1.一种面向液压缸综合测试台的软测量方法，其特征在于，包括如下步骤：设计MI-LSTM算法对历史数据进行处理然后进行位移预测；

将MI-LSTM算法嵌入LabVIEW中实时在线预测被测试缸位移。

2.根据权利要求1所述的一种面向液压缸综合测试台的软测量方法，其特征在于，所述的设计MI-LSTM算法对历史数据进行处理然后进行位移预测的步骤包括：将历史数据通过MI算法进行变量筛选，剔除无关变量；

将剩余变量作为LSTM网络输入数据进行建模对被测试缸的位移进行预测。

3.根据权利要求2所述的一种面向液压缸综合测试台的软测量方法，其特征在于，所述的将MI-LSTM算法嵌入LabVIEW中实时在线预测被测试缸位移的步骤包括:基于互信息MI的输入变量选择算法确定评价标准、制定搜索策略和停止准则；

将MI算法得到的有效数据作为LSTM网络输入数据，采用LSTM网络进行被测试缸位移预测；

对LSTM网络进行调整参数训练和优化网络，将训练好的网络参数提取出来，并把参数整合在LabVIEW中进行编程，实时在线预测被测试缸位移。

4.根据权利要求3所述的一种面向液压缸综合测试台的软测量方法，其特征在于，评价标准，用于衡量待选变量子集的优劣；

搜索策略，用于生成待选变量子集；

停止准则，用于确定最优或次优变量子集的个数。

5.根据权利要求4所述的一种面向液压缸综合测试台的软测量方法，其特征在于，确定评价标准：基于互信息MI策略，根据变量选择的目标，采用最小值或直接用均值来表示变量子集的互信息水平；

制定搜索策略：选择随机式搜索算法具体步骤包括：确定编码规则；确定适应度函数。

停止准则：事先指定要选择的变量数目，当达到此数目时即停止，或者在变量数目为定值时，选取变量选择标准最佳值对应的各个变量；

根据设定的准则自动确定变量规模，包括：前后变量选择标准的变化程度满足设定条件即停止，或满足设定标准的最小规模变量集合。

6.根据权利要求3所述的一种面向液压缸综合测试台的软测量方法，其特征在于，将MI-LSTM算法嵌入LabVIEW设计的具体实现包括：S331:两个离散随机变量 X 和 Y 的互信息可以定义为：       （1）

其中 是 和Y的联合概率分布函数，而 和 分别是X和Y的边缘概率分布函数;在连续随机变量的情形下，求和被替换成了二重定积分:             （2）

其中 当前是X和Y的联合概率密度函数，而 和 分别是X和Y的边缘概率密度函数;

S332: v-fold交叉验证;

S333：LSTM网络进行调整参数训练和优化网络；计算公式如下所示：                  （3）                    （4）                （5）                （6）                          （7）                                   （8）式中:  和 分别为遗忘门、输入门、输入节点、输出门、中间输出和状态单元的状态； 和 ，分别为相

应门与输入 和中间输出 相乘的矩阵权重； 分别为相应门的偏置项； 表示向量中元素按位相乘；表示sigmoid函数变化；表示tanh函数变化；

S334：LabVIEW根据训练好参数进行编程实现对位移的预测。

7.根据权利要求6所述的一种面向液压缸综合测试台的软测量方法，其特征在于，所述的步骤S332中，v-fold交叉验证具体实现过程如下：将原始采样数据分割成V份，保留一个单独的样本作为验证模型的数据；其他V-1个样本用来训练；交叉验证重复V次，每个子样本验证一次，平均V次的结果得到一个估测。

8.一种面向液压缸综合测试台的软测量系统，其特征在于包括液压缸综合测试台装置、电源模块、主控模块、通信模块；

电源模块，用于在给测量系统供电；

主控模块，用于接收数据并将数据输入建好的模型从而输出软测量结果；

通信模块，用于接收现场采集的数据，并向上位机发送数据。

上位机，用于实时接收来自液压缸综合测试台装置的可测输入变量，利用MI-LSTM算法在LabVIEW建立的预测模型实现软测量。

9.根据权利要求8所述的一种面向液压缸综合测试台的软测量系统，其特征在于液压缸综合测试台装置设置有压力传感器、温度传感器、流量传感器；

压力传感器、温度传感器、流量传感器分别与主控模块进行通讯连接。

压力传感器，用于测量液压缸综合测试台装置各个管道位置的压力；

温度传感器，用于测油箱中及管道中液压油的温度；

流量传感器，用于对泵口和管口液压油流量进行测量。