采用神经网络能够根据对象的输入输出数据直接建立模型，不需要对象的先验知识，并且它具有很强的非线性逼近能力，使它在解决高度非线性和严重不确定性系统建模方面具有巨大的潜力。目前，神经网络软表已在石油化工产品成分、生物反应参数、铁水硅含量等过程输出参数的在线估计方面得到了广泛的应用。

　　神经网络软测量的研究大多基于系统稳态的数据，反映的是系统稳态的状况，而忽略了实际系统的动态特性，同时对于二次变量延迟时间的确定，大多采用经验数据的方法，两方面都造成了一定的偏差，这正是本文主要研究的重点问题。

　　2软测量软件的总体功能设计软测量软件要实现的功能是能进行在线应用实现软测量和离线建立神经网络模型。软测量的过程就是选择与被估计变量相关的一组可测变量，构造某种以可测变量为输入、被估计变量为输出的数学模型，并用计算机软件实现这个模型，然后给定实际的可测变量为输入，利用数学模型计算得到输出。一个软测量软件所要实现的功能要有：①能够进行现场数据的采集；②分析和选取数据，确定数据的有效性；③建立神经网络软测量模型；④在线软件利用神经网络的模型得到输出；⑤利用实际的化验数据进行模型的修改和输出数据的校正。

　　离线部分的主要功能是：进行数据处理，建立神经网络模型。软件使用的数据主要从数据文件中读入，数据文件是从工业现场采集回来，并按照一定的格式保存。数据处理包括坏值剔除、延迟时间确定、二次变量（辅助变量）选定等。神经网络模型的建立主要是通过已经确定的二次变量与主导变量的大量样本数据来训练神经网络模型。

　　软测量软件的在线部分的主要功能是：采集现25（修改稿）基金项目：国家高技术研究发展计划项目（2003AA412310）场数据，利用离线软件建立的模型来实时计算主导变量数值，实现不可测变量的在线观测。

　　本软件的神经网络算法采用广泛使用的BP和RBF网络。

　　3延迟时间的处理延迟系统在工业生产过程当中是比较常见的，但又难于控制，一直是过程控制界关注的研究方向。

　　实际生产中对象的特性往往随着运行条件的变化而改变，因此有人提出了自适应大延迟对象控制策略，但它们都假定延迟时间为已知。延迟时间的变化可能会引起控制效果恶化或观测计算结果不准确，在神经网络软测量软件中也要首先确定延迟时间。

　　神经网络具有非线性映射的能力，可以利用这一点来处理并获取延迟时间。对于非线性时延系统，当前输出少（k）是以前少（k-1），少（k-n）以及d步延迟以前的输入u（k-d），u（k-m-d）的函数：采用线性网络来进行非线性系统延迟时间的辨识。经过研究发现，用三层反向传播BP网络，采用不同的输入样本区间，从不包含个延迟输入量m=d+1到包含个延迟输入量m=d，网络的训练结果产生突变，由此可以来辨识出非线性对象的时间延迟。

　　以系统少（k）-0 5）为例，以这个式子来产生测试数据，对算法进行说明。

　　―共是9个输入，网络的输出为Y（k），网络的结构为（951）三层结构，隐含层的激发函数是Sgnod函数。用150个样本来对网络进行训练，对于不同的h经过2000步以后，输出的期望值与网络的输出误差平方和不同。

　　目前，使用神经网络来建立软测量模型，常常使用下面的方法/=/（u1（k），u2（k），um（k））来得到，即只是认为，当前时刻神经网络的输出值（即所需要测量的主导变量）仅同当前时刻软测量系统的各个输入变量有关，这样得到的结果是一种稳态的关系。

　　将动态系统进行离散化，得到差分方程形式的动态数学模型：上式体现了系统的动态特性，是多入单出（MISO）模型。使用神经网络来对，为二次变量数，当T，可以看出来，误差平方和对h值的影响很敏感，h= 4到h=5网络的逼近效果有突变，而实际的系统的延迟时间就是d=5.因而可以用网络训练结果的突变情况来辨识出非线性系统的时间延迟。

　　4利用神经网络模拟建立动态系统模型个输入、其中，mf为四舍五入取整即应该送入从di开始到d.之前的个共对于另一个需要确定的参数n，可以由系统的阶次来确定。

　　又或将MBO系统的每个输入同系统输出看做具有一阶或二阶惯性加滞后的传递函数，即n= 1或2.为稳妥起见，当系统的阶不确定时，可取n= 2，归纳起来，有：较大的误差。

　　从可以看出，采用衰减加权方法对输入数据进行处理的输出结果（圆点表示）与实际输出（折线表示）非常接近，可以更好地反映系统的动态特性，而采用平均加权处理的输出结果（X表示）则有衰减加权与平均加权的映射效果比较图（采用随机输入信号）5结束语神经网络软测量软件用VisualC+f6 0进行编程实现，分别采用了BP和RBF网络，实现了不可测变量的在线观测。针对软件开发中存在的主要难点问题，如延迟时间的确定与处理、动态特性拟合等，分别提出了相应的解决方案。仿真实验表明，所开发的神经网络软测量仪表可以更真实地反映系统的静态和动态性能，测量结果准确性高，且有更好的适应性和扩展性。

　　荣冈，金晓明，王树青。软测量技术及其应用。化工自动化及仪表，199926（4）：刘国栋。用神经网络辨识非线性大滞后系统的研究。信马晓敏。纯滞后对象的神经网络辨识及自适应控制。石油大学学报（自然科学版）199822（5）96101.