基于动态数据校正的非高斯系统性能评价研究

针对现有工业系统运行中对非高斯噪声的影响处理不彻底的问题,设计一个基于动态数据校正的非高斯系统性能评价系统,其核心是通过动态数据校正来减少非高斯噪声对整个系统数据的影响。对于单输入单输出系统设计最小方差控制器,构建基于最小方差的控制性能评价系统,然后通过动态数据校正(dynamic data reconciliation,DDR)技术分析噪声对评价的影响,构建校正评价标准。由于方差仅测量随机变量与均值的偏离程度,不能全面刻画非高斯随机特征,故引入最小有理熵(minimum rational entropy,MRE),构建DDR-MRE控制器,通过计算DDR-MRE的控制性能评价(control performance assessment,CPA)基准来获取非高斯系统评价标准,从而使控制系统长期保持在最佳状态运行。试验结果表明,该系统技术核算的数据误差率在可接受范围内。

一种非视距下基于UWB的定位数据校正方法

在视距范围内,超宽带能够为无人车在室内提供精确的定位结果。然而,当无人车在工厂进行物资运送时,周围存在许多金属设备,超宽带信号测量受到异常干扰。在克服干扰小,干扰时间短的情况下,通常将UWB和IMU采用EKF融合修正定位结果,但并不能有效地消除严重遮挡带来数据异常的定位误差。文章分析了室内UWB信号的特点,结合正常信号具有连续性的特点,提出一种UWB数据校正的方法,通过对历史窗口进行线性拟合,修正异常数据,并通过多次迭代,从而可以消除数据尖峰。实验结果表明,数据校正算法能有效修复严重的非视距UWB信号,校正后的信号与IMU信号通过EKF融合定位,可大大减小平均误差和最大误差。

拉萨地磁台地磁观测效能和数据校正

基于2017~2019年地磁观测数据,利用多台对比的方法,分析了拉萨地磁台的地磁观测资料。结果显示:拉萨地磁台各分量绝对子夜均值年变化趋势与狮泉河地磁台、乾陵地磁台基本一致;拉萨地磁台日变化曲线存在干扰较多,通过与临近地磁台站对比,可以清晰地识别干扰变化,进而准确地对干扰数据进行校正。

井下无线电波透视法单边激发数据校正

对于井下无线电波透视法单边发射引起畸变数据的研究,从电磁场传播的基本理论入手,建立对称扇形和单边收发观测方式的基本模型,推导出理论场和畸变场计算公式,得出观测分站的综合校正系数,实现了畸变场向理论场校正的基本方法,丰富了无线电波透视法井下现场观测模式,为高精度多种方式的灵活观测提供数据处理思路。

基于时间序列神经网络预测模型的职工出勤记录数据校正方法

为提高职工出勤记录数据的正确率,研究基于时间序列神经网络预测模型的职工出勤记录数据校正方法,采用显著误差检测原理设置出勤记录数据未知变量的约束函数,并基于时间序列神经网络预测模型获取校正最优解;以全覆盖视域设计校正流程,实现对职工出勤记录数据的校正。实验结果表明,文章方法能够将错误数据校正为真实数据,具有较高的准确率和效率。

厂级监控系统中数据校正算法模型研究

探讨厂级监控系统中实时数据的校正算法及其应用技术.介绍了测量数据误差的相关概念;基于多元统计分析基本原理,建立了数据校正的基本模型;基于信号处理原理,重点研究了数字滤波方法在数据协调中的应用;结合火电机组厂级监控系统的应用特点,提出了数据分级的概念,建立了基于设备特性的数据误差识别及其修补的关联模型.应用上述关联模型,在冗余检验和数字滤波等技术的支持下,建立并实现了数据显著误差检验与数据协调相互统一的数据校正方法.应用结果表明,该方法具有算法简单,概念清晰,保证了实时分析结果的有效性.

