典型炼油装置数据校正技术的研究

化工过程测虽数据作为反映装置运行状况的特征信息,是实现计算机过程控制、模拟、优化和生产管理的基本依据.研究过程数据校正技术,对实现装置优化控制与管理具有重要理论意义和现实意义.现有理论研究大都采用传统统计检验和线性化处理方法,在实际应用有较大局限性.本文在对已有数据校正技术分析的基础上,提出将修正的时间序列分析法用于测量数据校正.综合考虑数据的窄间冗余和时间冗余,充分利用过程的历史数据,建立了时间序列概率模型,并针对含随机误差数据和含过失误差数据两种情况,从时序法平均值、阶跃过程模型等方面详细探讨数据校正方法.将新的数据校正方法用于典型常减压蒸馏装置,结果表明,新方法能够侦破出数据中含有的过失误差;校正值与真值的平均偏差非常小,具有足够的精度保证数据的准确性;修正的时间序列分析法用于数据校正能克服传统方法的局限性.     

积分法动态数据校正技术的研究

基于积分法的动态数据校正具有简单、快速和适于在线应用的优点。本文对积分法动态数据校正技术的原理及其应用方法进行了研究。研究结果表明,该方法不要求有状态空间模型,能够充分利用整个时间轴的时间冗余信息;但积分法中的区间长度对其校正精度有影响,因此,采用该方法进行校正时应首先确定适宜的区间长度。将积分法应用于常减压炼油装置拟稳态过程的数据校正,计算结果表明该方法的计算精度高于稳态数据校正。     

BP神经网络误差修正的电力物资时间序列预测

传统的ARIMA时间序列分析方法是基于线性技术来进行时序预测,而对非线性数据的处理不尽合理,效果欠佳;而影响电力物资需求的因素非常多,绝大多数的物资序列通常既包含了线性时序的部分,又包含了非线性时序的成分.本文提出在ARIMA对电力物资需求预测的基础上,融合BP神经网络进行误差修正,以全面提取物资序列中的复合特征,提高电力物资的预测精度.实验结果表明,误差修正后的电力物资预测精度有了显著提高,可以为制定物资采购计划提供重要的数据支持.     

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.     

基于数学形态学的时间序列相似性度量研究

时间序列相似性度量在挖掘时间序列模式,提取时间序列关联关系上发挥着重要作用。分析了当前主流的时间序列相似性度量算法,分别指出了各度量算法在度量时序数据相似性时存在的缺陷,并提出了基于数学形态学的时间序列相似性度量算法。通过将归一化的时间序列二值图像化表示,再引入了图像处理领域中的膨胀、腐蚀操作对时序数据进行形态变换分析,提高相似时序数据部分的抗噪性,同时又不降低时序数据非相似部分间的差异度,实现时序数据相似性度量分类精度的提高。在八种时间序列测试数据集合上进行分类实验,实验结果表明提出的基于数学形态学的时间序列相似性度量算法在时间序列分类精度上得到有效改善,相比于DTW相似性度量算法,分类精度平均水平提升了8.74%,最高提升20%。     

基于改进PCA的软测量数据过失误差侦破

为提高软测量的模型精度,剔除建模数据中的过失误差,提出采用Bagging-PCA方法进行误差侦破。利用Bagging算法的集成思想,改善单变量大误差对经典PCA的影响,提高算法稳定性,实现数据的过失误差侦破。用该方法对丙烯浓度的软测量进行过失误差侦破,取得了良好的效果。     

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。     

基于PSO-互信息的多变量时序校正方法研究北大核心

选择性催化还原(selective catalytic reduction,SCR)是火电厂目前广泛采用的烟气脱硝方法。但因为烟气连续监测系统(Continuous emission monitoring systems,CEMS)测量滞后带来的影响无法通过控制系统消除。针对脱硝系统NOx浓度测量滞后和各变量相对于SCR入口侧NOx浓度的反应延迟对后续建模精度造成的不利影响,设计了基于PSO-互信息的多变量时序校正方法:通过物理方法测量、计算,得到CEMS测量滞后,并对入口侧NOx浓度测量值进行时序校正。基于机理分析,确定影响火电机组锅炉侧NOx排放的辅助变量,运用自适应惯性权重粒子群和k-近邻互信息法计算各个变量的估计反应延迟,并基于各自延迟对数据样本进行相空间重构时序校正。以某电厂SCR脱硝系统实际数据进行实验,比较建模精度。结果表明,采用时序校正后的数据建立的模型,其精度有了明显提高。     

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。     

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.     

