数据校正技术利用数据的冗余性,结合各种统计分析方法,剔除原始数据中的显著误差,降低随机误差的影响,并设法估计出未测数据,从而提高了测量数据的可靠性、一致性和完整性。本论文从大系统分解协调策略、显著误差检测以及数据校正技术在实际应用中所存在的一些问题几方面进行研究,主要内容如下: 1.从数据协调、显著误差检测、测量网络的冗余性分析等三个方面简单回顾了数据校正技术的发展概况,并介绍了数据校正技术在工业中的应用情况。 2.讨论了化工过程大系统分解协调策略研究的必要性和现有的一些算法,在分析现有算法缺点的基础上提出了一种新的分解协调算法,该协调算法和传统协调算法相比不需要引进协调参数、无需迭代计算,计算速度快,符合化工企业流程数据协调的需求。 3.系统介绍了显著误差检测方法和多显著误差检测策略,提出了一种新的显著误差检测方法:改进的NT-MT方法。改进的NT-MT方法能够最大限度的减少迭代次数和防止误判。 4.分析和研究了数据校正的一些实际应用问题,包括测量误差的方差-协方差估计和非线性数据协调问题等,并给出了一些实例验证。初步研究了基于神经网络的显著误差侦破方法,该方法具有简单、计算量小和适于在线应用的优点,并且相对于传统的最优化和统计理论相结合的方法具有处理非线性问题能力较强的特点。 论文最后总结全文的一些研究工作与不足之处,并讨论了数据校正技术的几个有待发展的方向。