基于粗大误差补偿和粒子滤波的锂电池SOC估计方法

针对锂电池的荷电状态(state of charge,SOC)估计过程中测量值存在粗大误差的问题,以Thevenin等效电路模型为基础,提出了一种粗大误差补偿粒子滤波(particle filter,PF)算法。该算法可以实时地检测锂电池测量数据中可能存在的粗大误差,并对其进行分类与估计,通过补偿机制对异常测量值进行修正,提高算法的抗干扰能力。将该算法应用于锂电池SOC估计过程进行仿真验证,仿真结果表明,该算法具有较强的鲁棒性,在进行锂电池SOC估计时可以有效地抑制粗大误差的影响。

电磁勘探数据粗大误差处理的一种新方法

由于存在各种地电干扰,电磁法勘探采集到的原始电场数据中往往包含粗大误差.电磁法勘探中信号量的测量与传统的精密测量在误差来源与特点、测量值分布等方面均存在较大差异.经试验,对电磁勘探采集到的原始电场数据采用传统的莱伊达、格拉布斯、狄克逊等准则进行粗大误差的自动判别和剔除,处理效果不好;采用Robust估计和中值滤波方法,也不能达到满意的效果;采用手工方式挑拣剔除粗大误差,处理效率太低,均不能满足电磁勘探数据预处理的要求.作者提出了一种自适应双向均方差阈值法实现电磁勘探数据粗大误差的自动判别和剔除,此方法对采集到的原始电场数据样本进行排序后,采用迭代或递归的方式,每次均以中点为界分别计算前后两部分数据的均方差,将较大的一个与预先设置的均方差阈值进行比较,若其大于阈值,则判断粗大误差存在于相应的一端,进而剔除相应端端点位置的数据点;若前后均方差值都小于阈值或样本数量小于3个时算法结束.此方法具有自适应优化、阈值参数化控制、适应小样本数据以及计算简单效率高等特点.大量实验结果表明:在选取均方差阈值在30至90范围内时(经验值),能够有效地剔除电磁勘探原始电场数据中的粗大误差,保留最可信数据.目前已在多个实际勘探生产项目中应用此方法处理粗大误差,取得了令人满意的处理效果.

一种新的基于GM(1,1)模型的粗大误差判别模型

针对未知概率分布的小样本数据识别问题,提出了一种新的基于GM(1,1)模型的粗大误差外推判别模型。介绍了判别原理和步骤,基于GM(1,1)建模精度和检测值精度确定判别门限,并对样本量、判别精度及方法的合理性等相关问题进行了讨论。实例仿真取得了较好的判别结果,结果表明该方法对数据没有分布要求,简单可行。

测量数据粗大误差的非统计判别

提出了基于信息熵和灰色理论的测量数据粗大误差判别方法 ,该方法对测量数据没有分布要求 ,计算简单可行 ,经多个实例的计算 ,取得了较好的判别结果 .

基于粗大误差估计的表面测量稳健滤波方法研究

将粗大误差估计理论与高斯滤波方法相结合,提出了一种新的表面测量稳健方法。首先由κσ准则对表面轮廓中的畸形信号进行判定、识别、修正,详细论述了相应算法;然后由移动平均逼近方法实现高斯滤波,建立表面轮廓中线;最后由原始轮廓和得到的稳健滤波中线分离出表面粗糙度轮廓,实现了稳健滤波目的。该方法算法简单、易于实现,对表面畸形信号能够较好地抑制。

测试数据中粗大误差的判定技术及其软件实现

介绍了粗大误差的四个判定准则,基于判定准则和VB编程技术设计了粗大误差判定系统。文中介绍了系统的实现方法、组成模块、关键技术并通过计算实例证明该系统具有快速、可靠、方便等优点。

粗大误差四种判别准则的比较和应用

目前数据处理中异常值的剔除方法有多种,并没有统一的规范标准,分析了判别粗大误差的四种方法的特点,通过综合归纳给出了应用这些判别准则的建议。

四种判别粗大误差准则的比较与讨论

目前用于判别含有粗大误差的异常值的准则有多种,本文将对格拉布斯准则、莱依达准则、肖维勒准则和t检验准则四种粗大误差剔除准则在实验测量次数落在3~100的情况下的选择讨论,给出测量次数落在区间3~100判断准则的选择意见。

基于小波变换的粗大误差去除算法

将粗大误差作为突变信号,利用小波变换可以准确地对误差点进行定位,给出了利用小波变换去除粗大误差数据点算法,并对小波基的选取进行了讨论。

智能测量系统中粗大误差的处理

本文基于数理统计参数估值理论,介绍了用格拉布斯判别准则去剔除粗大误差方法,文中还给出计算标准偏差的新公式,并用格拉布斯判别准则和传统的莱特准则分别对一组一个实验采样数据进行处理。结果表明,在高精度智能测量系统中,尤其在采样次数较少的测量系统中,应用格拉布斯判别准则可有效提高测量数据的精度。

高精度智能测量系统中粗大误差的处理技术

应用数理统计参数估值理论提出了一种新的粗大误差判据,该判据尤其适用于采样次数较少(n≤10)的测量系统中,剔除粗大误差的准确性高,应用于高精度智能测量系统中,可提高测量数据的精度.

