（模式识别与智能系统专业论文）流程工业数据校正技术若干问题研究.pdf

浙江大学硕士学位论文 摘要 数据校正作为一门确保数据准确性、可靠性及完整性的智能数据处理技术， 是流程工业综合自动化的关键之一。它利用过程冗余信息，结合各种统计分析方 法和生产过程机理，滤除原始数据中的显著误差，根据最优化理论系统地调整过 程测量值、修正过程模型中的潜在不确定性( 如参数等) 以提高测量数据的质量， 估计未测变量。随着系统复杂性的提高以及信息化需求的增长，数据校正所基于 的过程模型从线性扩展为非线性、稳态扩展为动态。然而，测量网络、过程模型 及相应数据校正算法将对数据校正结果产生很大的影响。因此，迫切需要针对不 同的过程模型研究相应的高效数据校正算法和测量网络设计方法，以满足工业应 用需求。 针对目前数据校正存在的问题及过程模型复杂化、多样化特点，本文对双线 性数据协调算法、动态数据校正算法及动态系统测量网络设计进行了分析研究。 其主要内容如下： 1 介绍了数据校正技术的研究背景及意义，对数据协调、显著误差检测与 识别和测量网络冗余性分析与设计三方面作了综述，回顾了数据校正技术的理论 研究和工业应用情况。 2 考虑多组分物料平衡，结合双线性特殊结构，提出了分解及规范化协调 模型的变量消除方法，对系统降维、消除约束，并采用具有并行搜索特性的微粒 群算法求解。即，实现了一种满足效率及精度要求的双线性数据协调方法来实现 物流和组分的平衡。 3 针对一般线性动态系统，提出一种鲁棒线性动态数据校正方法。首先对 动态系统进行变换及离散化，将时间冗余信息与空间冗余信息分离，表达为离散 状态空间模型形式，其中状态空间方程表达了动态系统的时间冗余信息，而输出 方程表达了动态系统的空间冗余信息；然后采用基于h u b e r 函数的抗差估计理 论，结合最小二乘思想对动态数据校正问题进行求解。该方法对显著误差及离群 点有相当强的鲁棒性，且便于在线处理。 4 由于动态数据校正的效果与测量网络紧密相关，本文研究了动态系统测 摘要 量网络优化设计方法。在保证过程变量可估计及满足允许投资费用的基础上，寻 求精度最高的测量网络，服务于动态数据校正 最后总结了全文，并对数据校正技术的发展进行了展望。 关键词：双线性数据协调动态数据协调动态测量网络设计 i l 浙江大学硬士学位论文 a b s t r a c t a sa l li n t e l l i g e n td a t ap r o c e s s i n gt e c h n o l o g yt oe n s u r et h ep r e c i s i o n , r e l i a b i l i t y , a n di n t e g r i t yo fd a t a , d a t ar e c t i f i c a t i o ni so n eo ft h ek e yd e m e n t so fc o m p u t e r i n t e g r a t e dm a n u f a c t u r es y s t e mi np r o c e s si n d u s t r y u t i l i z i n gt h er e d u n d a n c ya n d p r o c e s sm o d e l ，i tf i l t e r st h eg r o s sa t o r $ i nt h em e a s u r e m e n t sb ys t a t i s t i c a lt h e o r y , o p t i m a l l ya d j u s t st h em e a s u r e m e n t sa n dp o t e n t i a lm o d e lu n c e r t a i n t y ( s u c ha s p a r a m e t e r s , e t c ) t oi m p r o v et h eq u a l i t yo f t h em e a s u r e m e n t sa n de s t i m a t eu n m e a s u r e d v a r i a b l e sb yo p t i m i z a t i o nt h e o r y w i t ht h ec o m p l e x i t yo fs y s t e m sa n dt h eg r o w t ho f d e m a n df o ri n f o r m a t i o nt e c h n o l o g y , t h ep r o c e s sm o d e lw h i c hd a t ar e c t i f i c a t i o ni s b a s e do ni se x t e n d i n gt on o n l i n e a ra n dd y n a m i c h o w e v e r , m e a s u r e m e n tn e t w o r k p r o c e s sm o d e la n