铝土矿磨矿分级过程的分层数据校正方法研究.pdf

分类号⋯⋯⋯⋯⋯ UDC 密级 编号⋯⋯⋯⋯一 十I 初大警 C E N T R A LS o U T HU N I V E R S l T Y 硕士学位论文 论文题目 学科、专业 研究生姓名 导师姓名及 专业技术职称 ⋯．餐．圭．堑麈堑金．终蕊堡．媳念屠⋯ ⋯⋯⋯⋯．熬撬攮黑赢逮甄窕⋯⋯⋯ ⋯⋯⋯⋯搀劁．科兰与．王．撬⋯⋯⋯⋯ ⋯．I m m o m D l lmglllmlmmm 刺⋯凰⋯金⋯⋯⋯⋯⋯⋯ ⋯⋯⋯⋯阻．蠢⋯釜⋯⋯熬撬⋯⋯⋯⋯ 原创性声明 本人声明，所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。尽我所知，除了论文中特别加以标注和致谢的 地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包 含为获得中南大学或其他单位的学位或证书而使用过的材料。与我共 同工作的同志对本研究所作的贡献均已在论文中作了明确的说明。 作者签名日期址年且』日 学位论文版权使用授权书 本人了解中南大学有关保留、使用学位论文的规定，即学校有 权保留学位论文并根据国家或湖南省有关部门规定送交学位论文，允 许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内 容，可以采用复印、缩印或其它手段保存学位论文。同时授权中国科 学技术信息研究所将本学位论文收录到中国学位论文全文数据库， 并通过网络向社会公众提供信息服务。 储躲泽师 日期址年上月笪日 摘要 铝土矿磨矿分级过程中，原始测量数据由于存在测量误差和不完 整性而直接影响了生产工况的正确判断，进而导致优化控制偏差和操 作决策失误。因此，针对铝土矿磨矿分级过程数据的特点，研究其数 据校正方法，为过程的控制、优化和决策提供准确、稳定和完整的测 量数据，具有重要的理论与现实意义。 论文围绕铝土矿磨矿分级工艺过程，深入分析了其原始测量数据 及约束条件的特点，针对稳态数据协调模型在处理维数高、非线性强 的数据协调时效率较低的问题，提出了一种适合铝土矿磨矿分级过程 的多层数据协调模型，包括总物料平衡层、粒度分布／品位层和不同 粒度下的成分分析层 金属分布率层 ，并引入粒子群优化算法 P S O 进行逐层求解，提高了数据协调的效率。 针对原始测量数据受显著误差影响而不严格服从正态分布的特 点，论文提出了一种基于迭代测量偏差估计的分层检验法，该方法利 用多层数据协调模型的协调结果，通过分层构建数理统计量，并在迭 代检验过程中用相应协调值代替识别出的含显著误差的原始测量数 据，克服了其它检验法由于数据多层次性而存在的统计量不准、虚警 漏报率高的缺陷，实现了显著误差的侦破与补偿。 最后将多层数据协调模型及显著误差分层检验法应用于实际铝 土矿磨矿分级过程，数据校正结果的分析表明，分层数据校正方法提 高了原始测量数据的准确度和稳定性，为铝土矿磨矿分级过程的优化 控制、企业的生产决策等提供了完整的数据源。 关键词数据校正，磨矿分级过程，多层数据协调模型，显著误差分 层检验法 【．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．。．．．．。．．．．．．一 A BS T R A C T T h er a wm e a s u r e m e n t so fb a u x i t e g r i n d i n g c l a s s i f i c a t i o np l a n t s d i r e c t l ya f f e c tm i n e r a lp r o c e s s i n ge n g i n e e r st od e t e r m i n et h ec o n d i t i o n a c c u r a t e l yb e c a u s eo ft h em e a s u r e m e n te r r o r sa n dd i s i n t e g r i t y , w h i c h l e a d st oo p t i m a lc o n t r o le r r o r sa n dd e c i s i o n - m a k i n gm i s t a k e si no p e r a t i o n ． T h e r e f o r e ，a c c o r d i n g t ot h ec h a r a c t e r i s t i c so ft h eb a u x i t eg r i n d i n g c l a s s i f i c a t i o np r o c e s st os t u d yt h ep r o c e s sd a t ar e c t i f i c a t i o nh a si m p o r t a n t t h e o r e t i c a la n dp r a c t i c a ls i g n i f i c a n c e ，w h i c hw i l lp r o v i d ea c c u r a t e ，s t a b l e a n di n t e g r a t e dm e a s u r e m e n t sf o rt h eo p t i m a lc o n t r o la n dm a n a g e m e n to f t h ep r o c e s s ． B a s e do nt h ec h a r a c t e r i s t i c so fb a u x i t e g r i n d i n g ．