CN114996976A - 一种自适应水准数据处理方法 - Google Patents

一种自适应水准数据处理方法 Download PDF

Info

Publication number
CN114996976A
CN114996976A CN202210883648.2A CN202210883648A CN114996976A CN 114996976 A CN114996976 A CN 114996976A CN 202210883648 A CN202210883648 A CN 202210883648A CN 114996976 A CN114996976 A CN 114996976A
Authority
CN
China
Prior art keywords
data
adaptive
self
leveling
field observation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210883648.2A
Other languages
English (en)
Inventor
向泽君
马万军
岳仁宾
郭彩立
李维平
朱清海
方忠旺
黄思量
刘远凯
李鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Survey Institute Chongqing Map Compilation Center
Original Assignee
Chongqing Survey Institute Chongqing Map Compilation Center
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing Survey Institute Chongqing Map Compilation Center filed Critical Chongqing Survey Institute Chongqing Map Compilation Center
Priority to CN202210883648.2A priority Critical patent/CN114996976A/zh
Publication of CN114996976A publication Critical patent/CN114996976A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Computing Systems (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Algebra (AREA)
  • Public Health (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Marketing (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提出了一种自适应水准数据处理方法，包括以下步骤：S1，获取外业观测数据；S2，对步骤S2中获取的外业观测数据进行自适应水准处理后，得到其自适应水准数据；S3，根据步骤S2中得到的自适应水准数据得到其高程。本发明能够在有效确定存在多个数据异常情况下，可有效减弱或消除粗差对水准参数稳健估计带来的影响。充分利用观测数据中的有效信息，提高参数估计的抗干扰性，限制异常数据信息，获得较为可靠的、具有实际意义的有效估值。

