随着智能仪表和DCS的大量应用,大量生产过程数据被采集和保存下来,这些数据蕴含着丰富的生产过程信息。然而由于仪表故障、过程泄漏等因为,使得测量数据往往不能满足生产过程质量、能量等守恒关系,这给企业直接使用这些生产过程数据进行过程优化、控制带来了困难。数据校正技术命题被提出用来进行生产过程数据校正,根据信息冗余性,结合统计方法,对未测变量进行估计,除掉原始数据中存在的显著误差,降低随机误差的影响。全文从以粒子滤波方法为基础的动态过程数据校正方法开展了研究工作,主要工作如下:　　 1.对数据校正技术的发展过程和研究情况进行了综述。　　 2.介绍了贝叶斯滤波方法、蒙特卡罗方法和粒子滤波算法的基本原理,并提出了粒子滤波存在的问题。　　 3.针对基于粒子滤波的动态数据校正方法存在的问题,把过程模型引入到粒子滤波中,提出了基于过程模型和粒子滤波的动态数据校正方法,解决了粒子滤波方法中存在的粒子退化问题。通过对CSTR模型中的浓度、温度和双反应釜模型中液面高度、液体流率的随机误差和离群值的校正曲线进行比较,验证了新方法进行动态数据校正的有效性。　　 4.分析了粒子群算法和粒子滤波算法的相似性。引入了用于解决粒子贫乏问题的粒子群优化粒子滤波方法,针对其数据校正过程中产生的粒子被过度优化而偏离真实值的问题,提出一种基于改进的粒子群优化粒子滤波的动态数据校正方法,解决了粒子过度优化问题。通过对CSTR模型和双反应釜模型的仿真研究,对新方法进行了验证。　　 最后对全文进行了总结,并对基于粒子滤波的动态数据校正技术进行了展望。