（控制科学与工程专业论文）流程工业物流分层建模与数据校正算法研究.pdf

浙江大学博士学位论文 摘要 关键词：数据协调分层建模检测算子混杂系统m e s 生产过程的测量数据是流程工业关于过程状态的基本和唯一的信息源，因而 基于生产过程机理和统计分析方法实现企业物流数据校正和产率计算的数据协 调技术已成为流程工业过程优化的关键。随着m e s 系统在流程工业的推广应用， 该技术必然会在更广阔的领域得到应用。本文在综述国内外数据校正研究发展概 况后，对分层建模、检测算子以及多级协调进行了深入的研究，并设计开发了数 据校正软件系统，所取得的研究成果包括： 1 ) 以全厂数据协调为背景，对流程工业物流平衡模型建模所涉及到的几个 问题进行研究。针对企业多级协调对数据粒度的不同需求并依照i s a 9 5 企业建 模标准的约定，提出了企业物流平衡模型分层建模的理论框架，并对各个层次的 元素和层次间的映射关系做了数学描述，并定义了关键变量集合i r r 指标作为评 价模型好坏的标准。 2 ) 在企业物流平衡模型分层建模理论框架下，分类研究了检测算子可靠度。 首先按照基本检测算予、人工检测算子、合成检测算子这三类分别加以定义，然 后对检测算子可靠度的估算作了研究，从数理统计和工程应用两方面讨论了检测 算子协方差矩阵的估计，并讨论了显著误差对估算结果的影响程度。 3 ) 对于既包含连续生产过程又包含离散事件的混杂系统，尤其是对于带有 生产方案切换的实际生产过程，依照固定分层时变模型分层建模方法，通过对调 度事件进行准稳态处理和层内跟踪检测，构造出包含随机调度方程参数变量0 的 物流平衡模型，然后利用一种不确定模型的协调算法进行求解，最后通过仿真研 究证实了该方法的有效性和鲁棒性。 4 ) 研究了带方案切换数据校正新方法的工业应用。整个工厂包括3 0 套装置 和1 8 4 个罐，由于每天生产方案的变动会导致所建立的测量网络拓扑图与生产实 际有偏差。为了解决这个问题，按照测量网络重构、显著误差检测、数据协调三 个步骤对全厂物流数据进行了校正。并且通过相同的模型和过程数据，将该方法 摘要 与国外典型商用数据校正软件作比较，应用结果表明该方法不但解决了由于系统 冗余度不够而无优化解的难题，而且具有较高的运算效率，得到的协调结果也更 加合理。 5 ) 设计了一个基于工厂模型和统计分析方法实现企业物流数据调理的装置 校正及物料平衡软件系统e s p s u p p l a n td a t a p r o ，可以实现工厂建模、全厂 物流数据集成、单装置数据校正、全厂统计平衡、公用工程管理、报表统计等工 作。该系统已经在扬子石化芳烃厂投入运行，达到设计目标。 最后在总结全文的基础上，指出了数据校正技术有待深入研究的若干个问 题。 i i 浙江大学博士学位论文 a b s t r a c t k e y w o r d a ：d a t ar e c o n c i l i a t i o n , m u l t i - r e s o l u t i o nm o d e l l i n g ，m e a s u r e m e n to p e r a t o r , h y b r i ds y s t e m s ，m e s r e l i a b l ep r o c e s sd a t aa r et h ek e yt oe f f i c i e n to p e r a t i o no fc h e m i c a lp l a n t s d a t a r e c o n c i l i a t i o ni sat e c h n i q u eu s e dt or e d u c et h ei m p a c to fm e a s n r e l l a e n tn o i s eb y i n t e g r a t i n gi n f o r m a t i o nf r o mb o t hm e a s u r e m e n t sa n dp r o c e s sm o d e l s w i t ht h e d e v e l o p m e n ta n da p p l i c a t i o no fm a n u f a c t u r i n ge x e c u t i o ns y s t e m ( m e s ) i np r o c e s s i n d u s t r y , d a t ar e c o n c i l i a t i o nh a sa t t r a c t e dag r e a t e rd e a lo fa t t e n t i o n a f t e rs u r v e y e d m a j o r i s s u e si nd a t ar e c o n c i l i a t i o n , p r o b l e m so nm u l t i - r e s o l u t i o nm o d e l l i n g , m e a s u r e m e n to p e r a t o r , d a t ar e c o n c i l i a t i o na l g