亚洲精品国产美女久久久,一个人看的视频www在线观看,中文无码久久精品,真人做人试看120分钟,亚洲国产精品久久久天堂

    火電廠生產(chǎn)流程中使用了大量不同型號(hào)的測量儀表，這些儀表在測量原理、精度、數(shù)據(jù)的重要程度等方面各不相同。從經(jīng)濟(jì)成本與效益核算的角度考量，無法對所有待測對象都使用高品質(zhì)、長壽命的儀表，也無法使用多臺(tái)儀表同時(shí)測量。根據(jù)測量對象的重要程度和測量環(huán)境的惡劣程度，配備不同個(gè)數(shù)和型號(hào)的測量儀，這就使測量過程中各類數(shù)據(jù)呈現(xiàn)參差不齊的品質(zhì)，摻雜著原因繁多的誤差信號(hào)，對電廠運(yùn)行人員的日常監(jiān)視與操作造成了不可忽略的影響，有些情況嚴(yán)重的誤差甚至?xí)l(fā)系統(tǒng)連鎖誤動(dòng)作，造成重大生產(chǎn)事故。對測量數(shù)據(jù)進(jìn)行恰當(dāng)?shù)奶幚?，濾除掩蓋真值的高頻波動(dòng)以及對同測點(diǎn)不同組數(shù)據(jù)進(jìn)行合理融合，可以彌補(bǔ)硬件設(shè)備性能的缺陷，為控制系統(tǒng)提供更高品質(zhì)的現(xiàn)場狀態(tài)信息，為高精度協(xié)調(diào)控制奠定堅(jiān)實(shí)基礎(chǔ)^[1]_。電廠實(shí)時(shí)采樣數(shù)據(jù)特征呈現(xiàn)高度的時(shí)變性和非線性，現(xiàn)行常用的數(shù)據(jù)在線處理算法由于難以快速把握時(shí)變的數(shù)據(jù)特征，難以滿足電廠控制系統(tǒng)的需求。

    本文以電廠數(shù)據(jù)特征為基礎(chǔ)，構(gòu)造了個(gè)數(shù)據(jù)處理模型：快速適應(yīng)并準(zhǔn)確估計(jì)當(dāng)前數(shù)據(jù)的特征；根據(jù)數(shù)據(jù)特征對高頻波動(dòng)進(jìn)行恰當(dāng)?shù)臑V除，并將不同數(shù)據(jù)進(jìn)行融合，融合過程中定量地剔除離群較大值。模型構(gòu)造的著重點(diǎn)在于對數(shù)據(jù)特征快速準(zhǔn)確的估計(jì)。

    1 生產(chǎn)控制系統(tǒng)及測量數(shù)據(jù)的特點(diǎn)

    火電廠的生產(chǎn)控制系統(tǒng)是典型的大規(guī)模復(fù)雜系統(tǒng)，其特征為：

    （1）系統(tǒng)龐大復(fù)雜，且非完整的套系統(tǒng)，通常由幾大系統(tǒng)協(xié)調(diào)運(yùn)作，系統(tǒng)間通過通訊接口互傳少量關(guān)鍵信息；

    （2）系統(tǒng)正常運(yùn)轉(zhuǎn)時(shí)狀態(tài)變量變化平滑緩慢，呈現(xiàn)大遲滯特性；

    （3）大部分生產(chǎn)環(huán)節(jié)采用邏輯門組合判斷方式調(diào)節(jié)，系統(tǒng)運(yùn)行規(guī)律呈現(xiàn)高度非線性；

    （4）現(xiàn)場工況復(fù)雜，干擾因素眾多，實(shí)際數(shù)據(jù)特性與先驗(yàn)值或理論值存在較大差距；

    （5）系統(tǒng)可控設(shè)備數(shù)量眾多，每套設(shè)備都有不同的自身特性。

    現(xiàn)場測量對象很多，如流量、溫度、水位、壓力等，本文主要針對流量計(jì)采入的數(shù)據(jù)進(jìn)行實(shí)時(shí)處理?，F(xiàn)場流量測量對象有水流、油流、蒸汽流等，每種工質(zhì)各自具有不同的穩(wěn)、暫態(tài)特性，但存在如下共同特點(diǎn)：

