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。     

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。     

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.     

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。     

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。     

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...     

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.     

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.     

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。     

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.     

基于MATLAB优化的数据校正方法

MATLAB是适用于科学和工程计算的数学软件系统,具有数值稳定件好,使用方便等特点,可高效地解决数值逼近、数值积分、微分方程数值解、最优化、数值线性代数等科学和工程问题.以化工中的2个典型例子,讨论MATLAB在化工数据校正中的应用,结果表明:利用MATLAB编程,使数据校正计算方便、效率高.     

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.     

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。     

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。     

橡胶大变形不可压缩方法试验数据处理

为提高本构关系的精度,提出用橡胶大变形不可压缩的方法来处理试验数据。根据橡胶材料单轴压缩试验数据,分别采用GB/T 7757方法和新提出的数据处理方法进行处理,得到橡胶材料的两种本构关系,并分别将其导入ABAQUS有限元分析软件模拟试验过程。研究结果表明,采用新方法计算的试样最大轴向变形量与试验测试数据的误差为20.4%,而GB/T 7757方法的误差为34.7%。大变形不可压缩方法可明显提高处理橡胶本构关系的精度。