基于遗传算法的模糊ISODATA法的不良数据检测辨识.pdfVIP

26 卷 11 期 中 国 电 机 工 程 学 报 Vol.26 No.11 Jun. 2006 2006 年6 月 Proceedings of the CSEE 2006 Chin.Soc.for Elec.Eng. 文章编号：0258-8013 (2006) 11-0162-05 中图分类号：TM77 文献标识码：A 学科分类号：47040 改进迭代自组织数据分析法的不良数据辨识 孙国强, 卫志农，周封伟 （河海大学电气工程学院，江苏省南京市 210098 ） The Application of ISODATA to Bad Data Detection and Identification Based on Genetic Algorithms SUN Guo-qiang，WEI Zhi-nong，ZHOU Feng-wei （School of Electrical Engineering, Hohai University，Nanji ng 210098 ，Jiangsu Province，China ） [1] ABSTRACT: Due to the sensitivity problems of the original 出现的不良数据，从而提高状态估计的可靠性 。 cluster center in the technique of Iterative Self-Organizing Data 目前国内外用于不良数据检测辨识的方法主要有 Analysis, an improved ISODATA method for bad data [2] [3] [4] 残差搜索法 、非二次准则法 、零残差法 、估计 detection and identification is presented based on genetic [5] 辨识法 等方法。这些方法都是利用概率统计的假 algorithms. In proposed method, the normalized residual and 设实验，按一定的置信水平确定一个门槛值，然后 difference between data measured at successive sampling times 对量测资料进行 “非此即彼”的二值逻辑判断，该 are regarded as the characteristic values. The fuzzy classified 类方法有可能出现残差污染和残差淹没现象，从而 matrix are initialized by genetic algorithm and iteratively