數(shù)據(jù)校正是一個傳統(tǒng)的技術(shù),經(jīng)過半個多世紀的發(fā)展,該學科已經(jīng)發(fā)展成為一個結(jié)合統(tǒng)計學、運籌學、系統(tǒng)建模、優(yōu)化算法、管理學等領(lǐng)域的多學科交叉的研究領(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確數(shù)據(jù)是流程模擬、統(tǒng)計分析、故障診斷等上層應(yīng)用有效運行的基礎(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)也融合進了人工智能等多項新的技術(shù)。伴隨著企業(yè)規(guī)模的擴大和應(yīng)用需求的提高,數(shù)據(jù)校正技術(shù)面臨更嚴峻的挑戰(zhàn)、更高的要求。面對新的需求,傳統(tǒng)的算法需要改進,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)算法進行了深入的研究。本文的主要內(nèi)容和創(chuàng)新點如下: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 準穩(wěn)態(tài)空間分層建模算法
        2.3.2 不同時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)分解的評判標準
        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
    5.1 線性動態(tài)數(shù)據(jù)協(xié)調(diào)
    5.2 Huber估計
    5.3 幾個基本概念
        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估計的魯棒數(shù)據(jù)校正
    5.4 求解策略
        5.4.1 Huber估計影響函數(shù)的改進
        5.4.2 Huber估計權(quán)重函數(shù)的改進
        5.4.3 新的魯棒最小二乘估計的數(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
作者簡介及在學期間所取得的科研成果



本文編號：3758827