测量数据是实现过程设计、模拟、优化及控制等很多工程技术工作的基础和出发点,然而在实际的化工过程中,测量数据不可避免地含有各种误差,包括随机误差和过失误差。数据协调的目的就是要提高测量数据的准确性和可靠性,同时对化工过程中的未测变量进行估计。本文主要针对化工稳态过程,对数据协调的模型、求解方法及其应用进行了研究。首先,本文结合大量的文献资料,对数据协调常用的加权最小二乘模型及模型的统计理论分析作了详细的叙述,同时对存在过失误差时衍生出来的鲁棒目标函数模型也进行了概括的介绍。这给数据协调模型的求解及过失误差侦破奠定了坚实的理论基础。其次,本文修正了当前对过程数据分类使用的两步法,提出了新的两步矩阵投影数据分类步骤,给出了这一方法的数学证明过程;通过一个环路中含有未测变量的化工流程算例,指出了原有的两步法存在的缺陷,同时与国际上通用的数据分类方法进行了比较,在数据分类时得到了与这些方法相同的结果。新的两步矩阵投影算法与其他一些方法具有共同的理论分析基础,有效地把数据分类和数据协调过程结合起来,因此在数据协调问题求解时的公式表达及程序化方面都显得更加简洁和直观。最后,在稳态数据校正的应用方面,针对含有化学反应的化工过程的特点,分析了数据校正模型中可能因测量偏差、过程泄漏或副反应产生的过失误差的模型缺陷,而传统的过失误差侦破方法都不能很好地处理这一类问题,故采用了广义似然比法来进行过失误差的侦破与识别。对于复杂化学反应过程,提出了借助于化工生产中的历史数据和反应过程模拟软件来获取反应过程的模型参数的方案。