dc o r r e s p o n d i n gd a t ar e c t i f i c a t i o na l g o r i t h mw i l lh a v es i g n i f i c a n t i m p a c t so nt h er e s u l to f d a t ar e c t i f i c a t i o n t h e r e f o r e ，i ti su r g e n tt os t u d ye f f i c i e n td a t a r e c t i f i c a t i o n a l g o r i t h m sa n dm e a s u r e m e n tn e t w o r kd e s i g nm e t h o d sf o rd i f f e r e n t p r o c e s sm o d e l s t om e e tt h en e e d so f i n d u s t r i a la p p l i c a t i o n s i nt h i st h e s i s ，f o rc o m p l e xp r o c e s sm o d e ls u c ha sb i l i n e a rp r o c e s sm o d e la n d d y n a m i cp r o c e s sm o d e l ，s o m er e s e a r c h e so nd a t ar e c t i f i c a t i o na l g o r i t h m sa n d m e a s u r f f r f l e n tn e t w o r k d e s i g nm e t h o d sa r ed o n e t h em a i nw o r k sa r ea sf o l l o w s ： 1 a f t e rp r e s e n t i n gt h es i g n i f i c a n c eo f d a t ar e c t i f i c a t i o n , v a r i o u sd a t ar e c t i f i c a t i o n t e c h n i q u e sa r eb r i e f l ym e n t i o n e da n ds o m em a j o rc o n c e p t si nd a t ar e c t i f i c a t i o na r e i n t r o d u c e d f i n a l l y , t h ea d v a n c e si nt h ea p p l i c a t i o no f d a t ar e c t i f i c a t i o na r er e v i e w e d 2 a ne f f i c i e n tb i l i n e a rd a t ar e c o n c i l i a t i o na l g o r i t h mb a s e do nm u l t i c o m p o n e n t m a s sb a l a n c e si sp r o p o s e dt oi m p r o v et h ep r e c i s i o no ft h ef l o w sa n dc o m p o n e n t s f i r s t l y , u t i l i z i n gt h eb i l i n e a rs t r u c t u r eo ft h em u l t i c o m p o n e n tm a s sb a l a n c e s ，an e w u n o b s e r v a b l ev a r i a b l ee l i m i n a t i o na p p r o a c hi sd e v e l o p e dt od e c o m p o s ea n dm g n l a r i z e t h er e c o n c i l i a t i o np r o b l e m t h e n , t h ep r o b l e mi ss o l v e db yp s oa l g o r i t h ma f t e r e l i m i n a t i o no ft h ec o n s t r a i n te q u a t i o n s t h es i m u l a t i o nr e s u l t sd e m o n s t r a t et h a tt h i s a l g o r i t h mm a yg i v em o r ea c c u r a t ed a t ao ft h ef l o w sa n dc o m p o n e n t s ，a v o i dt h e t l t 摘要 p r o d u c t i o no