数据校正技术理论及应用研究

《数据校正技术理论及应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、浙江大学博士学位论文摘要过程实际测量数据不可避免地带有误差。数据校正技术利用冗余信息，剔除原始数据中的显著误差，降低随机误差对测量值的影响，并设法估计出未测变量。数据校正技术净化了过程数据，为过程分析、建模、监控、优化、计划调度及决策的成功打下了基础。j‘本文运用了焦过堡鲨和丝堕茎鳗!研究和解决了墼堡熊垂课题中所遇到的一些核心问题，分别改进了测量网冗余度分析，显著误差检测和憋拓，协调这三个关键部分。并且通过这些研究，加强了这三个部分之间的联系，＼／使得数据校正技术具有更强的整体性和综合性。阮文的

2、主要内容如下：1．对测量网冗余度分析、显著误差检测和数据协调分别作了文献综述。回顾了数据校正理论的发展历史、研究概况及其工业应用情况，并着重讨论了其中的一些问题。2．介绍了稳态线性系统的数据协调、显著误差检测和系统冗余性分析的基本原理。3．针对线性测量网，提出了兼顾网络拓扑结构和传感器测量精度配置的综合冗余度定义，6个优良性质表明了定义的合理性。仿真实例验证了定义的正确性和实用性。4．分析了数据校正问题中的关键变量对显著误差检测和数据协调的精度的影响，提出一种识别这些关键变量的分析方法，为区分各

3、变量在数据校正中的地位提供判据，并以仿真例子和工业实际应用，说明了该分析方法的有效性及其重要性。5．讨论了基于节点检测法的经典证据合成和基于PCA法的模糊证据合II浙江大学博士学位论文成在显著误差检测中的应用，并在一个简单仿真例子和一个中等复杂的仿真例子上成功实现了显著误差检测的证据合成。6．提出了一种新的基于Huber估计的抗差最小二乘数据协调算法。该算法适用于测量误差为污染分布的情况。其迭代求解只需要多次使用QP(二次规划)算法。该算法具有方便实用、易于实现的优点。仿真及工业实际例子说明当存

4、在未被检出显著误差的时候，新算法的结果优于普通最4,-乘数据协调结果。7．提出了利用小波分析结合空间冗余信息的动态数据协调方法，该方法充分利用了过程数据的时间冗余信息。定性地分析了这种方法和前人提出的滑动窗口动态协调及多项式拟合动态协调在本质上的统一性和方法上的优越性。8．针对福建炼化公司物流数据校正课题中遇到的低冗余度准稳态数据校正问题，给出了实用数据校正算法流程和一天的运行结果分析。最后总结了全文的工作，并对数据校正技术在理论和应用的进一步研究提出了看法f-塑兰查兰堡主兰些笙兰!!!ABST

5、RACTSMeasurementsaresubjectedtoerrors．Makingfulluseofredundancyinformation，datarectificationtechniqueeliminatesthegrosserrorsintherawdata,reduteNtherandommeasurememerrorandestimatestheunmeasureddata．DatarectificationtechniqueCallcladfytheprocessdata，

6、whichlaysasolidfoundationforprocessanalysis，modeling，monitoring，optimization,planning，schedulinganddecision·making．Usingestimationtheoryandmamxanalysis，weinvestigatedseveralkernelproblemsarisenformtherealapplicationofdatarectificationtechnique．Thethr

7、eeessentialpartsofdatarectification,i．e．，sensornetworkredundancyanalysis，grosserrordetectionanddatareconciliation,wereimprovedrespectively．nleinterrelationsamongthethreepartswererevealedandw'erereadyforusagethroughtheseimprovements．nlemaincontentsoft

8、hisdissertationareasfoUows：1．Literaturesonsensornetworkredundancyanalysis，grosserrordetectionanddatareconciliationweresurveyed．Advancesinthetheoryandapplicationofdatarectificationwerereviewed．2．Theprinciplesofsensornetworkredundancyanalysis，grosserro