o r i t h m sa r ed i s c u s s e da n dad a t a r e c o n c i l i a t i o ns y s t e mi sd e s i g n e da n dd e v e l o p e d t h em a i nc o n t r i b u t i o n si nt h i s d i s s e r t a t i o na r el i s t e da sf o l l o w s ： 1 ) b a s e do nd a t ar e c o n c i l i a t i o no faw h o l ef a c t o r y , p r o b l e m so nb u i l d i n gt h e l i n e a rm a s sb a l a n c em o d e lf o rp r o c e s si n d u s t r yi sd i s c u s s e d t h ei d e ao f m e a s u r e m e n t n e t w o r km u l t i - r e s o l u t i o nm o d e l l i n gi sp r o p o s e df o rd i f f e r e n td e m a n d so f p r o c e s sd a t a g r a n u l a r i t y t h em a t h e m a t i cf o r m u l a t i o no f m o d e l l i n gi sa l s od e f i n e d 2 ) b a s e do nt h ef r a m e w o r ko f m e a s u r e m e n tn e t w o r km u l t i - r e s o l u t i o nm o d e l l i n g , t h em e a s u r c n l e n to p e r a t o ri sd i v i d e di n t ot h r e ec a t e g o r i e s ( b a s i cm e a s u r e m e n to p e r a t o r , m a n u a lm e a s u r e m e n to p e r a t o ra n dc o m p o u n dm e a s u r e m e n to p e r a t o r ) a n dd e f i n e d r e s p e c t i v e l y t h e nt h ee s t i m a t i o no fm e a s u r e m e n to p e r a t o re l t o rv a r i a n c e c o v a r i a n c e i sr e s e a r c h e di nt w oa s p e c t s ：m a t h e m a t i c ss t a t i s t i c sa n de n g i n e e r i n ga p p l i c a t i o n a t t h ep r e s e n c eo f o u t l i e r s ，t h ep e r f o r m a n c eo f t h ee s t i m a t i o ni sd i s c u s s e d 3 ) f o rh y b r i ds y s t e m sw h i c hi n c o r p o r a t eb o t hd y n a m i c a la n dd i s c r e t ee v e n t m o d e l si np r o c e s si n d u s l r i e s ，t h em o d e l so f m a t e r i a lb a l a n c ew i l lb ec h a n g e db e c a u s e o ff r e q u e n ts c h e m es w i t c h t h er e d u n d a n c yd e g r e eo fw h o l es e n s o rn e t w o r ki st i m e v a r i a n ts ot h a tt h et r a d i t i o n a ld a t ar e c o n c i l i a t i o nm e t h o d sc a l lh a r d l yb ea p p l i e di n 摘要 p r a c t i c a lp r o c e s s s oan e wa p p r o a c ho fd a t ar e c o n c i l i a t i o nf o rh y b r i ds y s t e mi s p r o p o s e d f o rt h o s en o d e sw h e r et h ed i s c r e t es c h