，其中這些評估指數(shù)相對指定的輸入量化等級m缺少評估指數(shù)，并因而滿足如m2所示的評估標準。在這種情況下，通過選擇預(yù)置校驗輸入量化等級的最小量化等級m1直至最大值mmax，可以獨立于最大值mmax選擇出最優(yōu)輸入量化等級，使用它，分配條件充足率SD和連續(xù)性條件充足率SC的各個評估指數(shù)滿足所述評估標準。另外，網(wǎng)格的數(shù)量可以最小化，因此實例庫的大小可以減小。
(建模評估)在以如圖10所示之一的評估標準為基礎(chǔ)通過確定指數(shù)即，輸出分配條件充足率和連續(xù)性條件充足率來按照這種方式確定輸入量化等級的過程中，可以評估是否能夠利用歷史數(shù)據(jù)以要求精度對目標進行建模。如果輸出分配條件充足率和連續(xù)性條件充足率中至少一個評估指數(shù)不能滿足評估標準，輸入量化部分21確定通過利用從歷史數(shù)據(jù)37產(chǎn)生的實例庫不能以要求輸出誤差容許寬度進行估算，并且評估出不能以要求精度進行建模。
在這種情況下，如圖10所示，可以選擇實際評估結(jié)果。例如，如果輸出分配條件充足率過分低于評估標準，則預(yù)期實例庫中某些網(wǎng)格中的歷史數(shù)據(jù)37中的變化大于輸出誤差容許寬度。因此可以確定，使用現(xiàn)有輸入變量，用于產(chǎn)生所述實例庫的某些歷史數(shù)據(jù)在很大的可能性上將屬于不同的群體，并且這些實例不能作為同一網(wǎng)格處理，而且可以評估出輸入變量選擇必須進行重新檢查。如果輸出分配條件充足率低于評估標準達到某種程度，則確定包括在同一網(wǎng)格中的實例的變化在很大的可能性上是由噪聲造成的，則可以評估出對歷史數(shù)據(jù)37的噪聲抑止處理必須進行重新檢查。
如果連續(xù)性條件充足率過分低于評估標準，則確定實例庫中其中存在實例的網(wǎng)格是離散的，并且在很大的可能性上是歷史數(shù)據(jù)37不充分。在這種情況下，可以評估出測量點必須進行重新檢查，以修正歷史數(shù)據(jù)37的偏差。如果連續(xù)性條件充足率低于評估標準達到某種程度，則確定修正歷史數(shù)據(jù)37的偏差在很大的可能性上是由噪聲造成的，可以評估出對歷史數(shù)據(jù)37的噪聲抑止處理必須進行重新檢查。
按照這種方式，輸入量化部分21確定輸出分配條件充足率和連續(xù)性條件充足率，并且評估出使用歷史數(shù)據(jù)是否能以要求精度對所述對象進行建模，從而輸出評估結(jié)果40。因此，如果在產(chǎn)生實例庫的時候還不能以要求精度進行建模，則能夠以評估結(jié)果40為基礎(chǔ)進行實際測量。
(實例的產(chǎn)生)在實例產(chǎn)生器2中，按照上述方式選擇輸入量化等級，并且每個歷史數(shù)據(jù)被分配至以所述輸入量化等級量化的每個輸入空間和每個實例中的網(wǎng)格，從而產(chǎn)生實例。圖11說明了實例產(chǎn)生過程。圖12是說明了實例產(chǎn)生過程的流程圖。
首先，通過以選擇的輸入量化等級為基礎(chǔ)對每個輸入變量進行量化(除法)(步驟120)。請參看圖11，輸入變量x1被10除，輸入變量x2被6除。各個歷史數(shù)據(jù)被分配至各個網(wǎng)格(步驟121)。其中存在歷史數(shù)據(jù)的網(wǎng)格被選作實例，并且對所述網(wǎng)格中的輸入和輸出的值進行計算(步驟122)。當三個歷史數(shù)據(jù)被分配至單個網(wǎng)格，如圖11的右上部分所示，則它們結(jié)合為一個實例，如圖11右下部分所示。在這種情況下。所述三個歷史數(shù)據(jù)的平均輸出y被用作代表所示實例的輸出值，并且網(wǎng)格中的中值被用作代表所述實例的輸入值。
輸出數(shù)據(jù)的估算實例檢索部分和輸出估算部分下面將說明根據(jù)本發(fā)明第一實施方案的軟傳感器的運行。圖1中的軟傳感器1通過使用按照這種方式產(chǎn)生的實例庫11由新輸入數(shù)據(jù)A(31)對估算輸出數(shù)據(jù)Y(32)進行估算。首先，實例檢索部分12通過使用輸入數(shù)據(jù)A及其類似物的各個值X01至X0n從實例庫11檢索相似實例。圖13說明了相似性定義。圖14是說明了實例檢索部分12中相似實例檢索過程的流程圖。相似性是代表每個實例與設(shè)置在實例庫11的輸入空間中的網(wǎng)格中的一個網(wǎng)格之間相似程度的量度，其相應(yīng)于新預(yù)測條件，即輸入數(shù)據(jù)。
