基于3MAD-PCA的软测量数据过失误差侦破

经典PCA是一种对软测量建模数据进行误差侦破的方法,但当数据中存在单变量大误差时,该方法不能准确确定主元(PC),从而影响了误差侦破效果.针对这一情况,结合单变量误差侦破技术提出了3MAD-PCA方法.该方法首先用3MAD对数据分别进行单变量误差侦破,再利用经典PCA进行多变量误差侦破,提高了经典PCA方法的稳定性,有效实现了数据的过失误差侦破.用该方法对丙烯浓度的软测量数据进行过失误差侦破,取得了良好的效果.     

MT-GLR在甲醇工厂数据协调中的应用

对用于过失误差侦破的MT-GLR联合算法进行了研究.改进后的算法利用MT法和GLR法联合确定可能含有过失误差的集合,综合利用这两种方法,使侦破所有过失误差的可能性大大增加.给出了该算法的设计思想及实施步骤,基于该算法并以甲醇工艺过程为背景,设计了一套实时数据协调和校正软件.该软件在某大型甲醇工厂中投入在线运行,在数据校正及过失误差侦破方面获得了良好的效果.     

数据校正技术在能源经营计量系统中的应用

基于矩阵分解方法对过程变量进行分类,提出了一种广泛适用的数据协调算法。总结了GT(global test)和GLR(generalized likelihood ratio)算法,提出了一种基于顺序补偿原理的多过失误差侦破算法,实现对复杂工艺流程中存在的多个过失误差进行高效定位和准确补偿。通过数据协调和过失误差侦破,成功地解决了能源经营计量网络中能源供求不平衡等问题,并且对仪表故障诊断提供了重要的指导意义。     

基于改进PCA的软测量数据过失误差侦破

为提高软测量的模型精度,剔除建模数据中的过失误差,提出采用Bagging-PCA方法进行误差侦破。利用Bagging算法的集成思想,改善单变量大误差对经典PCA的影响,提高算法稳定性,实现数据的过失误差侦破。用该方法对丙烯浓度的软测量进行过失误差侦破,取得了良好的效果。     

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。     

基于神经网络的多过失误差侦破方法的研究

基于神经网络的过失误差侦破方法具有简单、计算量小和适于在线应用的优点，并且相对于传统方法具有处理非线性问题能力较强的特点。但是在侦破多过失误差时，现有的直接侦破法和序列侦破法的侦破率较低。针对这一情况，本文提出了将神经网络和测量数据检验法相结合的侦破多过失误差的新方法，该方法首先利用神经网络较强的鲁棒性和容错能力对数据进行处理，然后再进行过失误差侦破。实例研究表明，这种方法能够有效地提高多过失误差共存时的侦破能力。     

过程测量数据校正技术在甲醇工厂的在线应用

过程数据的质量严重影响了MES中的过程监控、实时优化和控制及其它模块的性能和效益.为获得平衡和准确的过程数据,研发了一种组合了测量数据检验法和GLR检验法的改进型序列补偿法,并将其应用于数据校正中显著误差的侦破和处理.基于该方法并以甲醇工艺过程为背景的一套实时数据校正软件在某大型甲醇工厂的MES中投入在线运行,并获得了满意的效果.该方法经过适当改造后可以应用于某些过程工业的在线数据校正.     

软测量技术的数据预处理方法研究

针对软测量技术在线实施时的数据预处理问题，提出了基于聚类分析的过失误差侦破方法。该方法不需过程的先验知识和假设，直接面向数据，可十分方便地在线实现。将该方法与滑动平均滤波算法相结合，可以有效处理过程测量数据的过失误差和随机误差，从而提高软仪表估计的精度。在二元精馏塔底产品组分浓度软测量仪表在线进行的仿真中，应用该方法进行数据预处理，使进入软测量模型的过程数据更接近真实值，取得了很好的效果。     

典型炼油装置数据校正技术的研究

化工过程测虽数据作为反映装置运行状况的特征信息,是实现计算机过程控制、模拟、优化和生产管理的基本依据.研究过程数据校正技术,对实现装置优化控制与管理具有重要理论意义和现实意义.现有理论研究大都采用传统统计检验和线性化处理方法,在实际应用有较大局限性.本文在对已有数据校正技术分析的基础上,提出将修正的时间序列分析法用于测量数据校正.综合考虑数据的窄间冗余和时间冗余,充分利用过程的历史数据,建立了时间序列概率模型,并针对含随机误差数据和含过失误差数据两种情况,从时序法平均值、阶跃过程模型等方面详细探讨数据校正方法.将新的数据校正方法用于典型常减压蒸馏装置,结果表明,新方法能够侦破出数据中含有的过失误差;校正值与真值的平均偏差非常小,具有足够的精度保证数据的准确性;修正的时间序列分析法用于数据校正能克服传统方法的局限性.     

基于鲁棒估计的动态数据校正方法

针对目前动态数据校正方法存在的缺陷，本文在以前的工作基础上把基于鲁棒估计原理构造的鲁棒估计函数用于含异常点类型的过失误差的数据校正，Monte Carlo模拟结果及对TE问题的校正计算结果表明，这种基于鲁棒估计的过换误差侦破和数据协调同步方法可以在得到协调数据的同时很准确的侦破和识别出测量数据中所含的过失误差，具有较强的优越性。