10.16351/j.1672-6987.2015.03.013
基于过程模型的化工动态数据校正方法研究
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.
过失误差侦破、卡尔曼滤波、鲁棒估计函数、动态数据校正
36
TQ056(一般性问题)
重质油国家重点实验室开放课题基金资助项目201103004
2015-08-14(万方平台首次上网日期,不代表论文的发表时间)
共5页
297-301