3σ准则
3σ准则用残差绝对值超过三倍标准差判别可疑粗大误差，使用需说明统计条件并在处理后重算。
正在打开页面…
正在打开页面…
当前筛选：软 测 量 / 知识点
共 1622 张公开卡片，当前显示 31 张。
3σ准则用残差绝对值超过三倍标准差判别可疑粗大误差，使用需说明统计条件并在处理后重算。
主元分析法利用历史过程数据作统计分析，可帮助辅助变量筛选和数据关联分析。
神经网络软测量可直接映射辅助输入到主导变量，也可与常规模型组合估计其参数。
回归软测量用有效过程样本拟合辅助变量与主导变量的关系，需关注样本数量及测量误差。
机理软测量建模通过物料平衡、能量平衡和反应动力学等规律建立主导变量与辅助变量关系。
模式识别软测量从日常工业操作的输入输出数据提取特征，形成模式描述模型。
模糊数学软测量用知识性模糊描述处理难以清晰二分、难用常规数学定量描述的复杂过程。
状态估计软测量在过程模型已知和主导变量可观测的条件下，估计当前或下一时刻的未知状态。
现代非线性信息处理软测量从易测信号提取特征，用于参数检测、状态识别或异常发现。
相关分析软测量利用两个或多个可测随机信号之间的相关特性估计所需参数。
多元逐步回归让变量有进有退，以逐步显著性检验筛选回归子集。
数字滤波以算法处理测量数据，减弱不需要的随机波动，同时需保留任务所需变化。
软测量利用可测辅助变量、数学模型和软件，估计难以直接检测的主导变量。
主导变量是软测量需要估计的关键过程目标，常因直接检测困难而借助辅助变量获得估计。
软测量仪表是实现软测量功能的仪表实体，可综合多个可测信息进行估计、诊断或趋势分析。
软测量准确性要求所构成仪表的目标估计达到工艺允许的精确度范围。
软测量建模建立可测辅助变量与难测主导变量之间的估计关系，方法选择应服从机理和数据条件。
软测量数据换算通过标度、变量转换和权函数等方式改善模型输入尺度及计算条件。
输入数据中的随机误差与粗大误差应分类处理，滤波和异常值判别各有条件。
软测量模型把可测辅助信息转为主导变量估计，并以参照信息验证和维护这种关系。
模型参数修正保持模型结构，通过修改常量参数或短期学习适应过程变化。
定时校正在模型运行一段时间后，利用积累的新样本按所选算法更新关系。
条件触发校正将估计值与对应取样分析比较，按误差阈值决定继续使用或更新模型。
模型校正针对过程时变与工作点漂移更新估计关系，可采用参数或结构修正。
模型结构修正改变估计关系的组织形式，通常需较多数据与较长计算后替换原模型。
软测量辅助变量是能够在线检测、与主导变量有关并供模型使用的过程变量。
辅助变量选择需在类型、数量和检测点之间取舍，让输入具有可测性及适用的估计信息。
软测量输入数据处理包括换算和误差处理，可靠的历史数据是有效建模的重要基础。
本章软测量鲁棒性指辅助变量选择和估计关系对模型误差不敏感的要求。
辅助变量灵敏性强调对过程相关输出或不可测扰动的快速响应能力。
辅助变量特异性要求所选变量对相关变化之外的干扰不敏感。