摘要 现代工业中，正确的工艺过程数据是实现优化控制的基础。然而在实际的生产过程中，测量值总是不可避免地带有误差：随机误差和显著误差。这些带有误差的数据无法精确满足生产过程的物料平衡和能量平衡关系，因此有必要进行数据校正。数据校正技术就是利用冗余信息校正数据，从而得到一组既满足约束方条件又接近真实值的数据。本文针对一种基于混合高斯分布模型的数据协调技术进行了研究，分析了该污染正态分布模型的鲁棒特性，并将其应用于一种部分变量被测量的双线性模型，最后用MATLAB编写程序进行了仿真实现。87426

毕业论文关键词  数据校正  数据协调  鲁棒估计   显著误差

毕业设计说明书外文摘要

Title   Data reconciliation: A robust approach using a contaminated  distribution                                                 

Abstract In modern industry,accurate process data is the foundation of process optimization。However,in the practical production process,due to various reasons, measurements can be contaminated with random errors and gross errors。The data with errors can not meet material and energy balances。Thus,data reconciliation is applied for these data of the measurement。Data reconciliation is a procedure of optimally adjusting measured data so that the adjusted values obey the conservation laws and is close to the true value。In this paper,a robust approach using a contaminated distribution is studied。By studying the robustness of the contaminated normal distribution and applying it into bi-linear systems,the simulation is realized in MATLAB。

Keywords data rectification  data reconciliation  robust estimation   gross error

目   次

1  引言 1源-于Y优+尔-论.文:网www.chuibin.com 原文+QQ7520^18766

1。1  背景介绍 1

1。2  数据校正的发展 2

1。3  鲁棒数据校正 5

1。4  数据校正技术的工业应用 6

2  数据校正理论基础 8

2。1  数据协调背景 8

2。2  广义极大似然估计 9

2。3  基于混合高斯分布的估计 11

3  实例仿真 20

结论 27

致  谢 28

参 考 文 献 29

1  引言

1。1  背景介绍

过程工业是我国工业领域的重要部分，在经济发展中起着重要作用。随着经济的不断发展，科学技术不断提高，工业领域的竞争也十分激烈。为了提高生产效率，提高产品质量，工厂企业逐步将计算机技术应用于资源配置、操作优化、自动控制等方面，因而需要对数据进行大量地采集。只有准确的测量数据才可以保障资本的合理配置，因此必须通过改善工艺水平才能保障生产管理高效运行。在我国的工业生产中，企业为了增强竞争力，实现经济效益最大化，已经逐步实现计算机集系统的集成制造，通过计算机系统得到的工艺数据反映了生产状况的好坏，因此过程数据成为工业流程生产的关键信息和推动力。