最近一个项目是在给定压力、孔径、用普通电磁阀。实现精确的出红酒量控制，现已用“最小二乘法对已知数据进行最佳直线拟合得到出酒时间(ms)与出酒量(ml)的线性方程。从r2=0.999可知采集的数据样本有很好的相关性。
http://blog.gkong.com/uploadfile3/200937104236718.gif
在实际应用中出酒量精度能控制在1ml以内（精度和气压、不同红酒的黏性和瓶的密封程度有密切关系)。而同一出酒机构的平均误差在0.5ml。如果加一个气压传感器，应可设计出在不同气压下也能智能出定量酒的系统。还没有做试验。下面是相关的一些资料：
2）
关于最小二乘法
使用最小二乘法对已知数据进行最佳直线拟合，然后返回描述此直线的数组。也可以将 linest 与其他函数结合以便计算未知参数中其他类型的线性模型的统计值，包括多项式、对数、指数和幂级数。
直线的公式为：
y = mx + b
r2
判定系数
。y 的估计值与实际值之比，范围在 0 到 1 之间。如果为 1，则样本有很好的相关性，y 的估计值与实际值之间没有差别。如果判定系数为 0，则回归公式不能用来预测 y 值。
数据的离散程度决定了 linest 函数计算的精确度。数据越接近线性，linest 模型就越精确。linest 函数使用最小二乘法来判定最适合数据的模型。当只有一个自变量 x 时，m 和 b 是根据下面的公式计算出的：
http://blog.gkong.com/ms-help://ms.excel.12.2052/excel/content/awflnst1_za06047512.gif
http://blog.gkong.com/ms-help://ms.excel.12.2052/excel/content/awflnst2_za06051200.gif
其中 x 和 y 是样本平均值，例如 x = average(known xs) 和 y = average(known_ys)。
http://blog.gkong.com/images/file/pdf.gif">http://blog.gkong.com/http://blog.gkong.com/images/file/pdf.gif
excel中的最小二乘法说明.pdf
1）
http://blog.gkong.com/images/file/pdf.gif">http://blog.gkong.com/http://blog.gkong.com/images/file/pdf.gif
aaaaa_估计水塔的水流量.pdf
----------------------------------------------
此篇文章从博客转发
原文地址： Http://blog.gkong.com/more.asp?id=79617&Name=zjcsharp