e d u l i n ge v e n t sm a yh a p p e n , s c h e d u l i n g e q u a t i o n s f i r ee s t a b l i s h e da n da d d e dt ot h em o d e l s t h en e wd a t a r e c o n c i l i a t i o nm o d e lw i t l l p a r a m e t e r so fr a n d o ms c h e d u l i n g - e q u a t i o n sc 龃b e c o n s t r u c t e d i nt h i sw a y , t h em o d e l sr e d u n d a n c yi si m p r o v e d , w h i c he n h a n c e st h e s o l v a b i l i t yo ft h ed a t ar e c o n c i l i a t i o np r o b l e m t h e ni t so p t i m a ls o l u t i o nc a nb e o b t a i n e db ya p p l y i n gar e c o n c i l i a t i o n a l g o r i t h m w i t hu n c e r t a i nm o d e l s s o m e s i m u l a t i o n so ft h es i m p l i f i e dm o d e lf r o mar e f i n e r ya r eg i v e na n dac o m p a r i s o ni s m a d eb e t w e e nt h ep r o p o s e da p p r o a c ha n dp r e v i o u sr e s e a r c h e s t h es i m u l a t i o n sr e s u l t s d e m o n s t r a t et h ee f f i c i e n c ya n dr o b u s t n e s so f t h ep r o p o s e dm e t h o d 4 ) t h e a p p l i c a t i o no f d a t ar e c o n c i l i a t i o nt oa ni n d u s t r i a lp l a n ti sd i s c u s s e d t h e w h o l e p r o c e s si n c l u d e s3 0u n i t sa n d1 8 4 切k o k s s e r i o u si m b a l a n c ep r o b l e m so c c u rd u e t of i e q u e n t ( d a i l y ) c h a n g e si ns o m em o v e m e n t s t h e r ea r em a n y t e m p o r a r yf l o w s ” t h a to n ed a yh a v ean o n z e r ov a l u e a n di na n o t h e rd a yb e c o m e sz e r oo rt h ef l o wi s r e d i r e c t e dt oad i f f e r e n tt a n ko ru n i t m i s t a k e si nt h er e c o n c i l i a t i o nt o p o l o g yi n p u tc a n v e r ye a s i l yb ep r o d u c e d t h en e wm e t h o di n c l u d e st h r e ep a r t s ：m e a s u r e m e n tn e t w o r k r e c o n s t r u c t i o n , g r o s se r r o rd e t e c t i o na n dr e c o n c i l i a t i o na l g o r i t h m u s i n gt h es a , i n e m a s sb a l a n c em o d e la n dt h es a l n ep l a n td a t a , ac o m p a r i s o ni sm a d eb e t w e e nt h en e w a p p r o a c ha n dt h ec o m m e r c i a ld a t ar e c o n c i l i a t i o ns o f h v f i r e t h ea p p l i c a t i o nr e s u l t s d e m o n s t r a t et h ee f f i c i e n c