数据校正作为一门确保数据准确性、可靠性及完整性的智能数据处理技术，是流程工业综合自动化的关键之一。它利用过程冗余信息，结合各种统计分析方法和生产过程机理，滤除原始数据中的显著误差，根据最优化理论系统地调整过程测量值、修正过程模型中的潜在不确定性(如参数等)以提高测量数据的质量，估计未测变量。随着系统复杂性的提高以及信息化需求的增长，数据校正所基于的过程模型从线性扩展为非线性、稳态扩展为动态。然而，测量网络、过程模型及相应数据校正算法将对数据校正结果产生很大的影响。因此，迫切需要针对不同的过程模型研究相应的高效数据校正算法和测量网络设计方法，以满足工业应用需求。针对目前数据校正存在的问题及过程模型复杂化、多样化特点，本文对双线性数据协调算法、动态数据校正算法及动态系统测量网络设计进行了分析研究。其主要内容如下：1．介绍了数据校正技术的研究背景及意义，对数据协调、显著误差检测与识别和测量网络冗余性分析与设计三方面作了综述，回顾了数据校正技术的理论研究和工业应用情况。2．考虑多组分物料平衡，结合双线性特殊结构，提出了分解及规范化协调模型的变量消除方法，对系统降维、消除约束，并采用具有并行搜索特性的微粒群算法求解。即，实现了一种满足效率及精度要求的双线性数据协调方法来实现物流和组分的平衡。3．针对一般线性动态系统，提出一种鲁棒线性动态数据校正方法。首先对动态系统进行变换及离散化，将时间冗余信息与空间冗余信息分离，表达为离散状态空间模型形式，其中状态空间方程表达了动态系统的时间冗余信息，而输出方程表达了动态系统的空间冗余信息；然后采用基于Huber函数的抗差估计理论，结合最小二乘思想对动态数据校正问题进行求解。该方法对显著误差及离群点有相当强的鲁棒性，且便于在线处理。4．由于动态数据校正的效果与测量网络紧密相关，本文研究了动态系统测量网络优化设计方法。在保证过程变量可估计及满足允许投资费用的基础上，寻求精度最高的测量网络，服务于动态数据校正。最后总结了全文，并对数据校正技术的发展进行了展望。