摘要在线优化能使一个工业过程在其最优运行范围中运行，这种优化在很大程度上依赖过程测量和精确的过程模型。然而，实际测量过程中，由于测量仪器的校准偏差或故障，测量结果通常包含随机误差，甚至是显著误差，这将直接影响优化结果。通常，我们利用数据校正策略来解决这个问题。目前数据校正技术发展完善，方法多种多样。 本文在了解数据校正原理的基础上，深入学习了基于污染分布的数据校正技术，并利用MATLAB软件进行仿真。不同于只建立在相对误差最小化基础上的构造函数，该方法使用所谓的污染高斯分布，将显著误差看做方差较大的随机误差。仿真结果表明，这种方法不但能够发现存在显著误差的数据，在进行估计时还能降低显著误差对数据校正结果的影响，拥有很好的鲁棒性。61082  
毕业论文关键词：过程模型，数据校正，显著误差，污染高斯分布，鲁棒性   
On-line optimization provides a means for maintaining a process around its optimum operating range.This optimization heavily relies on process measurements and accurate process models.However, these measurements often contain random and possibly gross errors as  a result of mis-calibration or failure of the measuring instruments.This will directly affect the optimization results.Usually, we use the data correction strategy to solve this problem. Currently data correction technology developed, many more ways.  In understanding the data correction based on the principle,this paper study data correction techniques  based  on  contamination distribution,and simulation using MATLAB software.Unlike built only on the basis of the relative error is minimized constructor, which uses the so-called pollution Gaussian distribution considering gross errors as  random variables. Simulation  results show that this method can not only discover significant data error,  but also introduced a smaller deviation, has good robustness.
Keywords:  Process models, data correction,  gross  error, contamination Gaussian distribution, robustness  

目  录 

1  引言  1 

1.1 数据校正技术的作用  .1 

1.2 数据校正技术研究的内容  ..3 

2  从数据协调到鲁棒数据校正技术  ..5 

2.1  数据协调  5 

2.2  显著误差检测  .5 

2.3  冗余性分析  ..5 

2.4  测量误差的方差-协方差估计  6 

2.5  鲁棒数据校正的发展过程  6 

3  鲁棒数据校正的基本原理  ..9 

3.1  数据校正原理  .9 

3.2  一般最小二乘估计.  10 

3.3  基于极大似然估计的鲁棒估计 ..  11 

3.4  鲁棒数据校正算法.  12 

4  基于误差分布的鲁棒数据校正技术的研究    14 

4.1  线性系统  .  14 

4.2  含有未测数据  ..  17 

4.3  改进的污染正态分布模型  .  18 

5  仿真实例  20 

     5.1  显著误差幅度较小    20 

     5.2  显著误差幅度较大    23 

     5.3  小结  ..  25 

结  论    26 

致  谢    27 

参考文献 ..  28 

附录A  LS法仿真程序    31 

附录B  CND法仿真程序 .  33 

1  引言 1.1  数据校正技术的作用 石油和化工产业作为现代社会生产生活最重要的能源和原材料的产业，已成为国民经济最重要的支柱之一，在经济和社会发展中起着不可替代的作用。随着全球经济的竞争加剧，对生产效率、产品的质量和性能的要求越来越高，如何降低工业过程的生产成本、提高产品效益，实现利益的最大化已经成为现代企业生存的根本。由于工业过程复杂，数据繁多，处理量大，即使生产操作有较小的优化改进，也会实现经济效益的显著提高，因此，对于工业生产过程的建模、分析、优化和控制，可靠完备的过程数据(物料流率、组成、温度、压力等)是基础和出发点，也是工业生产安全顺利进行的保障。因此，自从上个世纪中期以来，对工业过程数据进行处理源]自=优尔-·论~文"网·www.youerw.com/ ，以获得准确、可靠、完整的数据，来指导管理、操作和生产，已经成为极其重要的研究课题。 准确的测量数据是生产控制与优化，工艺设计，现场监控，设备分析，管理决策以及生产调度的基础，因此确保工业过程中获取数据的正确性和准确性是十分重要的，但是，在获取测量数据的过程中不可避免地受到来自测量，模型以及处理过程中的各种误差的干扰，使得测量数据偏离真实值，不再满足物理化学定律以及其他的过程约束，这些干扰就是所说的测量误差。测量误差按照产生的原因通常分为两种，即随机误差(Random Error)和显著误差(Gross Error)，随机误差是由于测量仪表自身等随机因素所产生的，它符合一定的统计规律，是不可避免的；而显著误差的存在严重影响了测量数据的准确性和可靠性，显著误差从产生的原因来讲分为两类，一类是由于仪表失灵、不准等原因造成的，另一类是由于操作不稳定或管道、设备有泄漏等原因造成的。 完整的数据是进行实验分析的必备条件，但是往往由于经济、测量技术不当、条件苛刻等原因，导致部分变量无法测量，关键变量无法获取，为数据的分析处理带来不便，因此，数据协调前必须进行数据的分类(数据的冗余性和可观性分析)，得到可校正可估计的数据。 数据的不准确性和不完整性给生产、控制带来了许多困难，为了过程控制、仿真、优化的实现，以及给生产决策的制定提供依据，必须对测量数据进行处理，得到准确、可靠、全面的的数据和估计值，随着过程规模的不断扩大和复杂性的提高，这一问题将更加突出，随着Kuehn和Davidson第一次对化工测量数据进行校正，数据校正技术应运而生。 数据校正就是对测量的数据进行处理，侦破并剔除含有的显著误差的数据，根据守恒定律对测量数据进行协调，减少随机误差的影响，得到一组满足一定物理化学规律或者其它约束的数据，并估计出未测数据，其目的就是提高测量数据的可靠性、精确性和完整性，增加有用的信息量。数据校正可分为三部分：:数据协调、显著误差检测和测量网络的冗余性分析。数据协调用来减少随机误差的影响；显著误差检测是为了剔除含有显著误差的数据，防止显著误差的扩散，影响正常的数据协调；系统的冗余性分析主要包括变量的分类，测量网络的优化设计以及系统的降维等，便于数据的进一步处理。 数据校正后的结果，不仅是实现工业生产可靠安全的保障，更是提高生产水平，增加生产效益的根本，主要作用体现在：为企业的生产管理，计划决策和统计报表提供依据；能够跟踪设备和系统的运行状态，识别仪器的灵敏情况；提供可靠的过程优化方案；提供精确的过程数据；密切监督仪表的运行情况，确定什么时候需要重新标定或检修；确定最佳测量点的位置，从而设计出安全、经济、文献综述可靠和有效的控制仪表系统。 基于污染正态分布的数据校正研究+程序:http://www.youerw.com/zidonghua/lunwen_66688.html