ya n dc o n s i s t e n c yo f t h ep r o p o s e da p p r o a c h 5 ) ad a t ar e c o n c i l i a t i o ns o f t w a r es y s t e m - e s p s u p p l a n td a t a p r o ，i sd e s i g n e d a n dd e v e l o p e d i tc a nr e a l i z et h ef u n c t i o n ss u c ha sp l a n tm o d e l l i n g ，p r o c e s sd a t a i n t e g r a t i o n , e q u i p m e n td a t ar e c o n c i l i a t i o n ，p l a n tm a t e r i e lb a l a n c ea n dy i e l da c c o u n t i n g ， e n e r g yc o n s u m p t i o nm a n a g e m e n ta n dr e p o r t i n g e t c t h es y s t e m h a sb e e n i m p l e m e n t e di ns i n o p e cy a n g z ip e t r o c h e m i c a lc o m p a n yl t d a n da c h i e v e dt h e r e q u i r e m e n t so f t h ep r o j e c t f i n a l l y , t h ep a p e ri sc o n c l u d e dw i t has 珈m a r ya n dp r o s p e c to ff u t u r ed a t a r e c o n c i l i a t i o nr e s e a r c h e s i v 表格 表格 表4 1第一种情况参数变量估计值和方差 表4 2 衰减系数计算结果 表4 3 加权系数计算结果 表4 4 第二种情况参数变量估计值和方差 表4 5 测量值和协调结果 表4 6 协调前后节点残差比较 表4 71 0 0 次仿真节点残差平均值比较 表4 8 与传统方法的比较结果 表5 1 变量定义说明 表5 2 节点定义说明 表5 3 节点生产切换方案 表5 4 过程仿真数据和协调结果 表5 5 生产方案执行时间仿真数据 表5 6 参数变量期望值和协方差计算结果 表5 7 各节点平衡检验统计量计算结果 表5 8 数据协调性能指标i r r 比较结果 x 钞钞乱记酡为饥为乃”引 插图 插图 图1 1 流程工业数据集成和校正系统 图2 1 企业管理层次模型 图2 2 不同级别应用的数据需求一览 图2 - 3 企业分层物流平衡模型建模框架图 图2 4 不同生产方案下的物流模型 图2 5 分段稳态模型的迭加 图3 1 检测算子线性相关的仿真系统图 图4 1 带有生产方案切换的节点 图4 2 仿真测量网 图5 1 简化后的炼油厂测量网络图 图6 1 装置校正及物料平衡软件系统架构 图6 2 数据采集接口类视图 图6 3 显差检测算法流程图 图6 4 数据协调算法接口类视图 图6 5 芳烃厂测量网络拓扑图 图6 6 全厂测量网络组态 图6 7 全厂物流统计平衡界面 ，扒挖m孔勉镐铉弱醯踮虬鲫鳄 英汉术语及符号一览表 英汉术语及符号一览表 英汉术语一览表 b s c i m s c l r c l s c s d 【m t e r p g c g l r g n u g t i d e i m t i n t e l s i m i s a 9 5 j i t m a = r l a b m e s m i c r o s o f t n e tf r a m e w o r ks d k m i c r o s o f t n e tr e m o t i n g m i m t m o n t cc a r l o m s i l m 【t n d d r n t o r a c l e9 i p c t s 口m u l i n k s q p u b e t x u 浏览器服务器 计算机集成制造系统 公共语言运行库 公共运行规范 客户端服务器 动态迭代测量检测法 企业资源规划 垃圾自动回收 广义似然比率 自由软件的完整操作系统 整体检测法 集成开发环境 迭代测量检测法 智能工厂物流仿真平台 制造企业解决方案国际组织提出的标准 实时编译 m a t l a b 数学仿真软件包 制造执行系统 微软n e t 框架软件开发工具包 m i c r o s o f t n e t 远程分布式框架 修正的迭代测量检测法 蒙特卡洛 微软中间语言 测量残差检测法 非线性动态数据协调 节点残差检测法 o r a c l e9 i 关系数据库平台 主元分析法 m a t l a b 中的仿真工具包 序列二次规划 无偏差估计法 浙江大学博士学位论文 v c f v i s u a ls t u d i o n e t w 曲s c