工業(yè)過程數(shù)據(jù)校正方法研究.pdf

1、數(shù)據(jù)校正是流程工業(yè)綜合自動化的關鍵技術之一，它利用過程測量數(shù)據(jù)的冗余信息，結合各種統(tǒng)計分析方法和生產(chǎn)過程機理，剔除原始數(shù)據(jù)中的顯著誤差；根據(jù)最優(yōu)化理論系統(tǒng)地調(diào)整過程測量值、修正過程模型中的潛在不確定性，以提高測量數(shù)據(jù)的質(zhì)量和估計未測變量。但因針對的模型不同，適用的校正算法也不同。為了滿足工業(yè)的應用需求，必須針對不同的過程模型研究相應的高效數(shù)據(jù)校正算法。本文就工業(yè)過程中的線性動態(tài)、非線性動態(tài)兩種模型的數(shù)據(jù)協(xié)調(diào)算法進行研究，其主要內(nèi)容如下：

2、 (1)針對因系統(tǒng)維數(shù)引起計算規(guī)模巨大的問題，提出采用大系統(tǒng)分解協(xié)調(diào)算法，對線性動態(tài)系統(tǒng)進行分解和變量分類，以降低協(xié)調(diào)維數(shù)和提高算法運行效率。并通過仿真研究驗證了其有效性。 (2)非線性動態(tài)數(shù)據(jù)協(xié)調(diào)的傳統(tǒng)算法假設測量數(shù)據(jù)的方差．協(xié)方差矩陣已知，但這與實際應用并不相符。本文對此做了改進，在滑動窗口內(nèi)利用變量的測量值對每個變量的測量方差進行實時估計和更新。 (3)傳統(tǒng)顯著誤差檢測算法不能很好地識別階躍輸入信號，使得顯