在程序判断滤波方法中如何确定偏差

你所说的A1应该是一个类似门槛的问题

当B在A附近波动时会出现报警断续现象，建议加入滤波，这样可以防止B的波动带来的报警不稳定

常见的滤波算法有10种

1、限幅滤波法（又称程序判断滤波法）

A、方法：

根据经验判断，确定两次采样允许的最大偏差值（设为A）

每次检测到新值时判断：

如果本次值与上次值之差<=A,则本次值有效

如果本次值与上次值之差>A,则本次值无效,放弃本次值,用上次值代替本次值

B、优点：

能有效克服因偶然因素引起的脉冲干扰

C、缺点

无法抑制那种周期性的干扰

平滑度差

2、中位值滤波法

A、方法：

连续采样N次（N取奇数）

把N次采样值按大小排列

取中乎纤间值为本次有效值

B、优点：

能有效克服因偶然因素引起的波动干扰

对温度、液位的变化缓慢的被测参数有良好的滤波效果

C、缺点：

对流量、速度等快速变化的参数不宜

3、算术平均滤波法

A、方法：

连续取N个采样值进行算术平均运算

N值较大时：信号平滑度较高，但灵敏度较低

N值较小时：信号平滑度较低，但灵敏度较高

N值的选取：一般流量，N=12；压力：N=4

B、优点：

适用于对一般具有随机干扰的信号进行滤波

这样信号的特点是有一个平均值，信号在某一数值范围附近上下波动

C、缺点：

对于测量速度较慢或要求数据计算速度较快的实时控制不适用

比较浪费RAM

4、递推平均滤波法（又称滑动平均滤波法）

A、方法：

把连续取N个采样值看成一个队列

队列的长度固定为N

每次采样到一个新数据放入队尾,并扔掉原来队首的一次数据.(先进先出原则)

把队列中的N个数据进岁腔仿行算术平均运算,就可获得新的滤波结果

N值的选取：流量，N=12；压力：N=4；液面，N=4~12；温度，N=1~4

B、优点：

对周期性干扰有良好的抑制作用，平滑度高

适用于高频振荡的系统

C、缺点：

灵敏度低

对偶然出现的脉冲性干扰的抑制作用较差

不易消除由于脉冲干扰所引起的采样值偏差

不适用于脉冲干扰比较严重的场合

比较浪费RAM

5、中位值平均滤波法（又称防脉冲干扰平均滤波法）

A、方法：

相当于“中位值滤波法”+“算术平均滤波法”

连续圆掘采样N个数据，去掉一个最大值和一个最小值

然后计算N-2个数据的算术平均值

N值的选取：3~14

B、优点：

融合了两种滤波法的优点

对于偶然出现的脉冲性干扰，可消除由于脉冲干扰所引起的采样值偏差

C、缺点：

测量速度较慢，和算术平均滤波法一样

比较浪费RAM

6、限幅平均滤波法

A、方法：

相当于“限幅滤波法”+“递推平均滤波法”

每次采样到的新数据先进行限幅处理，

再送入队列进行递推平均滤波处理

B、优点：

融合了两种滤波法的优点

对于偶然出现的脉冲性干扰，可消除由于脉冲干扰所引起的采样值偏差

C、缺点：

比较浪费RAM

7、一阶滞后滤波法

A、方法：

取a=0~1

本次滤波结果=（1-a）*本次采样值+a*上次滤波结果

B、优点：

对周期性干扰具有良好的抑制作用

适用于波动频率较高的场合

C、缺点：

相位滞后，灵敏度低

滞后程度取决于a值大小

不能消除滤波频率高于采样频率的1/2的干扰信号

8、加权递推平均滤波法

A、方法：

是对递推平均滤波法的改进，即不同时刻的数据加以不同的权

通常是，越接近现时刻的数据，权取得越大。

给予新采样值的权系数越大，则灵敏度越高，但信号平滑度越低

B、优点：

适用于有较大纯滞后时间常数的对象

和采样周期较短的系统

C、缺点：

对于纯滞后时间常数较小，采样周期较长，变化缓慢的信号

不能迅速反应系统当前所受干扰的严重程度，滤波效果差

9、消抖滤波法

A、方法：

设置一个滤波计数器

将每次采样值与当前有效值比较：

如果采样值＝当前有效值，则计数器清零

如果采样值<>当前有效值，则计数器+1，并判断计数器是否>=上限N(溢出)

如果计数器溢出,则将本次值替换当前有效值,并清计数器

B、优点：

对于变化缓慢的被测参数有较好的滤波效果,

可避免在临界值附近控制器的反复开/关跳动或显示器上数值抖动

C、缺点：

对于快速变化的参数不宜

如果在计数器溢出的那一次采样到的值恰好是干扰值,则会将干扰值当作有效值导入系统

10、限幅消抖滤波法

A、方法：

相当于“限幅滤波法”+“消抖滤波法”

