《基于SEGE法的显著误差检测技术研究.doc》由会员分享，可在线阅读，更多相关《基于SEGE法的显著误差检测技术研究.doc（13页珍藏版）》请在三一文库上搜索。
1、-范文最新推荐- 基于SEGE法的显著误差检测技术研究 摘要由于工业过程的复杂性和不确定性的存在,用仪表所检测到的测量数据经常存在显著误差。仪表自身的故障、仪表测量精度的下降、设备的泄漏都会导致显著误差的出现。SEGE（Simultaneous Estimation of Gross Errors）法为用于稳态过程的同步识别并同步补偿的方法，它通过对备选显著误差集进行各种组合，选出最满足条件的组合方式，同时检测出所有显著误差的位置和幅度。本首先介绍基本稳态数据协调算法，在此基础上再介绍SEGE法基本原理，最后利用Matlab编写相应程序，并且通过仿真实例来检验SEGE法检验显著误差的效果。关键
2、词显著误差检测数据校正同步识别并同步补偿12336毕业设计说明书（论文）外文摘要TitleResearch of gross error detection based on SEGEAbstractDue to the complexity of industrial processes ,data detected by instrument measurement often exist gross error. The failure of the instrument itself, the decline of the instrument measurement accuracy
3、 ,and the leak will lead togross error .SEGE (Simultaneous Estimation of Gross Errors) is the simultaneous identification and simultaneous compensation method used for steady-state process ,by the various combinations of alternative gross error set ,select the best combination to meet the conditions
4、 ,and at the same time detecting all the location and magnitude of the gross error. This paper first introduces the basic algorithm of steady-state data reconciliation ,on this basis, I will introduce the principles of SEGE method, finally ,use the Matlab to write appropriate procedures and simulati
5、on examples in order to test the effect of SEGE method. 对于多显著误差的检测问题，通常采用的方法有顺序剔除法6、顺序补偿法7、顺序识别并同步补偿（SICC）法8、同步识别并同步补偿（SEGE）法910等。本文重点讨论基于SEGE法的显著误差检测技术。12数据校正技术的发展趋势11尽管数据校正技术越来越多地得到研究人员和软件供应商的重视，在理论上出现了很多研究成果，也形成了不少的软件产品，但仍然存在不少挑战：（1）等效集求取方法的研究。显著误差的识别一般都是在某个目标函数下，基于某种方法检测得到。通常而言一个测量网络对于某个目标函数的解并不
6、是唯一的，而我们得到的往往只是等效解集中的一个解。采用合理的方法，寻找到所得解的其它等效集，便于更好地实现显著误差检测和数据协调。现有的等效集理论如何向非线性问题扩展也是一个值得探讨的问题。（2）协方差估计的问题。尽管已经被很多研究人员认识到，但是还缺少有效的理论和实际应用成果。在经典的数据校正技术中，总是假定协方差是已知的，而这不一定是符合实际的。有效的协方差估计方法可以提高数据校正的品质。（3）高置信度显著误差检测算法的研究。显著误差检测方法已经取得了不少成果，但是没有一种方法能够保证准确检测出所有的显著误差。综合多种显著误差检测方法，给检测出来的显著误差结果指明置信度，更有利于现场工程师
7、针对工业实际情况侦破显著误差。（4）模型不确定性的检测方法还缺少足够的研究。稳态过程数据校正技术一般是基于物料、能量、组分等平衡约束进行的，在已有的研究中只是涉及到了泄漏这一模型不确定的情况，对于组态等模型不确定的情况还很少有研究。 21显著误差的定义12显著误差的定义包括以下几种：(1)测量偏差由于仪表、测量环境的影响、以及其它人为的因素，致使测量的均值相对真值有个恒定的偏差。这种显著误差，一般的显著误差检测法都能比较容易的检测出来。(2)失稳(系统失稳和测量失稳)过程系统由于种种原因；时常出现状态点在工作点附近有很大的波动，这种波动超出了正常工况下的波动。另外由于仪表的原因，测量值也出现了