    （1）多數(shù)流量的真值呈現(xiàn)低頻非線性變化特性，少數(shù)保持固定值基本不變；

    （2）重要的流量測量過程采用多個(gè)同型傳感器同時(shí)測量；

    （3）同待測對象的各種同型傳感器的實(shí)際測量誤差表現(xiàn)常常與標(biāo)稱等級(jí)不符，并且常常隨工況改變而發(fā)生相應(yīng)變化^[2]_；

    （4）測量值的誤差通常包括：電信號(hào)生成與傳遞時(shí)由于電荷布朗運(yùn)動(dòng)呈現(xiàn)的噪聲，常規(guī)復(fù)雜工況引起傳感器工作不穩(wěn)定，偶然發(fā)生且無法預(yù)知的較強(qiáng)擾動(dòng)。以上各種誤差的疊加呈現(xiàn)近似的高斯分布，也有極少數(shù)呈現(xiàn)其他類型的分布。

    2 常用數(shù)據(jù)處理方法及其局限

    電廠控制系統(tǒng)常用的數(shù)據(jù)處理包括數(shù)據(jù)的濾波和多傳感器數(shù)據(jù)的融合2個(gè)環(huán)節(jié)。

    濾波環(huán)節(jié)常使用的是階滯后濾波法，也叫階時(shí)延濾波法。其公式為：

    其中：T_S為算法固定常數(shù)，T₁為可調(diào)時(shí)延常數(shù)。該算法在當(dāng)前電站控制系統(tǒng)中十分常用，如西門子新電站控制系統(tǒng)SPPA2T3000中所有監(jiān)測模塊都集成有該算法，時(shí)延常數(shù)T₁人為設(shè)定。該算法公式簡易，計(jì)算量小。但T₁的設(shè)定依賴待測對象的特點(diǎn)，過小不能有效濾除波動(dòng)，過大則滯后明顯，靈敏度低。

    另外，小均方（LMS）自適應(yīng)濾波器是現(xiàn)行的無先驗(yàn)信息支持的濾波器中理論性較完備且適用廣泛的種典型的自適應(yīng)濾波器^[3]_。它使得濾波器的輸出信號(hào)與期望響應(yīng)之間誤差的均方值小，因此稱為小均方（LMS）自適應(yīng)濾波器。構(gòu)成自適應(yīng)數(shù)字濾波器的基本部件是自適應(yīng)線性組合器。設(shè)線性組合器的M個(gè)輸入為x（k-1），⋯，x（k-M），其輸出y（k）是這些輸入加權(quán)后的線性組合，即：

    權(quán)系數(shù)向量W_i用梯度法求得優(yōu)值^[4]。該算法有較強(qiáng)的適應(yīng)性，但階數(shù)M的取值在定程度上仍依賴測量對象的波動(dòng)情況。當(dāng)M大時(shí)，適合隨機(jī)波動(dòng)大但理想真值基本穩(wěn)定的系統(tǒng)，但過大會(huì)占用較多系統(tǒng)資源；當(dāng)M小時(shí)，適合隨機(jī)波動(dòng)小但理想真值變化較快的系統(tǒng)，但過小則算法輸出相當(dāng)不穩(wěn)定。

    其他常用方法有限幅濾波法、中位值濾波法、算術(shù)平均濾波法、遞推平均濾波法、中位值平均濾波法、限幅平均濾波法及加權(quán)遞推平均濾波法等。這些算法的共同點(diǎn)和階滯后濾波類似，計(jì)算簡潔，不占系統(tǒng)空間，缺點(diǎn)是對于不同特點(diǎn)的高頻誤差需要設(shè)定不同的參數(shù)，通用性較差。

