摘要在化学工业中，准确可靠的过程测量数据是非常必要的。但是在实际测量中，由于 仪表失灵、设备泄露等原因，通过测量得到的数据不可避免地存在随机误差和可能的显 著误差，因此需要对测量数据进行校正。采用数据校正技术可有效减少误差，从而提高 过程控制与优化的准确性。数据校正最常用的估计是加权最小二乘法，但其不具有鲁棒 性。针对传统最小二乘法在存在显著误差时不能准确的校正数据这一缺陷，一个鲁棒估 计，准加权最小二乘法被提出，此法改进了数据校正，使校正结果更准确。在线性过程 与非线性过程中使用两种估计法进行比较，可验证准最小二乘法的高效性。75315

毕业论文关键词 数据校正 显著误差检测 最小二乘估计 准最小二乘估计

毕 业 设 计 说 明 书 外 文 摘 要

Title Quasi-weighted least squares estimator for data reconciliation

Abstract In the chemical industry, accurate and reliable process measurement data is very necessary。 But in the actual measurement process, because of instrument failure, equipment leakage and other reasons, the actual measurement data contain random errors and gross errors inevitably, so it is necessary to correct their values to know objectively the operating state of the process。 The most commonly used method of data reconciliation is the weighted least square method, but it is not robust。 Because the traditional least square method in the presence of significant error can not accurately correct the defects of data, a robust estimation, quasi-weighted least squares method is proposed for data reconciliation。 And the data reconciliation results become more accurate。 Two estimation methods are used to compare in the linear and nonlinear processes, which can be used to verify the high efficiency of the quasi-weighted least square method。

Keywords data reconciliation gross error Least square estimation Quasi least squares estimation

本科毕业设计说明书 第 I 页

目 次

1  引言 1

1。1 数据协调 2

1。1。1 稳态数据协调 2

1。1。2 动态数据协调 3

1。2 显著误差检测 3

1。3 数据校正技术的工业应用 4

2 数据校正基本原理 6

2。1 数据协调 6

2。1。1 鲁棒估计与影响函数 7

2。1。2 最小二乘法估计器 7

2。1。3 准最小二乘估计器 8

2。2 显著误差检测 12

3  最小二乘法与准最小二乘法结合 13

4 计算实例 14

4。1 线性情况 14

4。2 非线性情况 17

结 论 19

致