《数据协调与显著误差检测方法研究与应用.pdf》由会员分享，可在线阅读，更多相关《数据协调与显著误差检测方法研究与应用.pdf（74页珍藏版）》请在三一文库上搜索。
1、A b s t r a c t硕士论文 t h em e t h o do ft h ed y n a m i cd a t ar e c o n c i l i a t i o na n dg r o s se r r o rd e t e c t i o nb a s e do np a r t i c l e f i l t e r s ，w h i c hh a st h ed e g e n e r a c yp r o b l e mo fp a r t i c l e s ，t h er o b u s te s t i m a t i o ni si n t r o d u c
2、 e di n t o t h ep a r t i c l ef i l t e r , u s i n gt h er o b u s tf u n c t i o nt ou p d a t et h ep a r t i c l e Sw e i g h ts e c o n d l y , t h e n p a r t i c l ef i l t e rs e c o n d l y ，i nt h i sw a y , p a r t i c l e Sc o n f i d e n c ei ss t r e n g t h e na n d t h ed e g e n e
3、 r a c y p r o b l e mo fp a r t i c l e si n t h ed y n a m i cp r o c e s sb a s e do np a r t i c l ef i l t e rc a nb ea v o i d e d T h e e f f i c i e n c yo ft h ep r o p o s e da p p r o a c hi sp r o v e db ys i m u l a t i o nr e s u l t s ，w h i c hi s s t u d i e do n d y n a m i cl i n
4、e a rs y s t e ma n dd y n a m i cn o n l i n e a rs y s t e m ( 4 ) T h em e t h a n o lp r o d u c t i o np r o c e s so fS h a n g h a iC o k i n gC o m p a n yi sr e s e a r c h e d ，a n da s i m p l i f i e dm a t e r i a ls t a t i cm o d e li sb u i l d e d B yu s i n gt h er o b u s te s t i
5、 m a t i o na l g o r i t h m ( W R Y ) p r o p o s e di nt h ep a p e ra n dn o n l i n e a rp r o g r a m m i n g ( N L P ) m e t h o dt oa c h i e v ed y n a m i cd a t a r e c o n c i l i a t i o na n dg r o s se r r o rd e t e c t i o nf o rt h ep r o c e s sm e a s u r e m e n td a t a s ，a n
6、do b t a i nt h e c o o r d i n a t i o nr e s u l t so ft o t a lf l o wa n di t sc o m p o s i t i o na n de s t i m a t e sb a s e do nt h et h e o r ya n d i d e o l i g i c a lo f t w o - s t e pm e t h o d K e y w o r d s ：D a t ar e c o n c i l i a t i o n ，G r o s se r r o rd e t e c t i o n
