论文部分内容阅读
生产过程中的测量数据是许多技术工作的基础和出发点，它的可靠性和正确性直接影响着研究和决策工作的质量。但由于测量中不可避免的误差，测量值不能精确地符合生产过程中一些内在的物理和化学规律，如物料平衡和热量平衡关系等等。这种误差又分为随机误差和显著误差两大类。数据校正的目的就是综合应用统计、辨识和优化技术，对实测数据进行调整，消除数据中包含的随机误差和显著误差，去掉明显错误的或不可靠的测量数据，从而提高测量数据的质量。
本课题主要针对火电厂风烟系统的风量数据建立数据校正系统。校正系统分为三部分：校正对象动态程度估计、误差特征提取和数据智能协调。在校正对象动态程度估计中提出了基于模糊集和0-1序列的思想将过程数据的动态程度作为模糊无限集进行定量估计的算法。在误差特征提取中，通过基于0-1序列思想的信号特征分析，对随机误差分布类型、粗大误差的时域分布等情况进行识别，并采取相应的校正措施。在智能协调中，将平衡关系合理引入目标函数，提出了新的协调模型，使协调结果更具合理性。同时提出了改进的差分算法。利用改进差分算法对协调的目标函数求解，避免了高维矩阵解析求解可能出现的问题，并依据平衡方程的残差信息对协调的求解空间进行约束，避免了算法在不存在最优解的空间盲目搜索；同时引入条件判断和预协调环节使协调的过程更为灵活机动，省去不必要的协调计算。最后，仿真结果表明该系统可以较好满足电厂工艺的需求。