請參看圖13，如果在與輸入數(shù)據(jù)相對應(yīng)的中心網(wǎng)格中存在實例，定義所述實例和所述輸入數(shù)據(jù)具有“相似性r＝0”。緊靠中心網(wǎng)格的輸入數(shù)據(jù)和實例具有“相似性r＝1”。隨后，相似性隨著與所述中心網(wǎng)格距離增加依次增加。因此在進行估算中，基于具有相似性r的實例的估算值具有(r+1)xε內(nèi)的精度。在這種情況下，如果估算所使用的輸入值兩側(cè)上的實例得到適當使用，可以得到精度高于(r+1)xε的輸出值。如果只適當使用了估算所使用的值一側(cè)上的實例，則輸入和輸出值的連續(xù)性可以得到類似于(r+1)xε的精度。
如圖14所示，實例檢索部分12檢索輸入數(shù)據(jù)(步驟130)，并從實例庫11具有的輸入空間中選擇與所述輸入數(shù)據(jù)相對應(yīng)的網(wǎng)格(步驟131)。實例檢索部分12還將用作實例檢索范圍的相似性初始化為0(步驟132)，并從相似性所示的實例檢索范圍中檢索相似實例(步驟133)。如果實例存在于與所述輸入數(shù)據(jù)相對應(yīng)的網(wǎng)格中(步驟134是)，則此實例被輸出為相似實例(步驟136)。如果在步驟134中確定沒有實例存在于與所述輸入數(shù)據(jù)相對應(yīng)的網(wǎng)格中(步驟134否)，則相似性增加1，以增大實例檢索范圍(步驟135)。流程隨后返回步驟133，以再次檢索相似實例。
按照這種方式，實例檢索部分12從實例庫11中檢索與新輸入數(shù)據(jù)相對應(yīng)的相似實例。輸出估算部分13以這些相似實例為基礎(chǔ)估算與新輸入數(shù)據(jù)A相對應(yīng)的輸出數(shù)據(jù)Y。例如，如果實例存在于與輸入數(shù)據(jù)A(22.1，58.4)相對應(yīng)的網(wǎng)格150中，如圖15所示，此實例的輸出值y＝70.2被選擇為估算輸出值。
如果在與輸入數(shù)據(jù)A(23.8，62.3)相對應(yīng)的網(wǎng)格151中不存在實例，如圖16所示，實例檢索部分12擴大檢索范圍152并檢索相似實例。輸出估算部分13隨后根據(jù)所述檢索的實例來計算估算輸出數(shù)據(jù)。如果檢索到多個實例，實例的輸出值的平均值被用作估算輸出數(shù)據(jù)。按照這種方式，輸出估算部分13估算并輸出與輸入數(shù)據(jù)A相對應(yīng)的估算輸出數(shù)據(jù)Y。
自適應(yīng)學習自適應(yīng)學習部分下面將參照圖17和圖18說明自適應(yīng)學習部分的運行。
如圖1所示，自適應(yīng)學習部分15以通過實際測量從所述對象獲得的歷史數(shù)據(jù)34為基礎(chǔ)更新實例庫11。在這種情況下，歷史數(shù)據(jù)34可以是自動獲得的，例如可以使用日歷功能、溫度傳感器等每小時獲得一次數(shù)據(jù)。這樣就有可能自動進行自適應(yīng)學習。
首先，從實例庫11具有的輸入空間中檢索與新數(shù)據(jù)對應(yīng)的實例。如果存在與新數(shù)據(jù)對應(yīng)的實例，只對所述實例進行修正。圖17說明了當存在對應(yīng)的實例時的自適應(yīng)學習過程。在這種情況下，由于存在與新數(shù)據(jù)B(23.9，66.8，48.2)對應(yīng)的實例160，由新數(shù)據(jù)B的輸出值y＝48.2和實例160修正之前的輸出值49.7計算出新輸出值y＝49.0。作為輸出修正算術(shù)表達式，準備了遺忘因數(shù)CForget，并且修正前的輸出值Yold和新數(shù)據(jù)B的輸出值Y在所述遺忘因數(shù)指示的比率相加，以獲得所述實例修正后的輸出值。
如果不存在與所述新數(shù)據(jù)相對應(yīng)的實例，則以新數(shù)據(jù)為基礎(chǔ)產(chǎn)生新實例。圖18說明了當不存在相應(yīng)的實例時的自適應(yīng)學習過程。在這種情況下，由于在與新數(shù)據(jù)B(23.7，62.3，43.8)相對應(yīng)的網(wǎng)格161中不存在實例，與新數(shù)據(jù)B相對應(yīng)的網(wǎng)格的中值被設(shè)定為輸入值，并且產(chǎn)生了以新數(shù)據(jù)B的輸出值y作為典型輸出值的實例162。所述實例被加入到實例庫54中。
如上所述，通過將基于實例的推理應(yīng)用在建模上，獲得了根據(jù)該實施方案的軟傳感器1的推理模型，所述建模基于拓撲原理，并被稱為能夠適用于一般對象的建模技術(shù)，其中能夠維持系統(tǒng)中輸入/輸入關(guān)系的連續(xù)性。
因此數(shù)據(jù)作為實例存儲在識別輸入空間中。當需要估算輸出時，可以通過輸入和預(yù)先存儲的輸入實例之間的拓撲距離(相似性)表示估算輸出值的可靠性。根據(jù)本發(fā)明，由于使用這種模型來估算進一步的水分分配量，與傳統(tǒng)推理模型(神經(jīng)網(wǎng)絡(luò)和回歸模型)相比可以獲得下列效果。
根據(jù)傳統(tǒng)推理模型1)由于采用特定模型結(jié)構(gòu)來定義全部的輸入/輸出關(guān)系，為系統(tǒng)尋找最優(yōu)結(jié)構(gòu)非常麻煩。