7、 ，N T - G L Rm e t h o d ，R o b u s te s t i m a t i o n ， P a r t i c l ef i l t e r , M e t h a n o lp r o c e s s 硕士论文 数据协调与显著误差检测方法研究与应用 目录 摘要I A b s t r a c t I I I l 绪论1 1 1 引言1 1 2 稳态数据协调1 l - 3 动态数据协调3 1 4 显著误差检测5 1 5 鲁棒估计的数据协调与显著误差检测：6 1 6 数据协调与显著误差检测的主要工业应用8 1 7 论文主要研究内容和安排9 2 数据协调与显著误差检测的
8、基本原理。1 1 2 1 弓I 言11 2 2 数据协调的基本原理l l 2 3 稳态系统数据协调的基本原理1 2 2 3 1 线性稳态数据协调1 2 2 3 2 非线性稳态数据协调1 2 2 4 线性动态数据协调的基本原理1 3 2 5 显著误差检测的基本原理1 4 2 6 鲁棒数据协调与显著误差检测的基本原理1 5 2 7 本章小结1 6 3 数据协调与显著误差检测的改进N T - G L R 算法1 7 3 1 引言1 7 3 2N T - G L R 联合检测法一1 8 3 2 1 节点检验法( N T ) l8 3 2 2 广义似然比法( G L R ) l8 3 3 改进的N T
9、- G L R 联合算法2 0 3 3 1 改进的N T - G L R 联合算法实现步骤2 0 3 3 2 改进的N T - G L R 联合算法实现流程图2 0 3 4 仿真实例研究2 2 V 目录 硕士论文 3 5 本章小结2 4 4 一种新的数据协调与显著误差检测的鲁棒估计同步算法2 5 4 1 引言2 5 4 2 鲁棒估计原理2 5 4 3 鲁棒估计函数2 6 4 4 稳态系统仿真实例研究2 8 4 4 1 线性实例一2 8 4 4 2 非线性实例2 9 4 5 动态数据协调与显著误差检测的基本原理3 0 4 6 动态系统仿真实例研究3 1 4 6 1 连续搅拌反应釜系统模型3 1
10、4 6 2C S T R 系统的数学模型3l 4 6 3 仿真结果与分析3 2 4 7 本章小结3 5 5 粒子滤波与鲁棒估计结合的数据协调与显著误差检测同步算法3 7 5 1 引言3 7 5 2 粒子滤波3 7 5 2 1 粒子滤波算法3 7 5 2 2 重采样3 8 5 2 3 基本粒子滤波算法实现步骤3 9 5 3 粒子滤波与鲁棒结合数据协调与显著误差检测同步算法3 9 5 3 1 权值更新方程4 0 5 3 2 粒子滤波与鲁棒估计结合算法具体实现步骤4 1 5 4 线性动态系统仿真实例研究4 3 5 4 1 双反应釜系统模型4 3 5 4 2 双反应釜系统的仿真与分析4 3 5 5 非
11、线性动态系统仿真实例研究4 6 5 5 1C S T R 系统模型4 6 5 5 2C S T R 模型的仿真与分析4 6 5 6 本章小结4 9 6 数据协调与显著误差检测在焦化过程中的应用5 l 6 1 引言5 1 V I 硕士论文数据协调与显著误差检测方法研究与应用 6 2 甲醇工艺流程51 6 3 数据协调模型的建立5 3 6 3 1 物料稳态统计模型的建立一5 3 6 3 2 数据协调模型的建立5 5 6 4 数据协调与显著误差检测在甲醇工艺流程中的应用5 7 6 5 本章小结6 0 7 总结与展望6 1 7 1 总结6 l 7 2 展望6 2 致谢6 3 参考文献6 5 V I I
12、 硕士论文 数据协调与显著误差检测方法研究与应用 1 绪论 1 1 引言 数据协调与显著误差检测技术在工艺过程、自动控制的设计以及生产操作等领域中 具有举足轻重的作用。准确的过程测量数据是操作分析和改进、在线模型的构建与应用、 工艺过程设计、生产控制与优化以及生产管理决策分析的直接信息依据，是很多技术工 作的出发点，它们的准确性和可靠性对过程控制、过程优化、过程评估的质量具有直接 的影响力。 所谓数据协调与显著误差检测【l 】，就是结合过程机理模型和各种统计过程分析，利 用过程的物料平衡或者能量平衡等关系以及数据的时间冗余性和空间冗余性，来消除满 足统计规律的随机误差的影响，并削弱那些不符合统