Description

一种自适应水准数据处理方法
技术领域
本发明涉及一种水准测量技术领域，特别是涉及一种自适应水准数据处理方法。
背景技术
水准测量是实现获取地面高程、沉降监测的重要手段，其基本原理是测定两点间的高差，并进行严密平差获取线路待测点的高程。高精度水准测量需要在野外按规范要求进行数据的采集，同时需要确定各项限差和指标是否超限，当指标合格之后按国家规范要求进行观测数据的各项误差改正及参数估计等工作。在进行数据处理时，由于对数据中的异常误差很难进行很好的监控和预警，影响水准测量的精度。
发明内容
本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种自适应水准数据处理方法。
为了实现本发明的上述目的，本发明提供了一种自适应水准数据处理系统，包括外业观测数据获取模块、自适应水准处理模块和高程数据结果展示模块；
外业观测数据获取模块的数据输出端与自适应水准处理模块的数据输入端相连，自适应水准处理模块的数据输出端与高程数据结果展示模块的数据输入端相连；
外业观测数据获取模块用于获取外业观测数据；
自适应水准处理模块对外业观测数据获取模块中获取的外业观测数据进行自适应水准处理后，得到其自适应水准数据；
高程数据结果展示模块用于根据自适应水准处理模块中得到的自适应水准数据得到其高程，并将高程数值展现在移动智能手持终端上。
本发明还公开了一种自适应水准数据处理方法，包括以下步骤：
S1，获取外业观测数据；
S2，对步骤S1中获取的外业观测数据进行自适应水准处理后，得到其自适应水准数据；
S3，根据步骤S2中得到的自适应水准数据得到其高程。
在本发明的一种优选实施方式中，在步骤S2中包括以下步骤：
S21，对获取的外业观测数据进行数据预处理；
S22，对步骤S21中预处理后的外业观测数据进行水准误差改正；
S23，根据步骤S22中水准误差改正后的数据构建水准网形；
S24，初始化参数；
S25，权系数的确定。
在本发明的一种优选实施方式中，水准网形的构建方法为：
Figure BDA0003765147920000021
其中，B表示观测值构成的系数矩阵；
Figure BDA0003765147920000022
表示未知参数的近似值改正数；
L表示观测值与其近似值之差；
V表示观测值的改正数矩阵；
在残差平方和最小的前提下进行参数求解：
Figure BDA0003765147920000023
其中，min表示求最小值；
V表示观测值的改正数矩阵；
VT表示V的转置矩阵；
B表示观测值构成的系数矩阵；
Figure BDA0003765147920000024
表示未知参数的近似值改正数；
L表示观测值与其近似值之差；
Figure BDA0003765147920000031
表示
Figure BDA0003765147920000032
的转置矩阵。
在本发明的一种优选实施方式中，在步骤S24中初始化参数包括：
Figure BDA0003765147920000033
其中，σ0为单位权中误差。
在本发明的一种优选实施方式中，单位权中误差的计算方法为：
Figure BDA0003765147920000034
其中，Δ表示测段往返测高差不符值。
在本发明的一种优选实施方式中，在步骤S25中确定权系数的方法为：
Figure BDA0003765147920000035
其中，
Figure BDA0003765147920000036
表示观测值的归一化残差；
c0表示第一调和系数；
c1表示第二调和系数；
1e-6表示为1×10-6；
||表示取绝对值；
wi表示自适应因子。
在本发明的一种优选实施方式中，在步骤S25中包括对权系数进行更新，更新后确定权系数矩阵。
在本发明的一种优选实施方式中，在步骤S25之后还包括精度评定。
在本发明的一种优选实施方式中，验后单位权误差的计算方法：
Figure BDA0003765147920000037
其中，V表示观测数据的残差序列；
VT表示残差序列V的转置矩阵；
P表示最终更新之后的权函数；
n表示测段数；
t表示必要观测个数；
Figure BDA0003765147920000041
表示验后单位权中误差。
综上所述，由于采用了上述技术方案，本发明能够在有效确定存在多个数据异常情况下，可有效减弱或消除粗差对水准参数稳健估计带来的影响。充分利用观测数据中的有效信息，提高参数估计的抗干扰性，限制异常数据信息，获得较为可靠的、具有实际意义的有效估值。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述方法和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明流程示意框图。
图2是本发明实现流程示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
如图1和2所示，具体步骤如下：
A、数据预处理：根据往返水准往返观测数据，进行各项指标差和限差的检查，并确定各项指标满足规范要求。
B、水准误差改正：结合水准往返观测数据，进行每米间隔尺长、温度、潮汐、固体潮和水准面不平行等误差项改正，得到较为“干净”的水准观测数据和每千米偶然中误差。
C、初始化参数：设计权函数和观测数据的随机模型。权函数的配置如下式所示：
Figure BDA0003765147920000051
式中：σi为下标i对应参数的中误差；σ0为单位权中误差；pi表示当前观测值对应的权。
确定先验单位权中误差的方法是利用实际测量的数据确定先验的单位权中误差，基本方法是选择每千米高差中数偶然中误差MΔ作为先验单位权中误差，选择MΔ的前提是对于所有的测段都进行了往返观测。
具体计算方法：
Figure BDA0003765147920000052
式中，Δ为测段往返测高差不符值(单位为mm)；ΔΔ表示Δ×Δ即往返测段高差不符值的平方；R为测段长度(单位为km)；[]表示累计和；n为测段数，MΔ表示先验单位权中误差。
D、网形的构建：获取待估参数的近似高程，建立与水准路线相关的观测系数B矩阵，观测矩阵L。其中，系数阵B是与控制网的形状相关的，不同的控制网形建立起的观测系数阵是不同的。
