基于M估计的改进Pauta准则在监测数据粗差识别中的研究及应用

监测数据是反映大坝安全的直观手段,数据序列的精度对安全评价、隐患预警影响较大。传统的监测数据粗差识别常采用的Pauta准则仅对具有特定分布规律(正态或近似正态分布)的数据序列精度较高,而对于含较多离群点的序列则容易出现异常值漏判的问题。提出了基于M估计的改进Pauta准则,以位置M估计量和基于位置M估计量的尺度估计量代替均值和标准差构造控制函数,克服了传统识别方法的精度易受离群点影响的问题,有效解决了异常值漏判的问题。将改进Pauta准则应用于耿达水电站不同类型的监测序列,应用结果表明基于M估计改进的Pauta准则粗差识别精度和适用性较传统Pauta准则提升明显。

基于自学习Pauta和Smooth的地下水位异常值检测和平滑处理方法

地下水监测主要通过自动化监测设备对地下水位进行监测,从而获得随时间变化的水位曲线.目前的自动化监测设备采集的水位数据中存在很多异常值,会影响正常的决策判断.针对此问题,提出将自学习算法融入到奇异值剔除—拉依达准则中,用于异常值的检测,将其应用于地下水位数据的平滑处理中,通过对内蒙古某地采集的水位数据进行平滑处理验证,表明本文方法能够有效剔除水位数据中的异常值,而且不会影响曲线的整体趋势走向,效果良好.

面向皮卫星的地球磁场测量系统设计

针对姿态控制采取主动磁控方式的皮卫星，介绍了一种适用于皮卫星姿控系统的地球磁场测量系统设计方法。提出了在极端环境中保持系统最佳性能的方案，同时讨论了基于PauTa准则和L＊MAD准则的滤波优化效果，并给出缓解实时性和灵敏度之间矛盾的途径及两种测量磁场的方法即直接测量法和偏置电流带法。实测数据表明，测量结果与标准磁场线性吻合，能够测量毫高斯量级的磁场。整个系统功耗较低、体积小、精度高，不仅能在皮卫星中应用，亦可在手持式电子罗盘、导弹惯性导航等众多场合使用，具有良好的工程应用前景。

基于组合导航与EKPF飞行器的地形边界与面积估计

提出了一种使用四旋翼飞行器作为测量平台的地形边界与面积估计算法.该算法采用紧耦合闭环组合导航系统(捷联惯性导航系统与全球卫星定位系统)获取待测地形边界点的定位数据,分别使用Pauta准则与扩展卡尔曼粒子滤波方法剔除异常数据与处理定位数据.算法在得到的最终定位数据的基础上,估算待测地形与面积.飞行器使用前视和下视摄像头确定飞行方向和选择边界点.使用该算法可以实现不规则的凸多边形、凹多边形和弧段等地形的精确估计,估计误差可以在±1.2%以内.实际飞行实验结果验证了该算法的可行性和准确性.

基于状态识别的经验模态分解法火电厂运行数据预处理

针对火电机组运行监测数据量大且复杂情况下的去噪问题,提出一种基于状态识别的改进经验模态分解去噪(SREMD)算法。该算法以经验模态分解(EMD)方法为基础,首先运用基于拉伊达(Pauta)准则的滤波方法去除显著异常数据,然后根据数据连续变化率动态识别机组运行状态,最后根据机组运行状态的稳态过程和过渡过程分别进行针对性EMD去噪,以适应火电机组的状态切换特性。将该算法用于实际机组运行数据,结果表明,本文算法有效完成了火电机组监测数据的去噪预处理,在保持信号整体趋势的基础上能达到更好的去噪效果。