    在數(shù)據(jù)融合環(huán)節(jié)，恰當(dāng)?shù)娜诤峡梢蕴岣邤?shù)據(jù)的精確性。精確性分為精密性和準(zhǔn)確性，精密性體現(xiàn)在數(shù)據(jù)的波動(dòng)程度，衡量指標(biāo)通常用誤差的標(biāo)準(zhǔn)差σ；準(zhǔn)確性體現(xiàn)在數(shù)據(jù)的理想值相對真值偏移（漂移）的程度，衡量指標(biāo)通常用數(shù)據(jù)期望μ。由于標(biāo)稱的測量值不可靠，需要對誤差標(biāo)準(zhǔn)差做即時(shí)的估計(jì)。目前無論是使用廣泛的貝塞爾公式估計(jì)法還是其他數(shù)字方法，幾乎都是利用采樣規(guī)模為n的滑動(dòng)窗采樣數(shù)據(jù)的樣本作為當(dāng)前信號(hào)的總體標(biāo)準(zhǔn)差估計(jì)的來源^[2，5-6]，即時(shí)估計(jì)效果不是很理想。通常的融合算法較多關(guān)注數(shù)據(jù)的準(zhǔn)確性，權(quán)重般由數(shù)據(jù)相互支持度算得^[7-8]，并且需要按經(jīng)驗(yàn)設(shè)定閾值^[9]，這類算法對于剔除漂移值較有效。

    綜上所述，電廠數(shù)據(jù)處理模型的設(shè)計(jì)存在以下困難：

    （1）濾波環(huán)節(jié)。無法列出系統(tǒng)確切的狀態(tài)轉(zhuǎn)移矩陣和系統(tǒng)輸入向量。基于系統(tǒng)運(yùn)行機(jī)理和先驗(yàn)統(tǒng)計(jì)特性的數(shù)據(jù)預(yù)處理算法（如卡爾曼濾波及其改進(jìn)算法）難以運(yùn)用到本課題研究的工況^[10]?，F(xiàn)行多數(shù)基于數(shù)理統(tǒng)計(jì)的算法中，對于不同的監(jiān)測對象，需要在處或多處設(shè)定不同的算法參數(shù)，當(dāng)同監(jiān)測對象的數(shù)據(jù)特征發(fā)生變化時(shí)，算法參數(shù)也需要做相應(yīng)調(diào)整?，F(xiàn)場眾多的監(jiān)測對象以及復(fù)雜的工況使得設(shè)定系數(shù)成為工作量很大且技術(shù)性較強(qiáng)的工作。

    （2）數(shù)據(jù)融合環(huán)節(jié)。流量計(jì)先驗(yàn)標(biāo)稱值（如誤差等級(jí)）不可靠，且數(shù)據(jù)特征呈現(xiàn)難以預(yù)見的時(shí)變性，這些特點(diǎn)對算法的快速反應(yīng)能力提出了很高的要求?，F(xiàn)行算法難以快速準(zhǔn)確地提取融合環(huán)節(jié)所需要的數(shù)據(jù)特征，尤其是靈敏性和抗干擾性難以兼得。

    3 有效數(shù)據(jù)處理模型的建立

    本文基于數(shù)理統(tǒng)計(jì)原理，結(jié)合電廠控制系統(tǒng)與流量計(jì)數(shù)據(jù)特點(diǎn)，建立個(gè)較有效的處理算法。算法對采樣數(shù)據(jù)進(jìn)行在線分析以及對數(shù)據(jù)特征迅速而較準(zhǔn)確的提取，并構(gòu)造個(gè)可根據(jù)數(shù)據(jù)的瞬態(tài)特性實(shí)時(shí)調(diào)節(jié)參數(shù)、具有廣泛適應(yīng)性的數(shù)據(jù)處理模型。

    （1）對每臺(tái)儀表的誤差標(biāo)準(zhǔn)差σ和數(shù)據(jù)期望μ即時(shí)估計(jì)，以估計(jì)值作為濾波器輸出；

    （2）對濾波后的數(shù)據(jù)進(jìn)行加權(quán)融合，權(quán)重根據(jù)估計(jì)值和動(dòng)態(tài)調(diào)整。