r v i c e ) 眦 符号一览表 彳 日 c 岛 日 h ， 刀龌 置 m ，批 n ，n s p p t a r ， t 体积修正系数 m i c r o s o i t n e t 集成开发工具 m i c r o s o f t n e tw e b 服务 可扩展标记语言 己测变量的系数矩阵 未测变量的系数矩阵 单元层中元素 决定检测算子输出的检测因素 约束残差的协方差矩阵 约束残差的方差 数据协调的性能指标 加权系数矩阵 节点系数矩阵，且m = 【ab 】 矩阵m 的第i 个列向量 样本个数 节点组合变换矩阵 对应测量仪表精度 后验余差向量 平衡方程的约束残差向量 协调周期 区域层时间尺度 单元层时间尺度 单位层时间尺度 第i 个调度事件的执行时间 单位层中元素 未测变量向量 已测变量的协方差矩阵 模型约束参数0 的对角方差矩阵 检测算子的输出值 x l l i 乃乏乃血u ”矿矿x 英汉术语及符号一览表 x i v 检测算子“次计量的平均值 检测算子关键变量集合 真实值向量 协调结果 测量变量向量 己测变量的实际测量值 节点平衡检验统计量 衰减系数 测量误差 随机调度方程参数向量 参数向量口的数学期望值 第f ，j ，k 个变量 k k，：x，4屏万口岛：；差 浙江大学博士学位论文 致谢 本文是在我的导师荣冈教授的悉心指导下完成的。作为荣冈教授的学生，我 感到非常荣幸，值此论文完成之际，我衷心地感谢荣冈教授五年来对我孜孜不倦 的教育和指导。荣教授扎实稳固的专业基础，广阔开放的研究视野，敏锐的洞察 力，非凡的管理组织才能，严谨的治学态度和睿智达观的人生态度都给我留下了 深刻的印象，并潜移默化地影响了我，是我今后学习和工作的榜样。 衷心感谢苏宏业教授、古勇副教授、金晓明副教授、张泉灵副教授，他们永 不知倦的工作热情，开阔的思路，丰富的经验和踏实的工作作风使我受益匪浅， 激励我在人生道路上不断努力进取。 还要感谢张溥明、赵向海、宋洁蔚、王达、张惠良、赵小强、李荣雨、朱炜、 裴瑞凌、罗春鹏、王旭、顾海杰、靳碧、方红飞、黄睿、吴华兵、吴玉成、李笕 列、章建栋、徐忠勇、吴婕等人对我的帮助和支持，与他们的相处是人生中难忘 的一段美好时光。特别感谢曾经同在项目组的谢磊、裘绍翔、吴剑强、叶建位， 他们为项目的开发和工程实施做了大量的工作，在此谨表感谢。 特别感谢冯毅萍老师在我本科阶段对我的关怀和鼓励。 另外，感谢浙江中控软件技术有限公司的所有领导和同仁，在中控几年的学 习和生活得到了大家热情无私的帮助和指导，不仅让我体会到中控这个大家庭的 温暖，而且培养了我项目管理、项目实施等方面的能力。 对所有关心和帮助过我的同学和朋友们表示感谢。 深深感谢我的父亲母亲对我的关爱和支持，衷心感谢我的知心爱人张亚妮女 士对我的理解和激励。 张奇然 2 0 0 6 年5 月于求是园 v 浙江大学博士学位论文 第1 章绪论 摘要：从数据协调技术产生的起因入手，介绍了数据协调在企业综合信息自动化系统中所 处的地位和作用，然后从数据协调算法、显著误差检测、测量网冗余性分析设计三个方面对 该技术的研究现状作了综述，并概述了国内外数据协调技术的工业应用和软件开发研究情 况，接下来对其未来研究趋势作了预测和分析。最后简要介绍了本文的主要研究工作。 关键词：数据协调算法显著误差检测冗余性分析测量网设计i v i e s 1 1 过程数据的集成和校正 现代石化企业是以处理物流、能量流和信息流为主的柔性系统。企业数据库 每天都有大量的数据。这些数据是企业生产控制、生产管理、计划调度、经营决 策的基本信息源。然而实际测量数据不可避免地带有误差，使本应满足的化学反 应计量、物料平衡和热量平衡等变量平衡关系不成立。另外，设备泄漏等不正常 工况也会极大地破坏平衡关系。这两种现象通称为测量数据的不平衡，它体现了 测量数据中存在着不可靠因素。另一方面，由于经济条件、测量技术、仪表因故 不工作等原因的限制，从化工装置采集到的数据往往不完整。这种测量数据的不 平衡、不可靠和不完整给过程分析、监控、优化、计划调度和决策分析带来了困 难。9 0 年代后，国内外出现了流程工业c i m s 的应用，由于过程的日常测量数 据是流程工业c i m s 关于过程状态的基本和唯一的信息源，保证信息真实性的数 据协调技术，已成为流程工业c i m s 的关键i l 】。 过程生产变量，包括物料流率、组分、温度、压力等等。由于安装测试仪表 或进行测试的代价昂贵、测量技术不可行、条件苛刻不允许采样或仪表故障等原 因，并非所有的变量都可以测量，从而造成了数据的不完整性。同时，测量过程 中不可避免地带有误差，使得测量值不能精确地满足生产过程单元的物料、能量 平衡等物理和化学规律。测量数据的误差可分为随机误差和显著误差两大类。任 何测量数据都带有随机误差，它是受随机因素的影响而产生的，服从一定的统计 规律。而显著误差则是由于测量仪表失灵、操作不稳定或设备有泄漏等原因引起 的。这些误差都使得测量数据不准确。显然，数据的不完整性和不准确性，使得 许多过程优化、仿真和控制无法有效发挥作用，甚至造成决策的偏差。目前已经 第一章绪论 建成和正在开发的企业综合自动化系统，都受到数据不完整性和不准确性的困 扰。随着系统规模的不断扩大和复杂性的提高，这一问题将更加突出。