13、计规律的显著误差的影响，最后再 估计出未测变量的一门技术。在工业过程中，数据协调与显著误差检测技术往往是基于 模型的，该模型主要包含：能量、组分、物料等平衡关系、经验模型以及合成模型。数 据协调的准则为【l 】：在满足物料平衡和热量平衡的条件下，要求协调值和其相应的测量 值的偏差平方和最小。依数学的角度来看，即求符合一些列约束等式方程的最小二乘解。 协调后的值可以更好的平衡物料、能量等一些列约束关系，而且在实时故障诊断、监控、 过程控制、过程优化以及过程性能评估等方面得到更好的应用。数据协调与显著误差检 测技术可以提高生产过程的准确性和可靠性，提高了经济发展，保障了生产安全，其理 论和实际应用
14、都有很重要的意义。数据协调与显著误差检测技术主要分为稳态和动态两 个方向。 1 2 稳态数据协调 过程的稳态数据协调技术是一项历史悠久的研究课题，早在上世纪6 0 年代就开始 发展，直到现在。 K u e h n 和D a v i d s o n t 2 l 等人在研究计算机控制工艺的过程中，首先提出了数据协调的 概念，并对化工过程中的采样数据进行数据协调，但是，他们忽略了所有的测量数据中 很可能含有显著误差的问题，显著误差对数据协调的结果有很大的影响。 N o g i t a 3 】提出了正态统计量检验一致性( C o n s i s t e n c y ) 准则，该准则是针对过程测量 数据
15、的，并针对物料线性平衡方程的条件创建了检测和识别显著误差的算法。 M u r t h y l 4 研究了反应器的物料平衡算法，要求反应器的输入和输出物料流率数据能 够符合反应计量关系或化学元素平衡等式( 均是线性关系) ，以此协调过程测量数据。 M a d r o n 【5 J 等人在反应器的数据协调问题方面的研究比M u r t h y 有了更近一步的发展， l 绪论硕士论文 将数据协调算法从线性过程推广到非线性过程，对非线性的物料平衡方程进行了处理， 采用统计量x 2 来衡量数据的一致性并对显著误差数据进行检测。 K n e p p e r 6 】等人将数据协调与参数估计融合在一起，来进行
16、数据处理，且要求过程测 量数据应满足一种约束关系。约束关系方程分为线性和非线性，还可含有待估算变量。 C r o w e 7 , s 等人提出投影矩阵的方法，该方法可以对参数进行分类，适合于线性或可 线性化的系统。此法的基本思想是：用一投影矩阵去乘以方程的两边，相乘之后，未测 变量的系数矩阵为全零阵，这样未测变量就从方程中被删除了，然后运用最小二乘估计 法进行数据协调，并估计出未测变量。 袁永根【1 】提出了比投影矩阵法构筑更为简单的零度矩阵法，取得了同样的效果。 S a n c h e z 和R o m a 鲫0 1 i 【9 】提出了Q R 分解法，此法能够有效地构造投影矩阵，来消除方程
17、中的未测变量。K e l l y I l o ，1 1 l 提出了一种比较简单的方法来构造投影矩阵，还提出了一种基 于Q R 分解的适合于工程实践算法以及另一种直接算法，在病态系统的数据协调问题中 具有独特的优势。 在数据协调过程中，测量误差的方差和协方差矩阵需要首先被确定，求解的方法有 两种：直接法和间接法。直接法在系统是稳态的前提条件下，运用数据的时间冗余性。 间接法不要求系统一定处于稳态，它运用的是约束平衡方程的空间冗余性质。A l m a s y 和M a h l l 2 】提出运用测量残差的思想来估计出误差的方差。K e l l e r 1 3 】在此基础上研究出了 变量协方差的鲁棒
18、估计方法。C h e n B 4 】和M o r a d t ”】也研究出了基于M 估计的变量协方差 的鲁棒估计法。 数据协调中存在一种双线性约束问题，例如，组分流率约束方程中存在浓度与总流 量相乘、能量约束方程中存在热焓与流量相乘等一系列问题。就双线性数据协调存在的 问题，C r o w e 8 】利用投影矩阵的方法对双线性约束方程进行运算处理，将其转化为线性 约束方程，然后用基本方法进行数据协调。S i m p s o n t l 6 】根据独立流股的概念，提出一种 解决双线性数据协调问题的方法，此法通过划分独立的流股，有独立变量和非独立变量 两种变量，两种变量之间的关系由约束方程表示，然
