才不至于使预测误差过大上述两种方法适用于测量误差很小的情况 对于测量误差较大的数据 则一般采用线性回归算法 即利用前几个数据来拟合直线或曲线 进行预测 论文摘要:在某型高炮随动系统的测试中 待测信号有非时变信号和时变信号两种本文根据这两种信号的特点 对比分析了一阶差分法、多项式逼近法和线性回归法 对每种方法的处理方式进行了研究 得到了以上两种信号的处理方法 上述方法适用于数据范围不宽的情况 如果数据范围很宽 有时需要选用不同的w值以适应不同的要求 有时所采用的第一点或第二点就是虚假点 一开始必须寻找满足预测关系得连续三点 即满足 这项工作进行时 如果w过大 异常数据可能剔出不掉;而w过小 则可能剔出正常数据 因而都可能得不到高质量的测量结果 对时变数据 不易采用反复检测以检验测试结果的正确性因此在对全部数据复原时 不仅必须把因受到干扰而产生的虚假数据检测出来 还必须补上一个合理的数值 这一数值是通过预测方法来得到的 我们假设测量数据序列为 相应时刻分别为 预测合理值的方法主要有以下三种: 由于对非时变数据可以实施反复测量 剔除粗差以降低外界干扰因素对测量结果的影响 因此只需要考虑排除干扰值 而不需要用预测值取代异常值 从而使数据处理过程简化 在这种方法中 存在用多少次的曲线来拟合与利用前面多少个数据点的问题 这都是需要根据采样频率及被测量数据的特点来适当选择的 再把这三个数组的对应点进行比较 取中间值构成新的数组 一般就可作为最终结果 有时为了最大限度地保持原的关系进行点 假设已知k时刻之前的两个采样点的值、 则:采用这种方法 一般数据的采样频率应是物理量变化最高频率的十倍以上这种方法满足于很多测试情况 尤其对于具有冲击干扰的对象来讲 更具有简单、实用的优点 还有 当两个物理量x和y之间有一定的函数关系 利用线性回归预测算法也是行之有效的 当采样频率低于物理量变化最高频率的十倍时 可用前三点构成二次曲线来进行预测 设测量序列的前三点为 满足二次曲线方程: 则有: 在确定预测算法之后 就需要选定误差窗口w 以便根据是否大于w 来判断是否为干扰值 误差窗口的选择一般需经以下两个步骤: 论文网8200余万篇毕业论文、各种论文格式和论文范文以及9千多种期刊杂志的论文征稿及论文投稿信息 是论文写作、论文投稿和论文发表的论文参考网站 也是科研人员论文检测和发表论文的理想平台 这种预测方法在采样频率为物理量最高频率六倍以上时 具有足够精度对于采样频率更低的数据 可采用更高次曲线来预测 根据某型高炮随动系统测试数据的特点 一般可分为非时变数据(即被测物理量是常数的多次测量数据)和时变数据两种 视其情况不同需分别进行处理 (责任编辑:admin)
|
谈谈您对该文章的看