CN111077087B - 用选择确定过程变量的模型的分类器确定过程变量的方法 - Google Patents

用选择确定过程变量的模型的分类器确定过程变量的方法 Download PDF

Info

Publication number
CN111077087B
CN111077087B CN201910982484.7A CN201910982484A CN111077087B CN 111077087 B CN111077087 B CN 111077087B CN 201910982484 A CN201910982484 A CN 201910982484A CN 111077087 B CN111077087 B CN 111077087B
Authority
CN
China
Prior art keywords
classifier
model
determining
process variable
variable
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910982484.7A
Other languages
English (en)
Other versions
CN111077087A (zh
Inventor
托马斯·阿尔伯
迪特尔·瓦尔德豪泽
菲利普·勒夫克
马库斯·基利安
托比亚斯·布伦加藤纳
谢尔盖·洛帕京
丽贝卡·佩奇
鲁迪格尔·弗兰克
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Endress and Hauser Conducta GmbH and Co KG
Original Assignee
Endress and Hauser Conducta GmbH and Co KG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Endress and Hauser Conducta GmbH and Co KG filed Critical Endress and Hauser Conducta GmbH and Co KG
Publication of CN111077087A publication Critical patent/CN111077087A/zh
Application granted granted Critical
Publication of CN111077087B publication Critical patent/CN111077087B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
    • G01F23/22—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water
    • G01F23/28—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water by measuring the variations of parameters of electromagnetic or acoustic waves applied directly to the liquid or fluent solid material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
    • G01F23/80—Arrangements for signal processing
    • G01F23/802—Particular electronic circuits for digital processing equipment
    • G01F23/804—Particular electronic circuits for digital processing equipment containing circuits handling parameters other than liquid level
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/47—Scattering, i.e. diffuse reflection
    • G01N21/49—Scattering, i.e. diffuse reflection within a body or fluid
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/285—Selection of pattern recognition techniques, e.g. of classifiers in a multi-classifier system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Automation & Control Theory (AREA)
  • Signal Processing (AREA)
  • Fluid Mechanics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Thermal Sciences (AREA)
  • Electromagnetism (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明涉及一种用选择确定过程变量的模型的分类器确定过程变量的方法。该方法用于确定介质(M)的至少一个过程变量(y)，尤其是计算机实现的方法，包括以下方法步骤：记录来自现场设备(1.4)的传感器信号(x)；借助于分类器(K)从至少两个不同的模型(M1‑Mn)的集合中确定选择的模型(M2)，其中，模型(M1‑Mn)中的每一个用于至少基于传感器信号(x)来确定过程变量(y)，并且，其中，分类器(K)被设计为选择所选择的模型(M2)；以及，至少基于所选择的模型(M2)和传感器信号(x)来确定过程变量(y)。本发明还涉及一种被设计为实现根据本发明的方法的计算机程序，并且涉及一种具有根据本发明的计算机程序的计算机程序产品。

