软测量建模中的数据校正

为有效剔除工业现场采集数据中的显著误差,降低随机误差的影响,使校正后的数据更好的满足物料平衡和能量平衡,最大程度提高软测量模型的精度,提出一种基于同步算法的数据协调方法,并对双酚A生产工艺现场采集到的数据进行校正。仿真表明,校正后的数据误差率得到显著降低,提高了数据源的精度和模型的泛化能力。     

一种基于非线性规划的数据校正联合算法

在工业生产的测量控制过程中,数据校正技术作为一种有效的改善测量数据质量的技术,逐渐被重视和研究.本文借鉴了其它数据校正方法的理论思想,在结合序贯二次规划(SQP)方法求解最优化问题的基础上,将数据调和与显著误差检测有机的糅合,提出一种循环迭代处理的联合算法,使数据调和在快速与有效的基础上具有较高的显著误差检测功效.     

单室平衡容器型汽包水位测量系统的误差分析和改进

针对导致单室平衡容器在测量过程中出现各种误差的不同原因,先对单室平衡容器型汽包水位测量系统进行建模,然后依照此模型对该测量系统经常可能引发误差的各种来源进行相应的分析,并提出了相应的改进对策,以供同行参考。     

一种显著误差检测方法在动态数据校正中的应用

在工业过程中,采集和记录的生产数据通常用于过程的控制和在线优化等,因此保证数据的可靠性和准确度具有非常重要的意义。但是在实际情况中,测量数据不可避免地受到误差的影响,而且在生产过程中经常会出现仪表失灵、管道泄漏等现象导致测量数据中出现显著误差,进而导致测量结果严重失实。数据校正是保证工业过程数据准确可靠的主要技术手段。传统的动态数据校正通常采用卡尔曼滤波方法,但当测量数据存在显著误差时,其得到的协调值的可信度较低。为了解决动态数据校正过程中得到的测量数据存在显著误差,导致协调值失实的问题,本文在传统卡尔曼滤波方法的基础上,提出了基于动态贝叶斯模型检测方法进行显著误差的实时侦破。该方法主要通过测量值的滤波,对已经滤波的测量值进行标准化处理,利用扩展贝叶斯网络建立概率分布模型以实现显著误差的检测。根据存在显著误差和正常情况下出现的测量值条件概率大小,判断测量值是否存在显著误差,并根据侦破结果对测量协方差矩阵及卡尔曼增益等参数进行更新,以提高协调值的精度。通过实例仿真对比验证了基于动态贝叶斯的检测方法可以有效地侦破显著误差,并且可以通过参数实时调整提高了存在显著误差时协调值的精度。     

原油蒸馏过程中的数据协调与操作优化

原油蒸馏过程是一个复杂的连续工业过程,其操作优化将为企业带来可观的经济效益,解决该问题的难点主要在于过程数据协调,过程建模及优化算法。针对某炼油化工有限公司原油蒸馏过程,进行了基于物料平衡的过程数据协调计算,建立了以过程严格机理模型为约束的轻油收率优化模型,并提出应用遗传算法求解上述高维非线性工程优化问题,取得了满意的结果。     

过失误差识别和数据校正的MILP模型的新视角

混合整数线性规划(MILP)方法成功地应用于同时识别过失误差和协调数据,使过程数据满足物料平衡、能量平衡和其他约束条件.然而,在混合整数线性规划的框架下,模型的扩展十分困难.采用公式推导的方式证明了数据校正的MILP模型可以等价地表示成非线性规划模型,因而该模型不仅可以用混合整数线性规划算法求解而且可以用非线性迭代算法...     

稳态实时数据校正在焦化碳一生产中的应用

提出一种分两步进行物料平衡的实时数据校正方法。充分利用测量数据的时间冗余性,剔除不可靠的数据。建立多元回归模型,根据历史数据对含有显著误差的测量数据预测,使其预测值参与协调。仿真研究证明了此法的有效性,并大大提高了协调精度,节省了协调时时间。     

稳态实时数据校正在焦化碳一生产中的应用

提出一种分两步进行物料平衡的实时数据校正方法.充分利用测量数据的时间冗余性,剔除不可靠的数据.建立多元回归模型,根据历史数据对含有显著误差的测量数据预测,使其预测值参与协调.仿真研究证明了此法的有效性,并大大提高了协调精度,节省了协调时时间.     

基于主元分析（PCA）的显著误差检测与校正及应用

在风粉浓度软测量的测量数据中出现显著误差,将会严重恶化测量数据品质,破坏数据统计特性,导致软测量失败,因此显著误差检验和校正是误差处理的首要任务。本文讨论了基于主元分析(PCA)的显著误差检测与校正原理,运用Q统计方法,结合贡献图对某电厂热风送粉系统风粉浓度软测量中可能出现的显著误差进行了仿真分析,结果表明,基于PCA主元分析的显著误差检验和校正方法在风粉浓度软测量工业应用中可行。     

热轧过程中轧件组织与性能软测量系统的研究

介绍了热轧中轧件组织与性能软测量系统的组成和功能,讨论了开发软测量系统所必要的辅助变量选择和数据的预处理方法.通过对热轧过程中的工艺机理分析,并结合生产现场的控制要求,采用机理模型和人工神经网络相结合的方法建立了组织性能软测量系统的架构,并使用机理模型计算得到的微观组织和轧件的化学成分作为人工神经网络的输入变量,规范了人工神经网络的层次结构.在软测量系统的应用过程中,利用校正模型的短期和长期自学习方法,使系统的测量精度满足在线检测要求.     

