Приложение последовательного регрессионного метода к идентификации одного класса динамических систем | Статья в журнале «Молодой ученый»

Отправьте статью сегодня! Журнал выйдет 28 декабря, печатный экземпляр отправим 1 января.

Опубликовать статью в журнале

Авторы: ,

Рубрика: Технические науки

Опубликовано в Молодой учёный №20 (79) декабрь-1 2014 г.

Дата публикации: 28.11.2014

Статья просмотрена: 58 раз

Библиографическое описание:

Петренко, В. О. Приложение последовательного регрессионного метода к идентификации одного класса динамических систем / В. О. Петренко, И. А. Гарькина. — Текст : непосредственный // Молодой ученый. — 2014. — № 20 (79). — С. 199-202. — URL: https://moluch.ru/archive/79/14044/ (дата обращения: 17.12.2024).

Рассмотрим класс человеко-машинных (эргатических) систем [1…4], описываемых уравнениями движения:

;

- управляющие движения оператора [5] (для короткопериодической составляющей продольного движения самолета ).

В конечных разностях имеем:

,

или:

.                                                                          

где - число измерений .

Параметры, доставляющие минимум функционалам качества [1]  и , определятся из систем уравнений в матричной форме соответственно:

,                                                                                    (1)

,                                                                                    (2)

где

, ,

( — равенство по определению).

Введем

,                                                                                                           (3)

Тогда из (1) следует:

, ;                                                               (4)

а из (4) и (1):

,                                                                               (5)

.

Справедливо:

.

Последняя формула легко приводится к виду

.

Получим рекуррентную формулу для оценки при r-ом измерении через оценку при (r-1)-ом измерении

.                                                                               (6)

Аналогично получили бы формулу для оценки :

.                                                                               (7)

Оценку  можно получить рекуррентно по предыдущей оценке  и по измерениям ,, если матрица  так же получена последовательно.

По (3) имеем:

.                                                                        (8)

Пусть известно начальное значение матрицы .

Тогда, умножая (8) слева на , получим:

;                                                                                                    (9)

а умножив на  (9) справа, получим:

.                                                                                                (10)

Из(10), умножая на  справа, получим:

.

Умножая далее справа на , получим:

.                                                               (11)

Подставив в (10) из (11), получим

.

Таким образом, получили окончательный вид рекуррентной формулы:

.                                                                     (12)

(принималось ; вообще говоря, начальная оценка может быть произвольной).

При расчетах использовалась формула (11) в развернутом виде:

.   

Алгоритм идентификации непосредственно вытекает из соотношений

 ,

,

,

q.

Приведенный алгоритм широко и эффективно использовался при разработке тренажных и обучающих комплексов для различных отраслей промышленности [5…7]. Для рассматриваемого класса систем можно принять:

, ; .

 

Литература:

 

1.                  Авиационные тренажеры модульной архитектуры: монография; под редакцией Лапшина Э. В., д.т.н., проф. Данилова А. М. — Пенза: ИИЦ ПГУ. — 2005. — 146 с.

2.                  Планирование эксперимента. Обработка опытных данных: монография / И. А. Гарькина [и др.]; под ред. проф. А. М. Данилова. — М.: Палеотип. — 2005. — 272 с.

3.                  Данилов А. М., Гарькина И. А. Сложные системы: идентификация, синтез, управление. — Пенза: ПГУАС. — 2011. — 308 с.

4.                  Данилов А. М., Гарькина И. А., Домке Э. Р. Математическое и компьютерное моделирование сложных систем. — Пенза: ПГУАС. — 2011. — 296 с.

5.                  Данилов А. М., Домке Э. Р., Гарькина И. А. Формализация оценки оператором характеристик объекта управления / Известия ОрелГТУ. Информационные системы и технологии. — 2012. — № 2 (70). — С.5–11.

6.                  Хнаев О. А., Данилов А. М. Методы планирования эксперимента в аппроксимации функций многих переменных / Молодой ученый. — 2014. — № 4. — С.295–297.

7.                  Будылина Е. А., Гарькина И. А., Данилов А. М., Пылайкин С. А. Аналитическое определение имитационных характеристик тренажных и обучающих комплексов // Фундаментальные исследования. — 2014. — № 6 (часть 4). — С. 698–702.

Основные термины (генерируются автоматически): рекуррентная формула.


Похожие статьи

Моделирование типовых динамических звеньев в терминах модифицированного аппарата сетей Петри

Предельная эффективность и параметрический анализ в задачах линейного программирования

Моделирование многопараметрических систем на основе информационных потоков

Оптимальное решение целочисленной модели информационной системы методом ветвей и границ

К проблеме анализа данных при построении моделей многомерных систем

Аналитические методы преобразования динамических моделей

Сравнительный анализ алгоритмов нейронной сети и деревьев принятия решений модели интеллектуального анализа данных

Реализация межпредметных связей на примере регрессионного анализа

Использование принципов теории многокритериального выбора при оценке эффективности экономических систем

Метод естественной кластеризации данных

Похожие статьи

Моделирование типовых динамических звеньев в терминах модифицированного аппарата сетей Петри

Предельная эффективность и параметрический анализ в задачах линейного программирования

Моделирование многопараметрических систем на основе информационных потоков

Оптимальное решение целочисленной модели информационной системы методом ветвей и границ

К проблеме анализа данных при построении моделей многомерных систем

Аналитические методы преобразования динамических моделей

Сравнительный анализ алгоритмов нейронной сети и деревьев принятия решений модели интеллектуального анализа данных

Реализация межпредметных связей на примере регрессионного анализа

Использование принципов теории многокритериального выбора при оценке эффективности экономических систем

Метод естественной кластеризации данных

Задать вопрос