    結(jié)合電廠數(shù)據(jù)的誤差特性，算法模型可以基于高斯分布的統(tǒng)計(jì)量特征進(jìn)行設(shè)計(jì)。首先是對μ和σ估值。由于數(shù)據(jù)具有時(shí)變性，即采樣序列中存在序列相關(guān)分量，本文中μ僅表示當(dāng)前時(shí)刻下采樣數(shù)據(jù)的期望，前時(shí)刻可能不同于后時(shí)刻。同樣，σ也如此。μ和σ都是數(shù)據(jù)的統(tǒng)計(jì)特征，利用經(jīng)典的貝塞爾公式需要大量或者至少定規(guī)模的采樣值才可以較準(zhǔn)確的估算出來，這對于μ和σ恒定的情況比較有效，當(dāng)兩個(gè)指標(biāo)均隨工況動(dòng)態(tài)改變時(shí)，很難達(dá)到理想效果。貝塞爾公式中采樣點(diǎn)數(shù)n的選取難以確定，n較小時(shí)估算值波動(dòng)較大；n較大時(shí)系統(tǒng)占用系統(tǒng)資源較多，且由于信號(hào)序列中相關(guān)分量的累積影響導(dǎo)致遲滯嚴(yán)重；n取適中某值時(shí)，兩種缺點(diǎn)并存。

    對于μ和σ均時(shí)變情況下σ的估算，本文采用種簡單有效的間接方法：設(shè)某時(shí)刻與前時(shí)刻采樣值分別為X_k與X_k-1，均近似服從高斯分布。由于誤差波動(dòng)的頻率與真值變化的頻率相差至少3個(gè)數(shù)量級(jí)（根據(jù)現(xiàn)場測試經(jīng)驗(yàn)），即序列相關(guān)分量在相鄰采樣點(diǎn)之間的影響因素在千分之以下，X_k與X_k-1可以按相互考慮。令d=X_k-X_k-1，d服從N（0，2σ²）分布，，對于d的或然誤差ρ_d有下式：

    信號(hào)的隨機(jī)分布曲線中，平行于縱軸、與分布中心μ距離為ρ的左右兩條直線將分布曲線包圍的面積分為三部分，信號(hào)在[μ-ρ，μ+ρ]及該區(qū)間以外的概率各為50%，ρ稱為或然誤差。如果分布類型為高斯分布，則有ρ=0.675σ。即：只要估算出ρ_d便可推出σ，由于d的期望為零，比直接估算σ難度大大降低。由于d的分布關(guān)于縱軸對稱，可以只考慮正半?yún)^(qū)間（實(shí)際操作時(shí)將d取值后處理）。設(shè)ρ的估值為當(dāng) ≠ρ時(shí)，被分隔的兩部分面積不相等，誤差落入兩個(gè)區(qū)域的概率也不同。如果給予當(dāng)前產(chǎn)生的dk個(gè)適當(dāng)?shù)臋?quán)重作為的修正項(xiàng)，使向d_k落入的那個(gè)區(qū)域方向移動(dòng)，由統(tǒng)計(jì)學(xué)特性可知，通過不斷的迭代修正，將依概率逼近ρ，并具備無偏估計(jì)的優(yōu)良特性。

    算法初始時(shí)通過貝塞爾公式得到初始估值之后每次采樣通過對d_k和的特征提取對其進(jìn)行修正，修正算法如下：

    式中的不等式項(xiàng)為布爾項(xiàng)，當(dāng)不等式成立時(shí)該項(xiàng)為1，否則為0。

    為正、負(fù)向修正項(xiàng)，修正公式初步設(shè)計(jì)如下：

    為了保持公式的結(jié)構(gòu)性，式（6）、式（7）未化為簡式。

    正、負(fù)向修正項(xiàng)均采用指數(shù)函數(shù)架構(gòu)修正權(quán)重。先將當(dāng)前采入量進(jìn)行標(biāo)準(zhǔn)化處理，獲得相對增量，然后代入負(fù)指數(shù)函數(shù)計(jì)算出修正權(quán)重，使快速且平穩(wěn)地逼近ρ_dk。采用指數(shù)函數(shù)架構(gòu)的目的是使修正環(huán)節(jié)定量忽略掉明顯的離群值，以保障算法的穩(wěn)健性。標(biāo)準(zhǔn)化處理的目的是使修正公式的性能基本不受信號(hào)具體值大小的影響。正、負(fù)向修正項(xiàng)系數(shù)不唯，但需要配套，即保證兩個(gè)方向的修正強(qiáng)度相平衡。當(dāng)修正系數(shù)較大時(shí)，調(diào)節(jié)力度明顯，靈敏度高，但波動(dòng)較大；當(dāng)修正系數(shù)較小時(shí)，調(diào)節(jié)力度微弱，波動(dòng)較小，但靈敏度低。當(dāng)ρ_dk發(fā)生較大改變時(shí)，可能導(dǎo)致修正環(huán)節(jié)過于遲緩，發(fā)生估值器跟蹤失敗。為了解決上述矛盾，模型將修正系數(shù)定為較小值，同時(shí)在式（6）、式（7）中添加“跟蹤因子”。當(dāng)ρ_dk顯著改變時(shí)，該因子可以迅速加大修正幅度，實(shí)現(xiàn)估算的靈敏性。定義跟蹤因子為Td，具體算法如下：
 

