导读:本文包含了显著误差检测论文开题报告文献综述、选题提纲参考文献，主要关键词:误差,数据,稀疏,协方差,重构,卡尔,动态。
显著误差检测论文文献综述写法
吴泽浩,罗先喜[1]（2019）在《基于核主元分析的蒸汽管网数据的显着误差检测研究》一文中研究指出工业生产中蒸汽能源的回收和利用的效果一直不高,与发达国家相比还有很大差距,造成这些的主要原因在于蒸汽管网的数据测量不完整、精度低以及一致性不明显。针对以上问题,以蒸汽管网的温度数据检测为例,在传统的数据校正方法上采用改进型的主元分析法-核主元分析法进行管网数据的显着误差检测,通过现场采集的管网温度数据进行仿真分析,有效地验证了核主元分析法对蒸汽管网显着误差检测的准确性与一致性的极大提升。(本文来源于《电子质量》期刊2019年10期）
吴胜昔,陈诚,徐金梦,顾幸生[2]（2018）在《一种显着误差检测方法在动态数据校正中的应用》一文中研究指出在工业过程中,采集和记录的生产数据通常用于过程的控制和在线优化等,因此保证数据的可靠性和准确度具有非常重要的意义。但是在实际情况中,测量数据不可避免地受到误差的影响,而且在生产过程中经常会出现仪表失灵、管道泄漏等现象导致测量数据中出现显着误差,进而导致测量结果严重失实。数据校正是保证工业过程数据准确可靠的主要技术手段。传统的动态数据校正通常采用卡尔曼滤波方法,但当测量数据存在显着误差时,其得到的协调值的可信度较低。为了解决动态数据校正过程中得到的测量数据存在显着误差,导致协调值失实的问题,本文在传统卡尔曼滤波方法的基础上,提出了基于动态贝叶斯模型检测方法进行显着误差的实时侦破。该方法主要通过测量值的滤波,对已经滤波的测量值进行标准化处理,利用扩展贝叶斯网络建立概率分布模型以实现显着误差的检测。根据存在显着误差和正常情况下出现的测量值条件概率大小,判断测量值是否存在显着误差,并根据侦破结果对测量协方差矩阵及卡尔曼增益等参数进行更新,以提高协调值的精度。通过实例仿真对比验证了基于动态贝叶斯的检测方法可以有效地侦破显着误差,并且可以通过参数实时调整提高了存在显着误差时协调值的精度。(本文来源于《华东理工大学学报(自然科学版)》期刊2018年01期）
范明喆,王鲁平,张路平[3]（2015）在《基于两重误差重构的显着性区域检测算法》一文中研究指出通过SLIC分割算法将图像分成多个超像素区域后,利用重构误差进行视觉显着性检测。首先提取图像边缘的超像素区域作为背景模板,然后利用这些模板构建两重外观模型:稀疏外观模型及稠密外观模型。对于每一块图像区域,首先计算稠密重构误差及稀疏重构误差,然后利用K均值聚类方法得到的上下文对重构误差进行传播,再利用贝叶斯准则融合稀疏型检测结果及稠密型检测结果,最后通过综合多尺度重构误差信息及修正的目标基高斯模型信息实现像素级显着性检测。(本文来源于《红外技术》期刊2015年11期）
宋玉霞[4]（2015）在《基于重建误差排序的显着性检测》一文中研究指出科技发展日新月异的今日,智能手机、互联网等行业给人们的生活带了极大的便利,越来越多生产生活上产生的图片涌现出来。面对这些海量图片,人们亟需能够快速精确处理这些图像的有效方法。而图像的显着性检测由于在计算机视觉领域有着广泛的应用,也越来越受到人们的重视。本文是提出了一种自下而上的显着性检测的方法。首先,将图像的四边作为基底对整幅图像进行稠密与稀疏重建,得到两个互补的粗糙的重建误差作为先验；然后,利用上面得到的两个重建图像作为查询结点,建立一个描像素关系的的排序函数；再将排序得到的两个图相乘结合并再次进行排序优化,最后利用高斯模糊,得到对复杂背景鲁棒的显着图。实验部分中,在MSRA1000和berkery300两个公开的数据库上面分别与现在的12种方法比较,证明我们的结果相比于以前的算法有了一定程度的改进提升。(本文来源于《大连理工大学》期刊2015-06-06）