f m e a n i n g l e s sd a t aa n dh a v eg o o dc o m p u t i n ge f f i c i e n c y 3 f o rg e n e r a l i z e dl i n e a rd y n a m i cs y s t e m , ar o b u s tl i n e a rd y n a m i cd a t a r e c t i f i c a t i o na l g o r i t h mi sp r o p o s e d f i r s t l y , t h ed y n a m i cs y s t e mi st r a n s f o r m e da n d d i s c r e t i z e dt od i s c r e t es t a t es p a c em o d e l t h es t a t es p a c ee q u a t i o nr e p r e s e n t st h e t e m p o r a lr e d u n d a n c yi n f o r m a t i o n , w h i l et h eo u t p u te q u a t i o nr e p r e s e n t st h es p a t i a l r e d u n d a n c yi n f o r m a t i o n t h e n , t h er o b u s te s t i m a t i o nt h e o r yb a s e do nh u b e r f i m c t i o n i su s e dt os o l v et h ew a a s f o r m e dp r o b l e m t h i sa l g o r i t h mi sr o b u s tt og r o s se r r o t 篙o f o u t f i e r s ，a n di ti sv e r yu s e f u lf o ro n l i n ep r o c e s s i n g f i n a l l y , ac a s es t u d yf o ral i n e a r d y n a m i cs y s t e mp r o v e st h eb e n e f i t so f t h ep r o p o s e d d a t ar e c t i f i c a t i o na l g o r i t h m 4 d y n a m i cd a t ar e c t i f i c a t i o nh a sag r e a tr e l a t i o n s h i pw i t ht h em s u r 锄e n t n e t w o r k t oi m p r o v et h ea c c u r a c yo f d y n a m i cd a t ar e c o n c i l i a t i o n , an e wm e a s u r e m e n t n e t w o r kd e s i g nm e t h o df o rg e n e r a l i z e dl i n e a rd y n a m i cs y s t e mi ss t u d i e d w i t l lt h e # v a ni n v e s t m e n t , t h i sm a h o d c a n g e n e r a t eam e a s u r 伽f i e n tn e t w o r kw h i c hg u a r a r l t e e $ t h eh i g h e s ta c c u r a c yo fd a t ar e c t i f i c a t i o na n do b s e r v a b i l i t yo fa l lt m m e m u r e dp r o c e s s v a r i a b l 铭 f i n a l l y , t h et h e s i si sc o n c l u d e dw i t l las u m m a r ya n dd i s c u s s i o n so ff u t u r ea n d p r o s p e c t i v ed a t ar e c t i f i c a t i o nr e s e a r c h e s k e y w o r d ：b i l i n e a rd a t ar e c o n c i l i a t i o n , d y n a m i cd a t ar e c t i f i c a t i o n , d y n a m i c m e a s u r e m e n tn e t w o r kd e s i g n i v 插图 插图 图2 1 ：矿产精制过程流程图2 4 图2 - 2 ：合成汁提取过程流程图2 7 图3 1 ：鲁棒动态数据校正方法流程图4 0 图3 2 ：动态过程系统流程图4 1 图3 - 3 ：测量值均正常时睨的校正结果。