毕业论文

打赏
当前位置: 毕业论文 > 自动化 >

基于非线性规划的数据校正联合算法的研究

时间:2017-06-19 22:59来源:毕业论文
论文借鉴了其他数据校正方法的理论思想,在结合序贯二次规划(SQP)方法求解最优化问题的基础上,将数据调和显著误差检测有机的糅合,研究一种循环迭代处理的联合算法,使数据

摘要生产过程中的测量数据是许多技术工作的基础和出发点,它的可靠性和正确性直接影响这研究和决策的工作质量。但由于测量中不可避免的误差,测量值不能精确地符合生产过程中一些内在的物理化学规律,如化学反应计量关系、物料平衡和热量平衡关系等等。这种误差又分为随机误差和显著误差。数据校正的目的就是利用综合统计、辨识和优化技术,对实测数据进行调整,消除数据中包含的随机误差和显著误差,从而提高数据测量的质量。
本论文借鉴了其他数据校正方法的理论思想,在结合序贯二次规划(SQP)方法求解最优化问题的基础上,将数据调和显著误差检测有机的糅合,研究一种循环迭代处理的联合算法,使数据调和在快速与有效的基础上具有较高的显著误差检测功效。10416
关键词  序列二次规划  数据校正  显著误差检测   数据调和
 毕业设计说明书(论文)外文摘要
Title    Data Rectification Based on the Nonlinear Programming               
Abstract
Measurement data from industrial processes are the basis of much technical work, and data reliability and accuracy will directly affect the results of research and decision-making. However,the original measurement data often contain various errors,so the basic balanced relations,such as energy balance or conservation of mass,cannot be satisfied. Measurement errors can be mainly pided into two types: random error and gross error. Data rectification is a modern technique to improve the quality of measurement data,and its main purpose is to eliminate the random errors and gross errors included in original data by making use of applied statistics,identification,optimization and other techniques.
This article, drawing on other data correction method theory, based on solving optimization problems in combination with sequential quadratic programming (SQP), combining gross error dictation with data reconciliation, put forward a kind of iterative processing, to make the data reconciliation having a higher gross error detection efficiency on the basis of fast and affectivity.
Keywords   SQP;Data Reconciliation;Gross Error Dictation;Data Rectification;
目     次
1.  绪论    1
1.1  数据协调概述    1
1.2  显著误差检测概述    6
2  课题研究    12
2.1  仿真软件    12
2.2  算法简介    13
2.3  仿真实例    16
结  论    21
致  谢    22
参 考 文 献    23
附录    25
1.  绪论
随着计算机技术的快速发展,越来越多的工厂企业已将计算机应用于过程控制、资源配置、操作优化、职工考核等当方面,因而数据的采集量大大增加。只有准确可靠的数据才能保证资源的合理调度。然而,实测数据不可避免的带有误差。测量误差分为随机误差和显著误差。随机误差受随机因素影响,通常服从于一定的统计规律;显著误差一般由于仪器故障,操作不当等原因引起。另一方面,由于部分测量仪器代价昂贵,测量技术不可行,或测量条件苛刻等原因,是部分测量值不可采集,造成测量数据的不完整性。
不平衡性和不完整的测量数据给过程分析和研究工作带来了很多的困难,甚至失败。所以,对测量数据进行处理,以提高其平衡性和完整性。
    数据协调技术的主要目的是消除测量数据中的随机误差,给出它们的校正值,并设法利用已测数据对未测数据和未知参数予以估算。显著误差检测技术的主要目的对测量数据中的显著误差进行侦破、消除或估算其真实值。这两个部分之间不存在明显的顺序关系,而是相辅相成、交互迭代进行的。 基于非线性规划的数据校正联合算法的研究:http://www.youerw.com/zidonghua/lunwen_9472.html
------分隔线----------------------------
推荐内容