Description

用选择确定过程变量的模型的分类器确定过程变量的方法
技术领域
本发明涉及一种用于使用用于选择确定过程变量的模型的分类器来确定介质的过程变量的方法，尤其是计算机实现的方法。本发明还涉及一种用于确定过程变量的计算机程序，并且涉及一种有相应的计算机程序的计算机程序产品。
背景技术
用于确定、监视和/或影响各种过程变量的现场设备经常用于过程和/或自动化技术中。这种现场设备或测量设备的示例是用于检测诸如料位、流量、压力、温度、pH值、氧化还原电势或电导率的各自相应的过程变量的料位测量设备、流量测量设备、压力和温度测量设备、pH和/或pH氧化还原电势测量设备以及电导率测量设备。各自的基础测量原理从现有技术中是众所周知的，并且在此不单独列出。流量测量设备尤其是科里奥利、超声波、涡旋、热和/或磁感应流量测量设备。料位测量设备尤其是微波料位测量设备、超声波料位测量设备、时域反射计料位测量设备(TDR)、辐射度料位测量设备、电容性料位测量设备、导电料位测量设备和/或温度敏感料位测量设备。相反，压力测量设备优选地是已知的绝对压力、相对压力或压差设备，而温度测量设备通常具有用于确定温度的热敏元件或与温度有关的电阻器。
在本申请的范围内，原则上将在现场水平上布置的所有设备，即，在过程附近使用以及提供或处理过程相关信息的所述设备，称为现场设备。除了传感器和致动器外，直接连接到现场总线并且用于与诸如控制系统的控制单元通信的单元，例如远程I/O、网关、链接设备以及无线适配器或无线电适配器，通常也被称为现场设备。Endress+Hauser集团的公司生产和分销大量各种此类现场设备。
如部分中已经部分提及的，关于特定的过程变量，许多不同的竞争模型或测量原理经常可用于所述过程变量的确定。不同的测量原理则对于不同的应用尤其是不同的介质经常具有不同的测量精度，或者对于各种原因而在不同程度上适用。
这不仅涉及其中借助于不同的测量原理可以确定一个以及相同的过程变量的实例。而是，对于多个应用，情况是，对于不同的应用，为了能够在广泛的应用中确保高的测量精度，不同的模型用于一个以及相同的测量设备。在这个实例中，取决于应用，则通常必须手动选择要在测量设备处使用的模型。
在这个背景下，不同的使用或应用尤其涉及对具有不同的物理和/或化学性质的不同介质的过程变量的确定。
发明内容
本发明基于以简单的方式增加对于现场设备的使用或应用领域的目的。
该目的经由一种方法，通过一种计算机程序以及一种计算机程序产品来实现。
关于该方法，本发明的根本目的是通过用于确定介质的至少一个过程变量的方法，尤其是计算机实现的方法来实现的，所述方法包括以下方法步骤：
-记录来自现场设备的传感器信号，
-借助于分类器从至少两个不同的模型的集合中确定选择的模型，
其中，模型中的每一个用于至少基于传感器信号来确定过程变量，并且
其中，分类器被设计为选择所选择的模型，
以及
-至少基于所选择的模型和传感器信号来确定过程变量。
分类器因此用于被用于确定过程变量的值的所选择的模型的选择，尤其是自动选择。该模型例如存储在现场设备的计算单元的存储器单元中或更高级别的单元中。
其中需要手动的、过程特定的输入的，因此其中取决于应用来选择匹配模型的测量，可以经由该方法有利地显著地被简化。可实现的测量精度可以类似地显著地提高。
在特别优选的实施例中，分类器被设计为学习所选择的模型的选择。因此，分类器是配备有人工智能的单元，并且学习以选择所选择的模型。因此，涉及模型的智能选择。由分类器执行的机器学习过程可以是监督学习过程和无监督学习过程两者。