4 3 图3 - 4 ：测量数据含显著误差时的校正结果。4 4 图3 - 5 ：测量数据含显著误差时形的校正结果。4 4 图3 6 ：测量数据含离群点时形的校正结果 图4 - 1 ：田纳西伊斯曼过程流程图5 3 图4 2 ：遗传算法的适应度函数收敛曲线图( c m a x = 1 2 0 0 0 ) 5 4 表格 表格 表2 1 ：矿产精制过程多组分协调结果比较表2 5 表2 2 ：合成汁提取过程多组分协调结果比较表2 7 表3 - 1 ：正常测量情况校正结果对比表4 2 表3 2 ：测量值含有显著误差情况的校正结果对比表4 3 表3 3 ：测量值含有离群点情况的校正结果对比表4 5 表3 - 4 ：单测量点最大运行时间及平均运行时间4 6 表4 - 1 ：遗传算法求解的测量网络优化设计方案( c “= 1 2 0 0 0 ) 5 5 x 浙江大学硕士学位论文 重要术语： c m s g a g l r g t h 汀l a b m e s m j m i n l p m t n l p n t p c a p s o s q p 重要符号： f l 一， t t 。i 勺 f m f m 术语及符号 计算机集成制造系统 遗传算法 广义似然比法 整体检测法 数学仿真软件 制造执行系统 混合整数线性规划 混合整数非线性规划 测量残差检验法 非线性规划 节点残差检验法 主元分析法 微粒群优化算法 序列二次规划 第_ ，股物流流率 第，股物流中第k 组分的质量分率 第_ ，股物流和第f 设备单元的连接关系 第，股物流的比焓 已测物流流率测量值向量 己测物流流率的协调值向量 已测物流流率的协方差矩阵 术语与符号 第，股物流中的已测组分测量值向量 第- ，股物流中的已测组分的协调值向量 第_ ，股物流中的已测组分的协方差矩阵 第f 单元吸收或放出的能量流 广义组分流率 物流流率c 及组分_ j 都已测的组分流率巧_ 可观测物流流率 物流流率c 可观，组分_ 已测的组分流率乃一 第五类变量 不可观测物流流率中己测组分 厶= 巧_ 中的已测组分所组成的向量 z = f j _ ，。中的已测组分所组成的向量 微粒f 的当前位置 微粒f 的飞行速度 微粒f 所经历的最好位置 各只的适应度构成的向量 所有微粒中全局最好位置 全局最好位置的适应度 罚函数 适应度函数 罚系数 双线性数据协调精度指标 双线性数据协调运算效率指标 x i i 机弛 吼 厨 厶 而 矗口 辨 j i 坼暑 加弓 舢r ， 口 烈 z 浙江大学硕士学位论文 贮液量所组成的向量 物流流率所组成的向量 物流流率与容性节点相关的系数矩阵 物流流率与非容性节点相关的系数矩阵 已测物流与贮液量的测量值向量 随机测量误差所组成的向量 系统观测阵 冗余贮液量与冗余物流在i 时刻的真值向量 x ( i i 1 在第i 时刻的校正值 第i 时刻的校正值的协方差阵 极值函数 等价权矩阵 鲁棒动态数据校正精度指标 单测量点最大运行时间 单测量点平均运行时间 过程变量_ ，的协调精度指标 测量网络的精度指标 最好测量网络时变量_ ，的协调精度指标 第_ ，变量第_ j 种候选仪表的费用 第，变量候选仪表的种类； 代表在第，变量上第k 类仪表是否被放置 变量，的协调精度 最大允许投资费用 x t ， d i ) 矿， 彳 c z v h 枷 鄹 w 删 乒 叩 乙 乙 形 巧 b 、 严 术语与符号 代表染色体变量 变量，的二进制编码串( 基因) 变量_ ，的二进制编码串的长度 变量，的二进制编码串相应的十进制数 4 矽一垆 目录 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两年来对我孜孜不倦 的教育和指导，并提供了一个宽松和谐的研究环境，引导我在科研工作中一步步 前进。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。 衷心感谢王树青教授、冯毅萍副教授，他们在生活和工作上给过我热情的帮 助和指导，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。 感谢张溥明、赵向海、宋洁蔚、王达、张惠良、朱炜、裴瑞凌、张奇然、罗 春鹏、顾海杰、靳碧、方红飞、黄睿、吴华兵、吴玉成、王继帅、朱玉韬等对我 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。感谢访问学者张滔、 周坤林、赵升帆老师。特别感谢同在数据校正与优化小组的王旭、李笕列、章建 栋、许华、金星以及曾在老楼3 1 4 的赵小强、李荣雨、吴婕、郑丽钰，与他们在 学习及科研上的交流，使我受益颁多。 感谢冯建华、李双彬、林坚、刘同、马俊、秦靖等，他们在生活和学习上为 我提供了无私的关心和支持。 感谢所有关心和帮助过我的老师、同学和朋友们。 深深感谢我的父母、家人对我的关爱和支持。 