數(shù)據(jù) 采 集 與處理環(huán)節(jié)是工業(yè)自動化系統(tǒng)中一個十分重要的組成部分，其數(shù)據(jù)采集和處理的優(yōu)劣直接影響著被控系統(tǒng)的穩(wěn)定性和實效性。數(shù)據(jù)采集主要受硬件條件的限制，而對于數(shù)據(jù)處理環(huán)節(jié)，則主要依據(jù)所采用算法的好壞。傳統(tǒng)的數(shù)據(jù)處理方法是:通常認(rèn)為測量數(shù)據(jù)服從正態(tài)分布，對所得的測量數(shù)據(jù)運用一定的檢驗法進(jìn)行異常值的判斷和處理，如格拉布斯法等;然后再利用處理后的測量數(shù)據(jù)(認(rèn)為其不再包含異常值)來確定被測對象特征參數(shù)的估計值，如算術(shù)平均值、實驗標(biāo)準(zhǔn)差等。但由于任何一個實際測量過程幾乎都會涉及到測量的對象、人員、儀器、方法、環(huán)境等因素，因而具備各自的特點，同時也會受到這些因素的影響，因而會帶來這樣兩個問題:一是測量數(shù)據(jù)實際分布大多情況下都或多或少地偏離正態(tài)分布，許多試驗都證明，大多數(shù)儀器的示值分布不是正態(tài)的，而是介于均勻與正態(tài)之間;二是個別異常值可能無法被清除而與正常值一樣作為有用數(shù)據(jù)來處理。對于以上問題，國內(nèi)外學(xué)者做了大量的研究工作，并提出了許多改進(jìn)算法。文獻(xiàn)【11首先提出了一種利用置信距離對數(shù)據(jù)進(jìn)行一致性檢驗的數(shù)據(jù)融合算法，文獻(xiàn)【2]將該方法擴(kuò)展到模糊集的情形，即利用模糊集合理論中的隸屬度函數(shù)對傳感器的測量數(shù)據(jù)進(jìn)行局部一致性檢驗，文獻(xiàn)〔3」則在統(tǒng)計意義下給出了一種新的確定不確定信息支持區(qū)間和支持概率的方法，文獻(xiàn)〔41對數(shù)據(jù)間相互支持度在置信距離的基礎(chǔ)上給出了一種簡單的定量計算方法，雖然上述算法在一定的程度上解決了測量數(shù)據(jù)不符合正
態(tài)分布的數(shù)據(jù)融合間題，但算法中計算置信距離中的支持區(qū)間時，均存在門限的設(shè)置問題，而門限設(shè)置的優(yōu)劣直接關(guān)系到對冗余信息和互補(bǔ)信息的利用程度，這些因素對最終濾波結(jié)果的影響是決定性的。針對 以 上 問題，本文提出了一種新的計算數(shù)據(jù)間相互支持度的方法，該方法充分利用數(shù)據(jù)自身蘊(yùn)含的信息，避免了門限預(yù)先設(shè)定的問題。從而降低了主觀性，提高了算法的可操作性，最后通過數(shù)值仿真實例驗證了該算法的有效性。