基于大规模严格机理模型的数据校正

实时优化要求准确的过程模型与过程数据,然而通过仪表测量获取过程数据不仅存在随机误差而且有时还存在过失误差,直接影响实时优化的准确性。根据流程工业过程系统的特点,提出了基于大规模严格机理模型的数据校正,构造了随机误差与过失误差的隶属函数并根据它们的隶属度大小来诊断过失误差。当测量信息丰富时,可同时对进料的流量、组分及压力等多种测量数据同时进行数据校正。将基于大规模严格机理模型的数据校正应用于大规模乙烯分离系统进行仿真模拟,测量值仅存在随机误差时,经过数据校正后,满足严格机理模型。测量值引入过失误差时,可准确地诊断出过失误差。模拟计算结果证实了基于大规模严格机理模型的数据校正与过失误差诊断方法的有效性。

稳态过程在线数据校正技术的工业实施

开发了稳态过程在线数据校正软件DRS ,采用方差检验法进行稳态检测 ,通过两层次变换进行数据分类 ,将数据预处理、逻辑判断与整体检验法和测量数据检验法相结合用于侦破、识别过失误差。DRS软件可以连续判断生产装置操作是否平稳并对处于稳态下的测量数据进行校正 ,还可以对测量数据中含有的过失误差进行正确的侦破和定位。运行结果表明 ,DRS软件对过程的稳态检测结果正确 ,对测量数据中含有的过失误差可以正确侦破并合理地处理 ,校正结果合理、可靠。

一种基于萤火虫支持向量机的油色谱在线数据校正方法

为了解决在线油色谱受外界环境和设备误差影响导致数据失真的问题,笔者提出了一种基于萤火虫支持向量机的油色谱在线数据校正的方法。首先将支持向量机中的一组错误惩罚因子,不敏感参数和核参数作为萤火虫个体,通过萤火虫算法对影响支持向量机性能的重要参数进行优化。然后计算油色谱离线数据间的分段函数,当在线数据超出分段函数误差允许的范围时,认为在线数据异常。利用少数准确的油色谱离线数据对支持向量机回归模型进行训练,当在线数据出现异常时,通过支持向量机回归模型对异常的在线数据进行校正。最后通过某台变压器油色谱的在线和离线数据对文中提出的方法进行验证,结果证明了该方法的可行性和有效性。

SEDIS IV型短周期自浮式海底地震仪数据校正方法

利用15台SEDISIV型短周期自浮式海底地震仪在南海中、北部地壳深部结构调查中所获得的资料,探讨了海底地震仪数据校正的方法和校正后的效果,结果表明:使用该地震仪所获得的原始资料经过放炮时间、炮点坐标数据局部化、海底地震仪位置误差以及记录时间漂移4方面的校正后,数据更趋合理,误差显著降低。放炮时间的校正消除了时钟漂移和时间延迟的误差;炮点坐标数据局部化处理消除了炮点位置整体趋势性偏移的现象;试错法进行位置误差和记录时间的精细校正时,时间漂移的校正量值约为几个到十几个毫秒,位置校正的量值仅在几米到数百米之间,实测数据所绘曲线的形态和位置都与理论曲线十分吻合,可见校正后误差显著降低。

过程系统变负荷下的数据校正与参数估计方法

过程系统的数据校正与参数估计是进行实时操作优化与过程控制的基础。过程系统变负荷下,由于模型参数变化的非线性及过失误差的影响,导致数据校正与参数估计的结果不准确,从而影响实时操作优化与过程控制的效率。针对此问题,本文提出了一种用于变负荷下的数据校正与参数估计方法。此方法主要包括过程的稳态检测与数据采样,多工况下的数据聚类和基于多组测量的数据校正与参数估计。首先选择有效和可靠的过程测量数据,根据变负荷下工况的波动性与系统的非线性特征进行数据聚类,最后基于聚类结果调整模型参数使得模型输出与过程测量数据偏差最小。此方法可有效地减小模型参数变化的非线性及过失误差对数据校正与参数估计结果的影响。基于现场的测量数据,将此方法应用于空气分离流程系统中,结果显示了基于此方法的数据校正与参数估计结果更准确。

投影数据校正对数字乳腺层析成像质量的影响

目的研究数字乳腺层析成像(DBT)投影数据采集过程中的探测器性能因素对重建图像质量的影响。方法参照传统探测器的投影数据校正方式,结合DBT成像过程特有的数据采集模式,对探测器采集的投影数据进行暗场校正、光场及其增益校正等。而后,利用基于全广义变分正则化项的PWLS迭代重建算法进行DBT图像重建。结果乳腺仿真物理体模数据的实验结果表明,相对于未校正的投影数据,本文校正方法对由光子数分布不均造成的投影数据足跟效应进行了有效抑制。重建图像结果显示,校正后投影数据的重建图像中低对比度结构的显像得到提升。结论投影数据暗场校正、光场及其增益校正过程用于DBT图像重建可提高图像质量。

