2.765

2022影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

非线性动态系统中迭代的同步数据协调与显著误差检测的支持向量回归方法

苗宇 苏宏业 褚健

苗宇, 苏宏业, 褚健. 非线性动态系统中迭代的同步数据协调与显著误差检测的支持向量回归方法. 自动化学报, 2009, 35(6): 707-716. doi: 10.3724/SP.J.1004.2009.00707
引用本文: 苗宇, 苏宏业, 褚健. 非线性动态系统中迭代的同步数据协调与显著误差检测的支持向量回归方法. 自动化学报, 2009, 35(6): 707-716. doi: 10.3724/SP.J.1004.2009.00707
MIAO Yu, SU Hong-Ye, CHU Jian. A Support Vector Regression Approach for Recursive Simultaneous Data Reconciliation and Gross Error Detection in Nonlinear Dynamical Systems. ACTA AUTOMATICA SINICA, 2009, 35(6): 707-716. doi: 10.3724/SP.J.1004.2009.00707
Citation: MIAO Yu, SU Hong-Ye, CHU Jian. A Support Vector Regression Approach for Recursive Simultaneous Data Reconciliation and Gross Error Detection in Nonlinear Dynamical Systems. ACTA AUTOMATICA SINICA, 2009, 35(6): 707-716. doi: 10.3724/SP.J.1004.2009.00707

非线性动态系统中迭代的同步数据协调与显著误差检测的支持向量回归方法

doi: 10.3724/SP.J.1004.2009.00707
详细信息
    通讯作者:

    苏宏业

A Support Vector Regression Approach for Recursive Simultaneous Data Reconciliation and Gross Error Detection in Nonlinear Dynamical Systems

More Information
    Corresponding author: SU Hong-Ye
  • 摘要: 化工厂中过程数据的质量严重影响到来自例如性能监控, 在线优化和控制等活动所获得的效益和性能. 由于许多化工过程通常表现为非线性动态特性, 例如扩展卡尔曼滤波(EKF)和非线性动态数据协调(NDDR)等技术已经被发展出来改进数据的质量. 近期, 迭代非线性动态数据协调(RNDDR)技术已被提出, 该技术结合了EKF和NDDR技术的优点. 但是, RNDDR技术不能够处理具有显著误差的测量值. 本文中, 一种非线性动态系统中迭代的同步数据协调与显著误差检测的支持向量(SV)回归方法被提出. SV回归是一种经验风险和结构风险间的妥协, 并且对于数据协调来说, 其对随机误差和显著误差是鲁棒的.通过将结构风险取代RNDDR中的极大似然估计并使其最小化, 我们的方法不仅可以实现迭代非线性动态数据协调, 还可以同时实现显著误差检测. 本文中的非线性动态系统仿真结果显示出, 所提出的方法在迭代实时估计框架下, 对于非线性动态系统的同步数据协调和显著误差检测是鲁棒、稳定并且精确的. 该方法也可以提供更好的控制性能.
  • 加载中
计量
  • 文章访问数:  1867
  • HTML全文浏览量:  62
  • PDF下载量:  1493
  • 被引次数: 0
出版历程
  • 收稿日期:  2008-12-26
  • 修回日期:  2009-03-14
  • 刊出日期:  2009-06-20

目录

    /

    返回文章
    返回