c l a s s i f i c a t i o n p r o c e s sd a t aa n dc o n s t r a i n t s ，am u l t i - l a y e rd a t ar e c o n c i l i a t i o nm o d e l i S p r o p o s e dt oa v o i dl o we f f i c i e n c yo ft h es t e a d y s t a t ed a t ar e c o n c i l i a t i o n m o d e li nd e a l i n gw i t hh i g hd i m e n s i o n a la n ds t r o n gn o n l i n e a rp r o b l e m s ． T h em u l t i - l a y e rm o d e lc o n s i s t so fg l o b a lm a t e r i a lb a l a n c el a y e r , p a r t i c l e s i z e d i s t r i b u t i o n ／g r a d el a y e r a n dc h e m i c a lc o m p o s i t i o n so fd i f f e r e n t p a r t i c l es i z el a y e r t h em e t a ld i s t r i b u t i o nr a t i ol a y e r ．T h ep a r t i c l es w a r m o p t i m i z a t i o n P S O i s t h e ni n t r o d u c e dt os o l v et h em o d e lf r o mt h eb o t t o m t ot h et o pl a y e r , w h i c hi m p r o v e st h ee f f i c i e n c yo ft h er e c o n c i l i a t i o n p r o c e s s N o r m a lt e s ts h o w st h a tt h er a wm e a s u r e m e n td a t ao fg r i n d i n g - c l a s s i f i c a t i o np r o c e s sd on o ts t r i c t l yf o l l o wan o r m a ld i s t r i b u t i o nb yt h e i m p a c to fg r o s se r r o r ．T h e r e f o r e ，b a s e d o ni t e r a t i v ee s t i m a t i o na h i e r a r c h i c a lt e s tm e t h o di sp r o p o s e df o rt h eg r o s se r r o rd e t e c t i o no fr a w m e a s u r e m e n t s ．T h et e s tm e t h o dm a k e sf u l lu s eo ft h em u l t i l a y e r r e c o n c i l i a t i o nr e s u l t st oc o n s t r u c tm a t h e m a t i c a ls t a t i s t i c sh i e r a r c h i c a l l y , a n ds u b s t i t u t er e c o n c i l i a t i o nr e s u l t sf o rt h er a wm e a s u r e m e n t s ，w h i c h o v e r c o m e st h ed e f e c t so fi n a c c u r a t ed a t as t a t i s t i c sa n df a l s ea l a r mo f c l a s s i c a lt e s tm e t h o d s ，a n da c h i e v e s g r o s s e r r o rd e t e c t i o na n d i d e n t i f i c a t i o n ． F i n a l l ya p p l i c a t i o n o ft h em u l t i - l a y e rr e c o n c i l i a t i o nm o d e la n d h i e r a r c h i c a lt e s tm e t h o df o rg r o s se r r o rd e t e c t i o nt ot h ea c t u a ld a t ao fa b a u x i t eg r i n d i n g - c l a s s i f i c a t i o np r o c e s si sd i s c u s s e d ．