电脑系统误差举例说明-电脑系统误差举例说明怎么写

1.模糊控制不能消除系统静态误差的原因

2.请举例说明异常值、离群值和极值有什么联系和区别? 没有任务详情

3.什么是PID调节器，并举例说明P、I、D的调节作用。

4.误差分析的重要性

模糊控制不能消除系统静态误差的原因

控制作用较粗糙。模糊控制，是采用由模糊数学语言描述的控制律来操纵系统工作的控制方式，而系统静态的误差很精密，由于模糊控制的控制作用较粗糙，所以是无法从根本上消除系统静态误差的。静态误差是指当测量器件的测量值不随时间变化时，测量结果会有缓慢的漂移，这种误差称为静态输入误差，或称静态误差。

请举例说明异常值、离群值和极值有什么联系和区别? 没有任务详情

异常值、离群值和极值的联系和区别在于，离群值处理，因为过大或过小的数据可能会影响到分析结果，尤其是在做回归的时候，我们需要对那些离群值进行处理。

实际上离群值和极值是有区别的，因为极值不代表异常，但实际处理中这两个所用方法差不多，所以这里也不强行区分了。

异常值：异常值outlier:一组测定值中与平均值的偏差超过两倍标准差的测定值。

杠杆点：因此残差的方差与杠杆点有关

离群点：是指一个时间序列中，远离序列的一般水平的极端大值和极端小值。因此，也称之为歧异值，有时也称其为野值。离群点是由于系统受外部干扰而造成的。

但是，形成离群点的系统外部干扰是多种多样的。首先可能是采样中的误差，如记录的偏误，工作人员出现笔误，计算错误等，都有可能产生极端大值或者极端小值。其次可能是被研究现象本身由于受各种偶然非正常的因素影响而引起的。

高杠杆点，一个有高杠杆率的观测值未必是一个有影响的观测值，它可能对回归直线的斜率没有什么影响。

影响点：强影响点：即对模型参数估计值影响有些比例失衡的点。例如，若移除模型的一个观测点时，模型会发生巨大的改变，那么你就需要检测一下数据中是否存在强影响点了。

某些离群点既是异常点也是杠杆点。将离群点和强影响点统称为例外点。异常点是指因变量值远离其平均值所对应的数据点，或者说该数据点在轴上的投影明显远离其他数据点在轴上的投影，其中该因变量值称为异常值。

什么是PID调节器，并举例说明P、I、D的调节作用。

PID 调节器是一个在工业控制应用中常见的反馈回路部件，PID是以它的三种纠正算法而命名的。这三种算法都是用加法调整被控制的数值。而实际上这些加法运算大部分变成了减法运算因为被加数总是负值。以下是PID的调节作用举例：

1.比例- 来控制当前，误差值和一个负常数P（表示比例）相乘，然后和预定的值相加。P只是在控制器的输出和系统的误差成比例的时候成立。这种控制器输出的变化与输入控制器的偏差成比例关系。比如说，一个电热器的控制器的比例尺范围是10°C，它的预定值是20°C。那么它在10°C的时候会输出100%，在15°C的时候会输出50%，在19°C的时候输出10%，注意在误差是0的时候，控制器的输出也是0。

2.积分 - 来控制过去，误差值是过去一段时间的误差和，然后乘以一个负常数I，然后和预定值相加。I从过去的平均误差值来找到系统的输出结果和预定值的平均误差。一个简单的比例系统会振荡，会在预定值的附近来回变化，因为系统无法消除多余的纠正。通过加上一个负的平均误差比例值，平均的系统误差值就会总是减少。所以，最终这个PID回路系统会在预定值定下来。

3.微分?- 来控制将来，计算误差的一阶导，并和一个负常数D相乘，最后和预定值相加。这个导数的控制会对系统的改变作出反应。导数的结果越大，那么控制系统就对输出结果作出更快速的反应。这个D参数也是PID被称为可预测的控制器的原因。D参数对减少控制器短期的改变很有帮助。一些实际中的速度缓慢的系统可以不需要D参数。?

扩展资料：

用更专业的话来讲，一个PID控制器可以被称作一个在频域系统的滤波器。这一点在计算它是否会最终达到稳定结果时很有用。如果数值挑选不当，控制系统的输入值会反复振荡，这导致系统可能永远无法达到预设值。

误差分析的重要性

在数值分析中，一般不讨论“模型误差”和“观测误差”。数值分析只研究用数学方法求解数学模型产生的误差，主要包括算法的截断误差和舍入误差。

当数学模型不能得到精确解时，通常要用数值方法求它的近似解，其近似解与精确解之间的误差称为截断误差或方法误差。如果用泰勒多项式Pn（x）近似代替函数f（x），即

地球物理数据处理基础

则数值方法的截断误差是

地球物理数据处理基础

可见截断误差与算法的收敛性有关。如用泰勒多项式Pn（x）代替函数f（x），计算时要确定n。若n越大误差越小，则算法是收敛的；反之，若随着n的增大，截断误差随之增大，则称算法是发散的。

在用计算机进行数值计算时，由于计算机内存的字长有限，原始数据在计算机内部的储存会产生误差，计算过程又可能产生新的误差，这种误差称为舍入误差。例如，用3.14159近似代替π，产生的误差R＝π－3.14159＝0.0000026…，R就是舍入误差。在大型计算中运算次数太多，舍入误差一般很难估计，为此引入算法稳定性的概念。我们把运算过程舍入误差不增长的计算公式称为数值稳定的。这样，对于数值稳定的计算过程，可以不去估计具体的舍入误差，只是分析计算过程的数值稳定性，因而对运算过程中的误差积累问题进行定性分析是有重要意义的。

由此可见，在数值分析中除了研究数学问题的算法外，还要研究计算结果的误差是否满足精度要求，这就是误差估计问题。

下面举例说明误差分析的重要性。

［例］计算积分In＝e－1∫10xnexdx，n＝0，1，…，并估计误差。

解：由分部积分法可得计算In的递推公式：

地球物理数据处理基础

（1）算法A（顺序递推法）

首先算出I0＝e－1∫10exdx＝1－e－1，即要算出e－1，可用泰勒多项式展开，取n＝7以前各项的和，并且精确到4位小数，计算得到e－1≈0.3679。

截断误差 计算过程中小数点后的第5位数字按四舍五入原则取舍，由此产生的舍入误差不作讨论。当取初值为 时，递推公式为

地球物理数据处理基础

计算结果如表2－1的 列，即

表2－1 两种算法计算结果

利用积分估计可知 而表2－1中 出现负值，显然是不正确的。这里计算公式与每步计算都是正确的，那么什么原因使计算结果错误呢？主要是初值 有误差 由此引起以后各步计算的误差为

地球物理数据处理基础

容易推出

地球物理数据处理基础

这说明 有误差e0，则 就有e0的n！倍误差。例如n＝8，若 则｜e8｜＝8！×｜e0｜>2，这就说明 完全不能近似I8了。

（2）算法B（逆序递推法）

现在换一种计算方案，取n＝9，得

地球物理数据处理基础

我们粗略取 然后得倒序递推公式

地球物理数据处理基础

计算结果见表2－1的 列。我们发现 与I0的误差不超过10－4。由于 比 缩小了n！倍。因此，尽管 较大，但由于误差逐步缩小，故可用 近似In，此例说明我们应重视计算过程中的误差分析。