蒋明佑

(重庆交通大学机电与车辆工程学院)

传感器数据采集过程中，由于工业现场电器环境恶劣，不可避免的会产生量化噪声或随机噪声[1-8]。在噪声数据过多的采集任务中，离群数据[9]会影响一元线性回归模型的拟合过程，降低模型准确度。文章提出了基于Bisquare 算法的自适应数据采集方法，该方法根据数据点的离群程度，对每个数据点分配权值，通过权值分配降低噪声数据点产生的影响。通过迭代加权最小二乘法实时更新一元线性回归模型，大大提高了系统采集时间间隔的变化敏感度。通过设置模型置信区间，实现系统对噪声数据的剔除。文章使用LabVIEW[10]对基于Bisquare 方法的自适数据采集算法进行了仿真试验，并给出了基于Bisquare 方法的自适应数据采集和依托最小二乘法的自适应数据采集两者的性能比较结果。

1 数据设计

为了较为准确地模拟传感器采数据特性，文章基于LabVIEW 设计了幅值为5 的服从正态分布的最优数据源，每秒输出101 个数据点。将此数据源作为传感器所采集数据的最优数据源，如图1 所示。

最优数据源对应函数如下：

其中x 取值范围为[1，7]。

图1 最优数据源

通常采集测量任务中，大部分噪声均具有随机性，其幅度随时间无规律变化。为模拟真实传感器采集及数据传输时各种噪声对采集过程的影响，在原有最优数据源基础上添加了高斯白噪声及均匀白噪声。如图2所示。

图2 添加噪声后的标准数据源

2 最小二乘法自适应采集

2.1 采集策略

基于最小二乘法的自适应数据采集的采集策略可分为两步：一，掌握数据变化情况。……