§ 2.1 测量误差的基本理论 误差定义、来源、分类、测量精度 § 2.2 数据处理的一般方法 算术平均法、最小二乘法、一元线性回归…

1. 简介 2. IEEE 算法 3. 数学库 4. 异常和异常处理 A. 示例 IEEE 算法 数学库 随机数生成器 IEEE 建议的函数 IEEE 特殊值 ieee_flags －舍入方向 C99 浮点环境函数 异常和异常处理 ieee_flags － 产生的异常 ieee_handler －捕获异常 ieee_handler －出现异常时终止 libm 异常处理功能 在 Fortran 程序中使用 libm 异常处理 杂项 sigfpe －捕获整数异常 从 C 中调用 Fortran 有用的调试命令 B. SPARC 行为和实现 浮点硬件 浮点状态寄存器和队列 需要软件支持的特殊类 fpversion(1) 函数 － 查找有关 FPU 的信息 C. x86 行为和实现 D. What Every Computer Scientist Should Know About Floating-Point Arithmetic 摘要 简介 舍入误差 浮点格式 相对误差和 Ulp 保护数位 抵消 精确舍入的运算 IEEE 标准 格式与运算 特殊数量 NaN 异常、标志和陷阱处理程序 系统方面 指令集 语言和编译器 异常处理 详细资料 二进制到十进制的转换 求和中的误差 参考书目 定理 14 和定理 8 定理 14 证明 各种 IEEE 754 实现的差别 当前的 IEEE 754 实现 在基于扩展的系统上计算的缺陷 扩展精度的程序设计语言支持

设计了一种单片计算机程控的信号变换电路。它实现了八位A/D转换器的十一位变换,零点自动补偿,量程自动切换,以及线性化等功能。电路用于光电辐射测温仪的信号处理。其量程范围:1000~1800℃。变换电路的测量误差 ≤ 1℃±1个字,(不包括光电转换元件的误差)。讨论了信号变换系统的工作原理及软件程序框图,分析了各部分的误差及其影响,给出了试验结果。结果表明,以软件和硬件的结合,数字电路和模拟电路的结合构成的变换系统,具有更大的灵活性,并简化了结构

将核主成分分析方法引入热轧生产过程的监控与诊断中,根据平方预测误差统计量进行生产过程监控,然后利用数据重构和优化的邻域选取策略相结合的方法求出各工艺参数对平方预测误差统计量的作用,分析引起过程异常的主要工艺参数,最后利用仿真和热轧带钢实际生产数据进行实验.结果表明:基于核主成分分析的平方预测误差统计量能较准确诊断过程的异常,并可以找出引起异常的原因,为调整生产过程提供方法支撑,防止次品的出现

研究了一类不确定离散时间系统的鲁棒H∞预见控制问题.其中采用一种新的方法构造扩大误差系统,避免对时变的系数矩阵取差分,从而成功构造简化的扩大误差系统.然后针对所求得的不确定系统的扩大误差系统,通过引入带有预见作用的状态反馈,研究鲁棒H∞保成本控制问题,得到确保鲁棒H∞控制器存在的充分条件及H∞状态反馈控制器的设计方法.该条件可以通过求解一个线性矩阵不等式优化问题而实现.所得控制器回到原系统就得到带有预见作用的最优预见控制器.而且,通过引入积分器,实现闭环系统对目标值信号的鲁棒无静差跟踪.最后的数值算例说明了本文理论的有效性

为了克服经验法推算结构物埋深的缺陷,基于检测对象的雷达反射波形特征,通过提取反射波形上的少量特征点,提出一种估算结构物埋深的新方法,并考虑实际检测中结构物反射波形的畸变,对估算精度进行分析评价.结果表明:对于理想的无畸变检测数据,该方法对结构物埋深、水平位置及电磁波速的估算结果较为精确;当反射波形存在畸变时,该方法对埋深的直接估算结果误差较大,平均误差达到55.202%,但对于电磁波速的估算结果较为精确;对于实测的有畸变检测数据,可通过电磁波速估算结果及测得的目标体双程旅时对埋深进行间接估算,估算精度满足雷达法检测对埋深估算的要求.相比经验法,该方法在估算精度、误差控制方面具有显著优势

