鲁棒估计的意义有两点：第一个方面就是当出现理论模型和实际情况不是很符合时，该估计法不能太敏感，性能只能受到微小影响，也就是说具有较好的稳定性。第二个方面就是方法的抗干扰能力，即当由于仪器故障等原因造成测量值中出现显著误差时，通过该方法得到的校正值不会受到污染，反之，当出现小幅度误差时，校正值会严重偏离真实值。

高倩提出了双线性约束条件下的的鲁棒自适应校正法[21]。张正江提出了准最小二乘鲁棒估计法[22]。方伟超等人[23]提出了最小二乘与准最小二乘相结合的鲁棒数据校正法。

鲁棒估计的目标：

1。 当模型与实际情况相符合时，该方法性能优越；

2。 当模型与实际情况有微小偏离时，该方法的性能不会受到太多影响；

3。 当模型和实际情况有较大差异时，该方法效果不会太差，得到的校正值不会严重偏离。

科学家提出了很多鲁棒估计法，一般有三种。一种是M估计，也称为极大似然估计，这种类型的估计是通过构造某种特定的目标函数，在该函数中使得显著误差的影响较小，从而提高数据校正的效率，使得校正值更准确；一种是L估计，也称为排序统计量估计；还有一种是R估计，这种类型的估计是建立在统计检验的基础上的。其中M估计法的数学计算较为简便，经过不断推广，目前基于M估计法的理论相对于其它两种更为完善，应用也比较广泛。并且当面临多维参数的模型时，使用该方法具有更显著的优势。

1。4  数据校正技术的工业应用

在流程工业中，数据校正技术的应用非常广泛，主要集中在以下几个领域：

1。 过程分析与监控

利用数据校正技术可在线分析流程数据，并且可以跟踪装备的运营情况、干扰因素和运营趋势，在仪器仪表发生故障时可以及时发现。此外，还有一个优点就是数据校正后得到的数据，在进行过程模拟和放大设计能时更加可靠精准。来-自+优^尔*论L文W网www.youerw.com 加QQ75201.8766

2。 计划调度与管理

包含误差的测量数据会对管理人员掌握工厂的实际效益水准产生误导。准确的测量数据是工厂管理和生产决策的根本依据。因此，有必要进行数据校正，从而使得管理人员掌握正确的生产数据，实现经济利益的提高。

3。 过程优化与过程控制

联合使用优化算法、模拟程序以及数据校正技术，可以构成一个准确优化的过程方案。在进行控制的过程中，相关软件会自动采集过程数据，然后对采集的数据进行校正计算，得到的数据满足一致性。或者结合最新得到的数据，将校正值输入流程程序，从而得到经济利益最优的操作参数。最后根据反馈原理，将优化得到的参数作为下一轮优化过程的设定值。优化的状态模式是不定的，既可离线，也可在线，或者是由控制系统与优化器共同构成的闭环。