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 .     

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 .     

节点与测量数据组合检测的数据协调及应用

提出一种新型的节点与测量数据组合检测的稳态数据协调方法。该方法通过节点检测法和测量检测法共同检测可能存在显著误差的可疑节点,以及与可疑节点相连的最可疑测量变量,并通过调整量检测法融合领域专家的先验知识判断最可疑测量变量是否存在显著误差,最终实现稳态数据协调和显著误差同步检测。该组合方法融合测量检测和节点检测方法的各自优点且克服各自的缺点。仿真研究与实际应用表明,该组合方法对有多个显著误差的系统也能给出准确的显著误差检测结果,且优于迭代测量检测方法。     

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。     

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     

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。     

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。     

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。     

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。     

一种改进的非线性动态数据协调方法

在分析传统非线性动态数据校正方法的基础上,提出了一种改进的非线性动态数据协调方法.该方法利用滑动窗口法有效地降低了动态数据校正的维数,大大提高了系统运算的效率.同时引入快速的3σ法并修改了逻辑判断,在提高检测和剔除显著误差速度的同时,消除了传统数据协调算法的时滞性,动态数据协调的效果和效率都得到了提高.最后,通过对一典型动态系统CSTR的仿真实例说明了该方法的有效性.     

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。     

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.     

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...     

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。     

一种改进的动态数据校正离群值检测法

Data reconciliation technology can decrease the level of corruption of process data due to measurement noise, but the presence of outliers caused by process peaks or unmeasured disturbances will smear the reconciled results. Based on the analysis of limitation of conventional outlier detection algorithms, a modified outlier detection method in dynamic data reconciliation （DDR） is proposed in this paper. In the modified method, the outliers of each variable are distinguished individually and the weight is modified accordingly. Therefore, the modified method can use more information of normal data, and can efficiently decrease the effect of outliers. Simulation of a continuous stirred tank reactor （CSTR） process verifies the effectiveness of the proposed algorithm.     

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。