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。     

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。     

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。     

求解非线性化工过程鲁棒数据校正的新方法

1 INTRODUCTION Process data is the basis for process control, production accounting goals, as well as optimization. Generally, process data contains random errors. Data reconciliation is used to adjust process data to im- prove the quality of measurement. The reconciled data is closer to true data and more consistent with conser- vation laws, that is, material or energy balance laws. Data reconciliation requires the absence of gross errors. However, some measurements may contain gross er…     

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.     

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。     

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.     

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.     

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.     

整体检验法与鲁棒法结合的数据协调新方法

数据协调技术能为工业过程物料平衡、生产统计、生产计划优化等提供准确、一致的数据,而仪表故障等引起的显著误差会污染数据协调的结果。今提出一种整体检验法与鲁棒法结合的数据协调新方法。该方法首先在整体检验法中基于节点残差信息找出无显著误差的"好"流股和候选显著误差流股;然后给出了基于污染正态分布模型的鲁棒数据协调权重矩阵,其中"好"流股的权重为对应方差的倒数,而候选显著误差流股的权重与数据协调值有关;最后根据权重矩阵进行鲁棒数据协调迭代求解。对蒸汽测量网络的仿真结果表明了该方法能够有效降低显著误差对数据协调结果的影响。     

一种新的双线性数据协调方法

在流程工业数据校正中,若涉及多组分物料平衡或能量平衡时,问题则转换为一类特殊的非线性问题,即双线性数据协调.今针对双线性数据协调传统方法的不足,给出了一种新的方法.首先提出了一种消除不可观测变量的方法,通过消除不可观测变量及部分非冗余变量将协调问题降维,并将问题分解为两个子问题;然后针对分解后的子问题,利用微粒群优化算法(PSO)求解.与传统方法相比,该方法在确保高协调精度的基础上具有较好的协调运算效率,并能处理过程中含有不可观测变量的情况.今对一个实例进行了仿真,仿真结果表明该方法的有效性.     

一种基于MATLAB优化工具箱的数据协调方法

为了解决测量数据的不一致问题，并在可能的情况下对未测过程变量进行估计，本文提出了一种基于MATLAB优化工具箱的数据协调方法，并将该方法用于两个稳态非线性过程系统的数据协调和变量分类。计算结果表明该方法实用、有效。     

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...     

基于独立物流的组分流率与总流率平衡的数据校正新方法

在分析适于双线性约束的Simpson法基本原理的基础上,指出了该方法直接用于多组分过程数据校正不满足组分流率与总流率平衡约束的缺陷。同时,为充分利用基于独立物流的Simpson法简单、快速、准确的优点,通过在目标函数中引入组分独立物流与总独立物流平衡的约束条件,推导给出了新的计算方法。实例对比研究表明,新方法克服了Simpson法的缺陷,且新方法与常用的投影矩阵法相比具有较高的精度。     

基于粒子群优化的磨矿分级过程多层数据协调

准确稳定的过程数据是选矿厂进行过程优化控制和决策管理的依据,今针对磨矿分级过程数据特点,建立了多层数据协调模型,包括总物料平衡层、粒度分布/品位层和不同粒度下的成分分析层(金属分布率层);针对模型维数较高的问题,引入粒子群优化(PSO)算法进行求解。根据不同的测量信息,可选择相应的层次进行协调,并采用从低层向高层逐层协调的方法,实现了部分非线性约束到线性约束的转化,提高了数据协调效率。将该多层模型和PSO算法用于某选矿厂磨矿分级过程实际生产数据的协调,结果表明协调后的数据更准确、更稳定,包含的信息更丰富完整。     

基于Ontology的数据集成新方法

基于Ontology的异构数据集成的方法是近几年来解决异构数据集成问题的有效方法。本文分析了几种本体(Ontology)集成方法的优缺点,提出了一种新的本体集成方法——Extend Hybrid approaches。该方法使用本体描述领域概念,构建了全局本体和局部本体及局部到全局的映射关系,解决了数据集成中存在的语义异构问题。     

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。