VIR-化工稳态数据校正.docxVIP

1.1.1基本概念 为加深对数据校正技术的了解，首先介绍几个涉及该领域的基本概念。 数据具有冗余度是对测量数据进行校正的基础和前提。数据冗余是指为了准确地 确定系统的状态，实际的测量数据比不存在测量误差时所需的测量数据多出一部分。 冗余包括时间冗余和空间冗余。时间冗余是指对同一个测量点进行多次测量产生的冗 余。时间冗余度定义为测量次数减1。空间冗余则是指由于过程网络内部的连接(表现 为平衡方程)导致的冗余。空间冗余度定义为独立的约束平衡方程数减去未测变量的个 数。数据的时间冗余度和空间冗余度越大，计算得到的校正值精度也就越高。 过程变量根据是否被测量分为测量变量和未测变量。测量变量中可以根据平衡方 程由其它测量变量计算出来的称为冗余型(或可校正型)测量变量，否则称为非冗余型 (或不可校正型)测量变量;未测变量中可以根据平衡方程由测量变量唯一确定的称为 可观测型(或可估计型)未测变量，否则称为不可观测型(或不可估计型)未测变量。在 进行数据校正的过程中，只有可校正型的测量变量和可估计型未测变量能够参与计算， 而不可校正型测量变量和不可估计型测量变量则必须剔除。利用冗余消去测量变量中 的随机误差，使其满足基本的约束关系的过程称为数据协调(Data Reconciliation); 对未测变量中的可观测型变量进行估计的过程称为参数估计(Parameter Estimation)o 在数据校正技术中，参数估计一般不作为一个独立的过程出现，人们通常将其纳入到 数据协调中一并加以考虑。 如果测量数据包含过失误差，那么在数据协调的过程中，过失误差会分摊到其它原 本不含过失误差的测量变量上，从而使得测量变量的协调值和未测变量的估计值比没 有进行协调和估计时的情况更加恶化，最终导致变量的协调值和估计值完全不可信。 因此，在进行测量变量的协调和未测变量的估计之前，必须及时准确地侦破和识别出 系统中存在的过失误差，以保证和提高协调值和估计值的可信度。这个过程称为过失 误差的侦破和识别(Gross Error Detection and identification)。更具体地说，侦 破是确定一组测量数据中是否含有过失误差;识别是确定在一组含有过失误差的测量 数据中具体是哪个(或哪些)测量数据中含有过失误差。将数据协调以及过失误差的侦 破和识别统称为数据校正(Data Rectification)o 在过失误差的侦破和识别过程中，测量残差和约束残差的使用较为广泛。所谓测 量残差，是指测量变量的测量值与其估计值之差;而约束残差则是指在过程约束方程 式的右边为零的情况下将测量变量的测量值带入方程式左边计算得到的数值，它反映 了测量数据满足过程约束的程度。 在对化工过程数据进行校正计算以前，必须首先了解采集这组数据时系统所处的 状态(稳态/动态)，从而决定采用何种数据校正方法。稳态检验就是根据给定的一系列 的测量数据检验其按时间段划分的若干区间内的均值是否发生变化。 在过程数据中存在过失误差时能否准确预测、识别它的存在及来源是评价一种方 法是否有效的重要依据，因此定义某种方法的功效(Power)为当过失误差存在时它能 将其正确识别出来的概率。 2研究进展 Kuehn和Davidson等人(1961)〕在从事用计算机控制工艺过程的研究中，首先提 出对测量的化工过程数据进行校正的必要性。校正的准则为:在满足物料平衡和热量 平衡的条件下，要求校正值与它对应的测量值的偏差的加权平方和最小，权重由测量 数据的方差确定。从数学的角度上讲，就是求满足一组等式约束方程的最小二乘问题 的解。但是，他们没有注意到测量数据中有可能包含过失误差，更没有提出过失误差 的鉴别方法。 Nogita(1972) }2}提出了对测量数据进行正态统计检验的一致性准则，从而对具有 线性约束的过程系统建立了一套侦破和识别过失误差的算法。 Murthy (1973}3}, 1974}4})专门讨论了反应器的物料平衡算法，他要求进入和离开反 应器的物料流率数据能满足化学元素平衡或反应计量关系(都是线性关系)，并以此校 正测量数据。但是，他没有考虑到测量数据中可能包含的过失误差对校正结果的影响。 Madron等人(1977) }s}在反应器的数据校正工作方面又比Murthy更进了一步，他处 理了非线性的物料平衡方程，用x’统计量检验数据的一致性、识别包含过失误差的测 量变量。 Knepper和Gorman等人(19so) }6}提出将测量数据的校正和参数估计融汇成一个整 体进行处理的方法。 Schraa和Crowe (1998) }}提出将具有双线性约束的数据协调问题转化为不带约束 的数据协调问题进行求解，