先限幅,后消抖

B、优点：

继承了“限幅”和“消抖”的优点

改进了“消抖滤波法”中的某些缺陷,避免将干扰值导入系统

C、缺点：

对于快速变化的参数不宜

1.限幅滤波算法（程序判断滤波算法）

方法解析：

根据经验判断，确定两次采样允许的最大偏差值（设定为A），每次检测到新值时判断：

如果本次值与上次值之差<=A，则本次值有效，

如果本次值与上次值只差>A,则本次值无效，放弃本次值，用上次值代替本次值。

优点：

能有效克服因偶然因素引起的脉冲干扰

缺点：

无法桐携哪抑制那种周期性的干扰，平滑度差

[cpp] view plain copy

#define A 10

char value

char filter()

{

char  new_value

new_value = get_ad()

if ( ( new_value - value > A ) || ( value - new_value > A )

return value

return new_value

}

2.中位值滤波法

方法解析：

连续采样N次（N取奇数），把N次采样值按大小排列，取中间值为本次有效值

优点：

能有效克服因偶然因素引起的波动干扰，对温度，液位的变化缓慢的被测局码参数有良好的滤波效果

缺点：

对流量，速度等快速变化的参数不宜

[cpp] view plain copy

#define N  11

char filter()

{

char value_buf[N]

char count,i,j,temp

for ( count=0count<Ncount++)

{

value_buf[count] = get_ad()

delay()

}

for (j=0j<N-1j++)

{

for (i=0i<N-ji++)

{

if ( value_buf[i]>value_buf[i+1] )

{

temp = value_buf[i]

value_buf[i] = value_buf[i+1]

value_buf[i+1] = temp

}

}

}

return value_buf[(N-1)/2]

}

3.算术平均滤波

方法解析：

连续取N个采样值进行平均运算，N值较大时：信号平滑度较高，但灵敏度较低

N值较小时：信号平滑度较低，但灵敏度较高。N值的选取：一般12左右。

优点：

适应于对一般具有随机干扰的信号进行滤波，这样信号的特点是有一个平均值，信号在某一数值范围附近上下波动

缺点：

对于测量速度较慢或要求数据计算速度较快的实时控制并不适用，比较浪费RAM

[cpp] view plain copy

#define N 12

char filter()

{

int  sum = 0

for ( count=0count<Ncount++)

{

sum + = get_ad()

delay()

}

return (char)(sum/N)

4.递推隐孝平均滤波（滑动平均滤波法）

方法解析：

把连续取N个采样值看成一个队列，队列的长度固定为N，每次采样到一个新数据放入队尾，并扔掉原来队首的一次数据（先进先出）。

把队列中的N个数据进行算术平均运算，就可获得新的滤波结果。N值的选取：一般12.

优点：

对周期性干扰有良好的抑制作用，平滑度高，适应于高频振荡的系统

缺点：

灵敏度低，对偶然出现的脉冲性干扰的抑制作用较差。不易消除由于脉冲干扰所引起打的采样值偏差，不适用于脉冲干扰比较严重的场合

浪费RAM

[cpp] view plain copy

#define N 12

char value_buf[N]

char i=0

char filter()

{

char count

int  sum=0

value_buf[i++] = get_ad()

if ( i == N )   i = 0

for ( count=0count<N,count++)

sum = value_buf[count]

return (char)(sum/N)

}

5.中位值平均滤波法（防脉冲干扰平均滤波法）

方法解析：

相当于中位值滤波+算术平均滤波，连续采样N个数据，去掉一个最大值和一个最小值，然后计算N-2个数据的算术平均值。

N值的选取：3-14

优点：融合了两种滤波法的优点

对于偶然出现的脉冲性干扰，可消除由于脉冲干扰所引起的采样值偏差。

缺点：

测量速度较慢，和算法平均滤波一样，浪费RAM。

[cpp] view plain copy

#define N 12

char filter()

{

char count,i,j

char value_buf[N]

int  sum=0,temp=0

for  (count=0count<Ncount++)

{

value_buf[count] = get_ad()

delay()

}

for (j=0j<N-1j++)

{

for (i=0i<N-ji++)

{

if ( value_buf[i]>value_buf[i+1] )

{

temp = value_buf[i]

value_buf[i] = value_buf[i+1]

value_buf[i+1] = temp

}

}

}

for(count=1count<N-1count++)

sum += value[count]

return (char)(sum/(N-2))