数据协调与过失误差侦破的鲁棒估计同步方法

为获得较准确的满足物料平衡和热量平衡的数据,传统的测量数据检验法（MIMT）计算复杂,而已有的数据协调和过失误差侦破的同步方法存在着不能准确识别过失误差等问题。基于鲁棒估计原理以及影响函数提出了一种新的鲁棒估计方法,用于稳态情况下的数据协调和过失误差侦破,并对计算过程中遇到的变量相关性问题进行了分析。计算结果表明,这种方法对线性和非线性问题都具有良好的效果,在侦破出过失误差的同时,可得到相应的数据校正结果。     

线性系统测量网络的设计与改造

对化工过程数据进行数据校正 ,可以提高所获得数据的精度和一致性 ,同时可以对重要的未测变量进行估计。为满足数据校正工作的需要 ,采用图论方法与混合整数非线性规划 (m ixed integer non- linear programm ing,MINL P)方法相结合 ,分析了线性系统中变量的可估计性 ,建立了考虑数据可估计性及可靠性要求的测量网络设计、改造的一般性问题的 MINL P模型。对某常减压装置常压部分的测量网络进行改造的实例证明了此模型的有效性     

基于时间冗余度侦破过失误差的修正系数法

为正确侦破与识别测量数据中含有的过失误差以保证数据校正结果的可靠性 ,提出一种修正系数法 ,利用过程测量数据的时间冗余度对测量数据中可能含有的过失误差进行侦破与识别 ,并对过失误差的大小进行估计。应用实例表明 ,此方法对过失误差的数目、位置等因素并不敏感 ,具有较好的鲁棒性 ,适用于空间冗余度较小的实际问题。     

一种基于聚类分析的3MAD-MMMD过失误差侦破方法

软测量建模时所使用的数据集中若含有过失误差,将在很大程度上影响所建模型的精确度.因此,在建模之前,针对建模所使用的数据集,提出了基于聚类分析的集成3MAD-MMMD过失误差的侦破方法.在采集无缝钢管穿孔过程中不同变量不同时刻的数据后,将其排列成数据矩阵.首先运用3MAD算法剔除其中的单变量大误差得到新的数据矩阵,之后采用欧氏距离公式求得新矩阵中同一变量的数据到其最近点的距离,最后以所有变量最近距离的中位值dmed为检测标准,对新的数据矩阵进行过失误差侦破处理.实验和仿真图表明,3MAD-MMMD侦破方法有效地剔除了采集数据中的过失误差.     

Integration of Sensor Network Synthesis and Steady-State Online Data Reconciliation

IntroductionWe need to analyze,simulate,optimize,control,and upgrade the chemical processes to increaseprofit.The basis of these efforts is the processdata,and the validity of process data has directinfluence on the efficiency of these efforts.Generally,the validity of process data refers to:( 1 ) The observability of variables,which meansthat a variable can be measured directly or beestimated through the process constraints[1] ;( 2 )The reliability of estimating a variable,which isdefined as…     

重油催化裂化稳态过程数据协调与检测

最小二乘估计法和测量数据检验法用于重油催化裂化（ＦＣＣ）稳态过程的数据协调与检测．在正确构造ＦＣＣ系统的拓朴网络结构图之后，运用改进的迭代测量测试（ＭＩＭＴ）算法，成功实现了ＦＣＣ流量数据的协调，保证了数据的真实性和精确性     

用于含过失误差数据稳态检测的改进滤波法

滤波法是稳态检测应用较广泛的方法 ,但它不适用于检测变量含有过失误差的情况 ,而实际过程测量变量常含有过失误差。该文对滤波法进行改进 ,用新假设代替原不合理假设 ,根据数理统计理论 ,推导出用于稳态检测的统计量。该统计量能应用于检测数据含过失误差的情况 ,且当数据不含过失误差时 ,可以推导出原统计量。数值实验结果显示 ,原方法用于检测数据含过失误差时稳态检测失效 ,而改进后的方法依然能够给出满意的结果     

一阶差分与小波分析的GPS观测数据粗差探测

赫章特大桥超高桥墩在施工过程中,采用GPS对桥墩在施工过程的变形进行了监测。受施工现场环境影响,GPS变形观测数据中存在多种粗差,含有粗差的观测量如果直接参与后续数据分析,将导致分析结果的不正确。本文基于一阶差分法与小波分析法,对赫章特大桥的GPS变形观测数据进行了粗差探测。结果表明,两种方法对粗差探测的结果不完全一致,都不能将粗差全部探测出来,且此两种方法都存在将部分正确值当成粗差观测值的现象。