T h ea c c u r a c ya n d Ⅱ s t a b i l i t yo ft h ea p p l i c a t i o nr e s u l t ss h o wt h a tt h ep r o c e s sd a t aa f t e r r e c t i f i c a t i o ni ss a t i s f i e dw i t ht h ed e m a n d so fm a s sb a l a n c e ，a n dp r o v i d ea a c c u r a t ea n ds t a b l ep r o c e s sd a t af o ro p t i m a l c o n t r o l ，d e c i s i o n ．m a k i n ga n d m a n a g e m e n to ft h eb a u x i t eg r i n d i n g - c l a s s i f i c a t i o np r o c e s s ．M o r e o v e r , m o r ei n f o r m a t i o nc a nb eo b t a i n e dd u r i n gt h er e c o n c i l i a t i o np r o c e s s ． K e yW o r d s d a t a r e c t i f i c a t i o n ，g r i n d i n g - c l a s s i f i c a t i o n p r o c e s s ， m u l t i - l a y e rd a t ar e c o n c i l i a t i o nm o d e l ，h i e r a r c h i c a lt e s tm e t h o df o rg r o s s e r r o rd e t e c t i o n I I I 第一章绪论⋯ 目录 1 ．1 研究背景及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。1 1 ．2 数据校正理论研究概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．3 1 ．2 ．1 数据协调国内外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．3 1 ．2 ．2 显著误差侦破与识别国内外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．5 1 ．2 ．3 数据校正工业应用的研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯6 1 ．3 本文主要研究内容及结构安排⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．8 第二章稳态过程数据校正基本原理 2 ．1 稳态过程数据协调模型概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1 0 2 ．1 ．1 数据协调原始模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1 0 2 ．1 ．2 原始模型的分析解⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1 l 2 ．1 ．3 数据协调模型的一般表达形式⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．1 2 2 ．1 ．4 数据协调模型的统计理论分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1 3 2 ．2 显著误差检测及处理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯l5 2 ．2 ．1 显著误差检测基本原理与方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1 5 2 ．2 ．2 显著误差变量选择删除算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1 8 2 ．3 小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯2 0 第三章铝土矿磨矿分级过程多层数据协调⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯ 3 ．1 磨矿分级过程典型工艺流程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯2 l 3 ．2 原始测量数据特点分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯2 3 3 ．2 ．1 关键过程变量不可测⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯2 3 3 ．2 ．2 数据层次描述与约束分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯2 4 3 ．3 原始测量数据误差分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯2 5 3 ．