發(fā)布時(shí)間：2023-03-11 00:15

　　數(shù)據(jù)校正是一個(gè)傳統(tǒng)的技術(shù),經(jīng)過半個(gè)多世紀(jì)的發(fā)展,該學(xué)科已經(jīng)發(fā)展成為一個(gè)結(jié)合統(tǒng)計(jì)學(xué)、運(yùn)籌學(xué)、系統(tǒng)建模、優(yōu)化算法、管理學(xué)等領(lǐng)域的多學(xué)科交叉的研究領(lǐng)域。在流程工業(yè)領(lǐng)域,通過數(shù)據(jù)協(xié)調(diào)和顯著誤差檢測所提供的準(zhǔn)確數(shù)據(jù)是流程模擬、統(tǒng)計(jì)分析、故障診斷等上層應(yīng)用有效運(yùn)行的基礎(chǔ)。隨著工業(yè)自動化技術(shù)的不斷完善與IT技術(shù)的日新月異,數(shù)據(jù)校正技術(shù)也融合進(jìn)了人工智能等多項(xiàng)新的技術(shù)。伴隨著企業(yè)規(guī)模的擴(kuò)大和應(yīng)用需求的提高,數(shù)據(jù)校正技術(shù)面臨更嚴(yán)峻的挑戰(zhàn)、更高的要求。面對新的需求,傳統(tǒng)的算法需要改進(jìn),有很多新的問題需要解決。本文在綜述國內(nèi)外數(shù)據(jù)校正技術(shù)的重要性以及理論研究的概述之后,對分層建模、大系統(tǒng)分解、多層次校正,以及離散事件跟蹤和動態(tài)數(shù)據(jù)協(xié)調(diào)算法進(jìn)行了深入的研究。本文的主要內(nèi)容和創(chuàng)新點(diǎn)如下:1.提出了混雜系統(tǒng)的多層次數(shù)據(jù)校正框架。在分析了流程工業(yè)數(shù)據(jù)的多層次特性和混雜特性的基礎(chǔ)上,提出的帶有離散事件的不同時(shí)間尺度下的分層物料平衡建模方法,充分挖掘了不同層次數(shù)據(jù)之間的關(guān)系,更準(zhǔn)確地描述了現(xiàn)代流程工業(yè)企業(yè)的生產(chǎn)過程。在建模方法的基礎(chǔ)上,結(jié)合實(shí)際生產(chǎn)中面臨的問題,提出了混雜系統(tǒng)的多層次數(shù)據(jù)校正框架,該框架包含了單層次的大...

【文章頁數(shù)】：154 頁

【學(xué)位級別】：博士

【文章目錄】：
致謝
摘要
ABSTRACT
1 緒論
    1.1 數(shù)據(jù)校正技術(shù)的重要性
        1.1.1 智慧生產(chǎn)與信息物理系統(tǒng)
        1.1.2 智慧生產(chǎn)中的數(shù)據(jù)校正
    1.2 數(shù)據(jù)校正理論研究概述
        1.2.1 數(shù)據(jù)協(xié)調(diào)與顯著誤差檢測
        1.2.2 魯棒數(shù)據(jù)校正
        1.2.3 大系統(tǒng)分解
        1.2.4 分層建模與多層次數(shù)據(jù)校正
    1.3 數(shù)據(jù)校正的工業(yè)應(yīng)用與發(fā)展趨勢
    1.4 本文研究內(nèi)容與結(jié)構(gòu)
    1.5 本章小結(jié)
2 流程工業(yè)混雜系統(tǒng)的多層次數(shù)據(jù)校正框架
    2.1 流程工業(yè)數(shù)據(jù)的多層次特性
        2.1.1 基于三層結(jié)構(gòu)的層次描述
        2.1.2 多層次數(shù)據(jù)校正描述
    2.2 流程工業(yè)數(shù)據(jù)的混雜特性
    2.3 分層物料平衡建模
        2.3.1 準(zhǔn)穩(wěn)態(tài)空間分層建模算法
        2.3.2 不同時(shí)間尺度下的空間分層建模算法
        2.3.3 帶有離散事件的分層建模算法
        2.3.4 案例分析
    2.4 流程工業(yè)多層次數(shù)據(jù)校正框架
    2.5 本章小結(jié)
3 基于圖論的流程工業(yè)單層次大系統(tǒng)分解方法研究
    3.1 大系統(tǒng)分解的需求與意義
    3.2 背景概念
        3.2.1 圖論基礎(chǔ)
        3.2.2 割集與流量
        3.2.3 可靠性及可靠度計(jì)算
    3.3 基于圖論的大系統(tǒng)分解方法
        3.3.1 大系統(tǒng)分解的評判標(biāo)準(zhǔn)
        3.3.2 測量值的處理
        3.3.3 算法流程
    3.4 仿真研究
        3.4.1 數(shù)值案例
        3.4.2 工業(yè)案例
    3.5 單層次大系統(tǒng)分解的多層次應(yīng)用流程
    3.6 本章小結(jié)
4 混雜系統(tǒng)中離散事件的跟蹤與檢測
    4.1 混雜系統(tǒng)中的數(shù)據(jù)流程
    4.2 混雜系統(tǒng)中的離散事件
        4.2.1 數(shù)據(jù)與事件
        4.2.2 移動
    4.3 混雜系統(tǒng)中離散事件的跟蹤檢測與還原
        4.3.1 數(shù)據(jù)鏈的重構(gòu)
        4.3.2 跟蹤與還原步驟
    4.4 案例分析
        4.4.1 數(shù)據(jù)鏈重構(gòu)
        4.4.2 事件跟蹤與還原
    4.5 本章小結(jié)
5 子系統(tǒng)線性動態(tài)數(shù)據(jù)協(xié)調(diào)求解方法的魯棒性改進(jìn)
    5.1 線性動態(tài)數(shù)據(jù)協(xié)調(diào)
    5.2 Huber估計(jì)
    5.3 幾個(gè)基本概念
        5.3.1 局部冗余度
        5.3.2 線性動態(tài)過程建模
        5.3.3 魯棒數(shù)據(jù)校正
        5.3.4 Huber估計(jì)的魯棒數(shù)據(jù)校正
    5.4 求解策略
        5.4.1 Huber估計(jì)影響函數(shù)的改進(jìn)
        5.4.2 Huber估計(jì)權(quán)重函數(shù)的改進(jìn)
        5.4.3 新的魯棒最小二乘估計(jì)的數(shù)據(jù)協(xié)調(diào)算法流程
    5.5 案例分析
        5.5.1 數(shù)值案例
        5.5.2 對比案例
        5.5.3 工業(yè)案例
    5.6 本章小結(jié)
6 總結(jié)與展望
    6.1 研究工作總結(jié)
    6.2 研究展望
附錄A 第2章附錄 工業(yè)案例各級物流平衡方程、采樣點(diǎn)和周期
附錄B 第4章附錄 工業(yè)案例離散事件列舉
符號說明
參考文獻(xiàn)
作者簡介及在學(xué)期間所取得的科研成果



本文編號：3758827