過程工業(yè)數(shù)據(jù)顯著誤差檢測技術研究.pdf

1、在過程工業(yè)中，儀表讀數(shù)通常不總是遵守物料、能量等守恒約束，因此有必要使用數(shù)據(jù)校正技術對過程獲取數(shù)據(jù)進行處理以保證數(shù)據(jù)的正確性?，F(xiàn)場發(fā)現(xiàn)，過程變量的測量值經(jīng)常會偏離真實值，儀表偏差和故障失靈是測量讀數(shù)偏差的兩個主要來源。工業(yè)過程泄漏和測量偏差被稱之為顯著誤差。如果在存在顯著誤差的情況下，按照標準偏差來調整測量數(shù)據(jù)，使之滿足物料、能量等平衡約束，那么所有的測量值必然都會受到顯著誤差的影響而不能正確地揭示工業(yè)過程的狀態(tài)。所以，在對測量數(shù)據(jù)進行

2、協(xié)調前，必須偵破、刪除或者補償顯著誤差。 本論文主要研究穩(wěn)態(tài)線性過程的顯著誤差檢測和估計問題。主要研究內容包括如下幾個方面： (1)提出了一種數(shù)據(jù)分類的兩步矩陣投影算法。指出Crowe提出的矩陣投影算法在數(shù)據(jù)分類中存在由于投影矩陣不唯一，導致已測可校正數(shù)據(jù)分類不徹底的缺點。采用已測數(shù)據(jù)預分類的方法，對其進行了修正。在此基礎上，將矩陣投影算法引入到了未測數(shù)據(jù)分類中，提出了基于矩陣投影算法的未測數(shù)據(jù)分類算法。新算法只需求解兩

3、個投影矩陣就可以實現(xiàn)所有數(shù)據(jù)分類，避免了常規(guī)方法在未測數(shù)據(jù)分類時求解未測數(shù)據(jù)關聯(lián)矩陣絕對線性無關列的計算，提高了計算效率。 (2)基于節(jié)點殘差檢驗法(NT)和測量殘差檢驗法(MT)，提出了一種應用于工業(yè)過程顯著誤差檢測和數(shù)據(jù)協(xié)調的NT-MT合成檢驗法。新方法充分利用了NT和MT的優(yōu)點，并且使這兩種方法的不足之處得到了互補。在大規(guī)模工業(yè)過程檢測中，當存在多個顯著誤差時，新方法有效避免了大量的人工組合和合成計算。順序補償策略被用在新

4、方法中以避免迭代計算過程中關聯(lián)矩陣降秩而發(fā)生奇異。 (3)基于可傳遞信度模型，提出了綜合多種傳統(tǒng)顯著誤差檢測算法的新方法。由于傳統(tǒng)顯著誤差檢測算法只是從某個方面采用統(tǒng)計學方法對測量網(wǎng)絡做出診斷，無法體現(xiàn)出決策的可信度，并且無法對多種方法的診斷結果進行融合。新方法基于多種傳統(tǒng)顯著誤差檢測算法，提出了顯著誤差辨識框架子集上可信度分配策略，并進一步在此基礎上利用可傳遞信度模型對各子集上的可信度分配進行合成，從而得到對各個測量數(shù)據(jù)的診斷

5、決策。新方法中使用了迭代補償?shù)牟呗?。實例考核結果證明了新方法的有效性。 (4)提出了一個新的用于顯著誤差檢測和數(shù)據(jù)協(xié)調的混合整數(shù)線性規(guī)劃模型。Yamarura基于Akaike信息準則設計了一個顯著誤差檢測與數(shù)據(jù)協(xié)調模型。但是，該模型在計算中，需要大量的組合，給計算帶來了負擔。因此，混合整數(shù)線性規(guī)劃模型被提了出來，以減輕計算負擔，增強模型的魯棒性。但是該模型也因此失去了最大似然估計的優(yōu)良特性。為了減輕計算量同時保持最大似然估計的特

6、性，基于混合整數(shù)線性規(guī)劃的框架提出了新的顯著誤差同步偵破和估計方法。該方法將顯著誤差檢測和估計分解為一個新的混合整數(shù)線性規(guī)劃模型和一個二次規(guī)劃或者最小二乘估計模型。 (5)無論是穩(wěn)態(tài)過程顯著誤差檢測還是動態(tài)過程顯著誤差檢測，目前都沒有找到高可靠性、高正確率檢測方法。由此引出系統(tǒng)顯著誤差可識別問題的討論。在綜述文獻顯著誤差可識別結果和等效集理論的基礎上，對顯著誤差可識別問題進行了討論，并提出了相應的顯著誤差可識別條件的判定方法。同