低冗余度网的线性稳态数据校正.pdfVIP

低冗余度网的线性稳态数据校正。 王秀萍 荣 冈 (新江★学工量控制技术圈掌1点宴■奎杭州31。027) ■薹丰文什对怔冗糸度一．甩证据史簟理论分析基于节点植甜法的量著谩差植蔫结果，并配音相应的 薮据协一方法，在雏持罔够奇庄不下降的情况下·使协-培果量接近台理· 美■胃羲橱授正 证据哥}集 量著谩差检嚣羲墨协一 1引言 作为数据校正中三个不可缺少的部分，冗余性分析、显著误差检测和敢据协调是互相联 系的。冗余性分析和显著误差检浏成功与否只有在协调结果中才能体现出来l而数据协调只 有充分利用了冗余性分析和显著误差检测的结果才显得有意义。由于条件的限制。实际测量 网络冗余度往往较低，这会给显差检测和敢据协调造成困难．这种情况下，上述三者的紧密 结合尤显重要． 网络冗泉度不够理想，使得显著误差柱涮难度变大，需要用多种方法，多次检测才能解 决向题。用证据决策理论能将这些不同的方法或步骤台理地综合．尽管如此，难免仍有显著 误差难以准确定位的情况，仍有可能将一部分正常变量错判为可疑变量．如果仅仅采取删除 可疑变量，使之成为未知变量的方法，势必使本来就低的冗泉度变得更低．即使没有出现未 知量太多，无法协调的不利情况，协调结果也会过份依赣于显差检测结果的正确程度．另外，有些 带较小显差变量所携带的信息对协调也是有参考作用的．为了避免完全删除这些有用信息，本文 提出用证据奂策理论分析节点检测法得到的显著误差结果，生成各个变t带显差、不带显差和不 确定是否带显差的信度分配，并根据它来确定下一步数据协调所需的权值。 2线性稳态过程数据校正 假设过程处于稳态，且；中的户个巳测_变量均服从正态分布，即j～N(x．三)，则有： 呈一上+4 (1) 4～Ⅳ(0，=) (2) 其中贾为户×l过程变量测量值向量；z为户×1未知真值向量；n为p×1随机测量误差 向量．服从多元正态分布}=为户×1维；的协方差阵矩阵． 在以上假设下．已测变量j的估计值i、束铡变量v的估计值p和常量c满足线性平衡关 系 上症+尸÷+B。c=O 13) 其中8、P和鼠分别为z、”和c的关联矩阵． 首先用Crowe(1983)的投影矩阵法消去未知变量．设y是未知变量关联矩阵的投影矩 ·正塞B6虻【M基一研兜疆日(8635n945006) 一148— 阵，郾YP—O．将Y乘以(3)式的等式两边，再令A=YB，等式(3)简化为： ^t+Y氏c=0 (4) 其中^为行满秩。线性稳态数据协调即求解以下最优化问题； min(主一i)7三一1(i—i) (5) 童 乳f．^童+YBoc一0 以上方程的解为： fj—i—j油7(A三^7)叫(Ai+YBoc) (6) 【p一一(，P)叫—’(A；+YB) (4)式中，对于一个已测变量x，，如果它所对应的关联矩阵A的第i列不全为零，则该已 浏变量除了本身的测量值外还可以通过(6)式用溅量网中的其它变量来估算，即该变量是 冗余的，否剐是不冗余的．冗余的巳测变量是可校正的，不冗余的巳测变量是不可校正的． 令肛=，一三A7(A】沮7)叫A (7) (6)式变为 j一』Ifi一(，一』If)YB。c