本文所介绍的冗余性分析的新方法，是针对定-青岛科技大学图书馆.docVIP

过程数据校正技术 马彩青 青岛科技大学 自动化与电子工程学院,青岛 266042 摘要：为了更好地进行过程控制，数据校正技术已经被广泛地应用到数据处理当中；本文对数据校正方法的一些应用和研究从稳态过程校正和动态过程校正两个方面进行了详细介绍；最后对数据校正技术的未来发展进行了探讨。 关键词：数据校正 静态校正 动态校正 Process Data Rectification Technology Ma Cai-qing School of Automation and Electrical Engineering,Qingdao University of Science and Technology,Qingdao 266042,China. Abstract:For receiving better control results,data rectification has already being used broadly in data processing.This paper introduces briefly methods of data rectification from tow aspects--- static rectification and dynamic rectification.Finally,the future development of data rectification is discussed. Key words:data rectification；static rectification；dynamic rectification(高斯噪声)和显著误差(非高斯噪声)。随机误差主要是由于一些随机因素的影响而产生的，服从一定的统计规律，任何测量数据都含有随机误差，不可避免只能尽量减小。显著误差（也称过失误差）主要是由三方面情况发生而引起的：测量仪表失灵，操作不稳定和设备泄漏，显著误差分为两类：测量误差和离群点。测量误差指的是由于仪表未校准造成的测量值持续过高或过低；离群点是由于过程泄漏或不可测量的干扰引起的不正常测量值。当过程测量数据出现显著误差时，会对生产过程产生不利影响，但这种误差可以通过有效的方法予以剔除。数据校正就是从测量的过程数据中剔除显著误差，并且降低随机误差对测量值的影响。正是由于误差处理的重要性，所以一直以来，许多学者都在数据校正领域进行着不懈的研究和探索，使得数据校正理论及方法得到了不断的完善和发展。总体来讲，数据校正包括稳态过程的数据校正和动态过程的数据校正，这个领域学者的方法研究工作主要从这两个过程开展。 1 稳态过程数据校正 数据校正方法的研究是从稳态过程研究开始的。上世纪6O年代，Kuehn和Davidson用拉格朗日乘子法求解带线性约束的最小二乘问题，从而揭开了工业过程数据校正的序幕[1]。之后，稳态过程的显著误差检测方法的研究迅速发展起来。主要有采用基于残差的统计假设检验方法Measure Test(MT)[2]，采用主成分分析(PCA)的方法Principle Component Test (PCT)[3]，基于双误差模型的同步方法[4]。这些方法在过失误差识别的准确率上都不高，而且对多个过失误差的同时识别都不是很有效，难以对过失误差准确地进行定位。并且由于只利用到一个时刻的测量数据对过失误差的估计常常受到空间冗余度的限制；文献[44]对非线性数据校正方法，包括岭回归法、投影矩阵法、牛顿法、奇异值分解法等方法从原理、特点、应用各方面进行了详细的介绍，对非线性数据校正方法的选择具有很好的指导意义；文献[5]-[7]对稳态模型下的线性或双线性约束的数据协调及显著误差检测方法进行了介绍；郭金玉等[16]采用主元分析方法检测过失误差，然后应用多尺度主元分析方法(MSPCA)滤除随机误差，有效地消除了测量数据中的误差，提高了测量数据的可靠性；Chen等人[9]提出了一种同时检测离群点和数据协调的方法,将随机性误差及显著误差的去除过程统一进行。该方法首先识别出离群点，再经过数据转换，消除离群点对传统数据协调的影响。这种方法的优点是不必假设噪声服从高斯分布，但是测量数据的分布必须是已知的或可预测的。 针对误差处理的冗余性问题，已有学者提出了多种冗余性分析方法,如Vaclavek[12]提出了节点合并删除法，Madron[13]运用高斯-约当消去法；Ali[14]则根据图论原理，将变量分类，还定义了冗余度，即直接、间接确定变量的途径的数量。上述几种方法是较早提出的空间冗余方法，都有其不足之处。针对上述方法的缺点，张溥明等[15]考虑了各冗余变量之间存在的重要性差别，针对稳态线性数据协调问题中对带有显著误差的变量进行分类处理，提出了一种冗余性分析的新方法，