3 ．1 原始测量数据误差描述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯2 5 3 ．3 ．2 原始测量数据正态检验⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯2 5 3 ．4 铝土矿磨矿分级过程多层数据协调⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯2 8 3 ．4 ．1 多层数据协调模型描述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯2 8 3 ．4 ．2 基于P S O 的数据协调算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯3 0 3 ．4 ．3 数值仿真及结果分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．3 2 3 ．5 小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯3 4 I V 第四章铝土矿磨矿分级过程显著误差检测． ⋯．．3 5 4 ．1 测量残差检验法实现及其经典改进⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯3 5 4 ．1 ．1 测量残差检验法实现过程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．3 5 4 ．1 ．2 迭代测量残差检验法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯3 7 4 ．1 ．3 改进迭代测量残差检验法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．3 8 4 ．2 铝土矿磨矿分级过程显著误差分层检验法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯3 9 4 ．2 ．1 显著误差分层检测法基本思想⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯3 9 4 ．2 ．2 基于迭代测量偏差估计分层检验法实现⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯4 0 4 ．2 ．3 数值仿真及结果分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯4 3 4 ．3d 、结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯4 4 第五章铝土矿磨矿分级过程分层数据校正方法应用⋯ ⋯⋯⋯4 5 5 ．1 铝土矿磨矿分级过程数据校正实施⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯4 6 5 ．1 ．1 铝土矿磨矿分级过程原始测量数据⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯4 6 5 ．1 ．2 铝土矿磨矿分级过程数据校正实施⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯4 6 5 ．2 数据校正结果分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯4 8 5 ．2 ．1 校正结果准确度分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．4 8 5 ．2 ．2 校正结果稳定性分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯5 1 5 ．3 小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯5 5 第六章结论与展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。 6 ．1 研究工作总结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯5 6 6 ．2 展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯5 6 参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯ 致谢⋯⋯．⋯⋯⋯⋯．．．．⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．⋯⋯⋯．．⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯． 攻读硕士学位期间主要研究成果⋯⋯⋯⋯⋯。 V ．5 8 ．．．．．⋯⋯．．．⋯⋯⋯．．．．．．．．．．．⋯6 4 中南大学硕士学位论文 第一章绪论 1 ．1 研究背景及意义 第一章绪论弟一早三酉V 匕 金属选矿是一个极为复杂的工业生产过程，来自采矿厂的矿石要经过选矿过 程的各个作业，最后才能得到符合要求的精矿。磨矿分级过程作为选矿作业中准 备入选物料的重要环节，对后续生产过程的稳定性、浮选回收率和精矿产量与品 位等指标均有着直接的影响。