v 徐忠勇 2 0 0 7 年5 月季求是园 浙江大学硕士学位论文 第一章绪论 摘要：本章阐述了数据校正技术的研究背景及意义，并从数据协调、显著误差检测和测 量网络冗余性分析与设计三方面详细阐述了数据校正技术理论研究现状，然后介绍了国内外 数据校正技术的工业应用情况，最后简要给出了本文的主要研究内容。 关键词：数据校正数据协调显著误差检测测量网络冗余性分析与设计 1 1 数据校正研究背景及意义 在企业竞争日趋激烈的环境下，我国的流程工业正逐步采用生产管理和过程 控制一体化计算机集成制造系统( c i m s ) 以提高企业的经济效益及国际竞争力。 然而，计算机集成制造系统的良好运行是以拥有企业真实运行状态为基础的。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， 因此保证信息真实性的数据校正技术，成为流程工业c i m s 的关键【l 】。 随着计算机及信息技术的发展，现代石化、炼油等流程工业每天都采集大量 的数据，这些过程测量数据包括物料流率、组分、温度、压力、液位等等。然而， 过程数据的测量、处理及传输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。测量数据的误差可以 分为随机误差和显著误差两大类。任何测量数据都含有随机误差，它是由仪表电 源波动或信号传输噪音等随机因素而产生的，不可预测，可以由一定的概率分布 函数来描述。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，它是确定可估计的。这些误差都使得测量数据不准确。同时，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。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。因此对测量数据进行处理，以提高数据的完整性和准确性显 得由为重要。数据校正作为一门确保数据准确性、可靠性及完整性的智能数据处 第一章绪论 理技术，将发挥越来越大的作用。 数据校正是利用过程冗余信息，结合各种统计分析方法和生产过程机理，滤 除原始数据中的显著误差，根据最优化理论系统地调整过程测量值、修正过程模 型中的潜在不确定性( 如参数) 以提高测量数据质量，估计未测变量。数据校正 所提供的准确和相对完整的数据，对企业有很大的价值。数据校正所能带来的具 体的应用价值表现为以下几个方面。 1 计划与统计管理：用于全厂的生产装置物料和能耗计算，为工厂的计划 管理、统计报表和生产决策提供了准确可靠的生产数据，防止测量误差传递到经 济指标统计数据中，引起误导； 2 过程监控：在生产装置上，使用数据校正技术在线地分析过程数据，做 到跟踪设备和装置的运行状态。在中试装簧上，经过校正处理的测量数据，能更 可靠、更精确的用于过程分析与模拟，以及放大设计。 3 过程控制与优化：将数据校正技术和流程模拟程序以及先进的优化算法 联合使用，能提供可靠的过程优化方案。优化处理后的参数值推荐为过程控制的 新设定值。 4 流程模拟：数据校正能为流程模拟程序提供精确的满足一致性的过程数 据。 5 设备性能分析；数据校正能全程的跟踪关键设备和装置的行为，如催化 剂的活性、压缩机的效率或换热器的污垢因子。 6 仪表管理：数据校正技术对测量仪表的故障诊断具有很好的检测作用， 能使操作者密切的监督仪表的运行情况，确定什么时候需要标定或检修。 7 装置中仪表的配置：数据校正作为设计工具，使仪表工程师能设计最经 济、安全、可靠和有效的测量网络。因为校正技术中的测量网络冗余性分析与设 计能确定最佳测量点的位置。 1 2 数据校正理论研究概述 数据校正技术起源于1 9 6 1 年k u e h n 和d a v i d s o n l 2 用计算机控制工艺过程的 研究。经过4 0 多年的发展，现己成为一个结合信号处理、统计分析、系统建模、 最优化理论、图论、系统工程、人工智能等多个学科的交叉性学科领域。其研究 2 浙江大学硬士学位论文 主要涉及数据协调、显著误差检测及测量网络冗余性分析与设计三方面。 c r o w e _ 【引、王秀萍嗍、张溥吲5 1 等都分别对数据校正研究成果作了综述。在他门的 基础上，本节从数据协调、显著误差检测及测量网络冗余性分析与设计三方面重 新对数据校正的理论研究现状进行系统的阐述。 1 2 1 数据协调 自1 9 6 1 年k u e h n 和d a v i d s o n 首次提出数据协调的概念，稳态数据协调问题 的研究得到了迅猛发展。特别是基于线性约束部分，现已基本趋于完善。k u e h n 和d a v i d s o n 于1 9 6 1 年提出了数据协调准则：在满足物料平衡和热量平衡的条件 下，要求协调值与它所对应的测量值的偏差之平方和最小。并假设所有变量均己 测且只含随机误差并要求满足物料平衡，建立数据协调模型如下： m i n ( 一墨) 1q 1 ( x 一以) ( 1 1 ) siax=0 其中彳为稳态物料平衡方程的关联矩阵；工、j 0 分别为已测变量协调值和 测量值所组成的向量；q 为测量协调协方差阵。 