工业过程数据的准确性和可靠性是操作分析与改进,过程控制与优化以及工厂管理的基础。但是,由于仪表失灵,测量偏差和装置泄漏等原因,工业测量数据中不可避免地存在各种误差。数据校正的任务就是利用各种过程冗余信息对测量数据中的误差进行处理,使其满足过程内在的物料平衡、能量平衡以及其它关系式。目前,传统的数据校正方法主要是先进行过失误差侦破与识别,再用最小二乘法为目标函数进行数据协调。基于鲁棒估计的数据校正方法是将数据协调和过失误差侦破与识别同步进行,它是一种能够降低过失误差的影响又具有较高协调性能的方法。　　针对现有鲁棒数据校正方法的不足,本文研究了鲁棒数据校正方法的基本概念和原理,并根据M-估计原理构造了一种新的鲁棒函数,提出了一种鲁棒数据校正新方法。与具有代表性的Huber法和Cauchy法性能上的比较和分析可知,新方法可有效降低过失误差的影响,表现出更强的鲁棒性。　　从变量的敏感性和冗余度方面分析,本文定性定量地研究了基于鲁棒估计的数据校正方法对具有过失误差变量的冗余度影响。结合实例分析可知,当采用鲁棒数据校正方法时,权矩阵的引入可增大具有过失误差变量的冗余度,并降低估计结果对过失误差的敏感程度,从而提高数据的校正精度。　　本文将新鲁棒函数与稳态系统约束方程组联合构成了鲁棒稳态数据校正新模型。为了验证新模型在过程稳态系统中的有效性并考察其性能,本文对具有代表性的线性和非线性问题实例进行了仿真研究。计算结果表明,当存在过失误差时,新方法的数据协调和过失误差侦破性能优于Huber法和Cauchy法,其鲁棒性也高于Huber法和Cauchy法。同时,本文研究了过失误差侦破率随着过失误差大小分布的变化情况,结果表明在侦破小过失误差时,较Hubcr法和Cauchy法,新方法具有更好的侦破性能,表现出明显的优势。　　本文将新鲁棒函数与动态系统约束方程组联合构成了鲁棒动态数据校正新模型。为了验证新模型在过程动态系统中的有效性并考察其性能,本文对文献中常用的反应釜动态系统和连续搅拌釜动态系统实例进行了仿真研究。串联反应釜动态系统实例研究表明,与Huber法和Cauchy法相比,新方法降低了过失误差对参数估计的影响,并提高了校正精度。搅拌釜CSTR动态系统实例研究表明,在大偏差过失误差存在情况下,三种方法都能侦破出过失误差,而在小偏差过失误差存在情况下,新方法的过失误差侦破率高于Huber法和Cauchy法。从校正值和真值的偏差平方和的平均值看,新方法的平均值明显小于Cauehy法和Huber法,表明该方法的协调性能明显优于其它两种方法。