}

6一阶滞后滤波法

方法解析：

取a=0-1

本次滤波结果=（1-a）*本次采样值+a*上次滤波结果

优点：

对周期性干扰具有良好的抑制作用，适用于波动频率较高的场合

缺点：

相位滞后，灵敏度低，滞后程度取决于a值的大小，不能消除滤波频率高于采样频率的1/2的干扰信号

[cpp] view plain copy

#define a 50

char value

char filter()

{

char  new_value

new_value = get_ad()

return (100-a)*value + a*new_value

}

7.加权递推平均滤波法

方法解析：

是对递推平均滤波法的改进，即不同时刻的数据加以不同的权

通常是，越接近现时刻的数据，权取得越大，给予新采样值的权系数越大，则灵敏度越高，但信号平滑度越低。

优点：

适用于有较大纯滞后时间常数的对象，和采样周期较短的系统

缺点:

对于纯滞后时间常数较小，采样周期较长，变化缓慢的信号，不能迅速反应系统当前所受干扰的严重程度，滤波效果差。

[cpp] view plain copy

#define N 12

char code coe[N] = {1,2,3,4,5,6,7,8,9,10,11,12}

char code sum_coe = 1+2+3+4+5+6+7+8+9+10+11+12

char filter()

{

char count

char value_buf[N]

int  sum=0

for (count=0,count<Ncount++)

{

value_buf[count] = get_ad()

delay()

}

for (count=0,count<Ncount++)

sum += value_buf[count]*coe[count]

return (char)(sum/sum_coe)

}

8.消抖滤波法

方法解析：

设置一个滤波计数器，将每次采样值与当前有效值比较：

如果采样值＝当前有效值，则计数器清零，如果采样值<>当前有效值，则计数器+1，并判断计数器是否>=上限N(溢出)，如果计数器溢出,则将本次值替换当前有效值,并清计数器

优点：

对于变化缓慢的被测参数有较好的滤波效果,可避免在临界值附近控制器的反复开/关跳动或显示器上数值抖动。

缺点：

对于快速变化的参数不宜，如果在计数器溢出的那一次采样到的值恰好是干扰值,则会将干扰值当作有效值导入系统

[cpp] view plain copy

#define N 12

char filter()

{

char count=0

char new_value

new_value = get_ad()

while (value !=new_value)

{

count++

if (count>=N)   return new_value

delay()

new_value = get_ad()

}

return value

}

10.低通数字滤波

解析：

低通滤波也称一阶滞后滤波,方法是第N次采样后滤波结果输出值是(1-a)乘第N次采样值加a乘上次滤波结果输出值。可见a<<1。

该方法适用于变化过程比较慢的参数的滤波的C程序函数如下:

[cpp] view plain copy

float low_filter(float low_buf[])

{

float sample_value

float X=0.01

sample_value=(1_X)*low_buf[1]+X*low buf[0]

retrun(sample_value)

}

当我们使用1200PLC进行滤波均值计算时，可以采用以下步骤进行程序编写：

1. 首毕培肆先，我们需要将采集到的原始数据存储至一个数组中，以便后续的计算。

2. 接着，我们需要定义一个变量来存储滑动窗口的大小，通常情况下，一个合适的窗口大小是根据实际应用场景来确定的。

3. 然后，我们可以通过循环语句将窗口内的数据进行累加，并计算出中侍平均值。在每次循环中，我们需要将最早加入窗口的数据删除，并将最新采集到的数据添加至窗口中。

4. 最后，我们需要将计算出的均值结果输出或存储至某个寄存器、数据存储器、或者其他设备中供后续使用。

比如，下面是一个示例程序：

```LD M100开始存储原始数据

LD D100将D100的值存储到M100中

ADD X0 将X0中的值加1

MOV D100, M[X0] 将M[X0]的值存储到D100中

CMP X0, K1N10 判断X0是否大于等于K1N10

JMPE ELSE如果是，则跳转至ELSE

AVG: 均值计算过程

MOV D10, D100 将D100的值存储到D10中

ADD D20, D10 将D10加到D20中

ADD X1, K1将X1加1

CMP X1, K2N10 判断X1是否大于等于K2N10

JMPE OUTPUT 如果是，手轿则跳转至OUTPUT

MOV D100, M[X1] 将新采集的数据存储到D100中

SUB D20, D[K1] 将最早加入窗口的数据删除

JMP AVG 重复执行均值计算过程

OUTPUT:

DIV D20, K1N10 计算出平均值

ST D30, M[100] 将结果存储至M100寄存器中

JMP START 回到程序开始处

ELSE:

MOV X0, K1 将X0重置为窗口大小

MOV D20, K0 将累加器清零

JMP AVG 执行均值计算

---