稳态系统的过失误差识别

数据校正包括数据协调和过失误差侦破与识别两部分,其中过失误差的侦破与识别一直是数据校正的重点和难点所在。针对系统偏差型的过失误差,研究了稳态系统中含有多个过失误差情况下的过失误差侦破与识别问题。提出了系统的过失误差可识别性的概念,分析了稳态系统的特性,指出了系统过失误差可识别的条件,并提出了过失误差的参数估计识别方法。计算实例表明,此方法可以准确地识别出系统所含的多个过失误差,具有很重要的理论意义。

基于鲁棒估计的动态数据校正方法

针对目前动态数据校正方法存在的缺陷,本文在以前的工作基础上把基于鲁棒估计原理构造的鲁棒估计函数用于含异常点类型的过失误差的数据校正。Monte Carlo模拟结果及对TE问题的校正计算结果表明,这种基于鲁棒估计的过失误差侦破和数据协调同步方法可以在得到协调数据的同时很准确的侦破和识别出测量数据中所含的过失误差,具有较强的优越性。

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 。

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。