19、后将此关系方程代入目标函数中， 这样变成一个简单化的无约束的优化问题，再进行数据协调。R a o 【l 对上述两种方法进 行了比较与分析，认为S i m p s o n 的方法较为简便和准确，但此方法在多组分数据协调问 题中的应用受到一定的局限。M e y e r i l 8 】分析了冗余性，将冗余约束方程作为约束条件， 运用拉格朗日乘子法将约束方程转成双线性约束方程，最后再进行求解。K e l l y l l 9 1 对规 模较大的双线性约束的数据协调问题进行了深入地研究，用来处理质量与能量平衡以及 质量与组分平衡的数据协调问题。W o n g r u t l 2 0 l 等人研究出了一种修
20、正的遗传算法，运用 到数据协调问题求解中。李华生f 2 1 】将双线性约束问题分解成两个线性问题，然后用线性 问题中的方法进行求解。随着过程对象多样性，导致在数据协调问题中的约束方程表达 形式也随之出现多种多样，主要是动态数据协调，呈现出大规模的非线性和带微分方程 硕士论文 数据协调与显著误差检测方法研究与应用 约束问题。拉格朗日乘子法、线性化方法以及非线性规划方法( N L P ) 也可以解决双线性 数据协调问题。 在数据协调中，非线性约束问题一般使用线性化方法和非线性规划方法( N L P ) 进行 求解数据协调问题。在非线性约束方程中出现未知参数的情况下，P a i 和F i s h e
21、 r 2 2 】基于 投影矩的方法提出了一种通用的运算方法，此法的基本思路为：在每一个循环过程中， 采用投影矩阵法来解决线性数据协调的问题。c r 0 、e 【8 】等人基于迭代线性化的方法提出 了一种解决非线性数据协调问题的方法。为了提高解决非线性数据协调问题的精度和效 率，L i e b m 蛆【矧等人提出运用非线性规划( N L P ) 的方法。T j o a 与B i e g l e r 矧在1 9 9 1 年提出 了一种效率较高的算法，构筑出一种污染正态分布函数，能够同时表述随机误差和显著 误差，再运用极大似然原理构筑出目标函数，采用S Q P ( 序列二次规划) 法来求解数据协 调
22、问题，此目标函数与一般加权最小二乘的目标函数不同，它在显著误差出现的情况依 然可得到无偏的协调结果。 自从数据协调概念提出之后，针对稳态条件下的数据协调，已经有了不少的研究成 果和理论方法，然而，实际上大多数工业过程都表现为“准稳态”，甚至处于不断变化中 因此，动态系统能真正的反应实际过程的运行规律。 1 3 动态数据协调 数据协调技术在稳态过程中得到了较为广泛的应用，然而，在实际情况中，过程数 据往往处于实时更新中，没有真正意义上的稳态数据，动态系统模型才能真正的反应实 际过程的运行特性，因此需要将过程的动态模型作为约束条件，利用此约束条件来进行 数据协调，这就是动态数据协调问题。 动态数据
23、协调技术是面向动态过程的，其过程表现在变量的测量值与时间相关联。 动态数据协调基于离散数据，对每一时刻所采集的数据进行协调，主要特征是运用时间 的冗余特性。动态过程模型采用D A E ( D i f f e r e n t i a lA l g e b r a i cE q u a t i o n s ) 模型，即微分代 数d ，a , = 厂( 工) 模型。动态数据协调是基于过程动态模型的，协调值的准确性、可靠性 是否与模型的可性度以及模型自身的形式具有很大的关联，因此，从本质上讲，动态数 据协调可以看作是一种模型辨识和参数估计的特殊例子。 动态数据协调模型由S t a n l y 与M a
24、 h 2 5 】在1 9 7 7 年首先提出，通过利用时间与空间冗 余信息的K a l m a n 滤波方法对处于准稳态情况下的数学模型进行数据协调。N a r a s i m h a n 和M a l l 2 6 】将广义似然比法( G e n e r a l i z e dL i k e l i h o o dR a t i o ) 应用于拟稳态的动态系统中。在 K a l m a n 滤波的基础上，D a r o u a c h 2 7 1 等提出扩展K a l m a n 滤波方法，并将其运用到动态数 据协调技术中，取得了较好的协调效果。然而，K a l m a n 滤波和扩展K a
25、l m a n 滤波算法都 要求动态模型是线性或可线性化的，且状态变量初值的变化对数据协调的效果会产生一 定程度的影响。K a l m a n 滤波法尚不能解决模型中的约束问题，包括等式或不等式约束。 l 绪论 硕士论文 S i n g h a l 与S e b o r g t 2 8 】提出扩展K a l m a n 滤波结合最大期望算法的方法，在扩展K a l m a n 滤 波的前提条件下，运用最大似然估计来实现动态数据协调，可应用于不同的动态模型。 J a n g 2 9 】比较并分析了扩展K a l m a n 与非线性规划( N L P ) 法，认为由N L P 法运算出的协调 结