E、权系数的确定：在D步骤的基础上，基于观测值的残差矩阵，进行权系数的确定。权系数的作用在于将所有观测数据分为3部分：正常观测值、可利用观测值以及粗差观测值。正常观测值的权不变；对于残差较大的可利用观测值进行降权处理，而那些存在粗差的观测值，则使其权为零。经过这样的处理，求得最接近于正常情况下的参数估值。在每次迭代的过程中，只寻找出残差最大的一项，防止正常观测数据受异常数据的影响，导致收敛失败。
权系数的确定：
Figure BDA0003765147920000061
式中：下标i为残差值的位置索引；
Figure BDA0003765147920000062
表示观测值的归一化残差；c0、c1表示调和系数或估计阈值；一般取值为1.5～2.5和2.5～5；1e-6表示为1×10-6；||表示取绝对值；wi为设计权系数或自适应因子。
F、自适应迭代平差：在D、E两步骤进行了水准误差改正和网形构建的基础上，给予一定的迭代次数和收敛精度，不断更新权系数获得观测数据的等价权矩阵，充分利用观测数据中的有效信息，尽可能限制有害信息，获得较可靠的、具有实际意义的有效估值。
H、精度评定：在结束F步骤自适应迭代平差的后，进行稳健估计的精度评定。在评定时，结合先验的单位权中误差和验后单位权中误差联合进行评定。
关于验后单位权计算方法：
Figure BDA0003765147920000063
式中：V为观测数据的残差序列；VT表示残差序列V的转置矩阵；P为最终更新之后的权函数；
Figure BDA0003765147920000064
为验后单位权中误差；n、t分别为测段数和必要观测个数。将验后单位权中误差
Figure BDA0003765147920000065
和每千米高差中数偶然中误差MΔ进行比对，一般MΔ要略大于
Figure BDA0003765147920000066
的值，且两者一般均小于±0.8mm。
在D步骤的中，除了进行自适应的选权迭代中，基于观测数据的归一化值进行观测值的等价权函数设计。特别是对于包含多个含有粗差的奇异观测数据，自适应调整权函数，通过对比收敛精度、每千米偶然中误差和后验单位权中误差进行比对，获取最终的稳健估计值。其原理是充分利用观测数据中的有效信息，限制排除有害信息，冒着损失一些效率的风险，获得较可靠的、具有实际意义的有效估值。正常观测值的权不变,残差较大的可利用观测值进行降权处理,而那些存在粗差的观测值，则使其权为零(实际中设置为很小的数，防止程序崩溃)。经过这样的处理，能够有效的降低不良数据对则参数估计的影响。
首先基于往返观测数据进行数据预处理。主要包括：水准观测数据报表、质量检查、水准各项误差改正以及初始化工作；然后结合观测文件，进行水准网形构建、初始化调和系数和权系数的设计；最终通过自适应选权迭代的方法，不断更新权系数，并结合先验和验后单位权中误差进行精度评定，实现高精度、高可靠性的数据处理。
具体包括以下步骤：
步骤1：数据质量的检查内容主要有：最大最小视距、最大最小尺面读数以及最大视距差和最大累计视距差等项目。
步骤2：高精度的观测数据是实现高稳定性、高可靠性的结果的前提。为此，需要对水准观测数据标尺长度和水准面不平行等误差改正，如每米间隔尺长、水准尺零点误差以及水准面不平行引起的误差改正。
水准尺每米长度的改正为：
∑δf＝f∑h，
式中：δf表示水准尺平均尺长改正值；f为平均尺长改正系数；h为测段高差；∑表示的为求和符号。
水准面不平行引起的改正：
Figure BDA0003765147920000071
式中：dε为测段水准面不平行改正值；
Figure BDA0003765147920000072
为测段维度之差；dH表示往返测段平均高差；A为水准面不行改正系数，可查表获得。
步骤3：基于步骤2基础上，进行水准网形构建。其特征在于，按照下式建立观测数据和待估参数之间的函数关系，建立如下观测方程：
Figure BDA0003765147920000081
在残差平方和最小的前提下进行参数求解：
Figure BDA0003765147920000082
式中：min表示求最小值；V为观测值的改正数，也为观测数据的残差序列；
Figure BDA0003765147920000083
为未知参数的近似值改正数；B为观测值构成的系数矩阵；L为观测值与其近似值之差。
步骤4：基于步骤2中建立的观测方程，在参数二范数最小的前提下，获取参数的初始化估计值。如下式所示：
Figure BDA0003765147920000084
式中：
Figure BDA0003765147920000085
为
Figure BDA0003765147920000086
的协方差阵；
Figure BDA0003765147920000087
为验后单位权中误差；t为必要观测个数；B为观测值构成的系数矩阵；L为观测值与其近似值之差；V为观测值的改正数；X0表示参数的近似值；
Figure BDA0003765147920000088
表示参数近似值的改正数；(BTPB)-1表示法方程BTPB的逆矩阵。
步骤5：标准化残差并确定权系数和调和函数。自适应选权迭代过程中通过等价权将抗差估计与最小二乘法结合起来，因此，抗差估计的根本之处在于权函数的设计。权函数的作用在于将所有观测数据分为3部分：正常观测值、可利用观测值和粗差观测值。基于此，将权函数分为：保护区、降权区和弃权区。结合步骤1建立的随机模型基础上，利用观测值的残差信息，进行权系数的重新确定：
Figure BDA0003765147920000089
式中：下标i为残差值的位置索引；
Figure BDA0003765147920000091
表示观测值的归一化残差；c0、c1表示调和系数或估计阈值；
步骤6：权系数更新。步骤5在具体实施的时候，首先按照归一化残差序列找出最大残差所在的位置，然后进行权系数的设计，防止由于多个异常数据导致结果的发散。此外，为了数值稳定、算法的鲁棒性以及水准网形的强度，对于弃权区的数据，将其设计为很小的一个值。
步骤7：基于6步骤确定的权系数矩阵，并结合收敛精度和每千米偶然中误差，自适应更新权函数，从而实现减弱数据异常对参数估计的影响。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (10)

