数据协调技术是流程工业CIMS的关键，它利用信息的冗余性，结合各种统计分析方法和生产过程机理，剔除原始数据中的显著误差，降低随机误差的影响，并设法估计出未测变量，保证了CIMS信息源的真实性。 数学模型是数据协调的基础，在现场应用过程中遇到的许多棘手的问题，都与数学模型直接相关。围绕数学模型而展开对数据协调问题的研究是一个很有应用价值的研究课题。本着来源于工程，服务于工程的原则，本文对数据协调技术在工程应用中碰到的若干具体问题进行了研究分析，提出了解决方案。具体包括以下几部分内容： 1．以全厂物流数据协调为背景，针对流程工业特性，综合考虑容性节点贮液量的动态变化，引入了线性准稳态数据协调。然后针对流程工业生产流程网络的低冗余性，从初始模型的建立、模型的改进、模型的检验和校正这几个方面详细探讨了如何从生产流程的网络结构建立一个准确而有效的线性准稳态物料平衡模型。 2．提出一种线性稳态数据协调中的显著误差变量选择删除算法，以保证在显著误差变量个数过多的情况下原有模型的有效性。根据尽量删除带有显著误差的变量，同时确保协调精度的原则，对所有检测出来的带有显著误差的变量，通过计算其不同阶次的冗余度，按照冗余度的大小逐个选择可以删除的变量。这样既充分利用了数据信息，又确保了协调精度。仿真结果证实了该算法的有效性，并进一步研究了该算法的一致性和鲁棒性。 3．叙述了显著误差选择删除算法在炼油工业的实际应用情况，说明了该算法对带有显著误差变量的处理的有效性，并为检修工作提供了合理建议，使得必须检修的传感器数目最少，减小了检修的工作量和检修费用。 4．针对物流测量网络，综合考虑物流价格和变量协调精度，提出了一个经济损失最小的目标函数，并将线性测量网的传感器配置问题定义11 饭杠大学博士学位论文为一个多目标优化问题，将配置费用最低和经济损失最小同时作为优化目标，以变量可观性、冗余性、控制和工艺要求等作为约束条件。综合虚拟目标法和极小极大法，构造两个优化目标的评价函数，然后采用遗传算法寻优。该方法适用于全新测量网络配置和现有测量网络的更新改0造。仿真中针对所定义的优化命题对遗传算法的三个参数进行了对比试验，考察了三个参数对寻优结果的影响。同时还参照传感器精度定义了相对协调精度，使配置结果与传感器精度可以直接进行比较。仿真结果说明了问题定义和求解方法的可行性和有效性，还表明这种结合数据协调的配置方法可以有效地节约配置费用。 5．对既有连续生产过程又有离散调度事件的混杂系统提出一种新的双线性准稳态数据协调方法。通过充分利用调度事件的信息，对发生调度的节点建立调度方程并将其引人物料节点平衡模型，作为数据协调优化命题的约束，这样提高了模型的冗余度，增强了数据协调问题的可解性。通过仿真验证了该方法的有效性和可行性。 0 最后，在总结全文的基础上，指出了数据协调技术有待深入研究的若干问题。