26、果更准确，然而，N L P 法求解周期比较长，对于时间要求严格的情况下是不适合的。 A l m a s y t 3 0 1 对具有线性过程的动态数据协调问题进行了深入的研究，通过离散化输 入、输出变量，将动态系统平衡问题转换成K a l m a n 滤波或扩展的K a l m a n 滤波的问题 进行求解。基于多项式拟合方法技术，B a g a j e w i c z 和J i a n g 3 1 提出一种线性动态数据协 调方法，此法的核心思想是：用多项式拟合的方法把流速和液位的冗余量表示成时间的 函数，再进行积分处理，删除约束条件中微分形式的等式。基于前后差分近似法， D a r o u a
27、 c h 和Z a s a d z i n s k i 【3 2 】用一个代数问题来表示线性动态数据协调问题，产生一种迭代 算法，有效地避免奇异矩阵和截断误差等一系列问题。 L i e b m a n 等人研究了非线性过程的动态数据协调问题，提出动态过程的状态变量值 采用非线性优化法进行估计，但是，此算法的计算比较复杂。K i m i 3 3 1 运用序贯优化法， 通过此法设定滑动窗口内初值状态值和输入变量，运用四阶R u n g a - K u t t a 方法实现对微 分方程约束式的求解，最后解出滑动窗口中状态变量值。基于正交配置法的原理， L i e b m a n 和E d g a r
28、 5 0 】离散化动态微分模型，运用滑动窗口法来约束待求解方程的维数， 通过同步优化求解法来完成动态数据协调。M c b r a g e r 3 4 】将L i e m a n 提出的求解动态数据 协调问题的方法引入到工程实践中。V a c h h a r l i l 3 5 , 3 6 1 等人提出一种结合扩展K a l m a n 滤波 与非线性数据协调方法的递归非线性数据协调方法，此法融合了两者各种的优点，能得 到更好的协调效果，之后还研究出了无迹递归协调方法，此法融合了无迹K a l m a n 滤波 与递归非线性数据协调各自的优点，其在实时状态和参数估计方面的能力得到更进一步 的提升
29、。基于对非线性动态数据协调方法的分析与研究，向峥蝌3 7 l 给出一种非线性动态 数据协调的改进方法。童力【3 8 J 研究了求解动态数据协调问题的积分法，此法对系统状态 空间的模型没有要求，并可以充分利用整个时间轴上的冗余信息，但此法的协调精度受 其区间长度的影响。童力【3 9 J 还研究了基于有限元正交配置法的非线性动态数据协调技 术，该法可有效的运用于非线性动态数据协调中，可以处理一些含有代数约束不等式或 变量简单上下限约束的问题。 线性或非线性的动态数据协调方法都要严格基于机理模型，但是，在实际运算过程 中，复杂的化学反应及扩散的系统过程的准确动态机理模型是很难被确定的，况且，动 态优
30、化过程耗时长，这不便于在线应用。为了解决这种问题，H o d o u i n 和M a k n i I S i l 将经 验动态模型引入到稳态物料平衡模型上，并将其运用到采矿过程的实时动态数据协调。 B a i 和M c L e a n 5 1 1 等人使用经验线性模型来实现动态数据协调，将自回归神经网络引入 到动态数据协调技术中，对数据的干扰进行去除。与机理模型相比较，经验模型的不确 定性度是相当高的，且模型结构的协调需要大量的过程测量值与模型预测值，然而，为 4 硕士论文 数据协调与显著误差检测方法研究与应用 了更准确的动态数据协调，依然需要更精确的经验模型。 动态数据协调方法还有其他的发
31、展，例如：神经网络法、粒子滤波法，粒子群滤波 法、结合小波分析的动态数据协调法等。K a r j a l a l S l 】提出在K a l m a n 滤波进行估计前运用 自回归神经网络法识别出过程系统的状态空间模型，最后再进行动态数据协调。基于主 元分析( P C A ) 法以及噪声模型，B a k s h i 提出小波正交基函数来表示过程变量，消除那些 小于临界值的基函数系统，达到减小随机噪声的效果，最后使用滑动窗口法来求解。近 年来，R a y m o n d 等人将模糊数学的方法引入到数据协调中，使数据协调的方法更加的完 善。目前，动态数据协调问题的研究仍在理论探索阶段。 1 4 显
