技术领域本发明涉及一种生产过程数据的处理方法，尤其涉及一种在工业控制计算机对煤炭密度参数数据分析处理之前，对煤炭分选设备密度计采集系统采集到的数据进行误差检测和数据校正的方法。
背景技术：
密度计采集系统是煤炭分选设备最为重要的一部分，采集到的数据精确与否对后期参数估计及过程控制和优化的结果影响重大。实际工业测量中，可能由于测量人员失误、密度计采集系统不稳定等因素，导致采集到的密度参数数据存在一些误差。误差检测分为过失误差检测和系统误差检测两类。过失误差检测是检测测量数据中由于过程中的非随机事件如测量人员过失等原因引发的测量数据严重失真现象；系统误差检测是检测由于密度计系统本身的缺陷或没有按条件使用、测量所依据的理论公式不完善等原因造成的具有一定规律性的误差。一种专门用于煤炭分选设备密度计采集系统的数据误差检测与数据校正方法的开发很有必要。
技术实现要素：
发明目的：本发明所要解决的技术问题是提供一种专门用于煤炭分选设备密度计采集系统的数据误差检测与校正方法，该方法通过对煤炭的密度参数数据进行分析，从而判断出当前采集到的数据中是否存在误差，并对误差进行校正，以便将校正后精确的数据输送至工业控制计算机进行分析处理。发明内容：为解决上述技术问题，本发明所采用的技术手段为：一种用于煤炭分选设备密度计采集系统的数据误差检测与校正方法，具体包括如下步骤：步骤1，确定数据采集的起始时间，并以1s为时间间隔，采集所需要的密度参数数据；步骤2，对步骤1采集到的密度参数数据进行过失误差检测；步骤3，对已完成过失误差检测并校正的密度参数数据进行系统误差检测；步骤4，输出已完成误差检测与数据校正的数据。其中，步骤2中，对采集到的密度参数数据进行过失误差检测，具体的操作步骤为：(1)计算当前密度参数数据的平均值其中，xi为采集到的密度参数数据，n为密度参数数据的长度(序号数)；(2)计算剩余误差(3)计算数据的标准差和随机不确定度λ＝3δ；(4)对比剩余误差绝对值与随机不确定度的大小，若|ui|＞λ，则认为采集到的密度参数数据xi中存在过失误差，用过失误差数据所在序号的下一个序号对应的数据替换掉该过失误差数据，当过失误差数据所在最后一个序号，则用第一个序号对应的数据替换，并返回步骤(1)操作；若|ui|≤λ，则认为xi中不存在过失误差，继续步骤(5)；(5)输出当前已完成过失误差检测的数据。其中，步骤3中，所述系统误差的判断方法为；首先，计算马利科夫因子其中，ui应用无过失误差时的数据：若|Δ1|＞|ui|max，则认为存在线性系统误差；若|Δ1|≤|ui|max，则认为不存在线性系统误差；接着，计算阿卑-赫梅特因子其中ui、δ均应用无过失误差时的数据：若则认为存在周期性系统误差；若则认为不存在周期性系统误差；最后，当且仅当线性系统误差和周期性系统误差均不存在时，认为不存在系统误差，否则认为存在系统误差，重新采集数据。有益效果：本发明的专门针对煤炭分选设备密度计采集系统的误差检测与数据校正方法，通过对采集的密度参数数据进行判断(是否存在误差)和校正(将误差数据校正)，从而能够将更为精确的数据输送至工业控制计算机进行分析处理；本发明方法是一种基于过程的数据处理方法，在数据处理过程中可以减小随机误差，剔除显著误差，从而得到更为准确的测量值，以供后期工业控制计算机进行数据分析处理，本发明方法实现简单，可以有效地提取测量数据中的可靠信息。附图说明图1为本发明数据误差检测与校正方法的流程图。具体实施方式根据下述实施例，可以更好地理解本发明。然而，本领域的技术人员容易理解，实施例所描述的内容仅用于说明本发明，而不应当也不会限制权利要求书中所详细描述的本发明。