时间序列分析法用于常减压炼油装置测量数据校正

提高常减压炼油装置过程数据校正精度的有效手段是增加测量数据的冗余。通过对影响测量数据校正的因素进行分析，建立了时序平均值模型，提出了使用时间序列分析法来增加数据校正过程时间冗余的新方法，可在不增加测量点的前提下改善校正数据精度。采用常减压炼油生产装置的实际测量数据，对时间序列分析法的过失误差侦破能力、数据校正精度受时域值、过失误差大小的影响等进行了研究，探讨了时序法的可行性和实用性。结果表明，时序法可以快速有效地用于该装置的实时测量数据校正。     

一种用于数据校正的最小二乘与准最小二乘组合方法

过程系统的控制与优化要求可靠的过程数据。通过测量得到的过程数据含有随机误差和过失误差,采用数据校正技术可有效地减小过程测量数据的误差,从而提高过程控制与优化的准确性。针对传统基于最小二乘的数据校正方法:和基于准最小二乘的鲁棒数据校正方法:,分析了它们的优缺点,并提出了一种最小二乘与准最小二乘组合方法:。该方法:先采用准最小二乘估计器检测过失误差并剔除,然后再采用最小二乘估计器进行数据校正,可以综合前两种方法:各自的优点,使得数据校正结果:更加准确。将提出最小二乘与准最小二乘组合方法:应用于线性与非线性系统的数据校正中,通过校正结果:的比较说明此方法:的具有较好的过失误差检测能力和较准确的数据校正结果:。最后将此方法:应用于实际过程系统空气分离流程的数据校正中,结果:说明了此方法:的有效性。     

基于鲁棒估计的动态数据校正方法

针对目前动态数据校正方法存在的缺陷，本文在以前的工作基础上把基于鲁棒估计原理构造的鲁棒估计函数用于含异常点类型的过失误差的数据校正，Monte Carlo模拟结果及对TE问题的校正计算结果表明，这种基于鲁棒估计的过换误差侦破和数据协调同步方法可以在得到协调数据的同时很准确的侦破和识别出测量数据中所含的过失误差，具有较强的优越性。     

用于过失测量数据侦破与校正的改进MT-NT算法

介绍了一种用于过失误差侦破和校正改进的MT-NT算法。改进后的算法采用逐次侦破、校正的策略,有效地解决了在侦破过失误差过程中出现的系数矩阵降秩问题,减少了运算量,增加了信息的可用性和完整性。给出了该算法的框图及步骤,并采用面向对象的方法和C 十语言编制出了过程测量数据校正软件。经过实例验证,该算法可有效侦破测量数据中的过失误差,避免了在运算过程中出现的系数矩阵降秩问题,具有一定的实用性。     

MT-GLR在甲醇工厂数据协调中的应用

对用于过失误差侦破的MT-GLR联合算法进行了研究.改进后的算法利用MT法和GLR法联合确定可能含有过失误差的集合,综合利用这两种方法,使侦破所有过失误差的可能性大大增加.给出了该算法的设计思想及实施步骤,基于该算法并以甲醇工艺过程为背景,设计了一套实时数据协调和校正软件.该软件在某大型甲醇工厂中投入在线运行,在数据校正及过失误差侦破方面获得了良好的效果.     

非平稳APMA模型自校正预报器及其应用

本文介绍了在具有时变均值和时变方差的随机干扰序列作用下,ARMA模型的在线辨识 与自校正预报.用简单的ELS方法实现模型的在线辨识.对指数平滑预报器一步预报误差 序列进行实时建模和实时修正的基础上,实现对未来值的自校正预报. 应用于雷达测量飞机低空飞行数据的短期预报,仿真和对实测数据的处理结果表明,此 方法简单且精度较高,适用于微型机对一类非平稳过程的实时建模和短期预报.     

