复杂工业过程数据对系统建模、控制及优化都是非常有用的资源,工业数据存储对参数辨识、系统建模、故障检测、控制器设计等都具有重要的意义。而保存大批量的过程数据给复杂工业过程监控系统带来很大挑战。由于工业数据中包含的大量冗余和相关信息,使得采用数据压缩技术来提高数据的存储效率成为可能。本文在综述了常用工业数据压缩方法的基础上,分析了各种方法的特点。针对工业数据具有数据量大,且数据中存在噪声干扰的特点,提出了将基于多分辨分析思想与Mallat快速分解算法的小波变换方法应用于工业数据压缩中。本文阐述了小波变换及基于小波变换的数据压缩方法的基本原理,并对数据压缩中常用小波函数的性能进行了分析。基于小波变换的工业数据压缩方法,将工业数据分解为一个低频子带及多个不相关的高频子带,采用自适应阈值策略对蕴含绝大多数信息的高频系数进行阈值量化处理,最终存储低频系数、部分高频系数及其位置系数,满足了工业数据压缩的性能要求。同时利用小波变换具有可变小波基的特性,实现了根据工业信号特征选取不同压缩参数的功能,使该方法具备了处理各类工业信号的能力。本文在基于小波变换方法的批量数据压缩实现过程中,主要解决了小波函数的选取、阈值的选取和分解级数、存储方案的确定等问题。通过在精炼炉监控系统中应用,证明了基于小波变换的数据压缩方法不仅具有很好的压缩性能和去噪能力,还具有根据信号特征选取压缩方法参数的特性,使数据压缩方法更灵活。测试结果验证了此方法的有效性。