在另一优选的实施例中，分类器被尤其离线地训练和/或在线地训练。离线训练被理解为意指在方法的实现之前的，因此在方法用于确定过程变量的值之前的训练。原则上，该离线训练涉及在实验室条件下训练。然而，替代地或附加地，分类器也可以被在线地，即在连续过程中或在过程中所述方法的实现期间中训练。
另外，取决于在线执行训练还是离线执行训练，不同类型的训练是特别有利的。在在线训练中，例如，优选的是自组织地图的方法。在离线训练中，例如，也可以使用时间序列分析的方法。该方法比较复杂，并且因此，例如可能不太适合在线训练。
在方法的一个实施例中，分类器被设计为当选择所选择的模型时考虑至少一个影响变量。该影响变量可以例如是过程和/或环境参数，例如介质和/或环境的物理或化学性质。
如果影响变量是传感器信号或从传感器信号导出的变量，则是尤其有利的。从传感器信号导出的变量又可以继而例如是过程变量的值。
在方法的一个实施例中，包括至少一个输入变量和与输入变量相关联的一个输出变量的数据集被用于创建映射，尤其是数值映射，基于所述映射分类器确定所选择的模型。如果分类器通过监督学习过程来运行，则该实施例是尤其合适的。
在方法的进一步实施例中，确定特征向量，其中，分类器被设计为基于特征向量来选择所选择的模型。
在这方面，有利的是，如果使用第一分类器和第二分类器，其中，第一分类器用于实现特征提取和/或用于创建特征向量，并且其中，第二分类器用于基于特征向量来选择所选择的模型。具有第一分类器和第二分类器的实施例继而尤其适合于分类器的至少部分的无监督学习过程。例如，第一分类器在无监督学习过程中学习特征向量的提取，而第二分类器可以在监督学习过程中操作。
优选的实施例包括确定关于所选择的模型的选择的分类质量。例如，利用该实施例，关于所选择的模型的选择的分类器的决定的检查是可能的。特别地，已经可以基于Softmax函数来确定分类质量。
在该实例中，如果基于分类器选择所选择的模型的概率来做出关于分类质量的陈述，则是有利的。
如果检测到分类器从第一所选择的模型到第二所选择的模型的改变，则也是有利的。除了其他事情以外，这允许过程的历史考虑。分类器的决定与过程的相关是可能的。以此方式，除了其他事情以外，可以确定关于用于某些过程变量的各个模型的选择的概率密度或频率分布。
最后，如果确定在两个所选择的模型之间的交替频率，或者确定使用第一所选择的模型或第二所选择的模型的时间间隔，则是有利的。
方法的进一步实施例包括现场设备，该现场设备用于确定和/或监视介质的浊度、流量速率或料位，或用于确定介质中包含的至少一个物质，特别是固体、酒精或盐的浓度。
形成本发明基础的目的进一步通过一种用于确定介质的至少一个过程变量的计算机程序来实现，该计算机程序具有计算机可读程序代码要素，当在计算机上执行时，该计算机可读程序代码要素使计算机执行根据本发明的方法的至少一个实施例。
类似地，本发明的根本目的通过一种计算机程序产品来实现，该计算机程序产品具有根据本发明的计算机程序和其上至少存储计算机程序的至少一个计算机可读介质。
应当注意，结合根据本发明的方法描述的实施例，在细节上作必要修改后，也适用于根据本发明的计算机程序和计算机程序产品。
附图说明
参考以下附图更详细地解释本发明。
图1a和b示出了用于根据本发明的方法的图示的流程图，
图2a-c图示了与根据反射计测量原理的料位的确定结合的可能的应用，
图3a-c图示了与介质的浊度的确定结合的可能的应用，以及