在大学物理实验中应用格罗布斯准则判定粗大误差

在大学物理实验中,处理数据时很少考虑坏数据的判定和处理,这实际是与我们的实验精神不相符的。考虑到数据的正态分布和有限时间内所测数据的次数限制,我们推荐使用格罗布斯准则判定粗大误差。而且我们在教学中也取得了较好的效果。

检测仪表中粗大误差的剔除分析

简述了测量误差在仪器测量中产生的原因和具体分类,在检测仪器中显得日益重要,并对各种检测仪器在测量过程中的准确度影响很大,文中介绍了常用的几种剔除粗大误差的方法,对这些方法进行了讨论,对几种剔差的方法进行了比较,通过对实践过程中的便携式检测仪器的误差分析方法进行实例验证,并由程序流程图和简短程序对格罗布斯准则和狄克松准则两种剔除粗大误差的方法进行直观描述,最后对两种方法的具体使用范围给出结论。

粗大误差判定准则在靶场试验数据预处理中的应用

针对靶场试验测量数据处理误差分析的问题,对统计学中常用的四种粗大误差判定准则应用特点进行分析。结合靶场某次试验单台设备的测量数据,分别用四种判定准则进行数据预处理,提出了靶场数据预处理遵循的原则。研究结果表明,实时和事后数据预处理采用不同的准则进行判定,需要将四个准则综合应用。改进了以往单一使用拉依达准则预处理的办法,实例验证了合理性和有效性。对试验数据预处理方法的研究,旨在利用试验数据对被试飞行器的性能做出合理的鉴定。

一种面向最大值指标的粗大误差处理方法

提出了一种面向最大值指标的广义拉依达准则粗差处理方法,为最大值指标下粗大误差的有效鉴别提供了参考依据。该方法假设观测序列服从独立同分布的正态分布,从最大观测值被误作为粗差数据的风险分析入手,对拉依达准则的判定标准进行了改进,推导并给出了广义拉依达准则的粗差判决条件。实践应用的结果表明,该方法是可行的。

基于熵方法的柴油机试验数据粗大误差分析

在四缸增压中冷柴油机上进行国标柴油试验,研究了不同批次国标柴油在柴油机上的经济性及排放性,同时引入测量信息论中熵判别方法计算测试样本的熵及不确定度,判别试验数据在置信区间内是否含有粗大误差。研究表明:在处理小样本数据时,熵判别方法可以对数据进行有效评价。本研究中,在1 600rpm且置信度为95%时,各工况燃油消耗率的置信区间分别为896.25±8.97、324.58±3.68、255.17±2.36、234.58±2.40、224.24±2.74;NOX排放的置信区间分别为232.00±22.81、492.86±32.24、844.43±66.86、1075.00±60.88、1371.71±78.37;排气温度的置信区间分别为161.00±8.48、180.29±8.31、231.43±8.27、300.86±9.83、364.71±10.47。

隔离型换热节能系统的粗大误差检测研究

在对隔离型换热节能系统进行实时优化的过程中,数据的粗大误差检测是一个重要的研究内容。为了解决系统输出变量的粗大误差检测问题,对粗大误差的产生、检测的意义和几种检测准则的特点进行了介绍。针对系统实时在线运行特点,提出采用狄克逊准则对系统输出变量的粗大误差进行检测,同时利用实际现场采集的数据进行了实验研究。实验结果表明,文中所采用方法是可行的,并且适合在线应用。

一种有效的粗大误差判别方法

提出了一种以灰色系统理论为基础的粗大误差判别方法,该方法对测量数据少或者难于寻求统计规律的测量过程尤为有效,与算术平均滤波法一起使用可以提高数据处理的效率。理论分析和测试结果表明,采用上述的数据处理方法可以有效地提高测量系统的测量精度和测量效率。

基于测量信息论的小样本粗大误差处理研究

在小样本情况下,传统的基于统计原理的误差处理理论不能正确判定粗大误差。采用基于测量信息论的方法来判别测量数据中的粗大误差,将顺序统计量、秩和信息熵等概念引入误差处理理论用以判别小样本情况下的测量数据中是否存在粗大误差。分别采用基于测量信息论的方法和基于统计理论的误差处理方法,对实验数据进行处理和分析,表明基于测量信息论的粗大误差判别方法在小样本数据的粗大误差处理中具有优势。

应用格罗布斯准则判定测量结果中的粗大误差

使用格罗布斯准则判定检测结果中粗大误差是一种简单、实用的方法;在实际检测过程中较其它判定准则效果好;在机械产品的检定过程中有一定的应用价值。