侦破大误差的广义似然比方法和数据校正的集成研究.pdfVIP

侦破大误差的广义似然比方法与数据校正的集成研究 段东勇陈丙珍何小荣 (清华大学化工系系统工程教研组，北豪100084) 关键词：数据校正大误差侦破投影矩阵广义似然比 引言 在化工过程的设计、研究和生产操作中，经常要分析来自单元设备或复杂过程的一系 列测量数据，以用于过程控制、模拟、设计、优化、性能评价等目的。但由于不可避免的 仪表测量随机误差和因仪表错标、失灵或设备泄漏导致的大误差的存在，这些测量数据往 往不能满足物料、能量和组分平衡等物理化学规律；另一方面，出于费用考虑或因安装困 难、测量技术不可行等原因，有些数据没有进行测量。这样一来就给过程分析和研究工作 带来许多困难。因此，如何对化工过程测量数据进行校正处理，以提高其精确性，对未测 数据予以估计以增加有用的信息，为生产和科研工作服务，逐渐引起国内外研究学者的重 视。目前，文献中对大误差侦破方法和数据校正算法的研究已取得了很大进展Ill-{“l。但文 献中侦破大误差的统计检验方法大都默认约束中无未测变量¨J-【“，而数据校正模型又只能 处理只含随机误差的测量数据Ⅲ，很少有将侦破大误差的统计检验和数据校正结合在一起 的完整算法。为此，我们针对线性稳态过程提出了将模型中约束用两步投影矩阵算法进行 简缩，先将线性稳态模型变成统计检验方法需要的标准形式，即约束方程中只含己测变量， 再用广义似然比方法侦破出大误差并予以补偿后对简缩的数据校正模型进行求解的算法。 1．广义似然比方法侦破大误差和数据校正的集成算法 数据校正问题的～般数学模型为： min[(y一叠)7Q-。ry一童刀 (1) S．t．西陋，村，=0 (2) 其中，i，Y分别为已测变量的校正值和测量值向量，U为未测变量向量，+为函数 向量，代表一纽约束方程式，Q为已测变量的协方差矩阵。 若约束方程(2)对X和U是线性的，则可表示如下： Ax+Bu+c=0 (3) 对由目标函数(1)和约束条件(3)构成的优化问题，采用拉格朗目乘子法求解可得已测变 量校正值与未测变量估计值表达式如下： 置=r，一QA7r彳0．47，-1爿，y—O．47r爿Q47，。(Bu+∥(4) 甜=rB7’r么Qd7，。丑，-1B7r彳i拙7厂1r一4y—c’ (5) —-1039．． 其中，l为单位矩阵。显然，该模型解只有在A和B满秩时才有解。否则，因AQA 未测数据都是可估计型的(保证B满秩)。为此，Crowe提出了投影矩阵方法对变量进行 分类及校正的算,法1611”，它相对于传统的基于图论的算法【”具有明显的优点。易于编程实现， 故成为目前比较通用的算法，并已被引入各种有关的商品软件，如DATACONt”l等。 前面校正模型的前提是测量误差是服从正态分布的随机误差。而在实际过程中，测量 或模型中往往还存在大误差，它的存在会使大误差分摊到其它原本不含大误差的测量数据 上，从而使得测量数据校正和未测数据估计的结果比没有进行校正和估计时的情况更加恶 化，因此，在进行测量数据校正和来测变量估计之前，必须首先进行大误差侦破，这在过 去的三十多年中受到了广泛注意并开发了多种统计检验侦破方法，其中的经典统计检验法 得利用一种以上的统计检验并结合～定的识别策略，其缺点是没有充分利用各种不同大误 差对过程影响的信息来区分不同类型的大误差，所以基本上只能处理测量偏羞类大误差， 而无法侦破由于泄漏、副反应等原因造成的与模型有关的大误差。Narasimhanand Mall提 出的广义似然比法GLRO!克服了这～缺点，它基于似然比统计检验，提供了识别各种类型 大误差的～般框架，能够用于检验各种可以用数学模型表示的大误差。GLR法将统计检 验和各种可能的大误差源相联系，可直接给出大误羞来源，从而避免了另外采用专门的大 误差识别程序，