32、著误差检测 数据协调有一个基础假设，即变量测量值服从标准正态分布，也就是说只考虑随机 误差，忽略显著误差的存在，然而实际过程中有很多不确定因素的存在，例如：测量仪 表故障、操作不正确、设备泄露等因素，导致过程测量数据中难免会含有显著误差。因 此，在数据协调前，必须进行显著误差检测工作，否则会影响协调结果的有效性。 对显著误差的检测和识别引起了越来越多专家学者的关注，在测量残差和约束残差 这两个统计量的基础上许多检测方法也相继被提出，其中，基于测量残差统计量的检测 方法主要有【5 l 】：测量残差检测法( M T ) 、迭代测量检测法( I M T ) 、修正的迭代测量检测 法( M I M T
33、 ) 和动态迭代测量检测法( D I M T ) 等，基于约束残差统计量的检测方法1 5 l J 主要 有：节点残差检测法( N T ) 、整体检测法( G T ) 和极大似然比法( G L R ) 等。其他检测方法， 如贝叶斯法、主元分析法( P C A ) 、混合整数规划法( M 礤) 等方法。 专家学者们已经提出了很多种针对稳态线性过程的显著误差检测方法。R e i l l y 和 C a 印a I l i 【4 0 l 提出了整体检验法( G T ) ，需要构造一个z 2 检验统计量，此统计量是基于系统的 全部约束方程的残差，当统计量值大于临界阀值时，可以判定该系统含有显著误差，但 不
34、能定位到具体显著误差的位置，因此其应用受到了很多的限制。A l m a s y 和S z t a n o 4 u 提出了测量残差检测法( M T ) ，其能够定位到哪个数据中含有显著误差，其判定依据测 量数据的协调值和测量值的相对大小。M a h 和T a m h a n e l 4 2 】提出最大功效检测法( M P ) ，在 过程测量中只含有一个显著误差的情况下，它具有最大的检测误差的效率。 M T 法虽然能够直接定位到出现显著误差的数据，但存在一个问题，即本来不含有 显著误差的数据受到显著误差的污染，导致误判概率的增加，为避免这一现象，S e r t h 和H e e n a l l 【
35、4 3 】基于M T 法提出一种迭代测量残差检验法( I M T ) ，其主要思想是在每一轮迭 代运算过程中只消除偏离临界值最大的测量数据，直到检测出所有的显著误差为止。为 了避免出现漏报错误，S e r t h 和H e e n a n 【4 列将测量值的上下限引入到迭代测量残差检验法 ( 删T ) 中，提出了修正的迭代测量残差检验法( M o d i f i e dI m p r o v e dM e a s u r e m e n tT e s t ， M I M T ) 。M I M T 法具有效率高、运算速度快、检测误差率高等特点在显著误差检测方面 1 绪论 硕士论文 受到了广泛的重
36、视和应用。 R e i l l y 和C a r p a n i 4 1 1 ，M a l l 【删等人在对每一个节点残差构造一个检验统计量的基础上 提出一种节点残差检测法( N T ) ，依据统计量来判断显著误差的存在，如果某个节点的 统计量值大于临界值，可判断这个节点方程中含有显著误差，此法可以定位到哪个节点 相连接的流股中含有显著误差，因而锁定了识别范围，但是N T 法不能定位到具体哪个 数据含有显著误差。杨友麒【4 5 】结合了M T 和N T 方法各自的优点，提出了M T - N T 联合 算法，从而弥补了M T 法和N T 法各自缺陷。W a l l 9 1 4 6 等运用逐次检测
37、、协调的策略提出 了一种改进的M T - N T 法，有效地避免了在显著误差检测过程中系数矩阵降秩现象。梅 从立【4 7 l 等人提出了一种N T o M T 联合算法，同样融合了N T 法与M T 法各自的优点，并 结合系列补偿的方法来实现显著误差检测。李九龙 4 9 l 提出了一种N T - G L R 法，此法融合 了N T 法和G L R 法各自的优点，同样具有很好的协调效果。 M a l l 和N a r a s i m h a n t 5 1J 提出一种序列补偿方法，在每一轮迭代运算过程中，不剔除带 有显著误差的变量，而是得到显著误差的估计值并对含显著误差的变量实施补偿。还有 其他
