热工过程数据校正技术的方法研究及工程应用

论文摘要

可靠的热工过程数据是热工过程控制、运行优化和性能计算的基础。在实际的热工过程测量数据中,不可避免地存在着误差。数据校正技术利用数据的冗余性,并结合各种统计方法,来降低或者消除误差对测量数据的影响,从而提高测量数据的可靠性、一致性和完整性。本文在综合分析现有的数据校正技术研究进展的基础上,对热工过程的数据校正问题进行了研究,提出了一种基于神经网络和时间序列的热工过程实时数据校正方法,并通过仿真验证了该方法的有效性。

论文目录

• 中文摘要
• 英文摘要
• 第一章 绪论
• 1.1 论文选题的背景
• 1.2 数据校正技术的研究进展
• 1.2.1 数据协调的研究动态
• 1.2.2 显著误差检测的研究动态
• 1.2.3 冗余性分析的研究现状
• 1.3 数据校正在实际生产中的应用与研究
• 第二章 热工过程数据校正技术基础
• 2.1 数据校正技术概述
• 2.2 热工测量数据误差分析
• 2.3 数据协调的基本原理
• 2.3.1 线性稳态过程数据协调
• 2.3.2 非线性稳态过程数据协调
• 2.3.3 线性动态数据协调
• 2.3.4 线性准稳态数据协调
• 2.4 显著误差检测原理及处理
• 2.4.1 显著误差检测的基本原理
• 2.4.2 整体检验法
• 2.4.3 约束方程检验法
• 2.4.4 测量检验法
• 2.4.5 广义似然比法
• 2.4.6 主成分分析法
• 2.4.7 无偏估计法
• 2.4.8 神经网络法
• 第三章 时间冗余和神经网络理论
• 3.1 时间冗余概述
• 3.1.1 时间冗余的定义
• 3.1.2 基于时间冗余的分析
• 3.2 人工神经网络概述
• 3.2.1 人工神经网络的定义
• 3.2.2 人工神经网络的特点
• 3.3 基于时间冗余和神经网络的分析预测方法
• 3.3.1 神经网络的学习训练规则
• 3.3.2 神经网络的学习训练模式
• 3.3.3 基于时间冗余和神经网络预测
• 3.3.4 几种用于时间序列预测的神经网络
• 第四章 基于BP神经网络和时间冗余的数据校正算法
• 4.1 BP神经网络概述
• 4.1.1 BP神经网络结构
• 4.1.2 BP神经网络的算法和学习规则
• 4.2 基于时间冗余和BP神经网络预测的数据校正算法
• 4.2.1 热工过程测量数据的分类
• 4.2.2 BP神经网络样本数据的选择
• 4.2.3 BP神经网络的训练步骤
• 4.2.4 神经网络的预测检验及再训练
• 4.2.5 神经网络预测校正功能流程
• 第五章 BP神经网络预测校正方法在热工过程中的应用
• 5.1 概述
• 5.2 硬件冗余变量的数据校正
• 5.2.1 数据校正步骤
• 5.2.2 仿真研究
• 5.3 非硬件冗余变量的数据校正
• 5.3.1 数据校正步骤
• 5.3.2 仿真研究
• 第六章 结论与展望
• 6.1 全文总结
• 6.2 热工过程数据校正研究展望
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况