Model validation and model structure determination

This paper gives a tutorial overview of basic approaches for model validation and model structure determination.Work partially supported by the Swedish Research Council for Engineering Sciences under contract 98-654.     

SiC单晶片切割力建模与自适应控制

Si C单晶因优良的物理和机械性能而大量用于大功率器件和IC行业。但由于材料的高硬度和高脆性,使其加工过程变得很困难。为此,分析了Si C单晶片切割过程,建立切割过程模型,通过F检验法进行系统阶次辨识,采用遗忘因子递推最小二乘算法在线估计模型参数,建立进给量与切割力的差分方程,设计基于最小方差自校正的切割力控制器,并进行实验验证。结果表明:控制器能够很好的跟踪不同信号,具有良好的鲁棒性,提高了Si C单晶片的加工效率和表面质量。     

建筑供热负荷模型结构的辨识

本文以一栋5029m~2的公共建筑21周实测数据为依据,提出了一种关于严寒地区建筑采暖负荷的CARMA 系统辨识模型.由此,可以根据室外温度的预报值及室内温度的期望值估计建筑采暖系统供热量.分析结果表明,实测值与预测值间的平均相对误差为6.45,从而说明了该种方法的有效性.这种方法也同样适用于城市小区供热量及小供热锅炉房的供热量预报.     

一元线性回归方法的应用

按常规方法检测大型钢筋水泥预制件内置钢筋的张紧拉力,其数据很粗略,不能完全满足设计和工艺要求。为科学反映真实内在规律性,达到数据准确可靠且操作快捷方便,提出对待一组常规的测量数据应用一元线性回归数据处理方法,通过最小二乘法原理来处理两个变量之间的关系,最后得出数学模型,借助计算器即可圆满解决。该方法在工程领域有着一定的应用前景。     

F检验在原料质量控制中的应用

阐述了F检验的概念和原理,通过实例说明了F检验在原料质量控制中的应用是提高原料质量的重要方法;介绍了用Excel办公软件计算F值的步骤;详细说明了F检验在原料质量控制中的判定方法和原则;通过综合样本检验和F检验两种检验结果的对比展示了F检验的优越性。     

一种求解F检验临界值的迭代算法

本文利用Beta分布与F分布之间的关系,获得了一种基于二阶展开求解F检验临界值的迭代算法,并给出具体算例证实了这是一种较为快速而行之有效的方法。     

数学考试成绩统计分析的一点启示

本文通过对两个班级学生的高考数学成绩与高等数学成绩的统计分析 ,提出一个反“常规”的例子 ,并分析产生这种反“常规”的原因 ,进而提出改进高等数学教学的一点看法。     

计量保证方案中的测量过程控制

本文对计量保证方案（MAP）的核心──测量过程的统计控制进行研究．探讨测量过程的主要控制技术：t检验和F检验，把t分布和F分布的分位数的计算问题统一地归结为了1/2整数倍贝塔分布的分位数计算．并设计编制计算程序，快速、系统地算得任意自由度t分布和F分布的分位数，为测量过程的控制和计量保证方案的实施提供了一个有效的数据处理方法．     

F-检验和信度系数α在试卷分析中的应用

每次测验之后,应该考虑的问题有三个:第一是考生之间的分数差异是否显著,用F-检验可以对此进行检验.第二是测验分数是否反映出了考生的真实水平,通常用信度系数α作为可靠性的一种度量.第三是对同一个考生样本,F-检验与信度系数α之间存在函数关系.根据这一关系可以进一步认识这两个不同统计量的作用.     

Local Partial Least Squares Based Online Soft Sensing Method for Multi-output Processes with Adaptive Process States Division

Local learning based soft sensing methods succeed in coping with time-varying characteristics of processes as well as nonlinearities in industrial plants. In this paper, a local partial least squares based soft sensing method for multi-output processes is proposed to accomplish process states division and local model adaptation, which are two key steps in development of local learning based soft sensors. An adaptive way of partitioning process states without redundancy is proposed based on F-test, where unique local time regions are extracted. Subsequently, a novel anti-over-fitting criterion is proposed for online local model adaptation which simultaneously considers the relationship between process variables and the information in labeled and unlabeled samples. Case study is carried out on two chemical processes and simulation results illustrate the superiorities of the proposed method from several aspects.