因此有效 地降低或者消除随机误差和显著误差所带来的影响显得尤为重要。 学者们和工程师首先是从信号处理领域来找到提高测量数据精度的方法。该 领域的研究主要集中在各类数字滤波器的设计，用来消除测量信号中高频率噪声 的影响，显著误差的消除则是通过事先设定好的规则来进行各种数据的有效性检 验来完成。然而今天，智能传感器已经具有自我诊断功能，它既可以对硬件故障 自我诊断，也可以判断测量数据是否可靠。 更为完善的方法是包括基于统计的质量控制测试( s q c ) 等技术，该方法可 以用来检测过程数据中的显著误差。但是该方法只能应用于每个独立的测量变 量，而不考虑过程模型，因此该方法无法保证过程数据遵守它们之间本应该遵守 的规则( 例如质量平衡、能量平衡等) 。不过这些方法可以作为数据校正过程的 第一步，用于对测量信号进行预处理。 我们需要能够进一步消除随机误差和过失误差的方法，并且该方法以建立过 程数据之间的关联关系为模型。数据协调技术，即利用冗余信息，结合各种统计 分析方法和生产过程机理，剔除原始数据中的显著误差，降低随机误差的影响， 并设法估计出未测变量。数据协调通常描述为以数学模型为约束，如物料平衡模 型、能量平衡模型等，以变量协调值和测量值之间的偏差最小为目标的二次优化 问题。应用数据协调不但可以使得测量数据更加准确，重要的是它还能确保过程 数据满足固有的约束关系。为了使得数据协调更为有效，必须确保过程模型中没 有显著误差，因此显著误差检测技术是与数据协调相伴产生，必须结合使用。 另外对于一个给定的测量模型，总存在一个最小已知测量变量数，其可以确 定该模型中的所有测量变量值，我们称作该模型是可观测的。如果实际已知测量 数大于最小测量数，我们可以定义其系统冗余度为已知测量数减最小测量数，且 该类型的冗余度为空间冗余，该模型称为可协调的。相反，如果实际已知测量数 小于最小测量数，那么模型是不可协调的。另一种冗余度为时间冗余，是指对同 一个变量在一段连续时间内的多次测量。对于稳态过程，可以对时间冗余变量取 平均值进行数据协调。 因此信号处理和数据协调技术都可以应用于流程工业，作为过程数据集成和 2 浙江大学博士学位论文 校正整体解决策略中的一部分。图1 1 描述了数据协调在整个流程工业过程数据 集成和应用中的地位和作用。 图1 1 流程工业数据集成和校正系统 1 2 数据校正技术的重要性 针对一个系统开发一套数据协调及显著误差检测软件包并工程实施是一件 复杂的工作，如果不能从中得到收益的话那将是不值得开展这项工作的。幸运的 是，在图1 1 中所描述的各种重要工业应用中，通过数据协调和显著误差检测所 提供的准确数据，我们可以从中得到很大的收益。数据校正技术的重要性具体表 现为以下五个方面。 1 数据协调的一个直接应用在于全厂生产统计和各操作单元能耗计算，相 对于原始测量数据，数据协调能够提供更为准确的数据。 2 对于流程模拟、操作优化此类的应用，它依赖于所建立的装置模型，而 这些模型通常包含一些参数需要依靠过程数据进行估计。这个过程被称 第一章绪论 作模型修正，同样准确的数据是必要的。 3 数据协调对于操作装置的定期检修具有指导作用。协调后的准确数据能 够用来估计装置的关键操作参数，以此来判断该装置是否运行正常。例 如通过估计热交换器的热传导系数来判断该设备是否需要清理。 4 很多先进控制策略，例如基于模型的控制和推理控制都需要准确的可控 变量值，动态数据协调在这方面具有很好的应用。 5 显著误差检测不但能够提高数据协调的计算精度，而且对于测量仪表的 故障诊断、设备泄露具有很好的检测作用。显著误差检测可以有效降低 仪表巡检的成本，确保过程稳定操作，该技术甚至可以直接定位到出现 故障的设备。 1 3 数据校正技术研究现状 数据校正技术最早是由k u e h n 和d a v i d s o n 2 于1 9 6 1 年在化工过程测量数据 协调时提出的，其准则为：在满足物料平衡和热量平衡的条件下，要求协调值与 它对应的测量值的偏差之平方和最小。这是带线性约束的最d , - 乘问题，可以用 拉格朗日乘子法求解。经过4 0 多年的发展，该学科已经成为一个结合信号处理、 统计分析、系统建模、优化算法、系统工程、人工智能等多个学科的交叉性学科 领域，其研究领域主要包括数据协调算法、显著误差检测、测量网冗余性分析和 设计三方面。 1 3 1 数据协调算法 从2 0 世纪6 0 年代到8 0 年代，线性约束的稳态数据协调得到迅速发展，并 逐步趋于完善。在1 9 6 8 年到1 9 7 6 年【3 4 】的一系列文章中，介绍了基于线性约束 数据协调的重要思想和测量值优化选择的方法。这些方法包括处理未测变量的方 法，用图论方法将问题分解为协调计算和参数估计两部分的方法。“可观性”和 “冗余度”这两个重要概念也在文章中得到了介绍。m a l l 等人于1 9 7 6 s 1 年发表的 经典文章中讨论了包含未测变量估计的线性数据协调问题，文章阐述了线性代数 和图论方法之间的关系，更重要的是，该文章通过一个炼油过程的仿真实例证明 4 浙江大学博士学位论文 了当测量网络有充足的冗余度时，数据协调计算能够提高数据精度。文中还对由 测量偏差和过程泄漏引起的显著误差检测进行了讨论。