基于历史数据的数据校正技术研究

发布时间：2020-05-12 14:36

【摘要】：现代工业过程系统中往往需要设置众多用于测量的仪器仪表,对生产过程中各项生产指标进行实时监测与控制。准确可靠的测量数据是生产决策制定,过程控制以及工厂管理的基础。然而在实际生产过程中,测量误差与显著误差的存在使测量数据与实际情况有所差别。数据校正技术就是针对这类问题,利用测量数据之间的冗余度,采用一定的算法,得到一组基本满足化工系统物料平衡、能量平衡或化学规律的校正数据,校正后的数据更接近真实值,能更加真实的反映化工生产过程的状态。本文主要研究了如何利用历史数据提炼信息,并将其应用于数据校正的方法。论文的主要研究内容如下:(1)主元分析法的研究:分析了主元分析法在数据校正技术中的应用,针对其无法识别历史数据中显著误差的缺点,引入IMT显著误差检测方法进行改进,提出了PCA-IMT、IPCA-IMT迭代联合算法,该算法可在历史测量数据中含显著误差时,有效识别显著误差并剔除,获得更为精确的系统模型及校正结果。(2)广义T分布数据校正技术研究:分析了如何利用广义T分布获得误差分布模型,进而进行鲁棒数据校正的方法。通过与最小二乘法及Huber估计校正效果进行比较,说明了广义T分布数据校正技术在误差分布模型不明确时的优势。(3)群优化算法研究:针对如何基于历史数据辨识广义T分布模型中参数这一问题,研究了利用群优化算法寻找最优解的途径,对比研究了粒子群优化算法(PSO)及萤火虫算法(FA)在参数识别中的优势与劣势。(4)卡尔曼滤波方法研究:分析了传统卡尔曼滤波中存在的不足,针对其易受显著误差影响的缺点,引入并讨论了 EM-KF方法识别显著误差的性能。通过引入Sage-Husa自适应卡尔曼滤波方法对EM-KF方法进行改进,提出了 EM-AKF方法,可实现误差方差自适应估计与显著误差检测。
【学位授予单位】：南京理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TH86

【相似文献】

相关期刊论文 前10条

1 叶蕾;侍洪波;;数据校正在焦化碳一过程中的应用[J];自动化仪表;2006年04期

2 张敬波;;浅谈在企业能源计量管理中数据校正的应用[J];现代营销(学苑版);2011年09期

3 秦德华;;发电厂厂级监控信息系统数据校正新方法[J];热力发电;2012年06期

4 纪志祥;;数据校正技术在现代流程工业的应用研究[J];山东纺织经济;2007年01期

5 方伟超;张正江;张仁;骆雅晴;洪雪聪;邵之江;;一种用于数据校正的最小二乘与准最小二乘组合方法[J];计算机与应用化学;2012年07期

6 刘宝卫;赵霞;吴胜昔;潘兆鸿;;过程测量数据校正技术在甲醇工厂的在线应用[J];自动化仪表;2008年02期

7 王培红,陈强,李琳,冯泽磊;厂级监控系统中数据校正算法模型研究[J];东南大学学报(自然科学版);2005年01期

8 张睿;陈w，

本文编号：2660370