解最小二乘问题( 1 1 ) 可以得到协调结果如式( 1 2 ) ， z = 以一鲫7 臼舛7 ) 。1 以 ( 1 2 ) 协调值x 的协方差矩阵如式( 1 3 ) ， ，= q q ，4 7 ( 彳q _ 7 ) - 1 4 q ( 1 3 ) 然而，实际过程中不免存在未测变量，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 d 6 1 提出的投影矩阵法在这方面作了很大的贡献，它通 过在平衡方程两边同乘一个投影矩阵，使未测变量系数阵为全零阵，从而消除未 测变量，将问题分解为协调计算和参数估计两部分。s w a r t z q s a n c h e z 和 r o m a g n o l i 引，k e l l y 【卅在此方法的基础上进行了完善，给出了各种求解投影矩阵的 有效方法，使其更适用于工程实际。针对工业中短期指令实施所造成的生产过程 的平衡关系( 方程) 频繁改变问题，王旭、吕品斟1 0 1 提出基于贝叶斯网络的线性 稳态数据协调问题，利用数据库中大量的历史数据与贝叶斯网络的强大推理能 力，及时改变数据协调的物料平衡方程，使数据协调顺利进行；张奇然【儿】从不同 第一章绪论 的角度，提出了另一种方法，该方法在发生离散事件的节点处建立调度方程，构 造带有参数变量的新型协调模型，然后利用一种不确定模型的协调算法进行求 解。 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非线性约束条件下的数据校正及动态数据 校正问题的方向发展。 m a d r o n l l 2 】于1 9 7 7 年最早对基于非线性物料平衡方程的协调问题进行了研 究。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，如式( 1 4 ) 的多组分物料平衡方程和式( 1 5 ) 的能量平衡方程等等，这类问题是近年来研 究的热点。目前较为经典的有c r o w e 提出的两步投影矩阵法和s i m p s o n 提出 的基于独立物流法【1 4 1 。 一 = oi = l ，n ；k = l ，c ，。 ( 1 4 ) _ ，。= 1 ， j = l ，j ，一+ q t = o i = l ，胛 ( 1 5 ) j - t 其中是物流，的物流流率；一，。为物流，中第| j 组分的质量分率；嘭是物 流_ ，的比焓；一，s ，c 分别为化工过程的节点、物流及组分的数量。，表示物流- ，和 设备单元i 的连接关系， f l物流j 流入单元i ，= 一l 物流j 流出单元i 1 0其它 对于c r o w e 提出的两步投影矩阵法，它以式( 1 6 ) 表示双线性问题的目标。 式中口表示测量组分流率的调整量，q ，q 分别为组分流率的协方差矩阵和组分 的质量分率的协方差矩阵，为未测物流流率的对角线矩阵，j 为组分的质量分 率的调整量。 燃g ( a , n s ) = a r q l l 口+ o r s ) 7 嘲1 砂o r s ) ( 1 6 ) 4 浙江大学硕士学位论文 为将问题简化，c r o w e 对约束方程一多组分物料平衡方程( 1 4 ) 式进行了 两步变换。第一步通过构造投影矩阵，将相应约束方程中的未测组分变量消除； 第二步将未测物流流率变量通过第二个投影矩阵从约束方程中消去。这样完成了 双线性约束到线性约束方程的转换，然后求解经变换得到的新的线性优化问题， 求得a 和万的协调值，最后由原约束方程反推得其它待求量。 对于s i m p s o n 提出的基于独立物流法，s i m p s o n 将双线性数据协调问题描述 为式( 1 7 ) 表示的目标函数最小化问题。 - ，= ；备c ( 吼) ( 茸x a 叫2 + 嘉喝c 等叫2 + 加加7 ， 式中尼“为第_ ，股物流第七组分的质量分率；乃为第- ，股物流的物流流率； 脚和码为和乃的协调值；c o n s t r a i n t s 为约束方程，如式( 1 4 ) 所示aw r j k 和喝分别为组分与物流流率测量值的可信任度，即根据它们的测量精度所设的 权重。 为使问题简化，s i m p s o n 根据过程流程图划分出独立物流，将系统的组分流 率与物流流率用独立物流表示。组分流率、物流流率与独立物流的关系以( 1 8 ) 式表示， f x r j k = 乃灯： 码：圭吩硒 n 暑 其中，x z 和皿分别表示独立物流f 和该物流的第j | 组分的流率，x r l k 为 第_ ，股原始物流第k 组分的流率，p 为原始物流与独立物流间的关联矩阵。 将式( 1 8 ) 中j 以j o = j o 码的形式进行替换，并对其进行线性化处 理，然后将式( 1 8 ) 代入式( 1 7 ) 得 卜喜粤火艘鹄驴监叫2 9 ， + 窆喝r 娶謦_ 1 ) ： 其中聪为第歹股物流第七组分的质量分率的当前最优协调值，巧为第，股 第一章绪论 物流的物流流率的当前最优协调值。将目标函数( 1 9 ) 最小化可得双线性数据 协调的解。 