2)當需要學習歷史數(shù)據(jù)時，為了識別模型結(jié)構(gòu)具有的多個參數(shù)，必須進行收斂計算。這個過程需要很長的時間。
3)即使當模型需要以新數(shù)據(jù)為基礎(chǔ)進行更新，參數(shù)必須得到識別。因此自適應(yīng)學習尤其難于進行。
4)很難掌握模型輸出值相對用于估算的輸入值在多大程度上可以信任。
與之相反，根據(jù)本發(fā)明1)由于過去經(jīng)歷的實例(問題和答案)被存儲為實例庫，并且使用了結(jié)合了系統(tǒng)中輸入/輸出關(guān)系的輸入/輸出實例，因此不需要任何代表輸入/輸出關(guān)系的特別模型。
2)當需要產(chǎn)生實例庫時，通過使用輸入量化等級作為參數(shù)對輸入空間進行量化，以定義實例庫和相似性，并計算評估指數(shù)，從而確定量化等級。因此，不需要進行變換計算。另外，從此評估指數(shù)值可以評估出模型的完善程度，因此不需要像現(xiàn)有技術(shù)那樣通過使用測試數(shù)據(jù)單獨評估模型。
3)新輸入問題的解決辦法是通過檢索相似實例獲得的。由于對于所述問題檢索的實例的相似性的程度因而可以確定，所以此相似性可以被用來評估輸出值的可靠性。
4)由于實例庫由各個實例構(gòu)成，因此實例庫能夠以所述新數(shù)據(jù)為基礎(chǔ)進行部分修正，不需要像現(xiàn)有技術(shù)那樣識別參數(shù)。這使自適應(yīng)學習更簡便。
應(yīng)當注意，傳統(tǒng)模型中的學習和收斂計算問題與基于實例推理(CBR)的實例庫結(jié)構(gòu)和相似性定義問題相同。在傳統(tǒng)基于實例推理中，對于對象沒有充足的知識，所以無法進行這種定義，這就工程而言是很嚴重的問題。根據(jù)本發(fā)明的基于實例推理模型，通過以拓撲學中連續(xù)映射的原理為基礎(chǔ)將輸入空間量化為拓撲空間，獲得了與輸出容許誤差(即要求精度)相對應(yīng)的實例庫和相似性的唯一定義。因此，對于對象沒有充足的知識也可以設(shè)定輸入/輸出模型，即識別輸入/輸出結(jié)構(gòu)。
第二實施方案下面將參照圖1說明對根據(jù)本發(fā)明第二實施方案的軟傳感器的輸出的評估。在此實施方案中，在軟傳感器的運行中，通過軟傳感器1的輸出評估部分14計算出相對估算輸出數(shù)據(jù)Y的估算誤差d，并與估算輸出數(shù)據(jù)Y同時實時地輸出。
對輸出的評估輸出評估部分如圖13所示，由相似性定義估算輸出數(shù)據(jù)Y的可靠性。輸出評估部分14以通過實例檢索部分12獲得的計算結(jié)果為基礎(chǔ)由設(shè)定為建模條件的相似性r和每個網(wǎng)格的輸出誤差容許寬度ε來計算估算誤差d＝(r+1)ε，相似性r表示對應(yīng)于輸入數(shù)據(jù)A的網(wǎng)格與檢索到的網(wǎng)格之間的距離。因此，如果在與輸入數(shù)據(jù)A相對應(yīng)的網(wǎng)格中存在實例，由于拓撲距離是0，即相似性r＝0，估算誤差d＝ε。如果實例不存在于與輸入數(shù)據(jù)A相對應(yīng)的網(wǎng)格中，而是存在于另一個鄰近的網(wǎng)格中，由于另一個網(wǎng)格的相似性r增加，因此估算輸出數(shù)據(jù)Y中包含的估算誤差增大。
由于每個估算輸出數(shù)據(jù)Y中含有的固有估算誤差d(評估誤差值)是通過輸出評估部分14計算出并與估算輸出數(shù)據(jù)Y一致輸出的，與現(xiàn)有技術(shù)中的統(tǒng)計評估值(平均誤差)相比，可以適當?shù)貙γ總€估算輸出數(shù)據(jù)Y的可靠性進行評估。另外，在軟傳感器1運行的同時輸出估算誤差，可以實時地評估估算輸出數(shù)據(jù)中的誤差。
第三實施方案

下面將參照圖1說明根據(jù)本發(fā)明第三實施方案的軟傳感器的功能評估。在本實施方案中，在軟傳感器1的運行中，功能評估部分16對軟傳感器1的運行，即，根據(jù)由要求輸出誤差容許寬度和拓撲距離確定的軟傳感器的規(guī)格的功能，是否正常進行評估。
對軟傳感器運行的評估運行評估部分下面將參照圖19和圖20說明對軟傳感器的功能進行評估的方法。圖19說明了對軟傳感器進行評估所用條件。圖20說明了條件與評估結(jié)果之間的關(guān)系。軟傳感器的功能是以圖19中所示的兩個條件①和②為基礎(chǔ)進行評估的。
對于條件①，相對新輸入數(shù)據(jù)A從輸出評估部分13以實例庫11為基礎(chǔ)獲得的估算輸出數(shù)據(jù)Y與外部輸入真值的輸出數(shù)據(jù)YOUT之間的差別(絕對值)，與用于對估算輸出數(shù)據(jù)Y進行估算的相似性r+1和輸出誤差容許寬度ε的乘積(r+1)ε進行比較，即從誤差估算部分14獲得的相對估算輸出數(shù)據(jù)Y的估算誤差d，并確定是否滿足|Y-YOUT|≤(r+1)ε。如果保持條件①，由于可以在要求精度范圍內(nèi)進行估算，輸出評估結(jié)果36，指出軟傳感器運行正常。此時，如圖20所示，可以輸出實際評估結(jié)果36，促進學習所述實例庫。