图4a-d图示了与酒精含量的确定结合的可能的应用。
在附图中，相同的元件各自具备有相同的参考标记。
具体实施方式
在图1a和b中示意性地描绘了根据本发明的方法。
该方法可以例如在这里未示出的现场设备1.4的电子系统中或者在更高级别的单元中实现。电子系统包括同样未单独示出的存储器单元，在该存储器单元中基于从现场设备1.4的传感器单元(未示出)接收的传感器信号x，存储用于确定过程变量y的不同模型M1-Mn。
各自从传感器单元接收的是传感器信号或多个传感器信号x1-xi，为其各自确定过程变量y1-yi。因此，各种模型M1-Mn可用于确定过程变量y。然后，根据本发明的分类器K用于从模型M1-Mn的集合中确定并选择所选择的模型(这里为M2)。该选择在图1a和b中由箭头以及两个开关元件S1和S2图示。在图1a的实例中，借助于模型M2至少从传感器信号x2确定过程变量y2，模型M2已被分类器K选择。
可选地，如虚线箭头所示，可以使一个或多个影响变量对分类器K可用的。在当前实例中，这些是例如传感器信号x1-xi以及进一步的影响变量xj和xk。
不同的模型M1-Mn可以各自用于基于传感器信号x1-xi确定过程变量y1-yi。模型M1-Mn可以例如涉及过程中的不同测量原理或不同配置，例如不同的使用和/或应用领域。例如，不同的模型M1-Mn也可以至少部分地互斥，使得某些模型不适用于某些情况。在最简单的实例中，对于特定过程的预确定的持续时间，各自选择的模型M2保持不变。然而，也可以想到，在连续操作期间，过程和/或环境条件以这样的方式改变：由分类器K选择的模型M2的改变将被连续地、周期性地或选择性地执行。例如，在图1b的实例中，借助于模型Mn至少从传感器信号xn确定过程变量yn，模型Mn已被分类器K选择。
如图2a-c所图示的，作为过程变量y的关于介质M的料位F的非接触确定的根据本发明的方法的可能的应用由现有技术领域内本身已知的基于运行时间的料位测量方法来图示。在许多不同的实施例中相应的现场设备由申请人生产，并在例如Micropilot、Levelflex或Prosonic的标志下出售。
测量原理在图2a中示意性地图示。传输信号S被反射到位于容器2中的介质M的表面O上，然后关于介质M的料位F来评估接收到的回波信号R。信号评估在图2a中示出。通常，由于不同的寄生回波信号被叠加在取决于料位的回波信号上，因此首先需要进一步适当地处理接收到的回波信号R。为了能够各自从反射的回波信号R中提取取决于料位的回波信号，因此通常在频率空间中实现信号转换3a，例如快速傅里叶变换(FFT)。随后借助于为此目的提供的各自的算法A来评估众所周知的包络线，基于其可以确定料位F。包络线的示例在图2c中示出。
为了允许料位F的最佳精确的确定，各自使用的算法4必须针对各个过程或各个应用被适当地参数化3b。这个参数化3b或参数的选择和指定通常根据现有技术手动进行。例如，容器2的最大填充速度和/或排空速度被指定用于取决于料位的回波信号的精确的跟踪。为了料位F的精确的确定，继而需要关于介质M的各种数据，尤其是介电常数，以及用于容器内的介质M的表面行为的各种数据，例如关于在表面O的区域中的湍流或泡沫形成的信息。因此，参数化3b是高度特定于应用程序的，并且必须为每个新应用程序适当地选择。这与高成本相关联。
关于本发明，不同的包络线、算法或甚至不同的参数集合用作不同的模型M1-Mn。分类器K用作为用于基于传感器信号x来确定过程变量y＝F的匹配模型的智能的选择，所述传感器信号x在这个实例中由回波信号R提供。在这方面，可以想到分类器K基于一个或多个包络线从多个参数值中选择用于参数P的至少一个参数化3b。
