致 谢 28

参 考 文 献 29

第 II  页 毕业设计说明书

本科毕业设计论文 第 1 页

1 引言

1。1 数据校正技术的背景

在化工生产过程中，需要对化工过程数据有着全面的掌握，这样既有助于减少原料的浪 费也能够提升利润空间。一般情况下，化工过程的测量数据包括生产过程中的物料流量、压 力、组分、温度等[1]。因为工业过程中测量仪表的不稳定因素，由仪表测出的数据不可避免 地带有误差，误差可以分为随机误差和显著误差两种。随机误差，也被称为偶然误差和不定 误差，它是由于随机因素的影响所产生的误差，例如变化的室温、相对湿度和大气压，随机 误差的大小符合一定的统计规律[2]。显著误差则是由于仪表自身的故障、设备的泄露、仪表 精度的下降而产生的，这说明测量数据的过程中有着很多相对不可靠因素的存在。然而在生 产过程中，数据的不可靠会造成很大的安全隐患和经济损失，所以数据的校正就变得很必要。 数据校正需要以计算机辅助设计和操作为前提和出发点，解决影响整个过程真实性的测量值。 另一方面，由于测量的技术落后或者安装测试仪表的成本较贵，方法不可行等原因会使得一 部分的变量变得不可估计，这部分变量就是不可观测变量。反之，即为可观测变量[3]。另外， 数据协同及对参数的估计需要首先对过程数据的分类进行研究，而且只有冗余型数据和可观 测型数据才能被估计及校正，这是数据校正技术对于数据的一些基本的要求。文献综述

1。2 数据校正技术简介

数据校正技术可以解决如上所述的由于种种原因导致的数据不准确问题，数据校正技术 由数据调和部分、显著误差检测部分与测量网冗余性分析这三部分组成。这三部分中最先产 生的是数据协调，Kuehn 和 Davidson[4]在从事计算机控制工艺的过程中首先提出对化工过程 的测量数据进行协调。数据协调的基础是建立在过程数据中不存在显著误差的情况下，即所 有变量的测量值必须全部服从正态分布，所以在数据协调时一定要考虑数据中是否存在显著 误差的问题，需要将其检测出来并进行补偿。但 Kuehn 和 Davidson[5]当时没有考虑显著误差 的存在，显著误差最早是由 Reilly 和 Carpani[3]首先提出。此外，Bagajewicz[6]提出了一种动态 过程显著误差的检测法，它能够同时检测出全部显著误差的位置并求出显著误差的幅值大小。 他还提出了等效集的概念，即当两组显著误差集对数据协调具有同样的效果时，也就是当它 们的目标函数值相同时，它们就为彼此的等效集。在这一概念的基础上，Sanchez[7]提出了应 用于稳态过程的同步识别并同步补偿法，它通过对备选的显著误差集进行各种组合，选出最 满足我们所需条件的组合方式，同时检测出显著误差的位置和幅值大小。它的检测方法会在 正文中详细描述，而对于不可避免的随机误差，如果它服从正态分布，则可以由数据协调来解决掉。

测量网冗余性分析理论与数据协调技术和显著误差检测技术相比发展较晚，它可以对变 量进行分类。如果一个已测变量的值除去本身的测量值外，能够由测量网中的其他变量估算 出来，这个变量就是冗余的，否则为不冗余的变量。未测变量中可以由约束方程或者已经测 量过的变量的测量值计算出来的是可观测变量，反之，则为不可观测变量。已测变量中能够 由约束方程和其他已测变量计算出的是冗余型已测变量，反之为不可冗余型已测变量[8]。当 变量是冗余型已测变量时，它可以被校正，可以由此提升数据的精确度。因此，对测量网络 进行冗余性分析可以完成对数据的校正，去掉数据中的显著误差，得到可靠而准确的过程数 据。 基于SEGE算法的数据协调技术研究(2):http://www.youerw.com/zidonghua/lunwen_88543.html