p a i 及f i s h e r l ”1 针对更一般非线性数据校正问题提出了将约束方程线性化， 再利用c r o w e 投影矩阵法求解，如此迭代直至收敛，此方法计算量比较的大。 r a o 等人【1 研将两步投影矩阵法和基于独立物流法进行了比较，指出s i m p s o n 法简 单且更快、更准确。金思毅等人【l - q 1 朝针对s i m p s o n 法组分流率与总流率不平衡 的缺陷对其进行了改进，并将其扩展至含反应节点的情况。j r a g o t 1 9 】针对测量误 差为污染分布模式时的双线性数据校正闯题进行了研究，并给出了一种迭代求解 的方法。 由于实际过程不可能真正处于稳态，g e r t l c r 和a l m a s y l 2 0 l = j = 1 9 7 3 年首次提出 了动态数据协调模型，揭开了动态数据协调研究的序幕。目前解决动态数据协调 问题所采用的最广泛的方法有卡尔曼滤波和一般非线性规划。a h n a s y _ 【2 1 1 基于卡 尔曼滤波对线性动态数据协调进行了研究。卡尔曼滤波针对如下动态模型， j y ( o = 似( f - 1 ) + 日k ( f 1 ) + 以f 一1 ) ( 1 1 0 、 z ( o = 脱r ( f ) + v ( 0 其中x ( o 为第i 采样时刻的状态向量；u ( o 为第i 采样时刻的输入向量；z ( o 为第i 采样时刻的测量向量；h 为观测阵；v ( f ) 为第i 采样时刻的测量误差，且 v ( o s ( o ，q ) ：以f ) 为模型误差，且“f ) 一( 0 ，( 0 ) 。 针对式( 1 1 0 ) ，卡尔曼滤波公式为： x ( i i o = x ( i i f 1 ) + 置( f ) 【z ( f ) 一h x ( i i i 一1 ( 1 1 1 ) x ( i l i - 1 ) = a x ( i - 1 i i - 1 ) + b u ( k - 1 ) ( 1 1 2 ) k ( i ) = p ( f f i - 1 ) h 7 ( h p ( i i i - d h 7 + q ) 。 ( 1 1 3 ) p ( 引i - 1 ) = 刎弋f l i i - 1 ) a 7 + 线 ( 1 1 4 ) p ( i 1 0 = ( i - k ( o h ) p ( i i i - 1 ) ( 1 1 5 ) 根据上述式( 1 1 1 ) 式( 1 1 5 ) 的卡尔曼滤波公式可以对线性动态数据校 正方便的求解。1 9 9 1 年d a r o u a c h 等人 2 2 1 对卡尔曼滤波法进行改进并用于广义线 性动态系统，它能处理奇异线性动态系统。1 9 9 6 年k a o a l a 等人1 2 j 1 通过采用一阶 6 浙江大学硕士学位论文 泰勒展开将非线性模型线性化将卡尔曼滤波扩展至非线性动态系统。2 0 0 6 年 s h u a n g h u ab a i 等人【2 町指出动态数据校正是一种滤波技术，并从卡尔曼滤波的角 度阐述了动态数据校正技术。由于卡尔曼滤波公式的递推形式，它比较方便于实 时处理。但是它的鲁棒性不强，对在测量中含有显著误差的情况可能会产生无意 义的校正结果。 对于求解动态数据协调的一般非线性规划方法，它将动态数据协调问题描述 为一个目标函数一误差调整量平方和最小的动态优化问题。其数学描述如下： m i n 以z ( f ) ，z ( f ) ；q 】 j f 了d r ( t ) = 厂( j ( f ) ，( f ) ，口( f ) ) = 0 ( 1 1 6 ) | j l i x ( f ) ，“( f ) ，o ( 0 = 0 g ix ( f ) ，“( f ) ，口( f ) s0 针对上式( 1 1 6 ) ，l i c b m 硐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。r a m a m u r t h i 等f 2 6 】提出了基于n l p 的分段线性化的动态数据协调法。 s o d e r s t o r m 及m c b r a y e r 等针对含有显著误差的情况，对模型( 1 1 6 ) 进行了 改进，提出了采用m i l p 方法将数据协调、参数估计及显著误差检测集成在一起 进行同时计算的解决方案。然而它们的局限性在于计算效率不能满足在线动态数 据校正的要求。 另外，1 9 9 4 年k a r j a l a 2 8 1 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 8 年m e e r t l 2 9 】提出了一种具有非线性动态数据 校正功能的实时回归学习神经元网络。2 0 0 3 年周传光等3 0 1 提出了自反馈增益神 经网络模型和训练算法。该类方法的局限性在于它需要大量的样本来训练网络， 且当操作条件变化时需要重新训练网络。1 9 9 7 年b a g a j e w i e z 和j i a n g l 3 1 1 提出了一 种动态数据协调的积分方法，它相当于分段多项式拟合出测量曲线的运动趋势， 然后将动态数据协调问题转化为变量为多项式系数的稳态数据协调问题进而求 解。