化工生产装置或测量仪表所取得的测量数据由于各种因素的影响或多或少地存在误差,使得过程单元的物化方程不能够被很好地满足,因此在对生产过程分析之前,需要对测量数据进行有效处理,所以数据校正技术获得了广泛的研究和应用。数据校正的准则是在满足物料平衡、热量平衡、化学反应计量关系或其它物化关系的条件下,要求已测数据的校正值与其对应的测量值的偏差的平方和最小。总体来讲,数据校正技术主要分为稳态检验、误差处理和数据协调等几个环节,理论和应用研究工作也主要针对这些环节开展。本文针对数据校正技术中的数据协调模型、系统误差处理和数据校正优化算法进行了深入的理论研究和应用,主要内容如下：(1)对数据校正理论、迭代学习控制、量子遗传算法和差分进化算法等优化算法从理论研究、应用研究方面进行了全面的论述,提出了理论和算法中存在的问题,指出了数据校正和相关优化算法的未来发展方向。(2)在对传统数据协调模型进行详细分析的基础上,提出了一种改进的数据协调模型,改进模型充分考虑了测量数据误差的特点和由此产生的平衡方程对于协调模型的影响,将平衡约束关系以不等式约束的形式引入到协调目标函数当中。应用概率统计理论对传统和改进的协调模型进行了详尽的理论分析、公式推导和对比研究,从理论上证明了改进协调模型的可行性和有效性,从而弥补了传统模型的不足,更有效地减弱了随机大误差对协调结果的影响。(3)基于迭代学习控制(ILC)的基本原理,在开环P型迭代学习控制收敛性证明的基础上,设计了具有迭代性质的流量计(传感器)参数迭代运算结构。通过对孔板流量计流出系数C的仿真计算,验证了迭代学习控制算法应用的可行性和有效性,为具有迭代性质的流量计(传感器)参数设置问题提供了一种有效的解决方案,从而可以有效地避免(或减小)由于流量计(传感器)参数设置不合理带来的系统误差。(4)提出了一种实数编码量子遗传算法(RICQGA)。算法应用区间划分的方法,采用实数对染色体进行编码,避免了二进制算法编码解码繁琐、求解精度受编码位影响、查表计算量大、不便于工程实际应用的问题。几种标准函数优化仿真结果验证了算法的有效性。应用RICQGA对线性对象(火电厂二次风系统)和典型的双线性对象(精馏过程以及合成汁提取过程)数据进行了校正,仿真结果表明了应用量子遗传算法进行数据校正的可行性和有效性。(5)提出了一种自适应差分进化算法(sFDE)。与其它改进算法不同的是,sFDE通过非线性适应值函数自适应地调节缩放因子,从而不但避免了缩放因子的手动调节，使缩放因子的调节更加合理,而且极大地提高了算法的寻优能力；另外,在算法中引入了多种群个体移民机制,使算法效率得到提高。几种标准函数优化仿真结果验证了算法的有效性。应用sFDE对典型的动态对象连续搅拌槽反应器(CSTR)过程数据进行了校正,获得了良好的动态数据校正效果。最后,对全文工作进行了总结,并给出了进一步的展望。