SMEE 机械与电气工程学院 School of Machanical and Elcetrical Engineering 第八章测量数据的预处理 一、剔除数据中的“奇异项” 二、去除数据中的电平漂移 三、去除/提取趋势项 四、测量数据的平滑滤波 机越与电气工程学院
机械与电气工程学院 School of Machanical and Elcetrical Engineering 第八章 测量数据的预处理 一、剔除数据中的“奇异项” 二、去除数据中的电平漂移 三、去除 / 提取趋势项 四、测量数据的平滑滤波
机械与电气工程学院 School of Machanical and Elcetrical Engineering 测量数据的预处理？ 观点1：测试系统的传感器拾取被测对象并完成非电量转换，电信号经 A/D转换后开始传输，直至计算机进行信号分析。 观点2：在计算机信号分析之前，需要对测量数据进行相应加工处理， 以提高数据的精确度、完整性。 观点3：测量数据的预处理属于数据挖掘的前端技术，包括数据清理、 数据集成、数据变换和数据归约。 机越与电气工程学院
机械与电气工程学院 School of Machanical and Elcetrical Engineering 观点1：测试系统的传感器拾取被测对象并完成非电量转换，电信号经 A/D转换后开始传输，直至计算机进行信号分析。 观点2：在计算机信号分析之前，需要对测量数据进行相应加工处理， 以提高数据的精确度、完整性。 观点3：测量数据的预处理属于数据挖掘的前端技术，包括数据清理、 数据集成、数据变换和数据归约。 测量数据的预处理？
ME 机械与电气工程学院 School of Machanical and Elcetrical Engineering 一、剔除数据中的 “奇异项” 奇异项： 测量数据传输过程中，由于强干扰或意外情况（记录媒介 质量损伤)，有可能丢失数据点，或使数据点出现较大误差， 这些错误的数据点便混在大量正确数据之中。但是这些数据并 不真正代表被测物理参数的实际值，而是在测量过程中偶然出 现的坏点，这些错误点统称为奇异项。 机越与电气工程学院
机械与电气工程学院 School of Machanical and Elcetrical Engineering 一、剔除数据中的“奇异项” 奇异项： 测量数据传输过程中，由于强干扰或意外情况（记录媒介 质量损伤），有可能丢失数据点，或使数据点出现较大误差， 这些错误的数据点便混在大量正确数据之中。但是这些数据并 不真正代表被测物理参数的实际值，而是在测量过程中偶然出 现的坏点，这些错误点统称为奇异项。 2 t 1 t 1 t 1 t
机械与电气工程学院 School of Machanical and Elcetrical Engineering 剔除机理： 任何一个物理量总是从小到大，从大到小平滑变化的，例如 温度的变化，可以通过这些物理量的连续性特点，用预测方法来 捡拾。 [例题]：求一个物理过程的均值，t1,t2,t3,t4的测量数据分别 为10,12,12,13，则均值为12，若t3时刻的数据因故丢失，即 出现奇异项，则4点的均值为9，造成错误结论。 因此，需要在数据处理之前，要剔除奇异项，同时补上一个 合适的值。 机城与电气工程学院
机械与电气工程学院 School of Machanical and Elcetrical Engineering 剔除机理： 任何一个物理量总是从小到大，从大到小平滑变化的，例如 温度的变化，可以通过这些物理量的连续性特点，用预测方法来 捡拾。 [例题]：求一个物理过程的均值，𝑡1，𝑡2，𝑡3，𝑡4的测量数据分别 为10，12，12，13，则均值为12，若𝑡3时刻的数据因故丢失，即 出现奇异项，则4点的均值为9，造成错误结论。 因此，需要在数据处理之前，要剔除奇异项，同时补上一个 合适的值
ME 机械与电气工程学院 School of Machanical and Elcetrical Engineering 最简单的一阶差分方法进行预测： 一阶差分方程：t=xt-1+(xt-1-xt-2) 其中：t一t时刻的预测值（估计值）。 xt-1,xt-2一t时刻的前一个、前两个采样点。 当采样频率满足香农定理时，预测有足够的精度。 给定一个误差限△，用t时刻的预测值与t时刻的实际数据进行 比较，即可判定奇异项，即： |xt-l>△ 即为奇异项 △大小要根据数据采集系统的采样率和物理量的变化特性来定。 机越与电气工程学院
机械与电气工程学院 School of Machanical and Elcetrical Engineering 1 t 1 t 最简单的一阶差分方法进行预测： 一阶差分方程：𝑥 𝑡 = 𝑥𝑡−1 + 𝑥𝑡−1 − 𝑥𝑡−2 其中：𝑥 𝑡 —— t 时刻的预测值（估计值）。 𝑥𝑡−1，𝑥𝑡−2 —— t 时刻的前一个、前两个采样点。 当采样频率满足香农定理时，预测有足够的精度。 给定一个误差限Δ，用t时刻的预测值与t时刻的实际数据进行 比较，即可判定奇异项，即： |𝑥𝑡 − 𝑥 𝑡 | > 𝛥 即为奇异项 Δ大小要根据数据采集系统的采样率和物理量的变化特性来定