化工过程测量数据的一致性校正

本文从数学角度出发,推导并计算出化工过程数据的校正值在满足物料平衡和热量平衡的约束条件下与之相对应的测量值的偏差最小的方法,实现化工过程测量数据一致性校正,并以尿素成品分析数据为例说明了方法的应用。     

化工过程测量数据校正技术

化工厂各种测量仪表测得数据的质量直接关系到工厂控制和优化过程的成败,对测量数据进行加工是正确实施过程监控的基础。本文论述了化工过程测量数据的校正、过失误差的侦破、未测数据的估计以及误差源的诊断等技木的基本原理和方法,以及该领域目前的研究和进展概况,并提出今后的发展方向。     

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。     

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。     

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。     

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。     

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。     

化工过程操作状态分析及测量方差估计

对化工过程测量数据进行校正的算法中通常假定测量数据是在过程处于稳态操作条件下测得的,且其方差已知。本文提出了由过程测量数据判断过程操作状态的组合统计检验方法并分析和讨论了估计测量数据方差的诸方法,从而可以有效地指导如何正确选取测量数据应用于校正、模拟、优化和控制过程。     

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。     

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。     

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。     

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。     

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.     

远程数据通讯与监控在供热系统中的应用

简述了远程数据监控的的处理方法,在矿区生产供热、生活采暖的应用中,用上机位监控系统、数据传输网络及数据采集控制单元3部分组成了数据处理控制过程,并简述了其功能特点。     

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.     

PTA氧化过程在线工艺计算技术开发与应用

介绍PTA氧化过程在线工艺计算技术开发与现场实施的重点和难点,利用基于氧化反应机理的过程模型,结合现场实施的在线模型参数校正及化验数据偏差校正的双重校正技术,开发在线工艺计算软件包,并在工业现场PTA氧化过程在线计算上得到成功应用。     

软测量在橡胶混炼过程建模中的应用

介绍软测量技术在橡胶混炼过程中的应用。软测量技术的关键是建模，橡胶混炼过程建模主要有基于机理和基于数据驱动两种方法。由于混炼过程的复杂性，基于机理的建模方法在实际应用中受到限制，仅用于估算或定性分析；而基于数据驱动的建模方法对过程知识要求较低且具有自学习功能，因而得到快速发展。混炼过程模型还受辅助变量、数据预处理的影响，且模型建立后还需进行校正，目前对数据预处理和模型校正的研究还较少。     

间歇精馏模拟计算及试验验证

采用模型模拟计算处理间歇精馏过程,模拟计算采用两点隐合法处理积分方程,用改进的θ校正法校正浓度,组分加和平衡和能量平衡分别校正各板的温度和汽相流率,利用UNIFAC方程计算汽液平衡,通过计算得到间歇精馏塔塔内的动态变化数据.用间歇精馏的试验数据验证数学模型的正确性和计算方法的可靠性,并通过模拟优化试验参数.     

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。