数据校正在焦化碳一过程中的应用

化工生产过程中，开展测量数据的误差侦破与校正方法的研究具有十分重要的意义。针对焦化碳一过程中测量变量的稳态数据校正，采用残差检验方法进行数据协调和过失误差的识别、侦破，通过两层次变换进行数据分类，从而消除了已有算法中出现奇异矩阵的情况。校正后的变量满足物料和元素平衡要求，误差侦破的结果为仪表故障的排除等提供了参考依据；数据校正则提高了生产效率。     

稳态过程的数据校正和大误差侦破方法的集成研究

针对实际数据校正问题中同时含有未测变量和带大误差已测变量的情况，提出利用两步投影矩阵方法来进行数据分类，先将稳态模型变换为统计检验所需要的标准形式（只含已测变量），用广义似然比方法侦破出大误差并予以补偿后再对数据校正问题进行求解计算，从而为数据校正及大误差侦破的集成提出了一种通用的策略，并且减少了计算量。     

基于多尺度核主元分析的非线性过程监控方法研究

针对化工过程数据的多尺度性和非线性特性,提出了一种多尺度核主元分析方法(MSKPCA)监控过程的运行状态。使用小波变换在不同尺度下分解测量信号．然后借助于核函数对分解后的数据进行非线性变换,在变换后的线性空间中用主元分析(PCA)提取过程数据的主要特征,构造监控统计量T2和Q来检测故障。在此基础上,提出了一种贡献图方法．计算过程变量对故障的贡献量,用于故障变量的分离。在TE过程上的监控结果表明,MSKPCA可以比PCA和动态PCA更迅速地检测到过程故障,贡献图方法能够正确地分离故障变量。     

卡尔曼滤波与灰色预测用于异常工况趋势预测的方法

提出了基于卡尔曼滤波与灰度预测的化工过程异常工况发展趋势预测方法。在化工过程异常工况下,首先,测量系统主要变量的数值,通过卡尔曼滤波处理测量数据,估计测量数据的真实值;其次,使用校正后的结果作为观测值,建立基于灰色预测理论的系统主要变量发展趋势的预测模型,根据模型计算系统主要变量随时间的变化数值;最后,分析预测结果,采取相应的措施,对化工过程异常工况进行有效管理。通过对实际案例的分析计算,说明了-该方法的有效性,在化工过程异常工况下,为预测系统关键变量的发展趋势提供理论依据。     

基于协方差消除多重共线性的一种方法

多元线性回归模型通常用来研究一个因变量依赖多个解释变量的变化关系,但它有一个前提条件就是解释变量之间不存在相关关系.在实际的应用中,特别是计量经济学中,解释变量之间一般都存在有高度相关关系或近似相关关系,从而使得模型估计不准确.为此,通过协方差计算变换矩阵,提供一种变换矩阵消除随机变量之间相关关系的方法,通过spss25进行实证分析,最后发现通过矩阵变换变换后的数据t检验的显著性值明显降低.     

双线性数据校正的多组分过程容错模型研究

可靠的测量数据是化工过程建模的关键.流程工业中的变量测量值不可避免带有误差.如果这些带有噪声误差的测量数据直接作为模型辨识的样本数据,由此得到的模型势必和真实流程模型大相径庭.本文提出了一种基于双线性数据校正的多组分过程容错建模方法,利用双线性数据校正方法来对测量数据进行预处理,然后再将协调结果和其他的测量数据一起作为模型辨识的输入,从而减少测量数据误差对于过程建模的影响.等离子裂解煤制乙炔气体分离工段的仿真结果证明了该方法的优越性.     

多视点视频编码去相关颜色校正

多视点视频编码效率受到各个视点图像之间颜色不均衡的影响。在三色激励值近似线性无关的lαβ颜色空间中,对多视点视频数据实现了颜色校正。根据视频序列原始数据的特点,选择合适的变换矩阵,提供了YUV到lαβ空间的变换式。为降低不同视点间亮度差异的影响,在块搜索和匹配中结合相关分析法,获取最优匹配块。将匹配块数据变换到从lαβ衍生的一个线性无关的颜色空间中,采用统计量逼近的方法对数据进行了更简便的校正。结果表明,所校正的数据变换回YUV空间后,主观效果良好,消除了颜色差异,在编码性能上,Y分量平均PSNR提高达l.4dB以上,证明了该颜色校正算法的有效性。     

多自由度遥操作系统控制的波变量法

为了将波变量方法用于多自由度遥操作系统,提出了一种更具一般性的多自由度遥操作系统的波变换公式,并扩展了公式参数的选择原则.首先分析了波变量法的原理,并用波变换矩阵替换波阻抗常数b得到多自由度系统的波变换公式.然后从能量的角度分析了波阻抗矩阵的选择原则,根据此选择原则扩展了波阻抗矩阵的选择方法和矩阵之间的约束关系.接着基于耗散理论,分析了扩展的波阻抗矩阵的无源性.最后以3自由度主从遥操作系统为例,分别进行了仿真实验和机器人遥操作实验,实验结果表明所提出的波变换公式能够保证多自由度遥操作系统在时延条件下的稳定性.     

一种新型多变量模糊自适应控制系统的研究

针对多变量非线性系统,提出了一种基于动态耦合特性的两级串联结构的模糊自校正控制器,并提出了基于动态灵敏度矩阵和在线测量的自学习算法．同时利用一种智能梯度法确定自校正学习迭代步长．仿真结果表明,算法的收敛性和系统的稳定性均有所改善．利用这些控制策略,可以较好地解决化工反应器等复杂对象的过程控制问题     

一种新的动态过程数据校正方法

数据校正技术能有效地提高测量数据的质量。本文提出了一种基于过程模型少统计分析和动态过程数据校正方法,该方法能同时进行过失误差检测并最终得到各个变量的校正值。对这种方法进行了仿真研究,仿真结果证实了该方法的有效性。