化工工业过程中,由于仪表和设备的老化和失真,导致物流组分等数据不遵守物料守恒、能量守恒定律,为此需要利用过程检测信息和先验知识,运用最优方法调整已知变量的测量值进行工业过程数据校正与处理,同时可估算出未测量值,完备数据信息,为过程建模、控制和优化等提供可靠的数据基础。为此,本文首先开展了改进粒子群优化方法的研究,即针对粒子群算法在优化过程中容易出现“早熟”现象,本文提出一种融合和声搜索及混沌的改进粒子群优化算法。混沌粒子群算法能够使原来已经陷入局部最优的状态回到随机的运动状态,之后引入和声搜索算法再次进行全局寻优。通过对4个标准函数的测试比较,结果表明改进的CPSO-HS算法跳出局部最优位置能力强、收敛速度快。将其进一步应用在重油热解模型参数估计中,仿真结果验证了本文所提的融合和声搜索的混沌粒子群算法(CPSO-HS)与混沌粒子群算法(CPSO)和遗传算法(GA)相比,具有较好的计算准确性。此外,在脱丙烷塔数据校正中,由于仪表测量误差等原因导致采集数据不满足物料平衡关系。本文利用改进CPSO-HS算法对乙烯脱丙烷塔4股物流的10种组分的摩尔流率进行了校正,校正后的数据可以满足物料平衡关系,同时验证了本文方法与混沌粒子群算法相比,得到的结果更为准确。