过程操作优化效果与过程对象模型的精确程度有关。如果过程对象模型与实际模型偏差较大,则会引起优化结果与过程实际的最优结果不一致,并导致优化的效率降低。在过程操作优化中应用参数估计技术,调整过程对象模型的参数,使模型的输出与现场实际测量数据相一致或偏差最小,从而保证过程对象模型与实际模型相一致或偏差最小。仪表测量获取的过程数据存在随机误差与显著误差。这些误差直接影响着参数估计的准确性,因此采用数据校正与显著误差检测技术调整测量数据、剔除显著误差、减小随机误差的影响、提高测量数据的质量。所以数据校正与参数估计是过程操作优化实现过程中重要的环节。本文探讨了数据校正与参数估计中存在的若干问题及解决方法,并根据工业实际过程中的现场测量数据对数据校正与参数估计方法的应用进行了研究。主要研究成果如下：1.基于有限测量信息的参数估计问题,给出了系统的参数可估计性定义；通过分析线性系统与非线性系统,指出了系统具有参数可估计性的充分条件；分析了系统显著误差可识别性与参数可估计性之间的联系；进一步分析了当测量变量有多组测量值时对系统参数可估计性的影响。2.构建了一种多层数据校正框架,此框架可以根据不同的测量数据选择不同层次的机理模型,进行数据校正；描述了不同层次的数据校正所具有的特性；分析了不同层的显著误差可估计性。3.从信息论研究角度出发,将测量变量的测量数据作为信号,基于最大熵原理推导出测量误差的概率密度分布函数；根据极大似然估计原理,构造出数据校正的形式,并研究了相应的显著误差检测方法。4.构造了一种鲁棒的估计器,即准最小二乘估计器。这种估计器对显著误差不敏感,因此当测量变量含有显著误差时,基于准最小二乘估计器的数据校正与显著误差检测的结果较为准确。应用影响函数分析了估计器的鲁棒特性,并通过常压塔,乙烯分离及空气分离等流程的数据校正实例证实了准最小二乘估计器的鲁棒特性。通过蒸汽测量流程的数据校正实例对准最小二乘估计器与其它几种显著误差检测方法的检测结果进行了比较分析。5.根据变负荷过程的特点,提出一种用于变负荷下的数据校正与参数估计的方法。将此方法应用于空气分离流程,在此流程中根据现场的测量数据进行数据校正与参数估计,校正结果满足工业过程系统的模型精度要求。6.针对多工况数据校正与参数估计问题构造了基于目标函数与模型参数的序列子问题,并提出了一种序列子问题规划求解方法。在求解各渐近复杂的序列子问题过程中,应用现有的非线性优化算法,使得求解的收敛性进一步提高。通过PTA氧化反应过程系统的数据校正与参数估计问题求解证实了此方法的有效性。7.针对大规模非线性数据校正问题,提出了一种基于经验增强的求解方法。此方法通过合理地利用以前求解的经验,以达到提高收敛性的效果。设计了此方法的框架及其具体实现步骤,并应用脱丙烷塔和脱丁烷塔的联塔系统与乙烯分离系统进行测试,结果显示相比于传统求解方法,此方法具有很好的收敛性。最后总结了本文的研究工作,并对数据校正与参数估计的近一步研究方向提出了看法。