稳态系统的过失误差识别

数据校正包括数据协调和过失误差侦破与识别两部分，其中过失误差的侦破与识别一直是数据校正的重点和难点所在。针对系统偏差型的过失误差，研究了稳态系统中含有多个这失误差情况下的过失误差侦破与识别问题。提出了系统的过失误差可识别性的概念，分析了稳态系统的特性，指出了系统过失误差可识别的条件，并提出了过失误差的参数估计识别方法。计算实例表明，此方法可以准确地识别出系统所含的多个过失误差，具有很重要的理论意义。     

基于双权M-估计子的鲁棒数据校正新方法

准确可靠的测量数据是实现装置过程控制、模拟、优化和生产管理的前提条件,而通过仪表测量获取的过程数据中可能存在过失误差,直接影响数据校正的准确性,现有的数据校正方法不能完全有效地避免过失误差的影响。根据双权M-估计的原理,今以相对残差为变量构造了一种新型的具有强鲁棒性的目标函数,使含有过失误差的变量对函数的贡献为一常数,从而避免了过失误差对数据校正过程的影响。选取了具有代表性的一个线性问题和一个非线性问题进行实例研究,并与现有的Huber法和Cauchy法进行了对比分析。计算结果表明,对线性系统和非线性系统,新方法的过失误差侦破性能均优于Huber法和Cauchy法,且其稳定性更高。因此,在进行数据校正时应首选新方法。     

基于大规模严格机理模型的数据校正

实时优化要求准确的过程模型与过程数据,然而通过仪表测量获取过程数据不仅存在随机误差而且有时还存在过失误差,直接影响实时优化的准确性.根据流程工业过程系统的特点,提出了基于大规模严格机理模型的数据校正,构造了随机误差与过失误差的隶属函数并根据它们的隶属度大小来诊断过失误差.当测量信息丰富时,可同时对进料的流量、组分及压力等多种测量数据同时进行数据校正.将基于大规模严格机理模型的数据校正应用于大规模乙烯分离系统进行仿真模拟,测量值仅存在随机误差时,经过数据校正后,满足严格机理模型.测量值引入过失误差时,可准确地诊断出过失误差.模拟计算结果证实了基于大规模严格机理模型的数据校正与过失误差诊断方法的有效性.     

化工过程中基于小波滤波法的过失误差侦破研究

小波滤波能有效降低化工过程测量数据的随机误差,但却无法识别测量数据中是否存在过失误差。为此,本文通过总结大量小波滤波数据校正实例中校正值、分解层数与过失误差之间存在的关系,提出了三者之间的关系公式,并根据此公式侦破识别过失误差。对Aspen Dynamic模拟产生的测量数据的校正结果表明,文中提出的公式准确的反映出了校正值、分解层数和过失误差的关系,并且利用该公式能够有效地侦破和识别过失误差。     

基于有界误差分布假设的常压塔稳态过程数据校正方法

可靠的过程数据是实施操作优化等的关键.现有的稳态数据校正方法都是假设测量误差服从零均值和已知方差的正态分布,而实际的测量误差都是有界的.在假设测量误差服从有界正态分布前提下,提出一种新的数据协调和过失误差检测同步算法,并在一个工业常压塔上的应用表明了该算法的有效性.     

基于神经网络的化工过程测量数据在线校正技术的研究

研究了人工神经网络在化工过程测量数据校正中的应用，提出了新的样本构造方法和神经网络的在线训练策略。对某乙烯装置裂解气分离系统测量数据，应用自行设计开发的改进算法的神经网络与数据校正系统集成运行，结果表明基于神经网络的数据校正技术能对测量数据中所含的随机误差和过失误差进行同时校正，提高过程数据的精度和校正过程的稳定性，同时满足数据校正的实时性要求。     

基于模糊自适应遗传算法的数据校正方法

针对数据校正中的非线性数据分类还比较困难的问题,提出表上作业法,结合遗传算法同时进行数据协调与过失误差侦破.并将模糊数据协调模型中的三角形约束引入遗传算法界定其变异上下限,还对交叉算子进行自适应改进,从而形成了基于模糊自适应的数据校正方法并用该方法对一个稳态多组分精馏过程进行大量仿真试验,结果表明了算法的有效性.     

误差校正新方法在重整装置芳烃收率在线软测量中的应用

针对软测量建模中含有误差会极大影响模型精度问题,提出一种将数据误差校正、模型参数校正和模型结构校正技术相结合的软测量误差三重校正方法.该方法可以有效地处理测量数据的过失误差和随机误差,从而提高软测量精度,并且该方法直接面向数据,实现方便.应用该方法对某芳烃厂的连续重整装置的芳烃收率软测量进行误差校正,取得了很好的效果.     