未测变量的存在给数据协 调问题的求解和分析带来困难，c r o w e 于1 9 8 3 年【6 】提出的投影矩阵法在这方面 有很大的贡献，通过在平衡方程两边同乘一矩阵，使未测变量系数阵为全零阵， 以此来剔除未测变量。s w a r d 7 】运用q r 分解来得到投影矩阵并解决未测变量的 问题，s a n c h e z 和r o m a g n o l i 8 】将此方法更为完善。d o v i 等人针对化工过程的一 些受控变量或者过程扰动提出了专门解决数据偏离受控上下限的数据协调方法【9 10 1 1 】。由于数据协调和显著误差检测关联度较大，s o d e r s 仃o m 等人提出将数据协 调和显著误差检测集成为同一个优化问题进行求解，进而提出一种新算法，当系 统中含有显著误差的变量较少时，该算法具有非常明显的效果【1 2 】。 对象的复杂性，使得协调问题的约束方程呈现出多样性，主要表现为非线性 约束以及带微分方程约束的动态数据协调。2 0 世纪8 0 年代后，数据校正问题便 向着去除高斯分布的基础假设和解决动态数据校正及非线性约束条件下的数据 校正问题的方向发展。动态数据校正模型首先由s t a n l e y 和m a h 于1 9 7 7 年【1 3 1 提 出，1 9 8 8 年n a r a s i m h a n 和m a h t l 4 】将广义似然比率( g l r ) 应用于稍微偏离稳态 值的动态系统，a 1 m a 1 5 】采用k a l m a n 滤波对线性动态数据协调进行了研究。 1 9 9 4 年k a r j a l a 16 】提出先用神经元网络得到过程状态空间模型，再用k a l m a n 滤 波的动态协调方法。1 9 9 2 年l i e b m a n 1 7 】用有限元法将常微分方程离散化，用序 列二次规划( s q p ) 法解大型稀疏非线性规划问题，来求得动态协调问题的解，同 时还提出滑动窗口法，该窗口的长度要在充分体现过程动态和求解优化问题不至 于过大之间权衡。1 9 9 7 年b a g a j e w i c z 和j i a n g l l 8 】提出了一种动态数据协调的积分 方法。 2 0 0 1 年，v a c h h a n i 等人提出了一种动态数据协调和参数估计的新框架 嘲， 其中心思想是将系统中带有偏差的参数辨识问题看作是诊断问题，利用故障诊断 方法来检测含有偏差的参数，然后再利用非线性优化方法对其偏差值进行估计， 仿真实例证明该框架能够为实时应用系统提供及时准确的数据。b i n d e r 等人针对 动态数据协调问题提出了一系列规则和策略 2 0 1 。 在基于非线性约束的数据协调问题中，有一类典型的双线性约束，如能量平 衡方程中有质量和热焓的乘积，组分流率方程中有总流率和浓度的乘积等等，这 第一章绪论 类问题也是近年来研究的热点。s m i t h 采用先固定浓度估计流率，再固定流率估 计浓度的方法，如此反复，直至达到精度要求【2 “。c r o w e 提出用投影矩阵将双线 性约束方程变换为线性约束方程后再进行求解【2 2 1 。s c h r a a 等将双线性数据协调问 题变换成无约束的最优化问题在进行求解阢2 4 。此外，s i m p s o n 2 5 1 提出的基于 独立物流的校正方法、该方法通过独立物流的划分，将变量分为独立变量和非独 立变量，约束方程用于建立两类变量之间的关系，将此关系代入目标函数中得到 一个简化的无约束的关于独立变量的优化问题。r a t ) 2 6 】等比较了c r o w e 和 s i m p s o n 的方法，结果认为s i m p s o n 法简单且更快、更准确，但该方法直接用于 多组分过程数据校正尚有许多局限性。k e l l y 研究了大规模双线性约束的数据协 调问题，用于解决质量一能量、质量一组分的混合平衡 2 7 1 。w o n g r a t 等人提出了 一种修正的遗传算法用于非线性数据协调【2 8 1 。 针对动态数据校正方法存在的缺陷，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，这种基于鲁棒估计的过失误差破和 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。这方面的研究在国内有清华大学化学工 程系孔明放、陈丙珍、李博等【2 9 ，3 0 。国外同样也有这方面的研究论文，例如i n - w o n k i m 3 ”、d e r y ab o z y u r ta n dr a l p hw p i k e 3 2 、a r o r aa n db i e g l c r l 3 3 1 、m o r a de ta l p 4 等。 1 3 2 显著误差检测 数据协调的基础假设是变量测量值服从正态分布。然而在实际测量中，由于 测量仪表失灵、模型偏差、操作不稳定、设备泄露等原因，使得过程数据中包含 了显著误差。在数据协调之前检测出显著误差是非常重要的，如果不将其剔除， 将会大大影响协调结果，使得数据协调不能有效进行。可见显著误差检测在数据 校正中占有举足轻重的地位。 