    R為右移跟蹤參數(shù)，L為左移跟蹤參數(shù)，算法初始時(shí)T_d不起作用，所以R和L初值分別設(shè)為1。當(dāng)明顯偏小時(shí)，T_d將以幾何級(jí)數(shù)迅速增大，反之迅速縮小。其中系數(shù)的設(shè)定沒有特別的技巧，起增大作用的系數(shù)大于1，起縮小作用的系數(shù)為0～1即可。實(shí)驗(yàn)確定當(dāng)系數(shù)分別為1.2和0.6時(shí)跟蹤性能普遍較好。同時(shí)鑒于幾何級(jí)數(shù)爆炸式的膨脹特性，為了防止T_d發(fā)生過激變化而產(chǎn)生系數(shù)的振蕩，R和L都設(shè)定個(gè)小于1的正值作為下限，例如設(shè)為0.2，以限制幾何級(jí)數(shù)過分作用。

    當(dāng)ρ_dk顯著變化時(shí)，跟蹤因子可以使快速追蹤。但當(dāng)μ_k發(fā)生明顯改變時(shí)，d_k的分布由正態(tài)變?yōu)槠珣B(tài)，偏離程度與μ的變化速率正相關(guān)，此時(shí)式（3）不再成立，而跟蹤因子將會(huì)誤以為ρ_dk增大而做出誤判斷。所以在式（6）、（7）中引入因子T_d的同時(shí)，還要引入“誤判抑制因子”P_d。

    真值顯著變化的過程中，相鄰采樣點(diǎn)的間距|d_k-1|出現(xiàn)高值的概率顯著增加，導(dǎo)致算法誤判斷為標(biāo)準(zhǔn)差增大而使跟蹤因子T_d迅速增長，而P_d則能識(shí)別出這種情況，并以相應(yīng)的強(qiáng)度予以抑制。式中常系數(shù)為遺忘因子，使P_d只體現(xiàn)近段時(shí)間μ的變化趨勢；UP為上升趨勢參數(shù)；DN為下降趨勢參數(shù)。μ不變時(shí)數(shù)據(jù)只是圍繞μ上下波動(dòng)，UP與DN基本相當(dāng)。由于遺忘因子的作用，UP與DN會(huì)快速收斂到個(gè)恰當(dāng)?shù)膮^(qū)間，所以UP與DN對初值要求不高，只要正負(fù)相反、幅值相等，并明顯大于誤差幅度即可，但是過大會(huì)造成收斂過慢致使因子P_d遲遲不起作用，般取與X_k同數(shù)量級(jí)的常數(shù)即可。

    將T_d因子和P_d因子引入到式（6）、（7）中，得：

    式（3）～式（5）與式（8）～式（15）聯(lián)立可得到完整的σ估值模型。

    關(guān)于u_k的估算，與σ的估算類似。算法初始時(shí)通過臨近采樣值平均法估算出，然后每次采樣后進(jìn)行修正，修正模型如下：

    T_μ為跟蹤因子。與σ估計(jì)模型類似，T_μ在μ_k改變時(shí)，可以提高模型的靈敏度。由于μ_k的性質(zhì)，不會(huì)出現(xiàn)σ_k估算時(shí)候的誤判斷現(xiàn)象，所以無須引入誤判抑制因子。將作為數(shù)據(jù)的濾波輸出值。

    式（3）～式（5）、式（8）～式（21）組成了本文的估值模型。完成對數(shù)據(jù)特征的即時(shí)提取以及基于數(shù)據(jù)特征而進(jìn)行相應(yīng)的濾波。