沈凯,吴胜昔,彭竹,顾幸生[5]（2014）在《基于改进残差的显着误差检测方法》一文中研究指出运用投影矩阵法提出了一种表征测量误差程度的不可检测误差系数(UI)。UI值越高,说明测量误差与实际误差之间的差值越大,具有较高UI值的测量值容易出现显着误差漏报的现象。本文采用UI值对所有测量值误差进行修正,并将改进后的误差应用到显着误差检测中,以提高显着误差检测的准确度。仿真结果表明,基于改进残差的显着误差的检测方法能够提高显着误差的检测精度。(本文来源于《华东理工大学学报(自然科学版)》期刊2014年06期）
吴胜昔,彭竹,沈凯,顾幸生[6]（2014）在《一种基于F统计量的改进型显着误差检测方法》一文中研究指出工业过程采集的数据的可靠性和准确度直接影响到过程控制、调度及优化等。讨论了数据校正的原理及应用,分析了显着误差检测的意义以及显着误差检测的基本原理。在对两种传统的基于统计量的显着误差检测法讨论的基础上,提出了一种基于F统计量的NT-MT显着误差检测方法。该方法将两种传统方法运用其中,仿真结果表明,基于F统计量的改进NT-MT方法给出了很好的检测效果,对显着误差的灵敏度很高。(本文来源于《华东理工大学学报(自然科学版)》期刊2014年02期）
王丽丽[7]（2014）在《数据协调与显着误差检测方法研究与应用》一文中研究指出工艺过程测量数据是一切现代化工厂过程控制、优化、操作分析乃至经营管理的直接依据。因此,准确、可靠的测量数据是现代工业过程的基石。然而,在实际测量过程中,由于测量误差、仪表失灵和装备泄漏等不确定因素,导致测量数据不可避免的存在误差,包括随机误差和显着误差,极大的影响了数据的准确性和可靠性。数据协调与显着误差检测的目的是运用过程中各种冗余信息来处理测量数据,最大限度地降低误差的影响,使其满足内在的能量平衡、物料平衡和其他满足物理和化学规律的关系式,得到一组既合理又接近真实值的协调值,并估计未知参数。目前,数据协调与显着误差检测技术的研究重点包含两个方面：一是数据协调与显着误差检测分步实现;二是数据协调技术与显着检测同步实现。其中,第二方面研究的实质是引入了鲁棒估计理论。本文系统地研究了数据协调与显着误差检测的原理与方法,主要内容如下：(1)研究了NT-GLR (Nodal Test-Generalized Likelihood Ratio)的数据协调与显着误差检测方法,通过NT法检测、GLR法定位与补偿实现。针对其补偿值存在不准确的问题,提出了一种改进的NT-GLR法,将检测出的所有显着误差流股作为未测变量进行估计并代替原始数据,再运用最小二乘法进行数据协调,获得了更准确的协调效果。(2)研究了鲁棒估计原理,设计了一种新的鲁棒估计函数,并提出了一种新的数据协调与显着误差检测的鲁棒估计同步算法,该算法在偏离理想条件下对误差偏离不敏感,从而实现了数据协调与显着误差检测同步的效果,并能获得准确、可靠的协调结果。对稳态和动态过程进行了仿真研究,仿真结果表明了该算法的有效性。(3)研究了粒子滤波算法,提出了一种将粒子滤波与鲁棒估计结合的数据协调与显着误差检测同步的算法。针对一般粒子滤波的动态数据协调与显着误差检测中存在粒子匮乏的问题,本文将鲁棒估计融入到基本粒子滤波算法中,用鲁棒目标函数来二次更新粒子的权值,实现二次粒子滤波,有效加强了粒子的信任度,减少了粒子出现退化的现象。对线性和非线性动态系统进行仿真,仿真结果证明了算法的有效性。(4)研究了上海某焦化公司的甲醇工艺流程,建立了简化的物料稳态模型,基于两步法的思想,运用文中提出的鲁棒估计(WRE)算法以及非线性规划(NLP)法对工艺过程中的测量数据进行数据协调与显着误差检测,得到了总流率和各组分的协调值以及估计值。(本文来源于《南京理工大学》期刊2014-02-01）