做為選擇，能夠以所述評估結(jié)果為基礎(chǔ)控制自適應(yīng)學習部分15，并且可以自動更新實例庫11。自適應(yīng)學習可以在下列時間進行。當通過實際測量從對象獲得真值的輸出數(shù)據(jù)時，可以通過使用由真值的輸出數(shù)據(jù)和相應(yīng)的輸入數(shù)據(jù)構(gòu)成的新歷史數(shù)據(jù)進行學習，即可以部分修正實例庫11。如果相似性r＞0，即，沒有實例存在于與輸入數(shù)據(jù)A相對應(yīng)的網(wǎng)格中，則可以進行自適應(yīng)學習。在自適應(yīng)學習中，如果過去實例的輸出數(shù)據(jù)與真值輸出數(shù)據(jù)之間的差異很大，則可以廢除過去的實例，并且真值的輸出數(shù)據(jù)可以用作新實例。作為選擇，不是當獲得真值的輸出數(shù)據(jù)時順序進行學習，而是例如可以當需要學習的新歷史數(shù)據(jù)在某種程度上已經(jīng)產(chǎn)生時共同進行。
對于條件②，相對新輸入數(shù)據(jù)A從輸出評估部分13以實例庫11為基礎(chǔ)獲得的估算輸出數(shù)據(jù)Y與外部輸入真值的輸出數(shù)據(jù)YOUT之間的差別(絕對值)，與用于對估算輸出數(shù)據(jù)Y進行估算的相似性r+1和輸出誤差容許寬度ε的乘積(r+1)ε進行比較，即從誤差估算部分14獲得的相對估算輸出數(shù)據(jù)Y的估算誤差d，并確定是否滿足|Y-YOUT|≤(r+1)ε。如果保持條件②，由于沒有在要求精度范圍內(nèi)進行估算，輸出評估結(jié)果36，指出軟傳感器運行不正常。此時，如圖20所示，如果出乎意料地保持了條件②，可以輸出實際評估結(jié)果36，指出可能具有瞬時噪聲。例如，如果經(jīng)常具有條件②，可以輸出實際評估結(jié)果36，指出需要修訂輸出誤差容許寬度和輸入變量選擇。
按照這種方式，評估是通過將相對輸入數(shù)據(jù)A的估算輸出數(shù)據(jù)Y與真值的輸出數(shù)據(jù)YOUT之間的差別與(r+1)ε(即輸出誤差d)進行比較而完成的。這樣就有可能精確并適當?shù)卦u估軟傳感器運行是否正常，即軟傳感器是否根據(jù)由要求輸出誤差容許寬度和拓撲距離確定的規(guī)范運行。
第四實施方案第三實施方案說明了對通過使用實例庫估算輸出數(shù)據(jù)的軟傳感器的功能進行估算的情況。第四實施方案將說明對使用任意推理引擎的軟傳感器的功能進行外部和間接評估的情況。圖21是一個功能框圖，其說明了對用于使用神經(jīng)網(wǎng)絡(luò)(NN)估算輸出數(shù)據(jù)的軟傳感器進行評估的評估裝置。軟傳感器4包括神經(jīng)網(wǎng)絡(luò)產(chǎn)生部分41，其用于以歷史數(shù)據(jù)P1至Pj(63)為基礎(chǔ)產(chǎn)生神經(jīng)網(wǎng)絡(luò)42；和輸出估算部分43，其用于通過使用由神經(jīng)網(wǎng)絡(luò)產(chǎn)生部分41產(chǎn)生的神經(jīng)網(wǎng)絡(luò)42估算與輸入數(shù)據(jù)A(61)相對應(yīng)的輸出數(shù)據(jù)，并將所述數(shù)據(jù)輸出作為估算輸出數(shù)據(jù)Y(62)。雖然下面將對使用神經(jīng)網(wǎng)絡(luò)作為推理引擎的軟傳感器進行說明，但是本發(fā)明也可以適用于使用另外模型(例如線性模型或非線性模型，或上述實例庫)的軟傳感器中，因為推理引擎受到外部評估。
對軟傳感器功能的評估評估裝置用于評估軟傳感器4的功能的評估裝置5包括評估實例庫51、實例檢索部分52、輸出估算部分53、輸出評估部分54和功能評估部分55。這些元件中的每一個都與圖1的軟傳感器1的每一個元件相對應(yīng)，并且按照與之幾乎相同的方式操作。尤其地，評估實例庫51與實例庫11相對應(yīng)。需要指出，評估實例庫51是預(yù)先產(chǎn)生的，例如通過使用與產(chǎn)生軟傳感器4的神經(jīng)網(wǎng)絡(luò)(NN)42時所用數(shù)據(jù)相同的歷史數(shù)據(jù)63由圖2所示實例庫產(chǎn)生器2產(chǎn)生。另外，實例檢索部分52、輸出估算部分53、輸出評估部分54和功能評估部分55分別對應(yīng)于軟傳感器1的實例檢索部分12、輸出估算部分13、輸出評估部分14和功能評估部分16。