1.一种自适应水准数据处理系统，其特征在于，包括外业观测数据获取模块、自适应水准处理模块和高程数据结果展示模块；
外业观测数据获取模块的数据输出端与自适应水准处理模块的数据输入端相连，自适应水准处理模块的数据输出端与高程数据结果展示模块的数据输入端相连；
外业观测数据获取模块用于获取外业观测数据；
自适应水准处理模块对外业观测数据获取模块中获取的外业观测数据进行自适应水准处理后，得到其自适应水准数据；
高程数据结果展示模块用于根据自适应水准处理模块中得到的自适应水准数据得到其高程，并将高程数值展现在移动智能手持终端上。
2.一种自适应水准数据处理方法，其特征在于，包括以下步骤：
S1，获取外业观测数据；
S2，对步骤S1中获取的外业观测数据进行自适应水准处理后，得到其自适应水准数据；
S3，根据步骤S2中得到的自适应水准数据得到其高程。
3.根据权利要求2所述的自适应水准数据处理方法，其特征在于，在步骤S2中包括以下步骤：
S21，对获取的外业观测数据进行数据预处理；
S22，对步骤S21中预处理后的外业观测数据进行水准误差改正；
S23，根据步骤S22中水准误差改正后的数据构建水准网形；
S24，初始化参数；
S25，权系数的确定。
4.根据权利要求3所述的自适应水准数据处理方法，其特征在于，在步骤S23中，水准网形的构建方法为：
Figure FDA0003765147910000021
其中，B表示观测值构成的系数矩阵；
Figure FDA0003765147910000022
表示未知参数的近似值改正数；
L表示观测值与其近似值之差；
V表示观测值的改正数矩阵；
在残差平方和最小的前提下进行参数求解：
Figure FDA0003765147910000023
其中，min表示求最小值；
V表示观测值的改正数矩阵；
VT表示V的转置矩阵；
B表示观测值构成的系数矩阵；
Figure FDA0003765147910000024
表示未知参数的近似值改正数；
L表示观测值与其近似值之差；
Figure FDA0003765147910000025
表示
Figure FDA0003765147910000026
的转置矩阵。
5.根据权利要求3所述的自适应水准数据处理方法，其特征在于，在步骤S24中初始化参数包括：
Figure FDA0003765147910000027
其中，σ0为单位权中误差。
6.根据权利要求5所述的自适应水准数据处理方法，其特征在于，单位权中误差的计算方法为：
Figure FDA0003765147910000028
其中，Δ表示测段往返测高差不符值。
7.根据权利要求3所述的自适应水准数据处理方法，其特征在于，在步骤S25中确定权系数的方法为：
Figure FDA0003765147910000031
其中，
Figure FDA0003765147910000032
表示观测值的归一化残差；
c0表示第一调和系数；
c1表示第二调和系数；
1e-6表示为1×10-6；
||表示取绝对值；
wi表示自适应因子。
8.根据权利要求3所述的自适应水准数据处理方法，其特征在于，在步骤S25中包括对权系数进行更新，更新后确定权系数矩阵。
9.根据权利要求3所述的自适应水准数据处理方法，其特征在于，在步骤S25之后还包括精度评定。
10.根据权利要求9所述的自适应水准数据处理方法，其特征在于，验后单位权误差的计算方法：
Figure FDA0003765147910000033
其中，V表示观测数据的残差序列；
VT表示残差序列V的转置矩阵；
P表示最终更新之后的权函数；
n表示测段数；
t表示必要观测个数；
Figure FDA0003765147910000034
表示验后单位权中误差。
CN202210883648.2A 2022-07-26 2022-07-26 一种自适应水准数据处理方法 Pending CN114996976A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210883648.2A CN114996976A (zh) 2022-07-26 2022-07-26 一种自适应水准数据处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210883648.2A CN114996976A (zh) 2022-07-26 2022-07-26 一种自适应水准数据处理方法