因此，保证磨矿分级过程的稳定高效，一直是磨矿 技术人员孜孜以求的目标。 磨矿分级过程的稳定高效，除了需要在设备和工艺两方面不断完善之外，另 外一个极其重要的方面是需要获得准确稳定的过程数据。具有这种属性的过程数 据，十分真实地反映了装置 磨机、分级机 运行状况的特征信息，将为实现磨矿 分级过程的计算机过程控制、模拟、优化和生产管理提供基本依据。另外，准确 稳定的测量数据还可以保存于现场实时数据库，作为选矿厂各信息系统的数据 源，与选矿作业过程的生产管理和控制决策分享数据信息。 磨矿分级过程的现场原始测量数据，理想状态下应该满足物料平衡关系，但 经统计分析发现，磨矿分级过程的现场测量数据常存在以下两个问题 1 数据的不平衡性 所谓数据的不平衡性是指原始测量数据无法满足磨矿分级过程中的物料平 衡约束，如矿浆流量、固体质量均不守恒。产生该现象的原因是在实际测量中不 可避免地存在误差，特别是矿浆流量、浓度、化学品位等原始测量数据往往会包 含随机误差和显著误差。 随机误差主要来源于随机因素的影响，如检测仪表的精确度、测量环境的时 变性、操作的随机波动等，一般服从正态分布或均匀分布等相关统计规律；显著 误差是指测量数据严重偏离真实值，产生原因主要包括检测仪表失灵或失调、管 道或设备的泄漏、测量过程中操作人员的失误等。 2 数据的不完整性 所谓数据的不完整性是指原始测量数据无法包括所有需要的信息，存在未测 变量。数据的不完整性通常是由于测量方案不周全、生产环境恶劣无法采样、仪 表出现故障不工作、检测仪表使用费用过高等原因造成的。事实上，磨矿分级过 程的未测变量主要是矿浆流量，该变量是现场技术人员判断工况的一个重要参 数，因此需要根据已测量变量和各种平衡关系进行估计。 现场原始测量数据的不平衡性表明测量值含有各种各样的误差；而数据的不 中南大学硕士学位论文 第一章绪论 完整性使得需要对未测值进行估计。如果把这种具有不平衡不完整特性的现场测 量数据直接用于磨矿分级过程的模拟、优化控制和决策管理，将会给实际操作带 来严重影响，造成决策偏差，很难保证磨矿分级过程一直处于最优状态下运行。 为此，必须对现场测量数据进行校正处理，消除误差以提高数据的准确性；同时 进行参数估计，用已测数据和一些物理或化学规律估算未测变量，以提高数据的 完整性。 数据校正技术是根据测量网络的冗余信息，结合统计分析理论和生产过程机 理，运用统计、辨识和最优化理论，系统地调整现场测量数据，消除其中包含的 随机误差和显著误差，并修正过程模型中潜在的不确定性 如参数 以提高测量数 据质量，估计未测变量。校正后的数据能够相对完整准确地提供过程信息，因此 对系统的过程控制、过程优化和过程性能评估等方面均意义重大，也会给企业带 来生产管理的精细化、成本利用的最佳化。 数据校正技术在实际中的应用价值可以概述为以下几点 1 计划与统计管理厂级的数据校正结果可以用于全厂的生产装置物料和 能耗计算，从而为全厂的生产管理、报表统计和经营决策等行为提供准确可靠的 生产数据，大大减少由于原始测量数据的误差而引起经济指标统计结果差错的可 能性。 2 过程监控与分析装置级的数据校正结果，可以直接用于在线分析，通 过该数据跟踪当前工厂系统的运行状态，实时监控生产过程，保证设备和关键装 置的安全。 3 过程控制与模拟优化在数据校正技术的支持下，结合流程模拟程序以 及相关优化算法，才能保障过程优化方案的可靠性。 “ 仪器仪表管理通过数据校正结果与原始测量数据的对比，实现对测量 仪器仪表的故障诊断，从而使得操作人员能够确定仪器仪表是否需要检修或重新 标定，生产流程是否存在泄漏等硬件问题。 因此，论文在国家杰出青年基金 6 1 0 2 5 0 1 5 “复杂工业过程建模、控制与优 化“ 、国家自然科学基金项目 6 0 8 0 4 0 3 7 “检测大时滞有色冶金配料过程不确定 实时优化方法研究’’和校企合作研究课题“磨矿分级过程数学模型开发“ 资助下， 针对磨矿分级过程的工艺机理及原始测量数据特点，综合运用控制科学、冶金学、 选矿学、统计学等专业知识，对铝土矿磨矿分级过程的数据校正方法进行了相应 研究。数据校正提高了测量数据的准确度，扩展了测量数据的完整性，对铝土矿 磨矿分级过程的监控、评估、建模与优化控制等均具有十分重要的意义，为金属 选矿厂提高产品质量、节约生产成本、降低生产能耗等奠定了良好的数据基础。 2 中南大学硕士学位论文第一章绪论 1 ．2 数据校正理论研究概述 数据校正，是利用测量网络的冗余信息，结合统计分析理论和生产过程机理， 通过剔除显著误差、减少随机误差影响而获得质量较高的校正值，并根据相关规 律 物理或化学 估计出未测变量。从最优化理论来看，数据校正问题可以被描述 为以物料平衡、能量平衡等条件为约束，以测量变量的校正值和测量值之间的偏 差最小为目标的优化问题。其研究内容主要包括两大方面数据协调理论和显著 误差侦破与识别。 1 ．2 ．1 数据协调国内外研究现状 1 9 6 1 年K u e h n 和D a v i d s o n [ q 在用拉格朗日乘子法调整流量和原油蒸馏塔的 温度数据过程中，首次提出数据协调的概念与准则，使得原始测量数据在满足物 料平衡和热量平衡的条件下，协调值与它对应的测量值的偏差平方和最小。从数 学角度来讲，这是带等式约束的最d - 乘问题。 随后文献【2 】对线性过程数据协调的思路和优化方法进行了相应的研究，’并 提出另外两个重要的概念“可观测性“ 和“冗余性“ 。M u r t h y [ 2 】通过计算反应器 的输入输出物流满足多组分化学元素平衡而获得原始数据的协调值，实现了反应 器的物料平衡算法。