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。     

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.     

用于含过失误差数据稳态检测的改进滤波法

滤波法是稳态检测应用较广泛的方法 ,但它不适用于检测变量含有过失误差的情况 ,而实际过程测量变量常含有过失误差。该文对滤波法进行改进 ,用新假设代替原不合理假设 ,根据数理统计理论 ,推导出用于稳态检测的统计量。该统计量能应用于检测数据含过失误差的情况 ,且当数据不含过失误差时 ,可以推导出原统计量。数值实验结果显示 ,原方法用于检测数据含过失误差时稳态检测失效 ,而改进后的方法依然能够给出满意的结果     

一种显著误差检测方法在动态数据校正中的应用

在工业过程中,采集和记录的生产数据通常用于过程的控制和在线优化等,因此保证数据的可靠性和准确度具有非常重要的意义。但是在实际情况中,测量数据不可避免地受到误差的影响,而且在生产过程中经常会出现仪表失灵、管道泄漏等现象导致测量数据中出现显著误差,进而导致测量结果严重失实。数据校正是保证工业过程数据准确可靠的主要技术手段。传统的动态数据校正通常采用卡尔曼滤波方法,但当测量数据存在显著误差时,其得到的协调值的可信度较低。为了解决动态数据校正过程中得到的测量数据存在显著误差,导致协调值失实的问题,本文在传统卡尔曼滤波方法的基础上,提出了基于动态贝叶斯模型检测方法进行显著误差的实时侦破。该方法主要通过测量值的滤波,对已经滤波的测量值进行标准化处理,利用扩展贝叶斯网络建立概率分布模型以实现显著误差的检测。根据存在显著误差和正常情况下出现的测量值条件概率大小,判断测量值是否存在显著误差,并根据侦破结果对测量协方差矩阵及卡尔曼增益等参数进行更新,以提高协调值的精度。通过实例仿真对比验证了基于动态贝叶斯的检测方法可以有效地侦破显著误差,并且可以通过参数实时调整提高了存在显著误差时协调值的精度。     

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...     

稳健估计的两种粗差探测方法

在测量数据服从正态分布的情况下,最小二乘估计具有最优化统计性质,它是应用最广泛的一种估计方法.针对测量数据由于过失误差而偏离正态分布,最小二乘估计并没有抵抗异常值的能力,需要寻求具备抗粗差能力的估计理论和方法,对测量数据中的粗差进行判别和剔除,使其不影响测量结果.使用了两种粗差检验的方法对观测数据中存在的粗差进行检验,分别是选权迭代法和数据探测法,并利用水准网数据验证了它们抵抗粗差的效果,表明选权迭代法中IGG法更容易实现粗差的探测与定位.     

转子测量面形状误差对振动测量的影响

为了有效地识别振动信号中存在的虚假信号,采用全息谱方法对具有时间延迟和相位延迟的理想测量面和典型测量面形状误差转子的振动信号进行了理论分析和试验研究.同时,分析并讨论了两种情况下测量面形状误差引起的虚假振动信号对实际振动信号的影响,总结了两种情形下的振动和全息谱特征,得到了具有测量面形状误差的转子振动信号特征.通过试验和现场数据验证结果,与理论分析结果一致,从而为现场转子测量面形状误差的诊断提供了新的识别理论和方法.     

数据时空融合算法在无线多传感器网络中的应用

无线传感器网络是一种新兴的、全新的技术,它常常应用于工业领域以及恶劣的环境中.在标准ZigBee协议中没有设计相关的数据融合规范,使其只能用在低数据冗余的应用场合.大规模网络中的数据冗余度大,并且网络中的数据冗余会引起节点频繁地争抢信道,网络时延增加甚至出现网络瘫痪;因此针对同类多传感器测量数据中含有的噪声和传输中包含大量冗余信息,通过多次实验对几种算法进行仿真比较,文中提出了一种基于递推估计的数据融合和自适应加权时空融合算法.该算法利用空间位置中多传感器的方差变化,通过调整参与融合的各传感器的加权系数,使融合系统均方误差始终最小.     

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.     

Matlab在软测量技术的数据预处理中的应用

现场数据的预处理在软测量技术中有着非常重要的作用。但由于现场数据包含各种干扰样本,且数量众多,运用手工处理这些数据十分困难,甚至无法完成。可应用Matlab软件来处理数据中的过失误差和随机误差,使处理过程更加简便。     

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。     

稳态实时数据校正在焦化碳一生产中的应用

提出一种分两步进行物料平衡的实时数据校正方法。充分利用测量数据的时间冗余性,剔除不可靠的数据。建立多元回归模型,根据历史数据对含有显著误差的测量数据预测,使其预测值参与协调。仿真研究证明了此法的有效性,并大大提高了协调精度,节省了协调时时间。     

厂级监控系统中数据校正算法模型研究

探讨厂级监控系统中实时数据的校正算法及其应用技术.介绍了测量数据误差的相关概念;基于多元统计分析基本原理,建立了数据校正的基本模型;基于信号处理原理,重点研究了数字滤波方法在数据协调中的应用;结合火电机组厂级监控系统的应用特点,提出了数据分级的概念,建立了基于设备特性的数据误差识别及其修补的关联模型.应用上述关联模型,在冗余检验和数字滤波等技术的支持下,建立并实现了数据显著误差检验与数据协调相互统一的数据校正方法.应用结果表明,该方法具有算法简单,概念清晰,保证了实时分析结果的有效性.     

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     

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。     

剔除变形监测粗差数据的新方法——数据跳跃法

当观测值中有多个粗差时拉依达法则一次只能剔除一个粗差,并且多个粗差之间互差不满足一定条件时拉依达法则失效.针对此问题在拉依达法则基础上提出了一种剔除变形监测粗差数据的新方法数据跳跃法.数据跳跃法克服了拉依达法则的部分局限性,可将含有粗差的变形监测值批量剔除,为一次剔除多个粗差提供了解决方法.采用该方法对实际监测数据进行了处理,取得了较好的效果.数据跳跃法为利用程序进行粗差判定与剔除提供了理论依据和算法.     

一种基于抗差估计的TDOA无线定位方法

基于时间测量值的TDOA无线定位方法在移动台定位、被动雷达定位、雷电定位、GPS导航等诸多应用中发挥着重大作用.如何减小TDOA定位误差是近年来研究的热点.如果TDOA测量数据中含有粗差,将会给定位解算带来更大的难度.对TDOA的抗差性进行了研究,提出了一种能够抵抗粗差的抗差TDOA定位算法--Robust-Chan方法.仿真显示该算法能很好地抵抗粗差的影响,提高定位的精度.