Publications (1)

Publication Number Publication Date
CN114996976A true CN114996976A (zh) 2022-09-02

Family

ID=83021658

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210883648.2A Pending CN114996976A (zh) 2022-07-26 2022-07-26 一种自适应水准数据处理方法

Country Status (1)

Country Link
CN (1) CN114996976A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115790521A (zh) * 2022-11-09 2023-03-14 广西壮族自治区水利电力勘测设计研究院有限责任公司 一种正常水准面不平行改正方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115790521A (zh) * 2022-11-09 2023-03-14 广西壮族自治区水利电力勘测设计研究院有限责任公司 一种正常水准面不平行改正方法
CN115790521B (zh) * 2022-11-09 2023-09-29 广西壮族自治区水利电力勘测设计研究院有限责任公司 一种正常水准面不平行改正方法

Similar Documents

Publication Publication Date Title
CN114996976A (zh) 一种自适应水准数据处理方法
KR20060091269A (ko) 뉴럴네트워크연산에 기초한 2차전지의 충전상태를 검출하기위한 방법 및 장치
CN107658881A (zh) 基于戴维南等值方法的电压稳定临界点判断方法
CN115186598B (zh) 汽车碰撞假人再现性评价曲线构建方法
CN112434359A (zh) 一种高铁桥墩沉降曲线预测方法及系统
CN111678548B (zh) 一种中小跨径装配式桥梁安全监测方法及装置
CN112197749B (zh) 一种波浪浮标有效波高的交叉校准方法及装置
CN107478703A (zh) 电化学气体传感器及其校准方法、空调器
CN111680398B (zh) 一种基于Holt-Winters模型的单机性能退化预测方法
CN110287537A (zh) 用于频标输出跳变检测的抗野值自适应卡尔曼滤波方法
CN110926571B (zh) 一种燃油液位传感器准确性的评估和校正系统及方法
CN114659593A (zh) 一种汽车油箱油量估算系统及方法
CN110553631A (zh) 一种关于水位流量关系的水位测量系列误差分析方法
CN111756353B (zh) 一种基于非线性融合滤波的液位仪噪声优化方法
CN108036745B (zh) 一种微波干涉形变测量的误差补偿方法
CN109029341A (zh) 参数法cpiii精密三角高程控制网数据处理方法
CN110632521B (zh) 一种锂离子电池容量的融合估计方法
CN113761626B (zh) 基于转角影响线Katz1分形维数的梁结构损伤识别方法
CN115795222A (zh) 基于同步相量测量的电网不良参数辨识和校正方法
CN111595433B (zh) 航空发动机整机振动传感器的位置确定方法及系统
CN110858309B (zh) 一种多基准时钟加权合成方法
CN109614744B (zh) 一种基于大数据的降水量检测方法及系统
Amiri-Simkooei et al. Approach for equivalent accuracy design of different types of observations
CN116932974A (zh) 一种tds的测量方法及装置
CN105322533B (zh) 基于高斯‑马尔科夫模型的自适应t型抗差状态估计方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination