13
5 液体储罐系统的液位数据校正 16
5。1 液体储罐系统简介 16
5。2 异常点具有高斯分布 17
5。3 异常点具有指数分布 19
5。4 异常点具有斜坡扰动 21
5。5 使用EM算法的变化分析 23
结 论 25
致 谢 26
参 考 文 献 27
1 绪论
对工业过程信息的充分了解有助于更好地改进工业流程,达到保障生产安全,增加产品利润,减少原料浪费的目的。在过程工业控制中,很多状态变量可以通过在线或离线地采用传感器进行测量,并对测得的数据进行分析。通过分析工业过程数据,我们可以更合理地调度资源、进行决策、制定计划,因此保证工业过程数据的准确性和可靠性显得尤为重要。然而,诸如视觉误差、环境变化、测量精度、传感器失灵、过程参数波动等测量过程中的不确定因素都会使得测量得到的数据存在误差。为了使控制得到的结果更加稳定、准确,需要尽可能地减小或消除误差。
一般情况下,工业过程数据指的是工业生产过程中的状态变量,包括物料流量,温度,原料混合物中的各种成分等。然而在实际测量中,通过仪表测量得到的过程数据由于多种原因不可避免地存在些许误差。误差包括随机误差和显著误差。随机误差的产生受到各种不稳定的随机因素的影响,如测量仪表的精确度等级、信号传输线的干扰或供电的波动。任何测量数据中都会存在随机误差,它符合一定的统计规律,通过增加平行测定的次数取平均值的方法可以有效地减小随机误差。显著误差是由于测量仪表自身存在故障、设备泄漏、测量操作不稳定等原因产生的。除此之外,在某些测控领域由于测量条件苛刻、测量代价昂贵、测量技术不可行等原因,部分变量难以通过测量直接获得,这致使得到的数据并不完整。基于以上种种原因,为了得到更加准确的已测变量的校正值和未来变量的估计值,数据校正是必不可少的。
1。1 数据校正技术
数据校正技术[1]是在原始测量数据的基础上,对原始测量数据进行协调处理,使协调得到的数据满足物料平衡、热量平衡和化学反应计量关系平衡等物化关系。校正后的数据能够在过程控制、过程优化和过程性能评估等方面得到更好的应用,因此数据校正技术在计划统计调度、设备性能评估、工业流程模拟等方面发挥着重要的作用。数据协调[2]和显著性误差检测都属于数据校正技术。
1。1。1 数据协调
1961年,Kuehn和Davidoson[3]提出了数据协调准则,即在满足物料平衡和热量平衡的条件下,协调值与其对应的测量值之间偏差的平方和最小。数据校正的要求是在符合数据协调准则的基础上,已测数据的校正值和未测数据的估计值满足一组等式的约束方程。运用拉格朗日乘子法可以求解约束方程的最小二乘的解。
在进行数据协调的时候,若存在未测变量,则需要估计该未测变量。而且,需要知道测量误差的方差或协方差矩阵才能进行数据协调,求取的方法包括直接法和间接法两种。直接法在系统处于稳态条件下时,利用数据的时间冗余性求取。空间法利用平衡方程的空间冗余性,不对系统状态是否稳定进行约束。 基于EM与kalman滤波算法的数据校正研究(2):http://www.youerw.com/zidonghua/lunwen_99889.html