一直以来，显著误差的检测和辨识得到了研究人员充分的关注，检测显著误 差的途径有多种 3 5 , 3 6 】，归纳起来有三点： ( 1 ) 从理论上分析所有可能导致显著误差的因素并进行相应处理； ( 2 ) 借助多种测量手段对同一过程变量进行测量，然后通过结果的比较来 6 浙江大学博士学位论文 识别显著误差，即硬件冗余法； ( 3 ) 根据测量数据的统计特性进行检验。 第一种方法仅从理论上作出分析，极有可能遗漏一些造成显著误差的潜在的 因素，而且不易于广泛使用。第二种方法对于少数重要的测量变量是可行的，然 而对于众多变量进行逐一的测量比较则会造成大量财力和物力上的负担，因此也 不适合推广使用。相比之下，基于统计检验的方法只针对数据本身，对现有硬件 设备没有过多要求，便于在线运行，而且方法具有普遍性，所以得到了广泛的研 究和应用。很多显著误差检测方法被相继提出，主要方法有： 1 传统的假设检测法：整体检测法( g t ) ，节点残差检测法( n t ) ，测量 残差检测法( m t ) 。 2 极大似然比法( g u l ) 。 3 贝叶斯法。 4 无偏差估计法( u b e t ) 。 5 主元分析法( p c t ) 。 6 动态迭代测量检测法( d 订t ) 。 a l m a s y 和s z t a n o 在1 9 7 5 年首先提出了整体检测法( g t ) t 3 7 ，尽管r e i l l y 等3 司在1 9 6 3 年的国际会议上也提到了该方法。该方法指出显著误差对协调结果 会有影响，利用系统的全部约束残差构造一个统计量，然后用该统计量检验系统 是否存在显著误差。m a h 于1 9 7 6 年提出了节点残差检测法( n t ) 【5 】，同样r e i l l y 和c a r p a n i e 3 叼在1 9 6 3 年的国际会议上也提到了该方法。该方法针对每一个节点的 约束残差构造一个检验统计量，然后利用该统计量判断该约束方程中所涉及到的 测量数据是否含有显著误差。1 9 8 2 年，m a h 和t a m h a a e 提出了测量残差检测法 ( m t ) 1 3 9 ，利用测量数据的协调值和测量值的相对大小作为判断显著误差是否 存在的依据。对于整体检测法和节点残差检测法，它们主要的缺点是不能直接定 位显著误差，还需要额外的辨识策略。测量残差检测法可以定位显著误差，但是 首先需要进行数据协调。r o m a g n o l i 和s t e p h a n o p o u l o s t 4 0 l 于1 9 8 1 年提出了基于顺 序删除法的显著误差定位方法。所谓顺序删除法即从一组含有显著误差的测量数 据中依次删除每个测量数据，然后重新计算剩余测量数据的检验统计量，如果发 现剔除某个测量数据后使得检验统计量显著下降，并使得统计量小于对应的临界 第一章绪论 值，即认为该测量数据含有显著误差。该方法对于检测多个显著误差具有一定的 效率。 1 9 8 6 年，s e r t h 和h e e n a n 【4 1 糯多种显著误差检测算法作了比较研究，包括他 们自己的迭代测量检测法( m l t ) 、修正的迭代测量检测法( m 讧t ) 、筛选的组 合识别法( s c ) 以及节点残差检测法( n t ) 、测量残差检测法( m t ) 。通过将这 些方法的检测效率进行比较，他们得出结论：一个有效的显著误差检测算法是将 多种不同的算法进行结合，以充分利用它们各自的优势。1 9 9 6 年，y a n g 和t e n 亭4 2 】 通过将测量残差检测法和节点残差检测法相结合，提出了一种m t - n t 结合的方 法进彳亍显著误差检测。2 0 0 4 年，w a n 一4 3 增人又提出了改进的m t - n t 法来进行 显著误差检测。 1 9 8 7 年，n a r a s i m h a n 和m a h e l 4 】介绍并发展了广义似然比法( g l r ) ，并且将 该方法应用于稳态过程的显著误差检测。利用顺序补偿法替代了顺序删除法，将 被删去的显著误差用上一次的协调值加以补偿。该方法的特点在于能够区分不同 类型显著误差的检测。r o l l i n s 和d a v i s l “ 发展了该方法，提出了一种能对测量数 据中含有的显著误差进行无偏估计的新方法。 一个众所周知的显著误差检测方法是利用k a l m a n 滤波。基于过程模型， k a l m a n 滤波被用来产生过程状态和输出变量的估计。将这个估计值和真实值进 行比较，其产生的残差就成为显著误差检测和辨识的基础。一些学者已经开始研 究基于k a l m a n 滤波的显著误差检测方法，其中相关的报道有f r a n k 和d i i l 矿习， i s e r m a n n 和b a l l e 川。 除了上述方法外，还有很多方法，如：神经元网络方法；y a m a m u r a 等m 提 出用a k a i k e 信息标准构造包含显著误差个数信息的优化目标函数，但是由于预 先无法知道有多少个变量带显著误差，所以需要试验每种可能情况，计算量较大； r o l l i n s 和d a v i s 基于h o t e l l i n gt 2 统计量和t 统计量提出了协方差阵未知时的显著 误差检测法【档】；i s h i d a 掣4 明构造了一个有约束条件