技術領域

本發明屬于仿真建模領域，具體涉及一種數學模型參數估計方法。

背景技術

仿真數學模型在具體工業生產裝置應用時，需要做針對性的參數估計。仿真模型參數確定的方法從理論上講比較多，但對于實際工業生產許多方法是不能采用或不能隨便進行的。我們常見到實踐中技術人員采用穩態數據標定，在估算模型參數時只用少量的現場數據去確定模型參數，雖一定程度地估算得到了模型參數值，但數據不充分。數據樣本容量越大估計值越接近真值，所以模型參數估計應該依據真實裝置大量的歷史數據挖掘。

模型參數估計的數學方法比較多，比較實用的如多元線性回歸加權最小二乘法，離差平方和為：

??????????????????????（1）

計算的估計值使達最小。從而得到經驗方程：

??????????????????????????????????????（2）

這樣通過對具體裝置生產歷史數據的挖掘，建立經驗模型或校正模型參數。隨著對具體裝置生產數據挖掘得到的樣本數據的增多，仿真模型計算的精度有波動提高趨勢。

但工業生產數據往往包含了各種噪聲誤差，部分數據可能是失真的。在上述最小二乘參數估計中，這些噪聲導致的異常數據有較大的異常偏差，平方更大，增加了殘差較大數據對參數計算的干擾，這時的計算結果是有偏的。這些異常偏差的失真數據要濾除。

????針對包含噪聲的工業生產數據，需要對上述最小二乘確定參數方法做進一步地改進。

發明內容

本發明的目的是針對上述現有技術的不足，提供一種減少噪聲失真數據影響的工業過程仿真數學模型參數的估計方法。

本發明的技術方案是以下述方式實現的：一種工業過程仿真數學模型參數的估計方法，是按照下述方式進行的：

（1）設參與最小二乘計算的數據樣本有n個

??采用加權最小二乘回歸計算得到；

（2）計算樣本數據平均偏差：

=???????????

（3）從i=1……n循環如下處理：

??計算=abs()??????????????

?如果過大，判定是否為失真數據，如果是失真數據，則濾除；

（4）得到過濾后的數據樣本個數n1，設初始參與計算的總樣本數為n0

??當?n1<0.67*n0?或者?n=n1時，則參數估計計算結束；

??否則：令n=n1并返回(1)?，用這n1個數據樣本重新進行最小二乘計算?。

所述步驟(3)中的失真判定是按照下述方式進行的：

?>*xs???????????????????????????

?其中xs?可以是經驗常數,也可以程序自動調節，xs>1。

本發明能程度不同地提高參數估計的精度。精度能提高的多少仍然和數據中噪音導致數據失真狀況有關。這種方法能濾除大部分的失真數據，提高了參數估計結果的無偏性。

發明內容

圖1是本發明參數估計方法邏輯流程圖。

圖2是本發明的參數估計方法在仿真項目開發中實施過程的PDM網絡圖。

具體實施方式

如圖1所示，一種工業過程仿真數學模型參數的估計方法，按照下述方式進行：

（1）設參與最小二乘計算的數據樣本有n個：按照式（1）和式（2）采用加權最小二乘式回歸計算得到；

（2）計算樣本數據平均偏差：

=???????????????????????(3)

（3）從i=1……n循環如下處理：

??計算=abs()?????????????????????????????(4)

?如果過大，判定是否為失真數據，如果是失真數據，則濾除；

（4）得到過濾后的數據樣本個數n1，設初始參與計算的總樣本數為n0

??當?n1<0.67*n0或者?n=n1時，則參數估計計算結束；

??否則：令n=n1并返回步驟(1)?，用這n1個數據樣本重新進行最小二乘計算?。