Библиографическое описание:ABOUT PARAMETRIC IDENTIFICATION ALGORITHMS OF DISCRETE-CONTINUOUS PROCESSES : научное издание / M. A. Denisov, E. A. Chzhan. - Текст : непосредственный // Сибирский журнал науки и технологий. - 2017. - Т. 18, № 4. - P. 727-735. - ISSN 2587-6066. Перевод заглавия: О ПАРАМЕТРИЧЕСКИХ АЛГОРИТМАХ ИДЕНТИФИКАЦИИ ДИСКРЕТНО-НЕПРЕРЫВНЫХ ПРОЦЕССОВ
Аннотация:Researches presented in the paper are devoted to parametric modelling of multidimensional processes of discrete- continuous type in the condition of priori information lack. Similar processes occur in the space industry, for example, in the manufacture of products based on electronic components. The article considers multidimensional processes with unknown mathematical description. Using parametric approach, we choose the structure of investigated process with the accuracy to within parameters, and the next step is to estimate the model parameters from the available sample of observations of the process input and output variables. The paper examines the case when due to the lack of priori knowledge about the object an error is allowed at the stage of parametric structure choosing. The relative approxima- tion error is used to estimate the model accuracy, which shows the difference between model and object outputs. A comparative analysis of several parametric models for one investigated object is carried out is. Using the method of least squares we obtain estimates of the parameters. The paper presents the results of a series of computational experiments illustrating the dependence of the modelling error on the object noise level, as well as on the sample size of observations of the input and output variables. One of the obvious parametric models advantages is the ease of its applying. However, if the dimension of the input variables vector is high, the process has a complex structure, and there is no priori information about the object structure, then it is difficult to use parametric methods. In this case, it is advisable to use nonparametric identification methods. In this paper we use a nonparametric estimation of the regression function on observations of Nadaraya-Watson as an estimate of the process output variable. However, such estimates require a large number of initial data, also they are sensitive to various kinds of defects in the initial samples of observations. Besides that, the paper compares nonpara- metric model with parametric one for the investigated process.
Представленные исследования посвящены параметрическому моделированию многомерных процессов дискретно-непрерывного типа в условиях недостатка априорной информации. Подобного рода процессы встречаются в космической отрасли, например, при производстве изделий электронной компонентной базы. Рассматривается многомерный процесс, математическое описание которого остается неизвестным. При параметрическом подходе структура исследуемого процесса выбирается с точностью до параметров, а на следующем этапе происходит оценка параметров модели по имеющейся выборке наблюдений входных и выходных переменных процесса. Рассматривается случай, когда вследствие недостатка априорных знаний об объекте на этапе выбора параметрической структуры допускается ошибка. Точность модели оценивается с помощью относительной ошибки аппроксимации, которая показывает, насколько соответствует значение выхода модели выходу объекта. Проводится сравнительный анализ нескольких параметрических моделей для одного исследуемого объекта. Оценки параметров были получены с помощью метода наименьших квадратов. Приведены результаты серии вычислительных экспериментов, иллюстрирующие зависимость ошибки модели- рования от уровня шума объекта, а также от объема выборки наблюдений входных и выходных переменных процесса. Одним из очевидных преимуществ параметрических моделей является простота их использования. Однако если размерность вектора входных переменных высока, процесс имеет сложную структуру и нет априорной информации о структуре объекта, то использовать параметрические методы затруднительно. В этом случае целесообразно применять непараметрические методы идентификации. В качестве оценки выходной переменной процесса была использована непараметрическая оценка функции регрессии по наблюдениям Надарая-Ватсона. Однако такого рода оценки требуют большого количества исходных данных, являются чувствительными к различного рода недостаткам в исходных выборках наблюдений. Проведен сравнительный анализ работы непараметрической и параметрической модели для одного исследуемого процесса.
Издательство:Федеральное государственное бюджетное образовательное учреждение высшего образования Сибирский государственный университет науки и технологий имени академика М.Ф. Решетнева, Красноярск
Источник:Сибирский журнал науки и технологий
Выпуск:Т. 18, № 4
Номера страниц:727-735
Держатель оригинала документа:Siberian Federal University
Количество экземпляров:
Твёрдая копия издания отсутствует в фонде библиотеки
