论文部分内容阅读
本文研究工作主要针对化工过程数据校正和模型参数估计这两个方面。
在数据校正方面，提出了一种新型的节点与测量数据逐级检测的显著误差检测方法。首先，该方法通过节点检测法检测出可能存在显著误差的节点；然后，通过测量数据检测法检测该节点的可疑测量变量，并通过调整量检测法判断该测量变量是否存在显著误差，并且实现了显著误差检测和稳态数据协调同步进行。该方法融合了测量检测和节点检测方法的各自优点且克服各自的缺点。仿真研究与实际应用表明，该方法对存在多个显著误差的系统，也能给出准确的显著误差检测结果。
在模型参数估计方面，以重油热解为背景，运用粒子群优化算法来估计参数构建模型。针对传统的粒子群算法(PSO)在解决复杂的优化问题时易于陷入局部最优点和精度不高的缺点，提出了一种改进的粒子群算法(EPSO)。该算法在基本的粒子群算法陷入局部最优的情况下引入了单个粒子的“Hooke-Jeeve模式搜索”操作和粒子之间的“启发式交叉”操作。仿真结果表明，EPSO.算法的全局搜索性能，收敛速度和精度比传统的PSO算法有明显的提高。采用EPSO算法进行非线性参数估计所得到的重油热解模型具有更高的准确性和预测能力。