彭竹[8]（2013）在《改进型显着误差检测方法研究》一文中研究指出近年来,随着流程工业综合自动化技术的飞速发展,对过程状态监控和优化的要求越来越高。仪表数据通常不能满足物料和能量守恒约束,而且过程变量的测量值通常会偏离真实值,主要原因是仪表测量获取的过程数据存在随机误差与显着误差,这些误差直接影响着参数估计的准确性,因此采用数据校正与显着误差检测技术来调整测量数据,剔除显着误差,减小随机误差的影响,提高测量数据的质量。本论文主要研究稳态线性过程的显着误差检测和估计问题。主要研究成果如下：1)对几种经典的显着误差检验方法——整体检验法(Global Test, GT)、测量残差检验法(Measurement Test, MT)、节点残差检验法(Node Test, NT),进行了理论和仿真比较,分析了MT-NT和NT-MT组合检验法的步骤及优缺点。2)提出了基于F统计量的NT-MT显着误差检测方法,充分利用NT和MT的优点,用F统计量代替测量残差和约束残差统计量,同时,采用协方差序贯计算方法,每次检测出一个显着误差之后,将修改其对应的协方差,这样可以提高下次检测出的显着误差的校正值的精度。仿真结果表明,该方法能够检测出幅值较小的显着误差,检测效率高、效果好。3)基于消除测量变量之间相关性出发,提出了PC-yr-MT显着误差的检测法。比较了基于主元分析法的约束残差检验法PC-yr和NT法,仿真结果表明PC-yr方法可以弥补NT-MT方法的缺陷-当一个节点附近有幅值相当的显着误差时NT-MT法无法进行,检测效率高、效果好。4)从改进数据协调模型的角度出发,针对基于支持向量回归的显着误差检测法,提出了基于最小二乘支持向量回归框架的同步数据协调与显着误差检测方法。该方法可以弥补以最小二乘数学模型作为目标函数时容易将误差扩散的缺陷。仿真结果表明,对于稳态线性系统而言,具有高效的检测水平,运行时间短,效果好。(本文来源于《华东理工大学》期刊2013-12-10）
关文昳[9]（2013）在《球团生产过程数据显着误差检测的方法研究》一文中研究指出作为钢铁工业生产中的重要环节,球团生产在我国的工业结构中有着十分重要的作用。随着工业生产自动化程度的不断提高,数据在工业自动化控制中的作用也越来越明显。正确的数据是保证自动控制系统能连续运行的基础,而在工业过程中,现场采集的数据中不可避免的存在误差,其中既有随机误差也有显着误差。显着误差主要是指由于测量仪表失灵、测量仪表数据传输错误以及操作不稳定等原因造成的测量数据严重失真的情况。数据的测量值和真实值之间存在的显着差异即显着误差。显着误差的存在使测量数据不能真实反映实际工况,所以对显着误差进行检测并加以修正在数据处理中尤为重要。本文主要研究了球团生产过程之中的显着误差检测问题,主要内容如下：(1)在对球团生产过程中的配料数据进行分析的基础之上,进一步分析显着误差产生的原因以及显着误差的特点,并针对其特点选择基于聚类的显着误差检测方法对球团生产过程中的配料数据进行显着误差检测。(2)通过分析球团生产过程各个部分之间的能量平衡关系,建立了球团生产过程的能量平衡模型,利用该能量平衡模型,可以得到球团生产过程中的各个子部分之间的联系,通过这些子部分之间的能量联系,可以更好地对球团生产过程的热工参数数据进行显着误差检测。(3)在原有的统计检验方法的基础上加以改进,同时利用建立的球团生产过程的能量平衡模型,利用改进的NT-MT显着误差检测方法和已经建立的球团生产过程的能量平衡模型对球团生产过程热工参数数据进行了显着误差检测,有效地提高了数据的准确性和真实性。(本文来源于《东北大学》期刊2013-06-01）
