文摘
英文文摘
致谢
第1章绪论
1.1 数据校正与参数估计的研究背景
1.2 数据校正技术研究进展
1.2.1 数据校正问题的提出与发展
1.2.2 显著误差检测方法
1.2.3 数据校正的主要工业应用
1.3 数据校正与参数估计问题的研究发展
1.4 本文研究内容及各章节介绍
第2章 系统的参数可估计性与显著误差可识别性
2.1 系统的参数可估计性
2.1.1 线性系统参数可估计性分析
2.1.2 非线性系统参数可估计性分析
2.2 系统的显著误差可识别性
2.3 测量变量的测量组数影响
2.3.1 线性实例
2.3.2 非线性实例
2.4 结论
第3章 过程系统的多层数据校正
3.1 多层数据校正问题提出
3.2 多层数据校正问题描述
3.2.1 总物料平衡层的数据校正
3.2.2 物料组分平衡层的数据校正
3.2.3 严格机理模型层的数据校正
3.3 多层数据校正的显著误差可识别性分析
3.4 显著误差检测方法
3.5 多层数据校正框架
3.6 模拟实验
3.6.1 联塔流程
3.6.2 空气分离流程
3.7 结论
第4章 基于最大熵原理的数据校正与显著误差检测
4.1 信息熵与最大熵原理
4.2 测量误差的概率密度分布
4.3 数据校正问题的构造
4.4 显著误差检测方法
4.5 模拟实验
4.5.1 线性实例
4.5.2 非线性实例
4.6 结论
第5章 准最小二乘估计器
5.1 数据校正的一般描述
5.2 准最小二乘估计器
5.3 估计器参数的调整
5.4 实例
5.4.1 常压塔流程
5.4.2 乙烯分离流程
5.4.3 空气分离流程
5.5 多种方法的比较
5.6 结论
第6章 变负荷下的数据校正与参数估计方法
6.1 变负荷过程的特点
6.2 变负荷下的数据校正与参数估计方法
6.2.1 过程的稳态检测与数据采样
6.2.2 多工况下的数据聚类
6.2.3 基于多组测量的数据校正与参数估计
6.3 空气分离流程的应用实例
6.4 结论
第7章 多工况数据校正与参数估计的序列求解法
7.1 多工况数据校正与参数估计问题描述
7.2 多工况数据校正与参数估计的序列子问题构造
7.3 序列子问题规划求解方法
7.4 PTA系统应用实例
7.5 结论
第8章 基于机理模型的数据校正问题求解方法
8.1 基于机理模型的数据校正问题特点
8.2 基于经验增强的求解方法
8.3 基于Aspen Plus平台的设计与实施
8.4 数据校正问题的应用测试
8.4.1 联塔系统的应用测试
8.4.2 乙烯分离系统的应用测试
8.5 结论
第9章 总结与展望
9.1 论文总结
9.2 数据校正与参数估计技术研究展望
参考文献
附录A 影响函数与数据校正的关系
在学期间主要科研成果