如图3a-c所图示的，根据本发明的方法的应用的另一示例涉及同样从现有技术中已知的用于确定介质的浊度的浊度传感器4。这种传感器4可以附加地用于确定未溶解的固体的物质浓度CF，例如用于确定各种污泥的物质浓度，尤其是在污水处理厂中。例如，在该背景下已知的是众所周知的稀浆、活性污泥、剩余的活性污泥或消化的污泥。对于每种类型的污泥，提供了单独的合适的模型，借助该模型，可以基于浊度传感器4的传感器信号x确定固体的物质浓度y＝CF。浊度传感器也由申请人在各种实施例中生产，并且在例如Turbimax的标示下出售。图3a示出了基于散射光测量的测量原理的浊度传感器4。从光源5开始，透射光6(实线)穿过对透射光6透明的窗口7辐射到包含介质M的测量室8中。在那里，透射光6在散射点处P以测量角α散射，或者被转换为接收光9(虚线)。接收光9继而穿过对接收光9透明的窗口10经由光阑11到达检测器12，并且是介质的浊度的测量。
在四光束交替光方法的实例中，如图3b和3c所图示的，传感器4具有两个光源5a、5b和用于接收光9或散射光的冗余检测的四个检测器12a-12d。检测器中的两个12a和12b用于检测90°散射光；另外两个12c和12d用于检测135°散射光。从而，图3b示出了传感器4的示意性前视图，并且图3c图示了侧视图。
在启动用于确定特定应用中的污泥的固体浓度CF的传感器4之前，必须各个手动地选择合适的模型M1-Mn。在污泥的类型随时间改变的事件中，用于确定物质浓度CF的模型M1-Mn也必须相应地改变。如果经常发生的连续操作中模型改变的必要性不能被及时检测到，则至少间歇地发生污泥的物质浓度的错误确定。
借助于本发明，分类器K现在可以用于确定各自的适当所选择的模型M2、Mn。分类器因此原则上用于至少基于例如借助于检测器12接收的信号x的浊度传感器4的传感器信号x的污泥类型的智能识别。取决于污泥的类型，分类器K选择适合用于确定浓度的所选择的模型M2、Mn。
一方面，浊度传感器4的传感器信号x1-xi可以用作可能的影响变量。然而，还可以附加地或替选地提供其他影响变量xj、xk，例如那些反映介质M的例如在一个或多个不同波长处的吸收、反射、透射或散射的光谱特性的影响变量。
如图4a-d所图示的，本发明的另一可能的应用涉及以水溶液的形式在介质M中酒精含量CA的测量。确定酒精含量中的困难通常是提前未知在各个实例中涉及哪种类型的酒精，例如甲醇、乙醇或异丙醇(2-丙醇)。图4a-4c示出了不同酒精甲醇(a)、乙醇(b)和异丙醇(c)的特性曲线，所述曲线指示作为酒精浓度CA的函数的密度ρ。对于各个酒精，特性曲线的走向明显不同。因此，浓度确定的准确性取决于知道水溶液中存在的各个酒精。
例如，为了确定各自涉及哪一种酒精，可以确定水溶液的密度ρ和折射率nD。如可以从图4d所见，使用这两个变量，可以明确确定涉及哪种酒精。作为各自用于特定酒精的密度ρ的函数的折射率nD示出了特性曲线，并且不取决于水溶液中的酒精浓度CA。
关于本发明，分类器K可以例如被提供有水溶液的折射率nD和密度ρ作为影响变量xj、xk。然后将分类器K设计为确定存在的各个酒精并选择特性曲线(所选择的模型M2、Mn)。然后可以基于特性曲线和密度ρ确定水溶液的酒精含量CA。
参考标记
Figure BDA0002235641450000091
Figure BDA0002235641450000101