周卫庆,乔宗良,周建新,司风琪,徐治皋[10]（2012）在《一种热工过程数据协调与显着误差检测同步处理方法》一文中研究指出提出了一种基于冗余解约束遗传算法的鲁棒数据协调方法。引入鲁棒估计作为数据协调问题中的目标函数,不仅对测量数据随机误差的分布形式不敏感,而且抑制了显着误差对协调结果的影响。将数据协调与显着误差检测看作模型辨识与参数估计问题,采用AIC准则调整参数获得最优估计模型。针对鲁棒数据协调目标函数复杂和热工能量平衡约束可能出现隐函数的情况,结合测量冗余的概念提出冗余解约束的遗传算法求解鲁棒数据协调模型。仿真计算表明该方法能够克服显着误差的影响,给出准确的参数估计值,同时检测出系统中的显着误差。在现场热力实验的应用结果进一步验证了方法的有效性。(本文来源于《中国电机工程学报》期刊2012年35期）
显著误差检测论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在工业过程中,采集和记录的生产数据通常用于过程的控制和在线优化等,因此保证数据的可靠性和准确度具有非常重要的意义。但是在实际情况中,测量数据不可避免地受到误差的影响,而且在生产过程中经常会出现仪表失灵、管道泄漏等现象导致测量数据中出现显着误差,进而导致测量结果严重失实。数据校正是保证工业过程数据准确可靠的主要技术手段。传统的动态数据校正通常采用卡尔曼滤波方法,但当测量数据存在显着误差时,其得到的协调值的可信度较低。为了解决动态数据校正过程中得到的测量数据存在显着误差,导致协调值失实的问题,本文在传统卡尔曼滤波方法的基础上,提出了基于动态贝叶斯模型检测方法进行显着误差的实时侦破。该方法主要通过测量值的滤波,对已经滤波的测量值进行标准化处理,利用扩展贝叶斯网络建立概率分布模型以实现显着误差的检测。根据存在显着误差和正常情况下出现的测量值条件概率大小,判断测量值是否存在显着误差,并根据侦破结果对测量协方差矩阵及卡尔曼增益等参数进行更新,以提高协调值的精度。通过实例仿真对比验证了基于动态贝叶斯的检测方法可以有效地侦破显着误差,并且可以通过参数实时调整提高了存在显着误差时协调值的精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
显著误差检测论文参考文献
[1].吴泽浩,罗先喜.基于核主元分析的蒸汽管网数据的显着误差检测研究[J].电子质量.2019
[2].吴胜昔,陈诚,徐金梦,顾幸生.一种显着误差检测方法在动态数据校正中的应用[J].华东理工大学学报(自然科学版).2018
[3].范明喆,王鲁平,张路平.基于两重误差重构的显着性区域检测算法[J].红外技术.2015
[4].宋玉霞.基于重建误差排序的显着性检测[D].大连理工大学.2015
[5].沈凯,吴胜昔,彭竹,顾幸生.基于改进残差的显着误差检测方法[J].华东理工大学学报(自然科学版).2014
[6].吴胜昔,彭竹,沈凯,顾幸生.一种基于F统计量的改进型显着误差检测方法[J].华东理工大学学报(自然科学版).2014
[7].王丽丽.数据协调与显着误差检测方法研究与应用[D].南京理工大学.2014
[8].彭竹.改进型显着误差检测方法研究[D].华东理工大学.2013
[9].关文昳.球团生产过程数据显着误差检测的方法研究[D].东北大学.2013
[10].周卫庆,乔宗良,周建新,司风琪,徐治皋.一种热工过程数据协调与显着误差检测同步处理方法[J].中国电机工程学报.2012