数据校正计算的两层次变换算法

提出求解数据校正问题的两层次变换算法。在对已测量数据和未测量数据是否可被校正和估计进行理论分析的基础上，采用投影矩阵进行数据分类和协调计算，提出采用投影矩阵对约束方程进行两个层次的变换算法。该算法针对目前通用的由Ｃｒｏｗｅ提出的算法在求解未测数据的估计值时很可能遇到对奇异矩阵求逆从而无法进行正确计算的缺点，在求解校正值和估计值时对约束方程进行深浅不同的两个层次的变换，可缩小解题规模和杜绝出现对奇异矩阵求逆的情形，提高了计算效率和计算的可靠性。

一种求解数据校正问题的基于经验增强的方法

基于机理模型的数据校正问题中,过程系统比较复杂时就要面临求解大规模非线性规划问题。如果直接求解,由于方程维数大且为非线性,问题自由度大,因此求解难度较高,容易导致求解收敛失败。数据校正问题的特点是当测量变量的测量值发生变化时对同一过程对象模型重复地进行求解计算。基于此特点,今提出了一种基于经验增强的求解方法。此方法通过合理地利用以前求解的经验,以达到提高收敛性的效果。设计了此方法的框架及其具体实现步骤,并应用脱丙烷塔和脱丁烷塔的联塔系统与乙烯分离系统进行测试,结果显示相比于传统求解方法,此方法具有很好的收敛性。

基于贝叶斯网络的数据校正方法

精确的物料平衡模型是数据校正技术的基础,但实际上,频繁发生的调度事件动态地改变着物料的流向,目前的研究中往往容易被忽视,为此,从工程实践的角度出发提出一种新的处理方法.依据专家经验选择贝叶斯网络关键变量,利用大量的历史数据学习出贝叶斯网络,继而利用贝叶斯网络的诊断功能实现对调度事件的实时跟踪,最后建立精简模型,增强了数据校正的可行性.仿真研究证实了该方法的有效性.

一种基于遗传算法的热工数据校正方法

针对火电机组给水系统测量数据校正问题,提出一种冗余解约束的遗传算法。该算法采用三截尾估计代替常规的最小二乘估计作为数据校正的目标函数,根据系统结构,提取给水系统的质量平衡和能量平衡方程作为约束条件,构建三截尾鲁棒数据校正模型;针对能量焓值计算的分段函数特点,提出使用遗传算法对模型进行求解;同时结合冗余度概念提出冗余解约束方法。对给水系统故障检测的实际仿真模拟结果表明:该方法具有较强的真值逼近能力,在测点无故障情况下,能得到更为准确的校正值;在系统有测点发生故障时能够及时对其进行报警;在系统多个测点同时发生故障时,仍能准确地对测点进行故障预警,同时给出准确可靠的校正值。

化工过程测量数据在线校正系统CPDRS的设计开发与应用(I)——数据校正技术与物性推算方法

设计开发了通用型化工过程在线测量数据校正与模拟优化系统 CPDRS,并在化工装置上得到应用 ,取得了满意的结果。着重探讨了目前过失误差侦破方法的局限性 ,提出了过程模拟与统计检验相结合的组合检验法 ;分析了线性与非线性数据校正的特点 ,提出了组合校正法。首次提出了对测量数据进行预处理的时间序列分析法 ,既增加了测量数据的冗余度 ,又提高了数据校正的速度和校正值的精度 ,可充分利用 DCS的大量历史数据 ,适用于在线数据校正过程 ;

数据校正技术在流程工业企业物料平衡中的应用

介绍数据校正技术的基本原理,并以某石化企业为背景,分析数据校正系统的总体结构和功能模块。经校正的物流平衡数据可支持MES层中的多项应用,达到了很好的应用效果。

一种基于消耗预测的钢铁企业煤气平衡与数据校正方法

煤气发生与消耗计量的不平衡是钢铁企业普遍存在的问题,传统的平衡方法难以客观、科学的进行煤气平衡与数据校正。本文建立了三种煤气消耗预测模型,能对轧钢类、炼钢类和烧结类用户的煤气消耗量进行预测,提出一种基于消耗预测的煤气自动平衡与数据校正方法,能够对各个用户的煤气用量进行数据校正,并能自动平衡煤气的总发生与总消耗计量。工业应用表明,所提方法能有效提高煤气平衡和数据校正的自动化程度,为企业成本核算和煤气调度提供重要依据。

先进控制技术及应用 第二讲 过程数据校正技术

将过程数据校正工作分为过程数据的分类、测量网冗余度分析、过失误差检测和数据协调四个部分，分别介绍了这四部分的基础知识和研究概况，并举实际例子说明了数据校正技术在化工过程中的应用。