工艺过程测量数据是一切现代化工厂过程控制、优化、操作分析乃至经营管理的直接依据。因此,准确、可靠的测量数据是现代工业过程的基石。然而,在实际测量过程中,由于测量误差、仪表失灵和装备泄漏等不确定因素,导致测量数据不可避免的存在误差,包括随机误差和显著误差,极大的影响了数据的准确性和可靠性。数据协调与显著误差检测的目的是运用过程中各种冗余信息来处理测量数据,最大限度地降低误差的影响,使其满足内在的能量平衡、物料平衡和其他满足物理和化学规律的关系式,得到一组既合理又接近真实值的协调值,并估计未知参数。目前,数据协调与显著误差检测技术的研究重点包含两个方面：一是数据协调与显著误差检测分步实现;二是数据协调技术与显著检测同步实现。其中,第二方面研究的实质是引入了鲁棒估计理论。本文系统地研究了数据协调与显著误差检测的原理与方法,主要内容如下：(1)研究了NT-GLR (Nodal Test-Generalized Likelihood Ratio)的数据协调与显著误差检测方法,通过NT法检测、GLR法定位与补偿实现。针对其补偿值存在不准确的问题,提出了一种改进的NT-GLR法,将检测出的所有显著误差流股作为未测变量进行估计并代替原始数据,再运用最小二乘法进行数据协调,获得了更准确的协调效果。(2)研究了鲁棒估计原理,设计了一种新的鲁棒估计函数,并提出了一种新的数据协调与显著误差检测的鲁棒估计同步算法,该算法在偏离理想条件下对误差偏离不敏感,从而实现了数据协调与显著误差检测同步的效果,并能获得准确、可靠的协调结果。对稳态和动态过程进行了仿真研究,仿真结果表明了该算法的有效性。(3)研究了粒子滤波算法,提出了一种将粒子滤波与鲁棒估计结合的数据协调与显著误差检测同步的算法。针对一般粒子滤波的动态数据协调与显著误差检测中存在粒子匮乏的问题,本文将鲁棒估计融入到基本粒子滤波算法中,用鲁棒目标函数来二次更新粒子的权值,实现二次粒子滤波,有效加强了粒子的信任度,减少了粒子出现退化的现象。对线性和非线性动态系统进行仿真,仿真结果证明了算法的有效性。(4)研究了上海某焦化公司的甲醇工艺流程,建立了简化的物料稳态模型,基于两步法的思想,运用文中提出的鲁棒估计(WRE)算法以及非线性规划(NLP)法对工艺过程中的测量数据进行数据协调与显著误差检测,得到了总流率和各组分的协调值以及估计值。