基于PCA优化的神经网络飞机燃油消耗预测方法

针对传统方法存在的不足,提出了基于主成分分析法优化的Elman神经网络飞机燃油消耗预测方法。利用主成分分析法降低神经网络输入维数。构建主成分分析与Elman神经网络模型,进行基于飞参数据的实例分析,并将几种神经网络的预测效果进行了对比;提出了基于K-S检验法预测结果冗余修正法并进行了修正。误差指标和预测图像表明与主成分分析结合后Elman神经网络对飞机燃油消耗的预测性能优于其他传统神经网络,且K S检验法能够有效实现对预测结果的修正。     

一种新的动态过程数据校正方法

数据校正技术能有效地提高测量数据的质量。本文提出了一种基于过程模型少统计分析和动态过程数据校正方法,该方法能同时进行过失误差检测并最终得到各个变量的校正值。对这种方法进行了仿真研究,仿真结果证实了该方法的有效性。     

基于改进小波阈值去噪的电厂脱硫过程数据校正方法研究

电厂脱硫系统受恶劣工作条件和测量技术的限制,测量数据误差严重影响控制系统的安全稳定运行.为获得能够正确反映脱硫系统实际动态过程的运行数据,从小波分析理论出发,针对传统阈值函数的不足,结合鲁棒估计函数提出了一种基于改进小波阈值去噪方法的数据校正策略,实现对测量数据中过失误差与随机误差的依次处理.通过仿真实验和现场实例,对...     

高精密多极磁感应角位移传感器校正方法的技术研究

高精密多极磁感应角位移传感器精度通常为±(3～5)″,很难达到±1.5″以内，这限制了其应用在一些高精尖的精密测试及制造领域，为实现更高精度则需对系统进行软件校正，目前常用的软件校正方法有查表法、神经网络法、小波分析法等，但这些校正方法需要采集大量连续的误差标定数据，而满足此精度等级、能实现连续化误差标定的测角装置极难获取，而23面(或24面)棱体与光电自准直仪组成的测角标定装置虽可满足精度要求，但它只能实现360°内离散化误差标定，基于多面棱体与光电自准直仪有限离散的误差标定数据，在此基础上提出一种二次精度校正技术以实现对角位移测量系统的软件修正，实验证明，应用此方法后，角位移测量系统精度由±3.1″提升到了±1.35″,从而验证了所提出的误差校正技术。     

非线性动态系统中迭代的同步数据协调与显著误差检测的支持向量回归方法

化工厂中过程数据的质量严重影响到来自例如性能监控, 在线优化和控制等活动所获得的效益和性能. 由于许多化工过程通常表现为非线性动态特性, 例如扩展卡尔曼滤波(EKF)和非线性动态数据协调(NDDR)等技术已经被发展出来改进数据的质量. 近期, 迭代非线性动态数据协调(RNDDR)技术已被提出, 该技术结合了EKF和NDDR技术的优点. 但是, RNDDR技术不能够处理具有显著误差的测量值. 本文中, 一种非线性动态系统中迭代的同步数据协调与显著误差检测的支持向量(SV)回归方法被提出. SV回归是一种经验风险和结构风险间的妥协, 并且对于数据协调来说, 其对随机误差和显著误差是鲁棒的．通过将结构风险取代RNDDR中的极大似然估计并使其最小化, 我们的方法不仅可以实现迭代非线性动态数据协调, 还可以同时实现显著误差检测. 本文中的非线性动态系统仿真结果显示出, 所提出的方法在迭代实时估计框架下, 对于非线性动态系统的同步数据协调和显著误差检测是鲁棒、稳定并且精确的. 该方法也可以提供更好的控制性能.     

Data reconciliation for real-time optimization of an industrial coke-oven-gas purification process

Online optimization is more and more used in the chemical industry to run a process near its optimum operating condition by providing real-time computed optimal set-points to the distributed control system. Process measurements are necessary for these applications to determine the actual state of the process and to increase the accuracy of the model with parameter estimation techniques. However, these measurements usually contain random as well as gross errors which have to be identified and eliminated before the measurements are used for online optimization. In this contribution, a data reconciliation approach was integrated into an online optimization framework for the ammonia hydrogen sulfide circulation scrubbing, a common industrial coke-oven-gas purification process. We used a rigorous rate-based model to describe this reactive absorption and desorption process. To increase the accuracy of the model, we estimated several process parameters using a sequential parameter estimation approach. Data reconciliation was performed based on simple component balances to achieve model-consistent data and to identify measurement biases. The model was then validated online on a pilot plant by connecting the estimation package through the process control system. Based on the online measured data, operating cost minimization was carried out and the computed optimal set-points realized real-time. A satisfactory agreement between measured data and optimization was achieved.     