下面將說明評估裝置5的操作。評估裝置5與軟傳感器4同時操作。輸入軟傳感器4的輸入數(shù)據(jù)A也輸入至評估裝置5的實例檢索部分52。實例檢索部分52通過使用評估實例庫51檢索至少一個與輸入數(shù)據(jù)A相對應(yīng)的實例。輸出估算部分53以檢索到實例的輸出值為基礎(chǔ)計算與輸入數(shù)據(jù)A相對應(yīng)的輸出數(shù)據(jù)，并將其作為評估估算數(shù)據(jù)YH(64)輸出。輸出評估部分54以實例檢索部分52在實例檢索中使用的相似性為基礎(chǔ)計算評估估算數(shù)據(jù)YH中的估算誤差，并將計算誤差作為評估估算誤差dH(65)輸出。如上所述方式，對于與輸入數(shù)據(jù)A相對應(yīng)的每一個評估估算數(shù)據(jù)YH，評估估算誤差dH作為代表其估算誤差的數(shù)據(jù)輸出。
軟傳感器的運行評估運行評估部分功能評估部分55通過使用來自輸出估算部分53的評估估算數(shù)據(jù)YH和來自輸出評估部分54的評估估算誤差dH利用神經(jīng)網(wǎng)絡(luò)42對軟傳感器4的功能進行評估，并輸出例如由硬傳感器從對象實際測量到的真值的輸出數(shù)據(jù)YOUT(66)。這個評估操作與上述功能評估部分16的操作相同，其中評估是通過使用如圖18所示的條件進行的，并且以圖19所示的關(guān)系為基礎(chǔ)輸出評估結(jié)果67。假定在圖18中的每個條件中，評估估算數(shù)據(jù)YH用來代替估算輸出數(shù)據(jù)Y，并且評估估算誤差dH與(r+1)ε相對應(yīng)而不是估算誤差d。此評估操作的詳細說明省略。
按照這種方式，評估實例庫預(yù)先從與產(chǎn)生軟傳感器推理模型所用數(shù)據(jù)相同的歷史數(shù)據(jù)產(chǎn)生，并且與軟傳感器同時操作的評估裝置計算出評估估算輸出數(shù)據(jù)和相對于與輸入所述軟傳感器相同的輸入數(shù)據(jù)的評估估算誤差。通過使用這些數(shù)據(jù)對軟傳感器的功能進行評估。因此，即使對于使用任何類型推理引擎的軟傳感器，都能夠以由所述評估實例庫所提供的估算精度為基礎(chǔ)，評估其運行是否正常。
第五實施方案第四實施方案說明了評估裝置，其通過利用單獨產(chǎn)生的評估實例庫同時進行估算操作，在操作時使用任意推理模型評估軟傳感器的功能。第五實施方案說明了一種情況，其中當軟傳感器所用推理模型產(chǎn)生后，而不是當軟傳感器操作時，軟傳感器的功能受到評估。
圖21所示評估裝置中使用的評估實例庫51是通過使用歷史數(shù)據(jù)67由實例庫產(chǎn)生器2產(chǎn)生的，所述歷史數(shù)據(jù)67是當神經(jīng)網(wǎng)絡(luò)42(即此情況下的推理模型)用于軟傳感器4時的數(shù)據(jù)。此時，如在第一實施方案中所述，能夠以由輸入量化部分21的輸出分配條件確定裝置21A和連續(xù)性條件確定裝置21B的判斷為基礎(chǔ)評估軟傳感器4中所用的神經(jīng)網(wǎng)絡(luò)42的對象的模型可行性，因此圖2中的實例庫產(chǎn)生器可以被認為是一種模型評估裝置。在此評估中，由輸出分配條件確定裝置21A和連續(xù)性條件確定裝置21B獲得的指數(shù)，即輸出分配充足率和連續(xù)性條件充足率，是按照上述方式通過查詢圖10中所述評估標準確定的。此操作的詳細說明省略。
按照這種方式，在輸入量化部分21，輸出分配充足率和連續(xù)性條件充足率被確定，以評估是否能使用歷史數(shù)據(jù)以要求精度對所述對象進行建模，并且輸出評估結(jié)果40。因此，如果在評估實例庫產(chǎn)生時不能基于要求精度建模，可以確定，使用相通歷史數(shù)據(jù)產(chǎn)生的用于軟傳感器的任意推理模型也會出現(xiàn)相同問題。這樣就能夠以評估結(jié)果40為基礎(chǔ)進行實際測量，即適當測量，例如檢查輸入變量選擇，檢查測量點，并且檢查歷史數(shù)據(jù)的噪聲抑止處理。雖然本實施方案說明了使用神經(jīng)網(wǎng)絡(luò)的軟傳感器，但本發(fā)明并不局限于此。在使用任何類型的推理引擎的軟傳感器中，都可以適當評估對象的模型可行性。
工業(yè)適用性從上述說明已經(jīng)非常清楚，根據(jù)本發(fā)明的軟傳感器包括通過接收多個歷史數(shù)據(jù)產(chǎn)生的實例庫，每個所述歷史數(shù)據(jù)由從用于估算的多個輸入變量獲得的一組輸入數(shù)據(jù)和通過使用所述輸入數(shù)據(jù)作為輸入條件從所述對象獲得的實際輸出數(shù)據(jù)組成，通過根據(jù)要求的輸出容許誤差將所述實例庫的輸入空間進行量化而形成多個單位輸入空間，將各個歷史數(shù)據(jù)設(shè)置在相應(yīng)的單位輸入空間中，并對于具有至少一個歷史數(shù)據(jù)的每個單位輸入空間產(chǎn)生代表所述單位輸入空間中的歷史數(shù)據(jù)的實例；實例檢索部分，其通過檢索所述實例庫從至少一個單位輸入空間中的每一個獲取實例，所述單位輸入空間具有實例并且其位置距離與新的一組輸入數(shù)據(jù)相對應(yīng)的單位輸入空間最小拓撲距離；和輸出估算部分，其估算與所述新的一組輸入數(shù)據(jù)相對應(yīng)的輸出數(shù)據(jù)。