一种基于罚函数的数据协调模型

如果工业测量数据中存在显著误差,则传统的数据协调模型会将显著误差分散到各个测量值中去.针对于传统数据协调模型的缺陷,本文通过添加一个基于测量值比例关系上下限的约束条件,并利用罚函数的概念将物料平衡的约束条件以软约束的形式表示,建立一种新的数据协调模型.改进后的数据协调模型只会对含有显著误差的测量值给予较大的协调量,而使得显著误差对其他测量值协调结果的影响较小,具有较高的鲁棒性.基于工业实际生产模型的仿真试验证明基于该数据协调模型的协调结果,可直接利用测量残差检测法进行显著误差检测,具有较高的错误检出率,且第Ⅰ类错误率较低.     

基于“3σ法则”的显著误差检测

由于测量或传感器等其他原因造成测量数据中可能存在显著误差,直接进行数据校正会导致显著误差的扩散,影响数据校正结果的可靠性和准确性,因此在数据校正前,需要侦破识别并剔除含有显著误差的测量数据。现有的显著误差检测方法并不能完全识别显著误差,而且只能对有限的显著误差(小于等于3个)具有一定的检测效果,本文提出基于概率统计(3σ法则)的检测方法,识别效果优异,对3个以上的误差具有良好的侦破效果,并且采用显著误差同步补偿的方法,有效避免奇异矩阵的出现。     

非线性动态数据校正方法的研究

基于有限元正交配置法的动态数据校正技术,用于非线性动态系统的数据校正效果很好,并且可以求解具有代数不等式约束,或者是简单的变量上下限约束的问题.本文研究了有限元正交配置法动态数据校正技术的原理及应用方法.结果,当配置点数不小于3时,对校正精度的影响较小;但有限元数目不同,则有影响,因此,采用此方法应首先确定适合的有限元数目.     

基于Bloom filter的远程对称差规模估算法

在内容分发网络、闲谈协议、移动数据同步等分布式系统中,远程主机上集合对称差规模的估算准确程度,直接影响基于CPISync算法的集合调和方法的消息交换轮数以及调和时间。对称差规模的估算误差越低,则集合调和的速度越快。本文提出基于布鲁姆过滤器的准交集查询法,该算法可显著降低对称差规模的估算误差,提高调和算法的效率。     

稳态在线数据校正在炼油厂气体分离装置上的应用

文章系统地研究了稳态过程在线数据校正技术,在具体实现中采用均值法进行稳态检测,修正系数法进行误差的侦破、识别,通过两层次变换进行数据分类。开发了稳态过程在线数据校正软件,并将校正后的数据作为输入值用于某炼油厂气体分离系统产品质量的在线预测,应用结果表明,采用校正后的数据作为输入值进行产品质量在线预测比直接用原始数据更稳定、更符合实际情况。     

基于MATLAB优化工具箱的数据协调技术在焦化碳一过程中的应用研究

针对传统碳一过程数据协调方法中过于复杂的编程和计算,提出一种基于MATLAB优化工具箱数据协调的新方法,该方法通过物料平衡关系建立焦化碳一过程的数据协调数学模型并利用MATLAB非线性优化工具箱强大的数值计算能力进行编程实现,实际应用于焦化碳一过程的数据校正结果表明,该方法是有效的,同时对其他相似过程的数据协调建模和求解也有一定的借鉴作用。     

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.