1 9 7 6 年M a h [ 4 J 等人发表文章首次说明了如何处理未测量变量 估计值的问题。针对拉格朗日乘子法求解得到的线性数据协调结果有时存在负 值，并不符合实际生产的情况，N a r a L s i I l l I l a 【5 】和D o v 【6 】引入测量变量的上下限作为 附加约束条件，从而将原始的等式约束数据协调扩展为不等式约束数据协调。此 外，原始测量数据的方差．协方差矩阵直接影响着数据协调计算结果的准确性， 为此学者们从统计学、工程学等多个角度，相继研究了各种不同的方差．协方差 矩阵求解方法17 1 。 1 9 8 0 年K n e p p e r 和G o r m a n l z z [ 剐首次提出非线性约束条件下的数据协调问 题，并运用非线性回归技术对各种参数进行估计，获得原始测量数据的协调值。 P a i 和F i s h e r [ 9 1 在K n e p p e r 研究的基础上，提出将非线性约束逐步线性化，再用投 影矩阵法求解线性子问题。T j o a 及B i e g l e r [ 1 0 J 弓l X 序贯二次规划方法 S Q P 直接对 非线性约束的数据协调问题进行求解。在非线性约束中，有一类双线性约束，如 能量守恒中的流量和热焙的乘积、质量守恒中的流率和浓度的乘积等。带双线性 约束的数据协调是二十世纪末开始的主要研究方向。处理双线性的主流思路是先 线性化再求解问题，包括C r o w e t l l 】提出的投影矩阵法、V e v e r k a [ 1 2 l 提出的雅可比 矩阵法、S i m p s o n 法【l 引、金思毅【1 4 l 提出的独立物流法等。 ‘ 上述所提到的各种数据协调方法都是基于系统稳态的前提。系统是否处于稳 3 中南大学硕士学位论文 第一章绪论 态可通过№i n l l l a ㈣和C a o [ 1 6 】提出的方法进行判别。1 9 7 7 年S t a n l e y 和M a h [ 1 7 】 提出了另外一种概念系统除了偶尔的突变或缓慢的漂移之外一般都处于稳态状 况，即准稳态，并认为K a l m a n 滤波法能够较好地求解该条件下的数据协调。除 系统处于稳态假设外，数据协调的另一前提条件是测量噪声服从标准正态分布 假设。然而实际过程中，原始测量数据一般都无法满足这个假设，这时拉格朗日 乘子法协调的效率会降低且结果的无偏性无法得到有效保证。为了解决这个问 题，学者们从统计学的角度提出了各种改进方法。J o h n s t o n [ 1 8 1 提出了基于常规极 值函数的似然估计法，其核心是需要根据测量变量的历史数据获得经验分布信 息，具有一定的应用局限性。A l b u q u e r q u e l l 9 】将广义极大似然估计的目标函数取 为f a i r 函数，然后通过进一步计算得到数据协调结果。C r o w e [ 2 0 J 用极大信息熵原 理结合原始测量数据的方差．协方差矩阵，推断出测量变量的概率分布情况。 M a q u i n t 2 l 】根据线性模型中每个约束条件所不确定的程度选择对应的权重值，最 后进行递归协调计算，得到一种不确定模型的协调方法。M o r a d [ 2 2 ] 发展了J o h n s t o n 提出的极大似然思路，概括出解决数据协调问题的统计学框架。 实际生产过程或系统不可能真正处于稳态，一般都是准稳态或动态。随着数 据协调技术在工业现场得到广泛应用，动态数据协调理论逐步成为研究的重点和 热点。但由于能量平衡、物料平衡等约束条件在动态操作情况下无法为测量变量 提供冗余性，系统动态模型很难被确定等原因，动态数据协调研究一直困难重重。 1 9 8 8 年A l m a s y l 2 3 】首次对线性时变动态模型的动态平衡问题进行了研究，并 利用离散化方法结合稳态协调技术获得了部分结果。 1 9 9 1 年D a r o u a c h [ 2 4 】对K a l m a n 滤波法进行变形后应用于广义线性动态系统， 该改进算法能够处理奇异线性动态系统的数据协调问题。1 9 9 6 年K a r j a l a [ 2 5 ] 引入 一阶泰勒展开式对非线性模型进行线性化，从而使得K a l m a n 滤波法直接适合非 线性动态系统，避免了对算法进行变形或改进。2 0 0 6 年B a i 等人【2 6 J 认为动态数 据协调的确具有滤波的效果，并从K a l m a n 滤波的角度进一步阐述了动态数据协 调理论。 针对带非线性约束或不等式约束的动态数据协调模型，1 9 9 2 年L i e b m a n 【2 7 J 把用微分．代数方程 D A E 描述的动态模型转化为非线性规划问题，并用带约束的 非线性优化方法进行求解。1 9 9 3 年R a m a m u r t h i t 2 8 j 提出基于非线性规划 N L P 的 分段线性化动态数据协调方法。1 9 9 8 年M c b r a y e r [ 2 9 】采用龙格．库塔法离散化微分 ．代数方程 D A E 后，引入序贯二次规划方法 S Q P 协调原始测量数据。以上求解 非线性约束的动态数据协调技术都具有计算时间长、协调效率低的局限性，使得 应用受限。 近年来兴起的神经网络算法，具有只需历史数据、不需系统的精确模型、非 4 中南大学硕 学位论文第_ 章绪论 常适用于非线性系统参数估计、预测迅速等优点，使得学者们很快将其应用于数 据协调领域。1 9 9 4 年K a r j a l a t 3 0 l m 反馈神经网络对含高斯噪声的原始测量数据进 行动态数据校正。