刘传政等人[18]通过线性化的方法对双线性问题的进行协调。这类办法充分地使用较为成熟的线性理论，合理地阻止了校正问题的非线性约束方程的出现。
李红军等人[19]研究了生产过程中数据协调和过失误差检测的各种办法之后，阐述了非线性约束数据协调的方法。他参考了投影矩阵的思路，将非负松散（SLACK）因子函数加入，来把双线性约束方程变化为线性约束方程，得出了一种新的迭代求解算法。
金思毅等人[20]通过研究，指出了Simpson法在对于多组分过程进行数据校正时产生的不足：不能确定组分流率和总流率的物料平衡。将组分独立物流和总独立物流约束条件加入了目标函数之中，演变出了一种新的运算方法。
常见的非线性约束方程问题的常见算法是在校正值旁边作出线性化后，然后开始迭代寻优计算。因为非线性约束问题具有繁复性，让这一课题称为数据校正技术研发的重点。
B ritt、Leucke等人通过Lagrange方法，建立了通过连续线性化的方法对非线性约束计算的方法，创建了一种法线方程来进行非线性估计。Romagnoli则使用矩阵投影理论，通过三个问题来描述非线性矩阵问题，并以此求解。第一步，通过投影矩阵从方程中消去了所有没有测得的组分流率、浓度的数据，然后去掉没有测量的总流率数据，第三步通过迭代计算出组分流率估计值。
GaoQian等人在最小而成目标函数里加入了罚函数，使用鲁棒法将非线性约束矩阵中的动态数据来数据协调，通过更少的工作量和更优的收敛性，产生的矩阵具有更优秀的的鲁棒性（robust），而且工作量较少。 换热器数据协调国内外研究现状(2):http://www.youerw.com/yanjiu/lunwen_30453.html