基于改进PCA的软测量数据过失误差侦破

为提高软测量的模型精度,剔除建模数据中的过失误差,提出采用Bagging-PCA方法进行误差侦破。利用Bagging算法的集成思想,改善单变量大误差对经典PCA的影响,提高算法稳定性,实现数据的过失误差侦破。用该方法对丙烯浓度的软测量进行过失误差侦破,取得了良好的效果。     

基于神经网络的多过失误差侦破方法的研究

基于神经网络的过失误差侦破方法具有简单、计算量小和适于在线应用的优点,并且相对于传统方法具有处理非线性问题能力较强的特点。但是在侦破多过失误差时,现有的直接侦破法和序列侦破法的侦破率较低。针对这一情况,本文提出了将神经网络和测量数据检验法相结合的侦破多过失误差的新方法,该方法首先利用神经网络较强的鲁棒性和容错能力对数据进行处理,然后再进行过失误差侦破。实例研究表明,这种方法能够有效地提高多过失误差共存时的侦破能力。     

软测量技术的数据预处理方法研究

针对软测量技术在线实施时的数据预处理问题,提出了基于聚类分析的过失误差侦破方法。该方法不需过程的先验知识和假设,直接面向数据,可十分方便地在线实现。将该方法与滑动平均滤波算法相结合,可以有效处理过程测量数据的过失误差和随机误差,从而提高软仪表估计的精度。在二元精馏塔底产品组分浓度软测量仪表在线进行的仿真中,应用该方法进行数据预处理,使进入软测量模型的过程数据更接近真实值,取得了很好的效果。     

基于加权MMMD的软测量数据过失误差侦测

在基于聚类分析的软测量过失误差侦测中,针对不同变量对建模影响程度的不同,提出了基于加权MMMD聚类分析的过失误差侦测方法。该方法在聚类的相似度计算时,根据各辅助变量与主导变量的相关性,给每个变量加以不同的权值。在新的相似性度量基础上进行聚类,并侦测出过失误差。用该方法对丙烯浓度的软测量数据进行了过失误差侦测,并用剔除过失误差后的数据做了建模仿真。实验结果表明了新方法的有效性,并能提高软测量数据的整体质量。     

广义似然比过失误差侦破方法的改进及应用研究

准确可靠的测量数据是工业过程优化和控制的重要前提,实际过程中由于过失误差的存在导致测量数据不准确,而传统的过失误差侦破方法常会出现过失误差分摊到其他测量数据上的现象.本文在研究广义似然比法(GLR法)过失误若侦破的原理及步骤的基础上,对GLR法的检验统计量进行改进,提出了2个变量同步侦破补偿的两两同步侦破法,即每次同时用2个变量计算检验统计量,并对相埘调节量大的测量数据进行补偿.两两同步侦破法与GLR法的实例考核结果表明,在相同显著性水平下,两两同步侦破法的总体检验能力和选择性比GLR法高,且犯第1类错误的概率比GLR法小.因此新方法提高了过失误差侦破率,降低了犯第1类错误的概率,能有效地对过失误差进行侦破和识别,且同步补偿后得到的补偿值更准确,有利于获得较为准确的过程数据.     

用于过失测量数据侦破与校正的改进MT-NT算法

介绍了一种用于过失误差侦破和校正改进的MT-NT算法。改进后的算法采用逐次侦破、校正的策略,有效地解决了在侦破过失误差过程中出现的系数矩阵降秩问题,减少了运算量,增加了信息的可用性和完整性。给出了该算法的框图及步骤,并采用面向对象的方法和C 十语言编制出了过程测量数据校正软件。经过实例验证,该算法可有效侦破测量数据中的过失误差,避免了在运算过程中出现的系数矩阵降秩问题,具有一定的实用性。     

基于神经网络的软测量技术

本文对基于人工神经网络的软测量技术进行了综述与分析,给出了基于神经网络软测量技术摹一般步骤以及开发过程中需要注意的问题。     

带误差校正的常压塔汽油干点软测量模型

根据误差反馈原理,设计出带误差校正的神经网络模型,并将其用于常压塔汽油于点软测量,建立带误差校正的软测量模型。它将开环软测量模型的预测误差反传,作为校正输入量送给带误差校正的软测量模型进行误差校正。最后结合常压塔工业实例,对汽油干点进行预测,±1℃的预测误差表明该模型比不带误差校正的软测量模型具有更高的精度。     

基于神经网络的软测量技术及应用

软测量是一门新兴的工业技术，它借助现代估计理论构造模型推断出工程上难以检测的变量。本文提出了基于径向基函数神经网络（RBFNN）的软测量技术，并且结合工艺机理分析和过程数据关联，对其在轻柴油凝固点软测量的应用进行了研究。结果表明，RBFNN的良好的非线性动态建模能力使其在软测量中具有很大的应用潜力。     