1 9 9 8 年M e e r t l 3 1 1 提出了一种具有非线性动态数据协调功能的实 时回归学习神经元网络。2 0 0 3 年周传光1 3 2 】等将自反馈增益神经网络的模型和训 练算法用于动态数据协调。神经网络算法的局限性在于协调数据前需要大量的 历史数据来训练模型，并且一旦操作条件变化，原始协调模型就不再适合，需要 重新训练。 随着其他专业理论的发展，动态数据协调理论也不断得到补充和丰富。 B a g a j e w i c z 和J i a n g [ 3 3 1 运用分段函数拟合测量曲线的运动趋势，从而将测量变量 隐含于多项式系数中，再根据稳态数据协调进行求解。1 9 9 8 年B i n d e r 【3 4 】重新描 述了动态数据协调，并采用多尺度理论，使得原始粗糙的近似上升到新的准确的 近似。2 0 0 1 年张溥明【3 5 J 将发生调度的节点方程加入物流平衡约束而形成新的优 化命题。2 0 0 4 年吕品引珀J 提出利用贝叶斯网络强大的推理能力，并结合大量历 史数据所获得的先验知识来跟踪调度事件，以及时地改变物料平衡方程。2 0 0 5 年T o n a 及B e n q l i l o u l 3 7 j 从小波分析的角度系统地阐述了动态数据协调的新方法。 2 0 0 6 年金思毅【3 8 j 通过构建时间冗余性对积分法动态数据校正技术进行了研究。 2 0 0 7 年高建掣“ J 探索了基于模糊自适应遗传算法的数据校正过程。 1 ．2 ．2 显著误差侦破与识别国内外研究现状 数据协调的前提条件之一是假定原始测量数据的随机误差是正态的、无偏； 的。但在实际测量过程中，由于测量仪表不准、失灵或失调、管道或设备的泄漏 以及测量时操作失误等种种原因，原始测量数据不可避免地存在严重失真的情 况，这种测量值明显偏离真实值所形成的误差，习惯上被称为显著误差或粗大 误差。 ． 显著误差的存在无疑会严重破坏数据的统计特性，歪曲数据协调结果。因此， 只有侦破并识别出这些显著误差，数据协调工作才能有效地开展。显著误差侦破 与识别的方法有多种，其中应用最广泛的是统计假设检验法。根据原始测量数据 误差的表达方式不同，构造的检验统计量也不同，最终产生的侦破与识别方法也 不同，主要包括整体检验法 G ，r 、节点残差检测法 N T 和测量残差检测法 M T 。 1 9 6 3 年R c i l l y 和C a r p a n i l 4 0 ] 首先意识到显著误差对协调结果的歪曲，提出了 整体检测法，思路是由原始测量值的约束残差构造Z 2 统计量，然后通过该统计 量的临界值与约束残差进行对比，从而确定原始测量数据是否包含显著误差。 M a d r o n [ 4 l 】的整体检验方法只能侦破显著误差而无法识别具体哪股物流包含显著 误差。针对无法顺利定位显著误差的问题，N o g i t a [ 4 2 1 、R o s e n b e r 9 1 4 3 】在整体检验 中南大学硕士学位论文 第一章绪论 法中均引入顺序删除法，逐步确定显著误差变量。另外，还有一类整体检验方法 是利用原始整体检验法的结果对约束方程进行分类，从而实现偏差型和泄漏型显 著误差的侦破与识别，如R o l l i n s 和D a v i s 【删的无偏估计法、S a n c h e z [ 4 s ] 的同步估 计法。 R e i l l y 提出整体检验法的同时，也阐述了基于节点约束残差的一种检验法。 该方法考察流程中的每一个节点，将节点的平衡约束等式作为其基本检验单位。 它需要计算某个节点的所有输入变量测量值与所有输出变量测量值的差 节点残 差 ，再把残差的大小作为判断该节点是否存在显著误差的依据。2 0 0 0 年荣冈1 4 州 为了侦破识别测量仪表带来的显著误差，提出了基于单节点识别法和高置信度的 综合检验方法。事实上，即使节点约束残差检验法将显著误差识别的范围从整体 数据缩小到节点级别数据，仍然无法准确定位包含显著误差的变量。 1 9 7 5 年A l m a s y 和S z t a n o t 47 J 从协调值与原始测量值之差出发，对某个变量， 通过计算其测量值与协调值的差 即测量残差 ，把残差的大小作为判断该变量是 否存在显著误差的依据。显然基于测量残差检验法虽然能够判断某个测量变量是 否包含显著误差，但其基于协调值的思路具有天生缺陷，容易产生“虚警“ 现象。 随后，M a h 和T a m h a n e [ 4 8 1 、B a g a j i w i c z 和J i a n g [ 4 9 1 、S e r t h 和H e e n a n 【5 0 1 、R o s e n b e r g [ 4 3 1 等分别对基于测量残差的检验法进行了改进，以避免“虚警“ 错误的出现。 随着其它专业理论的发展，显著误差检测方法也不断得到补充和丰富。金思 毅【5 l 】利用神经网络鲁棒性和容错性强的优点，将其应用于测量残差检验法中；梅 从立【5 2 1 在测量数据显著误差可识别性讨论结果和等效集理论基础上，对显著误差 可识别性问题展开了讨论；王秀掣5 3 J 基于证据理论提出了模糊证据合成方法； V a c h h a n i [ 5 4 】将显著误差的存在当作仪器仪表的故障行为，然后利用故障诊断方法 实现显著误差的侦破和识别；黄春鹏【5 5 】以具有代表性的化工装置和炼油装置为研 究对象，提出了一种修正时间序列分析法的显著误差检验法；周凌柯【5 6 1 通过加入 环境节点约束方程结合同步补偿法得到一种新的显著误差检测方法。 需要指出的是，虽然显著误差侦破与识别的理论与方法研究较为深入，但对 于实际中各种不同类型