所述輸出估算部分根據(jù)所述實例檢索部分檢索出的所述實例的輸出數(shù)據(jù)來計算與所述新的一組輸入數(shù)據(jù)相對應(yīng)的輸出數(shù)據(jù)，并且將所述輸出數(shù)據(jù)作為估算輸出數(shù)據(jù)輸出。在短時間內(nèi)就能夠?qū)淖R別對象實際檢測的所述輸出數(shù)據(jù)估算為每個都具有精確評估值的估算輸出數(shù)據(jù)。
另外，根據(jù)本發(fā)明的另一種軟傳感器還包括輸出評估部分，其用于計算估算輸出數(shù)據(jù)中包含的誤差。所述輸出評估部分以輸出容許誤差和與所述新的一組輸入數(shù)據(jù)相對應(yīng)的單位輸入空間與由所述實例檢索部分檢索出的實例的單位輸入空間之間的拓撲距離為基礎(chǔ)，由所述輸出估算部分計算所述估算輸出數(shù)據(jù)中包含的誤差，并將所述誤差作為與所述估算輸出數(shù)據(jù)相對應(yīng)的估算誤差輸出。這樣就有可能清楚地提供每個估算輸出數(shù)據(jù)中包含的估算誤差。
在根據(jù)本發(fā)明的另一種軟傳感器中，由于功能評估部分通過使用來自所述輸出評估部分的估算誤差、來自所述輸出估算部分的估算輸出數(shù)據(jù)和從所述對象獲得的真值的輸出數(shù)據(jù)進行評估，因此能夠評估所述軟傳感器運行是否正常。
根據(jù)本發(fā)明的軟傳感器評估裝置包括評估實例庫，當要為所述軟傳感器產(chǎn)生推理模型時使用所述的評估實例庫，其通過接收多個歷史數(shù)據(jù)而產(chǎn)生，每個所述歷史數(shù)據(jù)由從用于估算的多個輸入變量獲得的一組輸入數(shù)據(jù)和通過使用所述輸入數(shù)據(jù)作為輸入條件從所述對象獲得的實際輸出數(shù)據(jù)組成，通過根據(jù)要求的輸出容許誤差將所述實例庫的輸入空間進行量化而形成多個單位輸入空間，將各個歷史數(shù)據(jù)設(shè)置在相應(yīng)的單位輸入空間中，并對于具有至少一個歷史數(shù)據(jù)的每個單位輸入空間產(chǎn)生代表所述單位輸入空間中的歷史數(shù)據(jù)的實例；實例檢索部分，其通過檢索所述評估實例庫從至少一個單位輸入空間中的每一個獲取實例，所述單位輸入空間具有實例并且其位置距離與輸入所述軟傳感器的新的一組輸入數(shù)據(jù)相對應(yīng)的單位輸入空間最小拓撲距離；輸出估算部分，其通過所述實例檢索部分檢索出的所述實例的輸出數(shù)據(jù)來計算與所述新的一組輸入數(shù)據(jù)相對應(yīng)的輸出數(shù)據(jù)，并且將所述輸出數(shù)據(jù)作為評估的估算輸出數(shù)據(jù)輸出；輸出評估部分，其以輸出容許誤差和與所述新的一組輸入數(shù)據(jù)相對應(yīng)的單位輸入空間與由所述實例檢索部分檢索出的實例的單位輸入空間之間的拓撲距離為基礎(chǔ)，由所述輸出估算部分計算所述估算輸出數(shù)據(jù)中包含的誤差，并將所述誤差作為與所述估算輸出數(shù)據(jù)相對應(yīng)的評估估算誤差同時輸出；和對軟傳感器進行評估的功能評估部分。所述功能評估部分通過使用來自所述輸出評估部分的評估估算誤差、來自所述輸出估算部分的評估的估算輸出數(shù)據(jù)和從所述對象獲得的真值的輸出數(shù)據(jù)進行評估。因此，對于使用任何類型推理模型的軟傳感器，它也能夠間接評估軟傳感器運行是否正常。
根據(jù)本發(fā)明的另一種軟傳感器評估裝置包括功能評估部分，其將由與所述新的一組輸入數(shù)據(jù)一致的所述輸出估算部分獲得的所述評估的估算輸出數(shù)據(jù)與從所述對象獲得的真值輸出數(shù)據(jù)之間的差異，與對應(yīng)于所述評估的估算輸出數(shù)據(jù)的評估估算誤差進行比較，從而評估所述軟傳感器運行是否正常。因此，以評估實例庫所能提供的估算誤差為基礎(chǔ)，能夠間接地評估軟傳感器運行是否正常。
