【摘要】：現(xiàn)代工業(yè)過程系統(tǒng)中往往需要設置眾多用于測量的儀器儀表,對生產過程中各項生產指標進行實時監(jiān)測與控制。準確可靠的測量數(shù)據(jù)是生產決策制定,過程控制以及工廠管理的基礎。然而在實際生產過程中,測量誤差與顯著誤差的存在使測量數(shù)據(jù)與實際情況有所差別。數(shù)據(jù)校正技術就是針對這類問題,利用測量數(shù)據(jù)之間的冗余度,采用一定的算法,得到一組基本滿足化工系統(tǒng)物料平衡、能量平衡或化學規(guī)律的校正數(shù)據(jù),校正后的數(shù)據(jù)更接近真實值,能更加真實的反映化工生產過程的狀態(tài)。本文主要研究了如何利用歷史數(shù)據(jù)提煉信息,并將其應用于數(shù)據(jù)校正的方法。論文的主要研究內容如下:(1)主元分析法的研究:分析了主元分析法在數(shù)據(jù)校正技術中的應用,針對其無法識別歷史數(shù)據(jù)中顯著誤差的缺點,引入IMT顯著誤差檢測方法進行改進,提出了PCA-IMT、IPCA-IMT迭代聯(lián)合算法,該算法可在歷史測量數(shù)據(jù)中含顯著誤差時,有效識別顯著誤差并剔除,獲得更為精確的系統(tǒng)模型及校正結果。(2)廣義T分布數(shù)據(jù)校正技術研究:分析了如何利用廣義T分布獲得誤差分布模型,進而進行魯棒數(shù)據(jù)校正的方法。通過與最小二乘法及Huber估計校正效果進行比較,說明了廣義T分布數(shù)據(jù)校正技術在誤差分布模型不明確時的優(yōu)勢。(3)群優(yōu)化算法研究:針對如何基于歷史數(shù)據(jù)辨識廣義T分布模型中參數(shù)這一問題,研究了利用群優(yōu)化算法尋找最優(yōu)解的途徑,對比研究了粒子群優(yōu)化算法(PSO)及螢火蟲算法(FA)在參數(shù)識別中的優(yōu)勢與劣勢。(4)卡爾曼濾波方法研究:分析了傳統(tǒng)卡爾曼濾波中存在的不足,針對其易受顯著誤差影響的缺點,引入并討論了 EM-KF方法識別顯著誤差的性能。通過引入Sage-Husa自適應卡爾曼濾波方法對EM-KF方法進行改進,提出了 EM-AKF方法,可實現(xiàn)誤差方差自適應估計與顯著誤差檢測。
【學位授予單位】：南京理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TH86

【相似文獻】

相關期刊論文 前10條

1 葉蕾;侍洪波;;數(shù)據(jù)校正在焦化碳一過程中的應用[J];自動化儀表;2006年04期

2 張敬波;;淺談在企業(yè)能源計量管理中數(shù)據(jù)校正的應用[J];現(xiàn)代營銷(學苑版);2011年09期

3 秦德華;;發(fā)電廠廠級監(jiān)控信息系統(tǒng)數(shù)據(jù)校正新方法[J];熱力發(fā)電;2012年06期

4 紀志祥;;數(shù)據(jù)校正技術在現(xiàn)代流程工業(yè)的應用研究[J];山東紡織經濟;2007年01期

5 方偉超;張正江;張仁;駱雅晴;洪雪聰;邵之江;;一種用于數(shù)據(jù)校正的最小二乘與準最小二乘組合方法[J];計算機與應用化學;2012年07期

6 劉寶衛(wèi);趙霞;吳勝昔;潘兆鴻;;過程測量數(shù)據(jù)校正技術在甲醇工廠的在線應用[J];自動化儀表;2008年02期

7 王培紅,陳強,李琳,馮澤磊;廠級監(jiān)控系統(tǒng)中數(shù)據(jù)校正算法模型研究[J];東南大學學報(自然科學版);2005年01期

8 張睿;陳w，

本文編號：2660370