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.     

移动最小二乘增量式多视点云数据融合算法

在散乱数据点移动最小二乘曲面拟合的基础上,提出了一种增量式多视点云数据融合算法.将算法中多视点云数据作为对同一物体表面二维流形的一次采样,采样数据中包含匹配误差、冗余和畸变,把多视点云数据融合问题转换为由包含误差的散乱数据点恢复二维流形的过程.对每一幅当前处理的点云,寻找当前点云与已增量式融合的点云数据的重叠部分,在重叠部分数据集上构造移动最小二乘曲面,将重叠部分的每一个在移动最小二乘曲面上的对应点合并到当前已增量式融合的点云数据集中,从而实现了增量式多视点云数据的融合.实验证明,该算法是一种有效的多视点云数据融合算法,并且可从较大匹配误差、噪声、畸变的多视点云数据中获得较好的融合效果.     

基于样条函数的多气体传感器信号建模分析

样条函数理论作为数学工具已广泛应用于逼近论，曲线数据拟合，数值分析等方面，在研究一般多项式最小二乘法建模的基础上，针对所建模型易产生欠拟合和过拟合及模型阶数高的问题，提出了采用样条最小二乘数据拟合谅垭建立数学模型，基于样条最小二乘数据拟合方法建立的数学模型不仅可以提高模型精度和拟合程度，而且模型阶数较低，光滑性好，将该建模方法用于多气体传感器输出信号的建模，结果表明，方法正确并有效。     

多κ类广义压缩最小二乘估计

提出线性模型中回归系数的多k类广义压缩最小二乘估计的概念．在均方误差的意义下，给出了该估计一致优于最小二乘估计的充分条件．     

多层前向神经网络的RLS修正训练算法

提出了一种修正的基于递推最小二乘算法的多层前向神经网络的快速学习算法,对两个系统进行了辨识,并与ＲＬＳ训练算法和标准反向传播算法进行了比较,仿真结果显示,本文提出方法的鲁棒性和有效性。     

求解重调和方程的混合MLS方法

以重调和方程的混合变分形式为基础,采用移动最小二乘方法建立插值形函数空间,给出了重调和方程的混合MLS数值解法.这种方法降低了对解空间的光滑度要求,同时高精度地获得了解的高阶导数值,并且避免了求解过程中划分网格所带来的计算复杂性等问题.最后给出了这一方法的误差估计.     

大直径测量系统的特征层数据融合

为了克服多滚轮大直径测量系统中单一传感器的局限性,利用多传感器数据融合技术,充分挖掘不同时间和空间的测量数据信息,极大地提高了测量系统的性能和效率.将自适应加权算法应用于大直径测量系统的特征层数据融合,减少了不确定误差的影响.仿真结果表明:该算法得到的测量结果更加精确,效果较好.     

数控机床多变量关联热误差组合模型及其实验验证

针对主要基于受综合因素影响的机床本体温度所建立的热误差模型鲁棒性较差的问题.综合考虑机床本体温度、动力源转速、冷却液温度及环境温度提出了多变量关联热误差组合模型.将最小二乘支持向量机(LS-SVM)的方法运用到热误差建模中,并利用偏最小二乘(PLS)方法提取输入变量的主成分作为LS-SVM的输入,形成PLS-LSSVM组合热误差模型.此外根据数控加工过程及材料热变形原理,将相对起始温度的差温值作为温度输入,使热误差补偿更加准确.在某型号精密加工中心进行实验验证,结果表明:PLS-LSSVM模型比LS-SVM更稳定,比PLSR预测精度高;考虑差温多变量的PLS-LSSVM模型较单纯考虑机床本体测量温度值的PLS-LSSVM~*模型,热误差预测值的均方根误差(RMSE)平均减少了5.5μm.     

