一种基于F统计量的改进型显著误差检测方法

工业过程采集的数据的可靠性和准确度直接影响到过程控制、调度及优化等。讨论了数据校正的原理及应用,分析了显著误差检测的意义以及显著误差检测的基本原理。在对两种传统的基于统计量的显著误差检测法讨论的基础上,提出了一种基于F统计量的NT-MT显著误差检测方法。该方法将两种传统方法运用其中,仿真结果表明,基于F统计量的改进NT-MT方法给出了很好的检测效果,对显著误差的灵敏度很高。     

基于改进残差的显著误差检测方法

运用投影矩阵法提出了一种表征测量误差程度的不可检测误差系数(UI)。UI值越高,说明测量误差与实际误差之间的差值越大,具有较高UI值的测量值容易出现显著误差漏报的现象。本文采用UI值对所有测量值误差进行修正,并将改进后的误差应用到显著误差检测中,以提高显著误差检测的准确度。仿真结果表明,基于改进残差的显著误差的检测方法能够提高显著误差的检测精度。     

双线性过程的鲁棒数据协调

针对基于鲁棒目标函数的双线性数据协调问题,提出了一种新的算法.首先利用两步法将双线性数据协调问题转化为两个线性数据协调问题,然后利用罚函数法把约束优化问题转化为无约束优化问题,最后给出了Huber函数的等价权,以及利用等价权法求解双线性鲁棒数据协调问题的表达式.在迭代求解过程中考虑了变量的上下限约束.仿真结果表明该方法能有效地求解双线性鲁棒数据协调问题,降低显著误差的影响.     

基于主元分析（PCA）的显著误差检测与校正及应用

在风粉浓度软测量的测量数据中出现显著误差,将会严重恶化测量数据品质,破坏数据统计特性,导致软测量失败,因此显著误差检验和校正是误差处理的首要任务。本文讨论了基于主元分析(PCA)的显著误差检测与校正原理,运用Q统计方法,结合贡献图对某电厂热风送粉系统风粉浓度软测量中可能出现的显著误差进行了仿真分析,结果表明,基于PCA主元分析的显著误差检验和校正方法在风粉浓度软测量工业应用中可行。     

重油催化裂化稳态过程数据协调与检测

最小二乘估计法和测量数据检验法用于重油催化裂化（ＦＣＣ）稳态过程的数据协调与检测．在正确构造ＦＣＣ系统的拓朴网络结构图之后，运用改进的迭代测量测试（ＭＩＭＴ）算法，成功实现了ＦＣＣ流量数据的协调，保证了数据的真实性和精确性     

对证据理论检测显著误差的研究

针对过程数据所含的显著误差采用证据决策理论进行检测。该文考虑了系统的泄漏情况,并且引入了环境节点这一虚拟节点约束方程,把此虚拟节点作为证据理论中的一个证据,并对此进行了仿真研究。仿真结果表明了所提方法的有效性。     

基于区域对比的图像显著目标检测

针对具有杂乱背景图像的显著目标检测问题,提出了一种无需任何先验知识,通过分析计算区域平均显著值的对比度来提取显著目标的方法.根据显著图,计算出显著目标的最小边界框与其周围区域的显著性差异,且通过折半查找的方法加快搜索的收敛速度.结果表明,该算法能迅速检测出与人类视觉感知结果一致性较高的显著目标区域.     

一种基于非线性规划的数据校正联合算法

在工业生产的测量控制过程中,数据校正技术作为一种有效的改善测量数据质量的技术,逐渐被重视和研究.本文借鉴了其它数据校正方法的理论思想,在结合序贯二次规划(SQP)方法求解最优化问题的基础上,将数据调和与显著误差检测有机的糅合,提出一种循环迭代处理的联合算法,使数据调和在快速与有效的基础上具有较高的显著误差检测功效.     