结合附图1，以某公司的煤炭分选设备密度计采集系统为例，该系统于2015年6月18日上午10:00开始利用密度计采集系统对当天某批褐煤进行密度参数数据采集：步骤1，收集该批褐煤的密度参数数据，如表1所示：表1密度参数数据步骤2，利用公式计算当前(表1中)密度参数数据的平均值，得到，利用公式计算剩余误差，利用公式计算数据的标准差，得到δ＝0.1424，利用公式λ＝3δ计算随机不确定度，得到λ＝0.4272；其中，剩余随机误差ui如表2所示：表2剩余随机误差ui由表2可以看出，序号n为21、34、35的剩余随机误差的绝对值大于随机不确定度λ，因此认为这三个序号对应的原始密度参数数据中存在过失误差，用这三个序号的下一个序号(22、35、36)对应的数据替换掉这三个序号对应的数据，得到第一次校正后的密度参数数据，如表3所示：表3第一次校正后的密度参数数据步骤3，重复步骤2的操作再次利用公式计算当前(表3中)密度参数数据的平均值，并最终得到随机不确定度λ1＝0.2855；其中，剩余随机误差ui1如表4所示：表4第一次校正后的剩余随机误差序号ui1序号ui11-0.0535260.035520.035527-0.03653-0.0365280.033540.033529-0.029550.0125300.045560.002531-0.03755-->70.0105320.00258-0.029533-0.010590.0336340.5405100.054535-0.017511-0.125536-0.017512-0.0915370.0285130.0125380.0455140.0455390.0395150.071540-0.054516-0.015541-0.059517-0.1295420.0225180.0655430.0675190.042544-0.105520-0.044545-0.0755210.045546-0.0035220.045547-0.132523-0.053548-0.0415240.0485490.002525-0.053550-0.0065；由表4可以看出，序号为34的随机不确定度的绝对值大于λ1，因此认为序号34对应的第一次校正后密度参数数据存在过失误差，用该序号下一个序号(35)对应的数据替换掉该数据，得到第二次校正后的密度参数数据，如表5所示：表5第二次校正后的密度参数数据步骤4，重复步骤2的操作再次利用公式计算当前(表5中)密度参数数据的平均值，并最终得到随机不确定度λ2＝0.1637，剩余随机误差ui2如表6所示：表6第二次校正后的随机不确定度序号ui2序号ui21-0.0424260.046620.046627-0.02543-0.0254280.046640.044629-0.018450.0236300.056660.013631-0.026470.0001320.01367-->8-0.0184330.000190.065634-0.006410-0.095435-0.006411-0.114436-0.006412-0.0804370.0396130.0236380.0566140.0566390.0506150.082640-0.043416-0.004441-0.048417-0.1184420.0336180.0766430.0786190.053644-0.094420-0.034445-0.0644210.0566460.0076220.056647-0.121423-0.042448-0.0304240.0596490.013625-0.0424500.0046；由表6可以看出，表中所有随机不确定度的绝对值均不大于λ2，因此认为第二次校正后的密度参数数据中不存在过失误差，过失误差检测与数据校正过程结束；步骤5，由于数据长度n＝50，为偶数，利用公式计算马利科夫因子，得到Δ1＝0.0880，其中，这里的ui采用第二次校正后的随机不确定度(ui2)，|ui|max＝0.1214，由于Δ1＜|ui|max，因此认为不存在线性系统误差；利用公式计算阿卑-赫梅特因子，得到Δ2＝4.61×10-4，其中，这里的ui、δ采用第二次校正后的随机不确定度和标准差，由于因此认为不存在周期性误差。误差检测与数据校正过程结束，输出校正后的数据输送至工业控制计算机进行分析处理。本发明方法中过失误差检测依据的是数据的随机不确定度与剩余随机误差，系统误差检测依据的是马利科夫因子和阿卑-赫梅特因子。本发明方法用于在煤炭分选设备密度计采集系统对数据进行采集后，能有效实现数据的误差检测，并进行数据校正，保证数据的可靠性。以上所述仅为本发明的较佳实施方式，本发明的保护范围并不以上述实施方式为限，但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化，皆应纳入权利要求书中记载的保护范围内。