基于一种新的鲁棒目标函数的化工过程数据校正

给出了一种基于新鲁棒目标函数的数据校正方法,分析了目标函数的性质及其影响函数,表明了该方法对显著误差具有较强的鲁棒性。对一个线性和非线性化工过程进行了仿真研究,并与常用的Huber鲁棒估计法和Fair鲁棒估计法进行了对比分析。     

让产品测定结果更准确

介绍了在产品测定实际工作中的精密度、准确度、偏差等易混淆的误差概念，分析了系统误差、偶然误差、过失误差等几种影响测定结果的因数，并提出针对不同误差采取相应的措施，以保证测定结果更加准确。     

Gross error modeling and detection in plant linear dynamic reconciliation

This paper presents a method to identify and estimate gross errors in plant linear dynamic data reconciliation. An integral dynamic data reconciliation method presented in a previous paper (Bagajewicz and Jiang, 1997) is extended to allow multiple gross error estimation. The dynamic integral measurement test is extended to identify hold-up measurements as suspects of gross error. A series of theorems are used to show the equivalencies of gross errors and to discuss the issue of exact identification. A serial approach for gross error identification and estimation is then presented. Gross errors are identified without the need for measurement elimination. The strategy is capable of effectively identifying a large number of gross errors.     

带显著误差集的改进MILP数据协调方法

Mixed integer linear programming (MILP) approach for simultaneous gross error detection and data reconciliation has been proved as an efficient way to adjust process data with material, energy, and other balance constrains. But the efficiency will decrease significantly when this method is applied in a large-scale problem because there are too many binary variables involved. In this article, an improved method is proposed in order to generate gross error candidates with reliability factors before data rectification. Candidates are used in the MILP objective function to improve the efficiency and accuracy by reducing the number of binary variables and giving accurate weights for suspected gross errors candidates. Performance of this improved method is compared and discussed by applying the algorithm in a widely used industrial example.     

数据协调中冗余性分析新方法

提出一种数据协调中的冗余性分析新方法 .根据尽量删除带有显著误差的变量 ,同时确保协调精度的原则 ,对所有检测出来的带有显著误差的变量 ,通过计算不同阶次的冗余度 ,按照冗余度的大小逐个选择可以删除的变量 .这样既充分利用了数据信息 ,又确保了协调精度 .仿真结果证实了该方法的有效性 .     

双线性约束过程的鲁棒自适应数据校正方法

采用污染正态分布模型进行数据校正,相对于传统的最小二乘方法具有较好的鲁棒性,然而参数估计结果的精确度依赖于误差发生概率和方差比值两个先验模型参数的选取,这在实际生产中难以获得,采用固定的方差比也不符合实际,因而其应用受到了限制。本文针对污染正态分布模型的不足,提出了一种鲁棒自适应误差分布模型,该模型具有与标准正态分布模型相似的分布密度函数,不同之处在于采用鲁棒自适应可变权重因子调节误差方差,通过放大显著误差方差,减小其对参数估计的影响。将该模型用于双线性约束数据校正问题,并采用Lagrange乘子法得到鲁棒自适应最小二乘分析解,同时还对鲁棒自适应数据校正中的测量数据相关性问题进行了研究。仿真结果证实了该方法的有效性。     

A MIXED INTEGER LINEAR PROGRAMMING-BASED TECHNIQUE FOR THE ESTIMATION OF MULTIPLE GROSS ERRORS IN PROCESS MEASUREMENTS

This paper presents a new strategy for detecting, identifying, and estimating gross errors (measurement biases and leaks) in linear steady state processes. The MILP-based gross error detection and identification model is constructed aiming at identifying the minimum number of gross errors and their sizes. One significant advantage of the method is that the detection, identification, and estimation of gross errors can be performed simultaneously without using any test statistics.     

A MIXED INTEGER LINEAR PROGRAMMING-BASED TECHNIQUE FOR THE ESTIMATION OF MULTIPLE GROSS ERRORS IN PROCESS MEASUREMENTS

This paper presents a new strategy for detecting, identifying, and estimating gross errors (measurement biases and leaks) in linear steady state processes. The MILP-based gross error detection and identification model is constructed aiming at identifying the minimum number of gross errors and their sizes. One significant advantage of the method is that the detection, identification, and estimation of gross errors can be performed simultaneously without using any test statistics.     

显著误差等效集及其求解方法研究

在过程工业中,显著误差检测与估计是成功实现过程数据校正的基础。无论是稳态过程还是动态过程显著误差检测,目前都没有找到高可靠性的方法,由此引发了对显著误差可识别问题的讨论。在分析显著误差可识别结果和等效集理论的基础上,对显著误差可识别问题进行了研究,提出了一种基于整数规划的显著误差最小势等效集的求解策略。理论和仿真说明了所讨论问题的存在性和所提方法的有效性。