针对高炉炼铁过程的关键工艺指标——铁水硅含量[Si]难以直接在线检测且化验过程滞后的问题,提出一种基于稀疏化鲁棒最小二乘支持向量机(R-S-LS-SVR)与多目标遗传参数优化的铁水[Si]动态软测量建模方法.首先,针对标准最小二乘支持向量机(LS-SVR)的拉格朗日乘子与误差项成正比导致最终解缺少稀疏性的问题,提取样本数据在特征空间映射集的极大无关组来实现训练样本集的稀疏化,降低建模的计算复杂度;其次,标准最小二乘支持向量机的目标函数鲁棒性不足的问题将IGGⅢ加权函数引入稀疏化后的最小二乘支持向量机模型进行鲁棒性改进,得到鲁棒性较强的稀疏化鲁棒最小二乘支持向量机模型;最后,针对常规均方根误差评价模型性能的不足,提出从建模误差与估计趋势评价建模性能的多目标评价指标.在此基础上,利用非支配排序的带有精英策略的多目标遗传算法优化模型参数,从而获得具有最优参数的铁水[Si]在线软测量模型.工业实验及比较分析验证了所提方法的有效性和先进性

风能、太阳能等间歇式能源的引入和工业生产中大功率动态负载的增加，使得智能电网电力负荷越来越多呈现出大范围随机频繁波动的特点.动态负荷的增加对智能电能表的有功电能测量带来新挑战.传统的测量算法是针对稳态负荷而提出，因此无法解决智能电能表动态计量性能的改善问题.本文在传统MA （moving average）算法的基础上提出一种SDPA （segmented dot product accumulation）动态有功电能测量算法，该算法可在一定程度上减小动态功率条件下的测量误差.首先，分别讨论了传统MA和ⅡR （infinite impulse response）滤波器算法的动态响应速度和动态电能误差特性，指出两种算法对动态输入信号测量的局限性，并理论分析了影响各自动态计量性能的因素.以此为基础，提出智能电能表有功电能动态测量的SDPA算法，通过将待测的动态功率信号按周期截短、分段执行点积运算、并累加求和的方式实现动态测量.另外，通过按周期抽取的算法实现方式可以大大减少存储空间、提高运行速度.理论和仿真结果表明，与传统MA和ⅡR滤波器相比，SDPA算法在动态响应时间为一个基波周期的前提下，动态电能测量可达到较低误差水平

[滴定]：？？ 由滴定管读数计算待测组分含量。 A与B恰好按反应式完全反应时， 称反应到达化学计量点（sp） 指示剂的变色点，称滴定终点（ep） epsp，由此造成的滴定误差，称终 点误差（Et），又称滴定误差

黏度是冶金熔渣的基本物理性质，其大小直接影响到反应速率、熔渣分离效果等冶炼过程。通过深入探索熔渣黏度与其结构的关系，在分析熔渣黏度与其(NBO/T)比值（即单个聚合物粒子所拥有的非桥氧数量）相互关系的基础上，本文提出基于（NBO/T）比值的多元熔渣黏度计算模型。首先建立SiO2–∑MxO简单渣系的黏度计算模型，通过拟合纯氧化物和SiO2–MxO二元渣系的黏度数据得到模型参数，拟合平均误差在9%～18.5%之间；随后将该模型扩展至SiO2–Al2O3–∑MxO多元渣系的黏度计算，针对Al2O3在熔渣中同时表现出酸性氧化物和碱性氧化物的特点，在计算SiO2–Al2O3–MxO三元渣系黏度时，将其中的Al2O3拆分为酸性物质和碱性物质来计算（NBO/T）比值和黏度活化能。在SiO2–MxO二元系模型参数的基础上，通过拟合SiO2–Al2O3–MxO三元渣系的黏度数据得到含Al2O3渣系的模型参数，拟合平均误差在10%～25%之间。利用该模型计算了SiO2–Al2O3–CaO–MgO–FeO–Na2O–K2O–Li2O–BaO–SrO–MnO多元复杂渣系及其子体系的黏度值，计算平均误差在25%以内，取得了较好的预报效果。本模型基于熔渣结构理论，并借鉴了经验模型的数据处理方式，在预报效果和适用范围上都优于传统经验模型，在计算方式上比结构模型要简单