基于过程模型的化工动态数据校正方法研究
Journal of Qingdao University of Science and Technology(Natural Science Edition)（2015）
摘要
在工业过程中,获得准确可靠的测量数据是实现过程控制、模拟、优化和生产管理的前提条件.当测量数据中存在过失误差时,基于过程模型的卡尔曼滤波得到的校正结果准确性会降低.为了降低过失误差的影响,将鲁棒估计函数与卡尔曼滤波相结合,利用鲁棒函数的影响函数修正测量值方差,提出了基于鲁棒估计函数改进的卡尔曼滤波,并推导给出了修正方差的计算公式.动态非线性实例的应用结果表明,与传统的卡尔曼滤波相比,改进的卡尔曼滤波的过失误差校正性能有了显著提高,可有效地用于动态过程的数据校正.
更多关键词
gross error detection,Kalman filter,robust estimation function,dynamic data reconciliation
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要