38、补偿方法，例如同步补偿方法、集合补偿法等，它们可以同步估计每一个显著误差。、 同步补偿策略主要包括以下几种【”】：无偏估计( U B E T ) 、同步识别并同步补偿( S E G E ) 、 顺序识别并同步补偿( S I C C ) 以及同步补偿的广义似然比法( C G L R ) 。 王希若1 6 5 , 6 6 提出一种将单节点识别法与高置信度相结合的综合检测法。张浮明【5 4 】 提出了一种选择删除显著误差变量算法。在顺序识别并同步补偿法( S I C C ) 的基础上，周 凌柯1 5 5 J 对其进行改进，提出了一种改进S I C C 算法( M S I C C ) ，该改进算法加入
39、测量变量 的上下限约束并运用时间冗余特性，减少发生显著误差误判现象，采用逐步补偿，再运 用测量残差检验法( M T ) 选出待确定显著误差集合，省略了投影矩阵的运算过程。 随着动态数据协调方法的不断发展，许多学者越来越注重动态显著误差检测方法。 N a r a s i m h a n 和M a I lp 6 J 将广义似然比( G L R ) 法运用于动态显著误差检测。随后，R o l l i n s 和D e v a n a t h a n l 5 7 1 提出一种无偏估计法，L i e b m a n 和E d g a r 提出一种滑动窗口法等等。 目前，显著误差的检测的方法主要包含两大类
40、：统计检测法、协调与检测同步进行 的方法。显著误差的检测是数据协调得以准确可靠运行的必要条件，一直以来便是数据 协调与显著误差检测技术中的核心环节，具有一定的挑战性。虽然已经出现了一系列的 研究成果，但在实际运用过程中，这些方法都不能完全适用，仍然要经过人机交互来准 确定位显著误差的存在。所以，显著误差检测能否应用于工业实际过程的研究仍是今后 研究方向。 1 5 鲁棒估计的数据协调与显著误差检测 数据协调技术有一个基本假设，即变量测量值服从标准正态分布，使用最小二乘目 标函数，然而，实际情况中这种假设一般是不成立的。T j o a 和B i e g l e r 将随机误差和显 6 硕士论文 数
41、据协调与显著误差检测方法研究与应用 著误差由污染正态分布函数来表示，并运用极大似然估计原理构建一种目标函数，这种 目标函数不同于一般的加权最小二乘目标函数，它能在测量变量存在显著误差的条件下 仍能得到无偏的协调值。J o l l I l s t o n 【删等基于极大似然原理，提出了一种灵活的高效率的 鲁棒估计方法，此鲁棒估计函数具有可行性，在处理数据协调问题中具有良好的性能。 A r o r a 和B i e g l e r t 5 9 1 研究出一种重新下降估计器( R e d e s c e n d i n gE s t i m a t o r ) ，同样在测量数 据中含有过失误差的情况
42、下能得到无偏的协调结果。F a i 一6 0 l 提出了一种基于公正函数 ( F a i rF u n c t i o n ) 的鲁棒估计方法。 鲁棒估计以数据回归理论为依据，鲁棒数据协调方法是鲁棒估计理论在数据协调领 域中的具体应用，可以直接构造出一种无偏估计函数，在一定偏离条件下对这种偏离不 敏感，从而可达到数据协调与显著误差检测同步的效果。鲁棒估计理论得到了很好的应 用，例如，张贤达【6 l J 等人对应用于现代信号处理中鲁棒估计进行了详细地总结与评价， 周江文【6 z J 等人对应用于测绘学上具有抗差最小二乘估计方法进行了系统地讨论。数据协 调基于鲁棒估计理论的方法主要分为两个方向：一
43、是传统的最, j 、- - 乘算法与鲁棒估计相 融合，如H u b e 估计、H a m p e l 估计和F a i r 估计；二是辨识出一种概率密度分布模型，该 模型匹配于实际过程测量误差，并作为目标函数来实施数据协调，如C a u e h y 分布、 L o g i s t i c 分布、基于污染正态分布等数据协调方法。A l o l a 和B i e g l e r l 5 1 将H a r n p e l 鲁棒估 计方法运用到数据协调中，且有效地降低了参数估计受显著误差的影响程度。D e r y a 和 K a p h 评估了六种鲁棒估计协调方法的有效性和重要性，这些鲁棒协调方法都是基于鲁 棒估计函数以及不同误差分布的模型。 C h e nX u e y u 【6 3 】研究并比较了模型模型的鲁棒估计性质，如污染正态分布模型、F a i r 估计以及L o r e n t z i a n 估计，运用实例对这些方法进行仿真验证，结果表