多传感器组合导航中的数据融合

目的 通过估计误差方差阵,对多传感器组合导航系统中不同的融合数据进行定位精度比较.为系统定位提供选择数据的依据.方法 基于递推加权最小二乘法研究多传感器组合导航系统中的数据融合,讨论估计误差方差阵的推导过程及系统定位精度的计算.结果 仿真结果表明,由于采用的递推加权最小二乘法比最小二乘法更能反应实际测量过程,可更有效地组合多个数据,系统定位性能要好.结论 为多传感器组合导航系统提供了一种有效的数据融合方法,对工程的预研和实施有非常重要的意义.     

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GLR-NT的显著误差检测与数据协调

提出了一种广义似然比法（Generalized Likelihood Ratio,GLR）与节点检测法（NodalTest,NT）组合的显著误差检测和稳态数据协调方法。该方法充分发挥了GLR法和NT法的优点,采用逐次侦破、补偿校正的策略,避免了传统显著误差侦破方法中系数矩阵降秩问题,并且融入了测量变量的上、下限约束,最...     

Algorithmic Study of M-Estimators for Multi-Function Sensor Data Reconstruction

This paper describes a data reconstruction technique for a multi-function sensor based on the M-estimator, which uses least squares and weighted least squares method. The algorithm has better robustness than conventional least squares which can amplify the errors of inaccurate data. The Mestimator places particular emphasis on reducing the effects of large data errors, which are further overcome by an iterative regression process which gives small weights to large off-group data errors and large weights to small data errors. Simulation results are consistent with the hypothesis with 81 groups of regression data having an average accuracy of 3.5%, which demonstrates that the M-estimator provides more accurate and reliable data reconstruction.     

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。     

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．     

数据协调与过失误差侦破的鲁棒估计同步方法

为获得较准确的满足物料平衡和热量平衡的数据,传统的测量数据检验法（MIMT）计算复杂,而已有的数据协调和过失误差侦破的同步方法存在着不能准确识别过失误差等问题。基于鲁棒估计原理以及影响函数提出了一种新的鲁棒估计方法,用于稳态情况下的数据协调和过失误差侦破,并对计算过程中遇到的变量相关性问题进行了分析。计算结果表明,这种方法对线性和非线性问题都具有良好的效果,在侦破出过失误差的同时,可得到相应的数据校正结果。     

聚丙烯腈质量指标软测量模型的数据动态校核

针对聚丙烯腈连续生产中聚合反应过程与时间存在的分布函数关系,将质量指标软测量模型的输入数据按照聚合时间进行加权处理,对质量指标软测量模型的输出值－估计结果进行滑动平衡。现场生产运行结果表明,经过动态校核的输入输出数据,软测量精度大大提高,估计结果稳定,为其他聚合反应测量模型的数据动态校核提供了一种有效的方法。     

基于时间冗余度侦破过失误差的修正系数法

为正确侦破与识别测量数据中含有的过失误差以保证数据校正结果的可靠性 ,提出一种修正系数法 ,利用过程测量数据的时间冗余度对测量数据中可能含有的过失误差进行侦破与识别 ,并对过失误差的大小进行估计。应用实例表明 ,此方法对过失误差的数目、位置等因素并不敏感 ,具有较好的鲁棒性 ,适用于空间冗余度较小的实际问题。     

过程数据的无模型在线校正

讨论了无需模型情况下过程测量数据的在线校正。采用基于数理统计加滤波的方法检验、剔除数据中的粗大误差和随机误差。并给出了应用于航空煤油干点软测量及辅助变量的数据校正实例 ,结果证明 ,效果较好。     

测量数据的曲线曲面拟合算法

移动最小二乘法由于其良好的逼近性能而广泛用于曲线曲面拟合,但处理含有粗大误差的数据时,拟合结果极不稳定.为了减少粗大误差对拟合精度的影响,本文提出一种移动最小截平方法,该方法在支持域内引入最小截平方法代替最小二乘法,在所有节点当中选出剔除异常值的最优节点组合,确定局部拟合系数.该方法不需要人为地分配权重或设定阈值,可避...