1 9 9 8 年b i n d e r 等改变了b a g a j e w i e z 和j i a n g ( 1 9 9 7 ) 动态数据协调的积分 7 第一章绪论 方法中利用多项式拟合来粗糙近似测量曲线运动趋势的方法，改进了动态数据协 调的描述，采用多尺度理论，将粗糙的近似上升到精确的近似，提出了一种新的 动态数据协调方法。2 0 0 5 年t o n a 及b e n q l i l o u 等人【”】系统阐述了基于小波分析 的动态数据协调方法。然而在，j 、波分析理论的应用过程中，合适的小波基函数及 所需的分辨率水平比较难以确定。 一般数据协调是建立在测量噪声服从正态分布的假设基础之上的，然而实际 数据往往不能满足这个假设。变量噪声偏离正态分布往往会使得数据协调结果的 无偏性难以保证，导致协调结果无意义。一些学者为此提出了一系列的改进方法， 主要是根据鲁棒估计原理构造鲁棒估计函数，然后利用极大似然估计来对测量数 据为污染分布的变量进行数据协调。这方面的研究在国外有j o h n s t o n 3 4 1 、 a l b u q u e r q u d 蚓、d e r y ab o z y u r ta n dr a l p hw p i k e i 蚓、a r o r aa n db i e 羽c f 【3 刀等。国 内也有不少学者进行了这方面的研究，如孔明放【3 舯、周凌柯3 9 1 等。 1 2 2 显著误差检测 在数据协调提出之初，学者们并没有注意到测量数据中可能存在的显著误差 对数据协调的影响，更没有提出显著误差检测方法。直到1 9 6 5 年，r i p p s 4 0 j 提出 了显著误差检测问题，并指出了显著误差检测在数据协调中的重要性。从此，显 著误差检测成为了数据校正中又一个活跃的研究分支。显著误差检测的任务为： 确定测量数据中是否存在显著误差；确定显著误差所处的位置；确定显著误差的 类型；确定显著误差的大小。 过失误差检测一般表示为以下假设检验过程： 零假设q ：以无过失误差，以= 置+ ，v n ( o , q ) 择备假设嘎：以有过失误差，以= 五十v + a 其中代表显著误差向量。 显著误差检测的关键是如何构造统计量以进行上述的假设检验。a l m a s y 和 s z t a n o 4 1 】提出了整体检测法( g t ) ，该方法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，但不能进行显著误差的定位 识别。m 出【4 2 1 提出了节点残差检测法( n t ) ，对每一个节点的约束残差构造一个 浙江大学硕士学位论文 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，它能指出某一约束方程内所含的测量数据是否存在显著误差，这大大 缩小了识别的范围。m a l l 和t a m h a n e 4 3 】提出了测量残差检测法( m t ) ，利用测量 数据的协调值和测量值的差值作为统计量，它能直接定位识别哪些测量数据含有 显著误差。t a m h a n e , j o r d a c h e 和m a h ( 1 9 8 8 ) 4 4 1 提出了贝叶斯法用于显著误差 检测，该方法充分利用了过去测量数据所含的信息，提高了检测与识别的效率。 为了有效地检测并识别出幅值微小的显著误差，t o n g 和c r o w e 4 5 】提出了主元分 析方法( p c i a ) 。 上述的显著误差检测与识别方法仅适用于测量过程引起显著误差的检测，如 测量仪表失灵所致。实际情况中有时会由系统泄露引起测量数据中存在显著误 差。它反映在数据协调中，是平衡方程模型不正确。n a r a s i m h a n 和m a l l i 蛔于1 9 8 7 年提出了广义似然比法( g l r ) ，它提供了一个广泛识别显著误差的来源的方法 框架，显著误差既可以是测量仪表或控制器所引起，也可以是泄露造成的模型不 正确引起。并且它利用顺序补偿法代替了顺序剔除法，每次检验出一个显著误差 并估计出它的大小，对相关的变量进行补偿，然后继续进行显著误差的检验，直 至没有显著误差。但是它的结果完全依赖于显著误差估计的准确性，为了弥补这 个缺陷，提出了同步补偿法。如，r o l l i n s 和d a v i s t 4 7 】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。s a n c h e zm 和r o m a g n o l if 1 4 8 1 、j i a n g 和 b a g a j e w i c z l 4 9 1 分别提出了同步识别并同步补偿法( s e g e ) 及顺序识别并同步补 偿法( s i c c ) 。由于在过程外部进料或出料流股中显著误差幅值与同一节点的其他 显著误差幅值相近且容易相抵消时，s e g e 几乎不能正确地检测出显著误差的位 置，周凌柯等( 2 0 0 4 ) 5 0 1 提出了改进的s e g e 方法，并与广义似然比法( g l r