根據(jù)本發(fā)明的另一種軟傳感器評估裝置包括輸入量化部分，其接收多個歷史數(shù)據(jù)，并且通過根據(jù)要求的輸出容許誤差將所述實例庫的輸入空間進行量化而形成多個單位輸入空間，每個所述歷史數(shù)據(jù)由為用于估算的多個輸入變量獲得的一組輸入數(shù)據(jù)和通過使用所述輸入數(shù)據(jù)作為輸入條件從所述對象獲得的實際輸出數(shù)據(jù)組成，所述實際輸出數(shù)據(jù)在所述推理模型產(chǎn)生時使用，其中所述輸入量化部分包括輸出分配條件確定裝置，其用于確定每一個形成的單位輸入空間是否滿足條件，即輸出數(shù)據(jù)與在所述單位輸入空間中設(shè)置的歷史數(shù)據(jù)之間的變化是否位于要求輸出容許誤差之內(nèi)，并計算和輸出滿足條件的單位輸入空間充足率，作為輸出分配條件充足率；和連續(xù)性條件確定裝置，其用于確定每一個形成的單位輸入空間是否滿足條件，即代表設(shè)置在所述單位輸入空間中歷史數(shù)據(jù)的典型歷史數(shù)據(jù)與至少一個單位輸入空間的典型歷史數(shù)據(jù)的輸出數(shù)據(jù)平均值之間的差異是否位于與所述拓撲距離相對應(yīng)的輸出容許誤差之內(nèi)，所述至少一個單位輸入空間位于距離所述單位輸入空間的最小拓撲距離，并且其中設(shè)置了歷史數(shù)據(jù)，并計算和輸出滿足條件的單位輸入空間充足率，作為連續(xù)條件充足率。所述輸入量化部分對以所述輸出分配條件充足率和連續(xù)條件充足率為基礎(chǔ)產(chǎn)生的推理模型進行評估。對于使用任何類型推理模型的軟傳感器，當軟傳感器的推理模型產(chǎn)生時可以適當?shù)卦u估對象的模型可行性。
權(quán)利要求
1.一種軟傳感器，其使用預(yù)定推理模型對為代表對象行為的多個輸入變量而獲得的一組輸入數(shù)據(jù)進行運算處理，以根據(jù)所述一組輸入數(shù)據(jù)對從所述對象實際檢測到的輸出數(shù)據(jù)進行估算，并將所述數(shù)據(jù)作為估算輸出數(shù)據(jù)進行輸出，其特征在于，所述軟傳感器包括通過接收多個歷史數(shù)據(jù)產(chǎn)生的實例庫，每個所述歷史數(shù)據(jù)由從用于估算的多個輸入變量獲得的一組輸入數(shù)據(jù)和通過使用所述輸入數(shù)據(jù)作為輸入條件從所述對象獲得的實際輸出數(shù)據(jù)組成，通過根據(jù)要求的輸出容許誤差將所述實例庫的輸入空間進行量化而形成多個單位輸入空間，將各個歷史數(shù)據(jù)設(shè)置在相應(yīng)的單位輸入空間中，并對于具有至少一個歷史數(shù)據(jù)的每個單位輸入空間產(chǎn)生代表所述單位輸入空間中的歷史數(shù)據(jù)的實例；實例檢索部分，其通過檢索所述實例庫從至少一個單位輸入空間中的每一個獲取實例，所述單位輸入空間具有實例，并且其位置距離與新的一組輸入數(shù)據(jù)相對應(yīng)的單位輸入空間最小拓撲距離；和輸出估算部分，其根據(jù)所述實例檢索部分檢索出的所述實例的輸出數(shù)據(jù)來計算與所述新的一組輸入數(shù)據(jù)相對應(yīng)的輸出數(shù)據(jù)，并且將所述輸出數(shù)據(jù)作為估算輸出數(shù)據(jù)輸出。
2.根據(jù)權(quán)利要求1所述的軟傳感器，其特征在于，還包括輸出評估部分，其以輸出容許誤差和與所述新的一組輸入數(shù)據(jù)相對應(yīng)的單位輸入空間與由所述實例檢索部分檢索出的實例的單位輸入空間之間的拓撲距離為基礎(chǔ)，計算所述輸出估算部分輸出的輸出數(shù)據(jù)中包含的誤差，并將所述誤差作為與所述估算輸出數(shù)據(jù)相對應(yīng)的估算誤差輸出。
3.根據(jù)權(quán)利要求2所述的軟傳感器，其特征在于，還包括功能評估部分，當所述新的一組輸入數(shù)據(jù)與不具有實例的單位輸入空間相對應(yīng)時，所述功能評估部分將由與所述新的一組輸入數(shù)據(jù)一致的所述輸出估算部分獲得的所述估算輸出數(shù)據(jù)與從所述對象獲得的真值的輸出數(shù)據(jù)之間的誤差，與對應(yīng)于所述估算輸出數(shù)據(jù)的估算誤差進行比較，從而評估所述軟傳感器運行是否正常。
4.一種用于評估軟傳感器的軟傳感器評估裝置，所述軟傳感器使用預(yù)定推理模型對為代表對象行為的多個輸入變量獲得的一組輸入數(shù)據(jù)進行運算處理，以根據(jù)所述一組輸入數(shù)據(jù)對從所述對象實際檢測到的輸出數(shù)據(jù)進行估算，并將所述數(shù)據(jù)作為估算輸出數(shù)據(jù)進行輸出，其特征在于，所述軟傳感器評估裝置包括評估實例庫，當要為所述軟傳感器產(chǎn)生推理模型時使用所述評估實例庫，其通過接收多個歷史數(shù)據(jù)而產(chǎn)生，每個所述歷史數(shù)據(jù)由從用于估算的多個輸入變量獲得的一組輸入數(shù)據(jù)和通過使用所述輸入數(shù)據(jù)作為輸入條件從所述對象獲得的實際輸出數(shù)據(jù)組成，通過根據(jù)要求的輸出容許誤差將所述實例庫的輸入空間進行量化而形成多個單位輸入空間，將各個歷史數(shù)據(jù)設(shè)置在相應(yīng)的單位輸入空間中，并對于具有至少一個歷史數(shù)據(jù)的每個單位輸入空間產(chǎn