数据校正在精馏塔系中的应用

针对某芳烃联合装置中精馏塔系的双线性数据校正问题，通过引入测度因子函数，将双线性问题转化为线性数据校正问题，进行了稳态数据校正的研究，得出了该类问题的一种解法。仿真实验表明该方法迅速、准确     

关于化工数据校正问题的研究

介绍化工过程数据校正和参数估计的基本原理。提出对化工过程数据进行分类的新方法─—有序规则法，为正确设计测量点的位置提供了理论依据；提出非线性数据校正问题的线性化方法，有效地避免了易使校正问题繁解的非线性方程的出现。     

一种新的测量数据校正方法—两步法

测量数据中所含的测量误差是影响化工过程监控质量的重要因素之一。本文提出一种新的测量数据校正方法—两步法,用于将难以求解的非线性校正问题转化为线性校正的问题,从而使得数据校正过程大为简化。文中还导出了两步法应用于反应器测量数据校正的公式。     

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。     

化工过程数据校正方法的探讨

简要地介绍了数据校正中的基本概念;然后从数据协调、显著误差检测、数据校正三个方面较系统地、全面地总结了数据校正方法的研究进展和成就;最后探讨了这一领域中值得进一步研究的问题和可能的发展方向。     

石化企业物料平衡的多层次数据校正方法

针对石化企业多层次物料平衡需求,提出了一种多层次数据校正方法和分层物料平衡策略。首先介绍了物料平衡的工程背景,从测量条件、数据转换和平衡流程等角度分析了企业物料平衡存在的问题和传统方法的不足。基于石化企业装置层、调度层、统计层的多层次物流管理模型,提出了多层次数据校正方法,并给出了统一的数学描述。该方法进一步引入层间约束关系作为某一层次的校正约束方程,增加了测量数据的冗余性。对于多层次数据校正的不一致性问题,提出以下策略:先进行工厂统计平衡,校正储罐收付量,再完成调度平衡,求出装置间的互供量,最后进行分装置平衡,完成全厂装置层物料平衡。该方法提高了数据校正结果的精度,降低了求解规模。仿真研究实例说明了方法的有效性。     

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。     

化工过程中的数据协调及显著误差检测

测量数据中不可避免地会含有随机性误差及显误差。本在综合大量献的基础上，从数据协调及显误差检测两个方面系统，全面地介绍和比较了数据校正的有关方法，并对非线性及动态数据校正进行了讨论。     

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。     

一种基于消耗预测的钢铁企业煤气平衡与数据校正方法

煤气发生与消耗计量的不平衡是钢铁企业普遍存在的问题,传统的平衡方法难以客观、科学的进行煤气平衡与数据校正。本文建立了三种煤气消耗预测模型,能对轧钢类、炼钢类和烧结类用户的煤气消耗量进行预测,提出一种基于消耗预测的煤气自动平衡与数据校正方法,能够对各个用户的煤气用量进行数据校正,并能自动平衡煤气的总发生与总消耗计量。工业应用表明,所提方法能有效提高煤气平衡和数据校正的自动化程度,为企业成本核算和煤气调度提供重要依据。     

全厂物流数据校正模型及算法研究

流程工业企业计算机集成制造系统(CIMS)以产、供、销全方位的信息化为基础,优化生产,创造最大效益.在以数据为核心的流程工业CIMS系统中,采用数据校正技术可消除测量数据的不一致性和不完整性,为整个系统的正常运行提供可靠的数据源.针对流程工业企业工艺流程的特点,建立了全厂物流数据校正模型,提出了基于模型的数据协调及大误差侦破方法,实例计算展示了所提出的全厂物流数据校正模型及数据校正算法的有效性.     

一种求解数据校正问题的基于经验增强的方法

基于机理模型的数据校正问题中,过程系统比较复杂时就要面临求解大规模非线性规划问题.如果直接求解,由于方程维数大且为非线性,问题自由度大,因此求解难度较高,容易导致求解收敛失败.数据校正问题的特点是当测量变量的测量值发生变化时对同一过程对象模型重复地进行求解计算.基于此特点,今提出了一种基于经验增强的求解方法.此方法通过...     