软测量建模中的数据校正

为有效剔除工业现场采集数据中的显著误差,降低随机误差的影响,使校正后的数据更好的满足物料平衡和能量平衡,最大程度提高软测量模型的精度,提出一种基于同步算法的数据协调方法,并对双酚A生产工艺现场采集到的数据进行校正。仿真表明,校正后的数据误差率得到显著降低,提高了数据源的精度和模型的泛化能力。     

基于二次相移数据重组的直行运动误差在线检测分离技术

通常的直线误差分离方法,一般是先行分离出工件的形状误差,再据此求出运动误差,由于存在着误差残留,不利于运动误差的在线检测．本在三点法测量数据的基础上,提出了两种基于二次相移的直行运动误差先行分离方法：单信道二次相移数据重组法和多信道二次相移数据重组法,即通过对三测头数据按照二次相移原则进行单信道或多信道的数据重组,便能够在EST的首次操作时消除形状误差的影响,在反滤波基础上先行分离出直行运动误差的平移分量和转动分量．权函数的对比分析表明：先行分离出运动误差的单信道或多信道二次相移数据重组法与先行分离出形状误差的普通频域三点法具有相同的权函数,它们在本质上具有同源性和统一性．实测结果证明了这两种方法的正确有效性．     

热力系统性能监测中的数据调和及不良数据检测

基于数据调和技术提出了一种不良数据检测方法，利用测量数据时间序列间的联系进行参数的预估计，按照所定义的测量数据可信度，能够正确估计参出突变情况。     

化工过程系统的多层数据调和框架

过程数据的可靠性和一致性在化工过程系统中是非常重要的。过程的测量数据一般含有随机误差和显著误差,必须应用数据调和与显著误差检测技术来减小过程测量数据的误差。测量数据具有不同的类型。针对不同类型的测量数据的数据调和问题,提出了一种多层数据调和框架。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,进行数据调和。不同类型的测量数据的数据调和问题分为三层:第一层是基于总物料平衡层,第二层是基于物料和组分平衡层,第三层是基于严格机理模型层。在此数据调和框架中,应用加权最小二乘目标函数作为调和目标,采用鲁棒高效的显著误差检测方法。基于此框架,对于化工过程系统的测量信息的不同,均可选择合理的模型有效地对测量数据进行数据调和。联塔系统和空气分离系统的数值模拟试验说明了此框架的灵活性和有效性。     

一种多个粗差的定位与估值的方法

首先分析真误差与残差的关系．并以此关系为基础,提出一种新的、有特色的多维粗差探测与定位方法．该法采用传统的最小二乘平差,对最小二乘平差的残差进行统计检验．如果存在粗差,则可以通过新的估计公式对粗差及未知参数进行估计．该法可以准确地进行多维粗差的定位和估值,而且能严密评定估值的精度．最后,通过一个算例加以说明．     

一种智能电子测量系统中粗大误差的处理方法

在智能电子测量系统中,常会使测量数据产生粗大误差,含有粗大误差的数据必须剔除.分析了传统粗大误差判据的不足,应用数理统计参数估值理论提出了一种粗大误差的判据,该判据适用于采样次数较少(一般n≤10时)的测量系统中,剔除粗大误差的准确性高,应用于高精度智能电子测量系统中,可以提高测量数据的精确度.     

卡尔曼滤波模型粗差的探测及其在施工变形测量中的应用

在施工变形监测中，由于监测点的多余观测值较少，因此很难发现观测值中存在的粗差。用卡尔曼滤波方法进行数据处理时，观测值中的粗差将在预测残差向量中得到反映。通过分析卡尔曼滤波模型误差与预测残差向量之间的关系，提出了对粗差进行探测的方法，并通过一个实例说明了该方法的有效性。     

一种基于聚类分析的3MAD-MMMD过失误差侦破方法

软测量建模时所使用的数据集中若含有过失误差,将在很大程度上影响所建模型的精确度.因此,在建模之前,针对建模所使用的数据集,提出了基于聚类分析的集成3MAD-MMMD过失误差的侦破方法.在采集无缝钢管穿孔过程中不同变量不同时刻的数据后,将其排列成数据矩阵.首先运用3MAD算法剔除其中的单变量大误差得到新的数据矩阵,之后采用欧氏距离公式求得新矩阵中同一变量的数据到其最近点的距离,最后以所有变量最近距离的中位值dmed为检测标准,对新的数据矩阵进行过失误差侦破处理.实验和仿真图表明,3MAD-MMMD侦破方法有效地剔除了采集数据中的过失误差.     

GPS网外部尺度基准观测数据的粗差剔除

介绍Chauvenet准则、Grabbs法、t检验准则、Dixon法等剔除定常型观测值粗差的统计方法。并利用这些方法对GPS网外部尺度基准观测值进行数据处理，有一定的借鉴意义。