Claims (15)

1.一种用于确定介质（M）的至少一个过程变量（y）的方法，所述方法包括以下方法步骤：
- 记录来自现场设备（1.4）的传感器信号（x1-xj），
- 借助于分类器（K）从至少两个不同的模型（M1-Mn）的集合中确定选择的模型（M2），
其中，所述模型（M1-Mn）中的每一个用于至少基于所述传感器信号（x1-xj）来确定所述过程变量（y），并且
其中，所述分类器（K）被设计为使用可用于所述分类器的至少一个影响变量来选择所述选择的模型（M2）；所述至少一个影响变量包括所述传感器信号（x1-xi）或从所述传感器信号（x1-xi）导出的变量，以及
- 至少基于所述选择的模型（M2）和所述传感器信号（x1-xj）来确定所述过程变量（y），
- 检测所述分类器（K）从第一选择的模型（M2）到第二选择的模型（Mn）的改变；以及
- 连续地、周期性地、或选择性地执行与由所述分类器选择的所述选择的模型的改变相对应的、用于确定所述过程变量的所述选择的模型的改变。
2.根据权利要求1所述的方法，
其中，所述方法是计算机实现的方法。
3.根据权利要求1所述的方法，
其中，所述分类器（K）被设计为学习所述选择的模型（M2）的选择。
4.根据权利要求1至3中的任一项所述的方法，
其中，所述分类器（K）被离线地和/或在线地训练。
5.根据权利要求1至3中的任一项所述的方法，
其中，所述传感器信号由浊度传感器确定，并且所述至少一个影响变量反映所述介质的光谱特性。
6.根据权利要求1至3中的任一项所述的方法，
其中，基于包括至少一个输入变量和与所述输入变量相关联的输出变量的数据记录，创建映射，所述分类器（K）基于所述映射来确定所述选择的模型（M2）。
7.根据权利要求6所述的方法，
其中，所述映射是数值映射。
8.根据权利要求1至3中的任一项所述的方法，
其中，确定特征向量，其中，所述分类器（K）被设计为基于所述特征向量来选择所述选择的模型（M2）。
9.根据权利要求8所述的方法，
其中，使用第一分类器和第二分类器，其中，所述第一分类器用于执行特征提取和/或创建特征向量，并且其中，第二分类器用于基于所述特征向量来选择所述选择的模型（M2）。
10.根据权利要求1至3中的任一项所述的方法，
其中，确定关于所述选择的模型（M2）的所述选择的分类质量。
11.根据权利要求10所述的方法，
其中，基于所述分类器选择所述选择的模型（M2）的概率来做出关于所述分类质量的陈述。
12.根据权利要求1所述的方法，
其中，确定两个所选择的模型（M2，Mn）之间的交替频率，或者确定使用所述第一选择的模型（M2）或第二选择的模型（Mn）的时间间隔。
13.根据权利要求1至3中的任一项所述的方法，
其中，所述现场设备（1.4）是用于确定和/或监视介质（M）的浊度、流量速率或料位（F）的，或用于确定所述介质（M）中包含的至少一个物质的浓度（CF，CA）的现场设备（1.4）。
14.根据权利要求13所述的方法，
其中，所述物质是固体、酒精或盐。
15.一种其上存储计算机程序的计算机可读介质，所述计算机程序用于确定介质（M）的至少一个过程变量（y），所述计算机程序具有计算机可读程序代码要素，所述计算机可读程序代码要素当在计算机上被执行所时，使所述计算机执行根据前述权利要求1至14中的至少一项所述的方法。
CN201910982484.7A 2018-10-18 2019-10-16 用选择确定过程变量的模型的分类器确定过程变量的方法 Active CN111077087B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102018125907.7A DE102018125907A1 (de) 2018-10-18 2018-10-18 Verfahren zur Bestimmung einer Prozessgrößer mit einem Klassifikator zur Auswahl eines Modells zur Bestimmung der Prozessgröße
DE102018125907.7 2018-10-18