8、超出正常的波动。这些都表现在测量数据的方差过大或过小，我们又称这种显著误差为非正常方差。这两种情况都反映在测量值的方差估计值 出现以下情况：其中， 是第i个测量变量的正常方差， 为正常工况下第i个变量最大允许的方差，为正常工况下第i个变量最小可能的方差， 为根据实际测量数据估计出的第i个变量的方差。第一种情况定义为过小方差，第二种情况定义为过大方差。因为有随机因素以及其它因素的影响，测量误差的方差不可能为零或无限的小，对于过小的方差，我们可以判定为出现了凝表等故障。过大方差一般是由于系统或仪表出现非正常的波动所引起的。(3)过程泄漏过程网络中，由于一些故障，导致物流管道、反应器、混合器、储料罐
9、的一些物料泄漏。而这些泄漏一般不能被发现，即使发现也很容易在进行数据校正时被忽略。(4)模型误差这种显著误差是由过程网络建模的不精确所引起的，包括过程系统建模时一些物流管道的遗漏、以及误引入的实际上己经荒废的或实际不存在的物料流。 (1)第I类错误即虚警：当不存在显著误差时，检测结果为有显著误差。(2)第II类错误即漏报：当存在显著误差时，检测结果为无显著误差。记第I类错误出现的概率即虚警概率为 ；记第II类错误出现的概率即漏报概率为 。则以上统计检验中出现的两种错误可以归纳为如表2.1所示：表2.1 4种不同选择的概率虚警和漏报的概率反映了显著误差检测法的检测性能。以单变量的随机误差为例，虚
10、警概率 ，漏报概率 和测量偏差 的关系如图2.1所示，固定其中两项，则可定出第三项。图2.1 虚警漏报概率示意图3SEGE同步数据协调和测量偏差检测算法31基本稳态数据协调算法14解决稳态数据协调问题最常用的方法是将其视为满足一组等式和不等式约束条件下目标函数的最小二乘优化问题。以下将对稳态数据校正算法加以阐述。假定过程处于稳态或者准稳态，且已测变量 服从正态分布，即 ，则有:其中， 表示过程变量测量值向量； 表示过程变量真值向量； 表示随机测量偏差向量，服从正态分布； 表示 的协方差阵。在上述假设下，已测变量 的估计值 和未测变量 的估计值 以及常量向量 满足等式约束 ,稳态数据协调即求解如
11、下优化问题：(3.3) 的（ ）协方差矩阵V满足（3.15）且最小二乘问题(3.9)的目标函数 服从自由度与A的列数相同的 分布。考察测量偏差存在的情况可基于测量校正向量 进行假设检验。定义原假设和备择假设如下：（3.16）选取整体检验统计量 以及选取合适的分位点 ，若有（3.17）则拒绝原假设 ，选择备择假设 。在式（3.17）中， 为 的（100 ）%分位数。其中g=rank（A）。如果拒绝 ，可由Romagnoli提出的基于整体检验法的递归寻找框架得出含有显著误差的方程子集。通过这些方程，建立候选偏差和泄漏的集合。之后，分析来自该集合的所有可能的偏差或者偏差和泄漏的组合方式，将其纳入估计
12、偏差和泄漏的框架中进行同步数据协调和显著误差检测。33SEGE同步数据协调和测量偏差检测算法1617 当每次只有一个方程加入过程约束集合中(即当 的维数为(1xz)时，利用方程(3.21)和(3.22)有如下优点，在每次求解(3.22)的时候只需计算标量 的倒数即可。用之前的方法从给定的过程约束中分离出显著误差集合。逐个加入约束方程至x的最小二乘估计问题中。在每次添加后，计算最小二乘估计问题的目标函数，并将其与临界值 相比较。每加入一个方程，进行以下检查：1)如果ofv> ,即检测到显著误差，则将最后加入的约束方程从可疑集合中去掉。将与该节点相关的所有测量值以及来自相应节点的泄漏加入到可
13、疑显著误差集合中。2）如果ofv，添加约束之后未检测到显著误差，则该约束仍保留在集合中。步骤二1）估计偏差存在测量偏差的情况下，测量方程为其中 为 维矩阵，列向量 代表测量偏差出现的位置，s维向量 代表偏差的大小。求解2）估计泄漏考虑含有一个或多个泄漏的情况，测量方程为(3.28)求解稳态数据协调问题可得泄漏或测量变量的估计值(3.29)其中 为 维矩阵，列向量 代表泄漏存在的位置，p维向量 代表泄漏的大小。求解 4)确定给出目标函数的最小值约束方程组合；5)如果满足整体检验则停止,判断可以得到最小目标函数的一个或几个约束方程集合含有显著误差,否则n值加1，如果n<mnh，返回3)；为限制搜索次数，可设定最大可能的显著误差数目mnh，达到这一最大值时同样可以令算法停止。34SEGE算法总结1819由以上步骤可以看出，SEGE方法对于含显著误差的冗余性物流测量网络，首先通过整体检验方法筛选可能存在显著误差的过程约束和过程变量候选集，之后在该候选集合的基础上进行同步数据协调和显著误差的定位及估值。该方法的第二步可以视为一种组合优化问题，采取一定策略寻找目标函数最小的显著误差集合并同时进行数据协调。 基于SEGE法的显著误差检测技术研究(7): 13 / 13