流程工业数值校正技术之研究及应用.docVIP

　　流程工业数值校正技术之研究及应用 第 1 章 绪论 1.1引言 目前我国经济正处在持续、稳健、快速的发展时期，日益激烈的竞争将成为我国各大企业生长历程中的一次机遇。在竞争中取得胜利，就必须不断改进企业的生产工艺，提高生产效率，将先进的科学技术运用到企业的生产管理之中。我国的流程工业亦是如此，目前的计算机集成制造系统正日趋完善，该系统是流程工业提高企业效益与竞争力的关键技术手段。生产现场数据反映了企业实时的生产状况信息，也是自动控制系统不断改进与优化的关键信息。Canfield 和 Nair[1]指出由于过程的日常测量数据是流程工业 CIMS 关于过程状态的基本和唯一的信息源，保证信息真实性的数据校正技术，成为流程工业 CIMS 的关键。化工过程测量数据理论上应该满足物料平衡、能量平衡等，一个可信的数据报表可以帮助操作管理人员制定更加合理有效的生产计划，有助于装置工艺人员理解和改进装置的生产性能，可以让操作人员理解完成计划所要做的工作，可以帮助设备维护人员查明有缺陷的测量并及时调整维修计划，可以让采购人员正确的理解当前库存、理解实际生产与物料消耗进而制定相关的采购计划。现场测量数据由于受仪表精度、测量人员状态等因素的影响而偏离真实值。不仅如此，在石化企业的生产过程当中，仍有部分测量值（如储罐容量，也为高度）是由操作人员估算而出，这更加印证了测量误差的存在。测量数据的误差一般情况下可分为随机误差和显著误差两种。前者是指测量值因受随机因素影响而携带的误差，这种误差经处理后符合标准正态分布，可按照统计学原理进行消除；后者则是受测量仪表故障、操作失误或设备泄漏等因素影响，致使测量数与真实值存在的较大偏差。错误的数据导致错误的决策，这将使得许多自动化系统无法正确运行，生产计划冲突，物料需求计算错误，产品品质不达标等一系列问题相继而出。现在我国应用生产管理自动化的流程工业，都会受到这种因素的影响。随着生产规模的不断扩大和系统工艺复杂度的提高，这种影响变越加严重，只有对现场生产数据进行协调，使其更加接近真实值，这样才能保证自动化生产系统发挥正确的作用，为企业生产带来经济效益。数据校正的目的[2]就是综合利用统计、辨识和优化理论，对工业测量数据进行优化，消除数据中包含的符合一定统计学规律的随机误差，去掉包含显著误差的测量数据，从而整体提高测量数据的利用价值。 1.2数据校正技术概述 数据协调的概念是 Kuehn 和 Davidson 在 1961[3]年为了解决稳态物料和能量平衡的问题所提出的，即要求测量数据满足物料平衡或热量平衡及其他条件下，要求协调值与它对应的测量值的偏差的平方和最小。这可以归入线性约束的最小二乘问题，通过拉格朗日乘子法可以得到其最优解。只有得到了测量值的协方差阵才能进行数据协调。Almasy[4]和 Mah[5]提出对于协方差很小，偏离对角线元素的平方和最小的设备可采用约束残差的方差阵中估计测量值的协方差阵法，获得唯一解。Chen[6]和 Morad[7]则分别提出用 M 估计（广义极大似然估计）的抗差(robust)变量协方差估计法。Nogita 在 1972[8]年发现了测量数据误差符合正分布这一现象，并因此设计了具有线性约束系统的数据协调模型及显著误差的检测算法。Murthy 分别在 1973[9]年和 1974[10]年讨论了同一设备出入物料相等的事实，并根据装置设备的流量平衡关系建立了线性约束方程，以此为数据协调的基准对数据进行校正，该方法初见成效，但会出现显著误差对其他测量值干扰的现象。1977 年 Madron[11]在数据校正技术的模型又加入了非线性约束条件，并通过 chi;2分布函数给出了显著误差是否存在的判断条件，该方法的出现为显著误差的识别与侦破奠定了理论基础。Knepper和Gorman等人则在1980年[12]将数据校正理论与参数估计相结合，提出了数据校正与显著误差检测同时进行的协调方法。另一方面，由于测量之中存在未测变量使得前面提到的数据校正理论遇到了求解难题，Croultiplier(拉格朗日乘数法)求解。Ripps 首先提出的顺序剔除法[44]常被用于显著误差的识别过程，显著误差的存在是统计量大于临界值的根本原因，逐个对测量变量进行剔除，然后重新计算统计量，直到校验统计量小于其对应的临界值为止，这样即可找出含有显著误差的测量值。但是，如果测量变量中有多个都含有显著误差，该方法便起不到相应作用；再者，如果是大规模的数据过程，则该方法将很难对显著误差作出正确的判定。整体检验法通过系统所有约束方程的残差来计算检验统计量，该方法只能判断整个系统中是否含有显著误差，而约束方程检验法[45]则是以每一个约束约束方程为范围，构造检验统计量，判断该约束方程中所涉及到的变量是否含有显著误差，这样约束方程残