Publications (2)

Publication Number Publication Date
CN111077087A CN111077087A (zh) 2020-04-28
CN111077087B true CN111077087B (zh) 2023-01-24

Family

ID=70280765

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910982484.7A Active CN111077087B (zh) 2018-10-18 2019-10-16 用选择确定过程变量的模型的分类器确定过程变量的方法

Country Status (3)

Country Link
US (1) US20200125974A1 (zh)
CN (1) CN111077087B (zh)
DE (1) DE102018125907A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102021126826A1 (de) 2021-10-15 2023-04-20 Vega Grieshaber Kg Computerimplementiertes Verfahren zur Klassierung eines Mediums, Datenverarbeitungseinrichtung und Messgerät

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7362892B2 (en) * 2003-07-02 2008-04-22 Lockheed Martin Corporation Self-optimizing classifier
DE102007021099A1 (de) * 2007-05-03 2008-11-13 Endress + Hauser (Deutschland) Ag + Co. Kg Verfahren zum Inbetriebnehmen und/oder Rekonfigurieren eines programmierbaren Feldmeßgeräts
DE102010044182A1 (de) * 2010-11-19 2012-06-06 Endress + Hauser Gmbh + Co. Kg Verfahren zum Einstellen eines Messgeräts
DE102012107214A1 (de) * 2012-08-07 2014-02-13 Endress + Hauser Conducta Gesellschaft für Mess- und Regeltechnik mbH + Co. KG Verfahren zur Kalibrierung eines Sensors zur Trübungsmessung
DE102012112782A1 (de) * 2012-12-20 2014-06-26 Endress + Hauser Conducta Gesellschaft für Mess- und Regeltechnik mbH + Co. KG Verfahren und Vorrichtung zur Bestimmung eines Zustands eines in einem Prozessbehälter integrierten Messaufnehmers
DE102014118205B4 (de) * 2014-12-09 2022-09-29 Endress+Hauser Conducta Gmbh+Co. Kg Verfahren zur Bestimmung einer Trübung und Trübungssensor zur Ausführung des Verfahrens
DE102015112543A1 (de) * 2015-07-30 2017-02-02 Endress+Hauser Gmbh+Co. Kg Vorrichtung zur Bestimmung und/oder Überwachung zumindest einer Prozessgröße
DE102016117733A1 (de) * 2015-10-09 2017-04-13 Endress+Hauser Conducta Gmbh+Co. Kg Messeinrichtung
DE102016125871A1 (de) * 2016-12-29 2018-07-05 Endress+Hauser Conducta Gmbh+Co. Kg System zur Bestimmung und Überwachung zumindest einer Prozessgröße eines Mediums
IT201700021585A1 (it) * 2017-02-27 2018-08-27 St Microelectronics Srl Procedimento di apprendimento, sistema, dispositivo e prodotto informatico corrispondenti

Also Published As

Publication number Publication date
DE102018125907A1 (de) 2020-04-23
US20200125974A1 (en) 2020-04-23
CN111077087A (zh) 2020-04-28

Similar Documents

Publication Publication Date Title
US20150316397A1 (en) Method and apparatus for determining a state of a measuring transducer integrated in a process container
CN111077087B (zh) 用选择确定过程变量的模型的分类器确定过程变量的方法
EP3417273B1 (en) Method and system for in-situ identification of working fluids
CN110441486A (zh) 水质监控系统以及其方法
US20220136877A1 (en) Flowmeter, Method for Operating a Flowmeter, System and Method for Operating a System
CN117171596B (zh) 一种压力变送器的在线监测方法及系统
US11656115B2 (en) Method for determining a process variable with a classifier for selecting a measuring method
CN106352948A (zh) 新型电容式传感器液位检测系统及检测方法
Lata et al. Design and development of a level transmitter using force resistive sensor as a primary sensing element
Brunner et al. Biomass soft sensor for a Pichia pastoris fed‐batch process based on phase detection and hybrid modeling
Skålvik et al. Challenges, limitations, and measurement strategies to ensure data quality in deep-sea sensors
CN105143914A (zh) 用于在近程区域和远程区域中光学间距测量的方法
Kim et al. A simple taste analyzing system design for visual and quantitative analysis of different tastes using multi-array chemical sensors and pattern recognition techniques
CN108459608A (zh) 一种水下探测器的深度控制方法及系统
CN100356145C (zh) 雷达液面测量系统中的系统和方法
US9104911B2 (en) Object classification
Devi et al. Live demonstration on smart water quality monitoring system using wireless sensor networks
CN101051052B (zh) 高精度液态乙醇浓度在线检测方法与装置
Santhosh et al. Analysis of additive in a liquid level process using multi sensor data fusion
Possetti et al. Optical-ultrasonic heterogeneous sensor based on soft-computing models
CN109891235A (zh) 基于统计方法，自动在线检测流体的实际状态与流体的参考状态的偏差的方法，特别是用于监测饮用水供应
Abduraxmonov et al. Automatic Liquid Level For Explosive Areas
CN206523204U (zh) 新型电容式传感器液位检测系统
US11747187B2 (en) Method for generating a masking curve for a fill state measuring device
WO2024135087A1 (ja) 測定装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant