基于歷史數(shù)據(jù)的數(shù)據(jù)校正技術(shù)研究.pdf

1、現(xiàn)代工業(yè)過程系統(tǒng)中往往需要設(shè)置眾多用于測(cè)量的儀器儀表，對(duì)生產(chǎn)過程中各項(xiàng)生產(chǎn)指標(biāo)進(jìn)行實(shí)時(shí)監(jiān)測(cè)與控制。準(zhǔn)確可靠的測(cè)量數(shù)據(jù)是生產(chǎn)決策制定，過程控制以及工廠管理的基礎(chǔ)。然而在實(shí)際生產(chǎn)過程中，測(cè)量誤差與顯著誤差的存在使測(cè)量數(shù)據(jù)與實(shí)際情況有所差別。數(shù)據(jù)校正技術(shù)就是針對(duì)這類問題，利用測(cè)量數(shù)據(jù)之間的冗余度，采用一定的算法，得到一組基本滿足化工系統(tǒng)物料平衡、能量平衡或化學(xué)規(guī)律的校正數(shù)據(jù)，校正后的數(shù)據(jù)更接近真實(shí)值，能更加真實(shí)的反映化工生產(chǎn)過程的狀態(tài)。本文主

2、要研究了如何利用歷史數(shù)據(jù)提煉信息，并將其應(yīng)用于數(shù)據(jù)校正的方法。論文的主要研究?jī)?nèi)容如下:
　　(1)主元分析法的研究:分析了主元分析法在數(shù)據(jù)校正技術(shù)中的應(yīng)用，針對(duì)其無(wú)法識(shí)別歷史數(shù)據(jù)中顯著誤差的缺點(diǎn)，引入IMT顯著誤差檢測(cè)方法進(jìn)行改進(jìn)，提出了PCA-IMT、IPCA-IMT迭代聯(lián)合算法，該算法可在歷史測(cè)量數(shù)據(jù)中含顯著誤差時(shí)，有效識(shí)別顯著誤差并剔除，獲得更為精確的系統(tǒng)模型及校正結(jié)果。
　　(2)廣義T分布數(shù)據(jù)校正技術(shù)研究:分析了如

3、何利用廣義T分布獲得誤差分布模型，進(jìn)而進(jìn)行魯棒數(shù)據(jù)校正的方法。通過與最小二乘法及Huber估計(jì)校正效果進(jìn)行比較，說(shuō)明了廣義T分布數(shù)據(jù)校正技術(shù)在誤差分布模型不明確時(shí)的優(yōu)勢(shì)。
　　(3)群優(yōu)化算法研究:針對(duì)如何基于歷史數(shù)據(jù)辨識(shí)廣義T分布模型中參數(shù)這一問題，研究了利用群優(yōu)化算法尋找最優(yōu)解的途徑，對(duì)比研究了粒子群優(yōu)化算法(PSO)及螢火蟲算法(FA)在參數(shù)識(shí)別中的優(yōu)勢(shì)與劣勢(shì)。
　　(4)卡爾曼濾波方法研究:分析了傳統(tǒng)卡爾曼濾波中存在