    接下來是將濾波后的多組傳感器數(shù)據(jù)進(jìn)行融合。本文在融合環(huán)節(jié)將數(shù)據(jù)的兩種特征指標(biāo)有機(jī)結(jié)合起來，綜合給定各數(shù)據(jù)的融合權(quán)重。利用σ^k構(gòu)造精密度因子，利用由數(shù)據(jù)歐式距離表達(dá)的支持度函數(shù)構(gòu)造準(zhǔn)確度因子。利用精密度因子和準(zhǔn)確度因子乘積的平方作為原始權(quán)重因子，再將其歸化，得到終處理值，表達(dá)式如下：

    式中的因子采用二階式，具有很高的區(qū)分度，可以通過極低的權(quán)重自動(dòng)摒棄波動(dòng)劇烈和漂移明顯的數(shù)據(jù)，不需要像文獻(xiàn)[9]中那樣設(shè)立閾值。

    4 仿真實(shí)驗(yàn)

    電廠某重要給水管道被4套同型傳感器在線監(jiān)測，傳感器新舊程度及安裝位置各不同，標(biāo)稱誤差等級(jí)均為1，實(shí)際測量情況均與標(biāo)稱值有出入，并且隨流量的改變發(fā)生定程度的變化。本文用以下函數(shù)模擬該管道由于負(fù)荷變化使調(diào)節(jié)閥逐漸開大，水流由7t/h上升至13t/h的流量信號(hào)采樣過程。采樣周期為200ms，采樣2000次，其中信號(hào)在[7，13]內(nèi)，波動(dòng)幅度隨流速增大逐漸減小。

    X1（i）～X4（i）為原始采樣信號(hào)，其中1#、2#的測量值基本合格，3#數(shù)據(jù)有明顯漂移，4#高頻波動(dòng)十分顯著。用2種現(xiàn)行常用算法與本文算法在同系統(tǒng)環(huán)境下進(jìn)行仿真與比較，處理后數(shù)據(jù)誤差的標(biāo)準(zhǔn)差見表1（每種方法實(shí)驗(yàn)20次后取均值）。

    由于篇幅所限，以4#傳感器為例（4#運(yùn)行狀況惡劣，具典型性），LMS算法與本文算法效果如圖1、圖2所示。

    對于誤差的標(biāo)準(zhǔn)差的在線估計(jì)是本文算法模型的個(gè)特別之處。以1#、4#為例，誤差的標(biāo)準(zhǔn)差的實(shí)時(shí)估計(jì)如圖3所示（仿真程序有意令初值與理想值產(chǎn)生定程度的偏離，以測試算法的靈敏性）。

    由仿真結(jié)果和數(shù)據(jù)效果圖可以看出：

    （1）LMS及其他現(xiàn)行算法對于高頻波動(dòng)惡劣的信號(hào)抗擾性非常弱，尤其是00次采樣的迭代估算輸出值波動(dòng)依然十分劇烈。本文算法的明顯優(yōu)勢在于：對于不同程度的高頻波動(dòng)均有較良好的抑制效果，估算輸出值較為穩(wěn)定，對系統(tǒng)監(jiān)測人員有較高的參考價(jià)值。

    （2）原信號(hào)900～1100次采樣過程的真值發(fā)生了較大幅度的改變?，F(xiàn)行算法常常通過減小迭代計(jì)算樣本容量或時(shí)延參數(shù)提高跟蹤性能，但穩(wěn)定性會(huì)隨之降低。本文算法的參數(shù)不需要調(diào)節(jié)，并且沒有因?yàn)榭紤]到抗擾性能而削弱跟蹤性能。

    （3）本文算法較現(xiàn)行其他算法多出標(biāo)準(zhǔn)差估計(jì)環(huán)節(jié)，能夠以較高的精度對數(shù)據(jù)波動(dòng)性做出即時(shí)估算，對瞬時(shí)期望值的估計(jì)有較高的指導(dǎo)意義。