基于软测量的钢坯内部温度场分布研究

由于目前测试技术的限制，在生产过程中对钢坯内部温度的检测比较困难，为了获得钢坯内部的温度，一些研究人员尝试通过数学模型的方法实现钢坯内部温度分布的软测量模型。本文以步进式加热炉中钢坯温度场分布为应用背景，提出了利用机理建模的方法来实现钢坯内部温度场分布的软测量模型，并且对典型工况进行了仿真，结果表明测量精度完全符合工业应用要求。     

基于连续隐Markov 模型的发酵过程软测量方法

针对生物发酵过程中一些生物参量难以用仪表进行在线检测的问题,提出一种基于连续隐Markov模型（CHMM）的发酵过程软测量建模方法.为减少建模过程的计算量,提出了改进最小分类误差准则,用于CHMM软测量模型参数估计.为避免软测量结果在发酵过程监测与控制实际应用中存在的盲目性,提出了在线评价软测量结果可靠性的可信度评价指标.实验结果表明了所提出方法的有效性以及可信度评价指标的实际意义.     

基于先验约束的空时联合视频错误检测算法

视频错误检测是视频错误隐藏的基础,为此针对视频的典型应用场景对其展开研究,对基于空域特征的错误检测算法进行了改进,使其可自适应调节判决门限。在此基础上综合已有算法并引入视频时域相关性特征,提出一种具有较强普适性的基于先验约束的空时联合视频错误检测算法。以3G视频通话业务为例进行仿真,仿真结果表明,该算法错误检测的定位精度较高,为错误隐藏提供了可靠依据。     

显著误差检测的改进SICC算法

提出了一种改进的SICC(顺序识别显著误差并同步补偿)算法．改进后的算法利用时间冗余性，加入对过程测量变量的上下限约束，避免了显著误差的误判．并且通过对显著误差进行逐步的幅度补偿，再采用MT（测量残差检验）法找出候选显著误差集，避免了投影矩阵的计算．通过加入必要的回路检测，避免了幅度补偿后矩阵奇异性的产生．对蒸汽系统过程网络进行仿真研究，仿真结果表明了改进算法的有效性．     

MPEG-4错误检测和定位技术研究

如何在低带宽和高噪声信道环境下传输压缩视频和改善接收到的视频质量是当前视频技术研究的一个热点问题.简要介绍MPEG-44种错误恢复工具的基本原理,讨论了错误数据恢复的3个步骤.由于错误检测和定位是错误恢复的基础,因此,将重点讨论错误检测和定位的几种主要方法,并详细介绍一种基于数据隐藏的错误检测与定位技术.     

基于柔性形态变换的图像边缘检测

由于自然界中的噪声影响和图像模糊的边缘,这给图像的边缘检测和目标分割带来了一定的困难。柔性形态变换作为一种数学形态学的方法,既保留了标准形态变换的许多优良特性,又具有较好稳健性,为进行目标特征分析提供了可能。使用柔性形态变换构造边缘检测算子,对图像进行边缘检测。实验结果表明,与其他常用的边缘检测算子相比,基于柔性形态变换的边缘检测算子在有效去噪的同时,能较好地保留图像的细节信息,具有很强的实用性。     

一种基于边缘检测的空域误码掩盖算法

提出了一种基于边缘检测的空域误码掩盖算法,算法通过检测受损宏块相邻块的边缘信息,将受损块分为平坦块、边缘块和纹理块三类,根据受损宏块的类型,选择不同的方法恢复。对于边缘块,采用改进的方向内插恢复;对于纹理块,在不同的方向进行加权内插,并按照一定的规则将多个方向的亮度值加权组合。仿真实验表明,算法具有良好的误码掩盖效果。     

双门限三级联合频谱感知算法——基于能量检测和高阶循环谱检测

认知无线电中,快速有效的频谱感知是一项关键技术。传统的能量检测算法不能抵抗低信噪比的影响,高阶循环谱检测又有着较高的算法复杂度。将二者进行结合,提出一种双门限三级联合频谱感知算法,有效提高了系统的检测性能并降低了算法复杂度。对传统的能量检测算法进行了仿真,并对检测概率的影响因素进行了分析和仿真;对高阶循环谱检测算法进行了理论分析,并对三级联合感知算法的性能进行了详细分析。最终得出结论,三级联合感知算法不但大大提高了认知用户的检测性能,而且并没有增加过多的运算量,因此是一种高效、快速的频谱感知算法。