过程测量数据校正技术在甲醇工厂的在线应用

过程数据的质量严重影响了MES中的过程监控、实时优化和控制及其它模块的性能和效益.为获得平衡和准确的过程数据,研发了一种组合了测量数据检验法和GLR检验法的改进型序列补偿法,并将其应用于数据校正中显著误差的侦破和处理.基于该方法并以甲醇工艺过程为背景的一套实时数据校正软件在某大型甲醇工厂的MES中投入在线运行,并获得了满意的效果.该方法经过适当改造后可以应用于某些过程工业的在线数据校正.     

Robust data reconciliation of combustion variables in multi-fuel fired industrial boilers

This paper introduces an application of simultaneous nonlinear data reconciliation and gross error detection for power plants utilizing a complex but computationally light first principle combustion model. Element and energy balances and robust techniques introduce nonlinearity and the consequent optimization problem is solved using nonlinear optimization. Data reconciliation improves estimation of process variables and enables improved sensor quality control and identification of process anomalies. The approach was applied to an industrial 200 MW_th fluidized bed boiler combusting wood, peat, bark, and slurry. The results indicate that the approach is valid and is able to perform in various process conditions. As the combustion model is generic, the method is applicable in any boiler environment.     

流程工业MES中物流平衡报表的开发

从流程工业CIMS的三层结构模型(ERP/MES/PCS)出发,分析了物流平衡和数据校正在炼化企业综合自动化尤其是生产执行系统(MES)中的重要作用,并简要介绍了数据校正软件APC-DataPro的原理和功能。在数据综合集成和处理之后,通过数据校正软件对物流数椐进行了校正,并基于数据校正结果生成了物流平衡报表。该物流平衡系统已在某炼化企业生产执行系统中得到了应用,取得了良好的效果。     

Dynamic data reconciliation in mineral and metallurgical plants

Data reconciliation is a well-known technique to improve accuracy and reliability of plant measurements. It relies on process models that could range from simple mass and energy conservation equations to complete causal dynamic models. Generally, precise estimates imply detailed plant models that could be difficult to build and update in practice. The trade-off between modeling efforts and estimation performances has thus lead to various approaches to deal with plant dynamics. The objective of the paper is to review and compare most common observers used for dynamic data reconciliation in the mineral and metallurgical processing industries. Comparisons are carried out using a separation unit and a flotation circuit as simulated benchmark plants. Observer performances are evaluated in terms of variance reduction. Strengths and weaknesses of the different methods are highlighted. Aspects such as estimation of model parameters, detection of gross errors, and handling of bilinear equations and plant non-linearities are discussed.     

化工过程实时状态监测与模糊诊断系统研究与实现

过程监测与故障诊断是化工过程工程中的一项重要任务，是保证生产过程安全运行、降低废品率的重要环节。本文在分析各种诊断方法的基础上，结合数据分析、专家系统、模糊逻辑以及面向对象分析等技术，提出并开发了一个化工过程实时监测与模糊诊断系统。该系统由数据校正、过程监测和模糊专家系统三部分组成，采用开放式结构，具有良好的易维护性和可扩充性。     

A novel robust data reconciliation method for industrial processes

Data reconciliation has played a significant role in rectifying process data which can meet the conservation laws in industrial processes. Generally, the actual measurements are often easily contaminated by different gross errors. Thus, it is essential to build robust data reconciliation methods to alleviate the impact of gross errors and provide accurate data. In this paper, a novel robust estimator is proposed to improve the robustness of data reconciliation method, which is based on a new robust estimation function. First, the main robust properties are analyzed with its objective and influence functions for the proposed robust estimator. Then, the effectiveness of the new robust data reconciliation method is demonstrated on a linear numerical case and a nonlinear example. Moreover, it is further used to a practical industrial evaporation production process, which also demonstrates that the process data can be better reconciled with the proposed robust estimator.