    5 結(jié)論

    在數(shù)據(jù)濾波環(huán)節(jié)，傳統(tǒng)方法各有優(yōu)劣，但共同的不足是不能很好地適應(yīng)實(shí)際工況瞬息變化的需求，算法的參數(shù)需要隨實(shí)際工況進(jìn)行人為經(jīng)驗(yàn)性的調(diào)整，甚至每臺(tái)測量儀對應(yīng)的數(shù)字濾波器在不同的時(shí)間段都需要設(shè)定不同的參數(shù)。本文算法通過對數(shù)據(jù)特征的即時(shí)估計(jì)，對不同情況的波動(dòng)定量的做相應(yīng)修正，使算法在各種工況下均有較好的效果，尤其是在波動(dòng)越大時(shí)算法優(yōu)勢越明顯，并且在理想值變動(dòng)的過程中能夠及時(shí)跟蹤。算法模型中所有的系數(shù)均為固定值，無須二次調(diào)整，且內(nèi)存中只存取前次估計(jì)值和少數(shù)中間變量，極大程度地節(jié)省計(jì)算資源，計(jì)算所用時(shí)間也有明顯優(yōu)勢。

    在數(shù)據(jù)融合環(huán)節(jié)，由于本文算法對數(shù)據(jù)特征有靈敏準(zhǔn)確的即時(shí)估計(jì)，使得融合過程能大程度地向品質(zhì)較好的傳感器數(shù)值靠攏。而引用文獻(xiàn)[9]中的兩種算法，融合過程不考慮信號(hào)誤差的標(biāo)準(zhǔn)差，雖然可以很好糾正類似3#傳感器那樣發(fā)生漂移的數(shù)據(jù)，但當(dāng)出現(xiàn)類似4#傳感器的數(shù)據(jù)時(shí)，融合效果很受影響。

    從仿真結(jié)果可以看出，本文算法中輸出值與理想值的誤差不論是在濾波環(huán)節(jié)還是數(shù)據(jù)融合環(huán)節(jié)都是較小的。該算法能夠廣泛地適應(yīng)火電廠復(fù)雜的工況。

    參考文獻(xiàn)：

    [1]BehroozParhami。Multi2sensordatafusionandreliablemulti2channelcomputation：Unifyingconceptsandtechniques[J]。Signals，SystemsandComputers，1995，11：7452748。
    [2]仲崇權(quán)，董西路，張立勇，等。多傳感器測量中的方差估計(jì)[J]。數(shù)據(jù)采集與處理，2003，18（4）：4122416。
    [3]PauloSRD。AdaptiveFiltering：AlgorithmsandPracticalImplementation[M]。Boston，America：KluwerAcademicPublishers，2002。
    [4]CostaMarcioH，BermudezJoseCM，BershadNeilJ。StatisticalanalysisoftheLMSalgorithmwithazero2memorynonlinearityaftertheadaptivefilter，speech，andsignalpro2cessing[C]//IEEEInternationalConferenceonAcoustics。Phoenix，AZ，USA：IEEE，1999：166121663。
    [5]周富臣，孫玉蓮。總體標(biāo)準(zhǔn)差σ的五種估計(jì)及估計(jì)精密度[J]。計(jì)量技術(shù)，2006（12）：60262。
    [6]OngChee2Kian，HongDongwoo，ChengKwang2Ting（Tim），etal。Randomjitterextractiontechniqueinamulti2gigahertzsignal[C]//ProceedingsoftheDesign，AutomationandTestinEuropeConferenceandExhibition（DATE′04），Paris，F(xiàn)rance：IEEEComputerSociety，2004：10286。
    [7]胡振濤，劉先省。種實(shí)用的數(shù)據(jù)融合算法[J]。自動(dòng)化儀表，2005，26（8）：728。
    [8]XueShilong。Afaultdiagnosissystembasedondatafusionalgorithm[C]//FirstInternationalConferenceonInnovativeComputing，InformationandControl。Beijing：IEEECom2puterSociety，2006：79283。
    [9]涂國平，葉素萍。種傳感器數(shù)據(jù)的融合算法[J]。傳感器技術(shù)，2003，22（3）：30231。
    [10]許阿裴，歸慶明，韓松輝?？柭鼮V波模型誤差的影響分析[J]。大地測量與地球動(dòng)力學(xué)，2008，28（1）：1012103。