过程系统变负荷下的数据校正与参数估计方法

过程系统的数据校正与参数估计是进行实时操作优化与过程控制的基础。过程系统变负荷下由于模型参数变化的非线性及显著误差的影响,导致数据校正与参数估计的结果不准确,从而影响实时操作优化与过程控制的效率。针对此问题,本文提出了一种用于变负荷下的数据校正与参数估计方法。此方法主要包括过程的稳态检测与数据采样,多工况下的数据聚类和基于多组测量的数据校正与参数估计。首先选择有效和可靠的过程测量数据,根据变负荷下工况的波动性与系统的非线性特征进行数据聚类,最后基于聚类结果调整模型参数使得模型输出与过程测量数据偏差最小。此方法可有效地减小模型参数变化的非线性及显著误差对数据校正与参数估计结果的影响。基于现场的测量数据,将此方法应用于空气分离流程系统中,结果显示了基于此方法的数据校正与参数估计结果更准确。     

先进控制技术及应用：第二讲 过程数据校正技术

将过程数据校正工作分为过程数据的分类,测量网冗余度分析,过失误差检测和数据协调四个部分,分别介绍了这四部分的基础知识和研究概况,并举实际例子说明了数据校正技术在化工过程中的应用。     

炼油厂两级物料平衡的数据校正方法

提出一种分两级进行物料平衡的数据校正策略。第一步,利用测量精度较高的进厂、出厂、库存计量数据进行进销存平衡数据校正;第二步,利用第一步的计算结果作为约束进行装置投入、产出和油品移动层的数据校正,该方法提高了对于显著误差的处理能力。通过一个工程数据的仿真实例验证了该方法的有效性。     

数据校正技术在流程工业企业物料平衡中的应用

介绍数据校正技术的基本原理,并以某石化企业为背景,分析数据校正系统的总体结构和功能模块。经校正的物流平衡数据可支持MES层中的多项应用,达到了很好的应用效果。     

基于贝叶斯网络的数据校正方法

精确的物料平衡模型是数据校正技术的基础，但实际上，频繁发生的调度事件动态地改变着物料的流向，目前的研究中往往容易被忽视，为此，从工程实践的角度出发提出一种新的处理方法.依据专家经验选择贝叶斯网络关键变量，利用大量的历史数据学习出贝叶斯网络，继而利用贝叶斯网络的诊断功能实现对调度事件的实时跟踪，最后建立精简模型, 增强了数据校正的可行性.仿真研究证实了该方法的有效性.     

一种改进的鲁棒数据校正方法

鲁棒数据校正方法能有效得进行数据协调和过失误差侦破。然而,当泄露、积累等问题导致模型不准确时,传统的鲁棒数据校正技术无法得到满意的结果。针对这种情况,本文对鲁棒数据校正技术做了改进,将相对残差大于临界值的等式约束变为不等式约束,同时将原来等式约束的相对残差加入到鲁棒目标函数中,使得该方法适用于过程模型不准确的情况。实例运算表明,本文提出的方法对模型准确或者模型不准确的情况都有较好的数据校正结果。     

在线数据校正在甲醇工厂的应用

包括甲醇在内的任何化工装置,无论总流率还是组分流率的测量数据都是不平衡的。过程测量数据的不平衡性严重影响了核算、监控和优化的效果。基于MES的数据校正系统开发成功并已在甲醇工厂投入在线运行。由于大多数组分数据由实验室提供,因此设计了1套同步在线校正流率数据和组分数据的架构。     

小波分析及其在化工过程数据校正中的应用

基于小波分析的数据校正方法具有多尺度特性,可以用于在线或离线校正具有多尺度特征的测量数据或信号,同传统的数据校正方法相比,它具有更优的性能和更广泛的运用范围。本文介绍了近年来国内外在该领域取得的一些研究成果。