)生代表所述單位輸入空間中的歷史數(shù)據(jù)的實例；實例檢索部分，其通過檢索所述評估實例庫從至少一個單位輸入空間中的每一個獲取實例，所述單位輸入空間具有實例，并且其位置距離與輸入所述軟傳感器的新的一組輸入數(shù)據(jù)相對應(yīng)的單位輸入空間最小拓撲距離；輸出估算部分，其根據(jù)所述實例檢索部分檢索出的所述實例的輸出數(shù)據(jù)來計算與所述新的一組輸入數(shù)據(jù)相對應(yīng)的輸出數(shù)據(jù)，并且將所述輸出數(shù)據(jù)作為評估的估算輸出數(shù)據(jù)輸出；輸出評估部分，其以輸出容許誤差和與所述新的一組輸入數(shù)據(jù)相對應(yīng)的單位輸入空間與由所述實例檢索部分檢索出的實例的單位輸入空間之間的拓撲距離為基礎(chǔ)，計算所述輸出估算部分輸出的輸出數(shù)據(jù)中包含的誤差，并將所述誤差作為與所述估算輸出數(shù)據(jù)相對應(yīng)的評估估算誤差輸出；功能評估部分，其通過使用來自所述輸出評估部分的評估估算誤差、來自所述輸出估算部分的評估的估算輸出數(shù)據(jù)和從所述對象獲得的真值的輸出數(shù)據(jù)，評估所述軟傳感器運行是否正常。
5.根據(jù)權(quán)利要求4所述的軟傳感器評估裝置，其特征在于，所述功能評估部分將由與所述新的一組輸入數(shù)據(jù)一致的所述輸出估算部分獲得的所述評估的估算輸出數(shù)據(jù)與從所述對象獲得的真值的輸出數(shù)據(jù)之間的差異，與對應(yīng)于所述評估的估算輸出數(shù)據(jù)的評估估算誤差進行比較，從而評估所述軟傳感器運行是否正常。
6.一種用于評估軟傳感器的軟傳感器評估裝置，所述軟傳感器使用預(yù)定推理模型對為代表對象行為的多個輸入變量獲得的一組輸入數(shù)據(jù)進行運算處理，以根據(jù)所述一組輸入數(shù)據(jù)對從所述對象實際檢測到的輸出數(shù)據(jù)進行估算，并將所述數(shù)據(jù)作為估算輸出數(shù)據(jù)進行輸出，其特征在于，所述軟傳感器評估裝置包括輸入量化部分，其接收多個歷史數(shù)據(jù)，并且通過根據(jù)要求的輸出容許誤差將所述實例庫的輸入空間進行量化而形成多個單位輸入空間，每個所述歷史數(shù)據(jù)由為用于估算的多個輸入變量獲得的一組輸入數(shù)據(jù)和通過使用所述輸入數(shù)據(jù)作為輸入條件從所述對象獲得的實際輸出數(shù)據(jù)組成，所述實際輸出數(shù)據(jù)在所述推理模型產(chǎn)生時使用，其中所述輸入量化部分包括輸出分配條件確定裝置，其用于確定每一個形成的單位輸入空間是否滿足條件，即輸出數(shù)據(jù)與在所述單位輸入空間中設(shè)置的歷史數(shù)據(jù)之間的變化是否位于要求輸出容許誤差之內(nèi)，并計算和輸出滿足條件的單位輸入空間充足率，作為輸出分配條件充足率，和連續(xù)性條件確定裝置，其用于確定每一個形成的單位輸入空間是否滿足條件，即代表設(shè)置在所述單位輸入空間中歷史數(shù)據(jù)的典型歷史數(shù)據(jù)與至少一個單位輸入空間的典型歷史數(shù)據(jù)的輸出數(shù)據(jù)平均值之間的差異是否位于與所述拓撲距離相對應(yīng)的輸出容許誤差之內(nèi)，所述至少一個單位輸入空間位于距離所述單位輸入空間的最小拓撲距離，并且其中設(shè)置了歷史數(shù)據(jù)，并計算和輸出滿足條件的單位輸入空間充足率，作為連續(xù)條件充足率，和所述輸入量化部分以所述輸出分配條件充足率和連續(xù)條件充足率為基礎(chǔ)通過使用歷史數(shù)據(jù)產(chǎn)生推理模型，通過所述推理模型評估對象的模型可行性。
全文摘要
實例庫產(chǎn)生器根據(jù)要求的輸出容許誤差將歷史數(shù)據(jù)輸入空間分為單位輸入空間，并從設(shè)置在單位輸入空間中的歷史數(shù)據(jù)產(chǎn)生典型實例，從而產(chǎn)生實例庫11。軟傳感器1的實例檢索部分12從實例庫11中檢索與新輸入數(shù)據(jù)相對應(yīng)的實例。輸出估算部分13以檢索到的實例上的輸出數(shù)據(jù)為基礎(chǔ)計算并輸出與新輸入數(shù)據(jù)相對應(yīng)的估算輸出數(shù)據(jù)Y。輸出評估部分14以所述新輸入數(shù)據(jù)與檢索到的實例之間的拓撲距離為基礎(chǔ)計算并輸出估算輸出數(shù)據(jù)Y中的估算誤差d。功能評估部分16以估算誤差d、估算輸出數(shù)據(jù)Y和真值輸出數(shù)據(jù)Y
文檔編號G06K9/62GK1454348SQ00819874
公開日2003年11月5日 申請日期2000年7月6日 優(yōu)先權(quán)日2000年7月6日
發(fā)明者筒井宏明, 坪井淳一 申請人:株式會社山武