Библиографическое описание:Непараметрические алгоритмы идентификации и управления для Т-процессов : научное издание / Д. И. Ликсонова, А. В. Раскина. - Текст : непосредственный // Сибирский аэрокосмический журнал. - 2021. - Т. 22, № 4. - С. 600-612. - ISSN 2712-8970, DOI 10.31772/2712-8970-2021-22-4-600-612.
Аннотация:В настоящей работе рассматриваются непараметрические методы идентификации и управления для многомерных дискретно-непрерывных процессов с запаздыванием, присущих многим реальным производствам. Конечно, такие системы типичны для практики, в том числе и в ракетнокосмической отрасли, а также в технологических процессах производства космической техники. Рассматривая многомерные процессы, необходимо учитывать связи между входными и выходными переменными, а также их связи между собой. Причем эти связи не всегда известны исследователю. При учете неизвестных связей входных переменных исследователь будет иметь дело с трубчатыми процессами или Н-моделями, а при учете неизвестных связей выходных переменных модель по тому или иному каналу объекта будет представлять собой аналоги неявных функций. В целом модель многомерного объекта будет представляться в виде системы нелинейных неявных уравнений. В этом случае решение задачи идентификации будет сводиться к нахождению прогноза вектора выходных переменных по известным значениям вектора входных переменных и может быть получено только в результате решения соответствующей системы уравнений, которые были названы Т-моделями, о которых и пойдет речь в настоящей статье. Решение системы нелинейных неявных уравнений параметрическими методами идентификации не приведет к нужному результату из-за отсутствия достаточной априорной информации, вот тут и возникает необходимость в применении непараметрических методов идентификации, а также использовании методов системного анализа. Априорная информация в задачах непараметрической статистики носит недостаточный характер, с чем не могут справиться общепринятые методы идентификации. При управлении многомерными процессами следует учитывать зависимости выходных переменных, в связи с чем возникает еще одна важная особенность, а именно: в качестве задающих воздействий нельзя использовать случайные значения из области определения выходных переменных, их нужно выбирать из их общего пересечения.
In this paper, we consider nonparametric identification and control methods for multidimensional discrete-continuous processes with delay, which are typical for many real industries. Of course, such systems are typical for practice, including in the rocket and space industry, as well as in technological processes for the production of space technology. In multidimensional processes, we must take into account the relationships between input and output variables, as well as their relationship with each other. Moreover, these connections are not always known to the researcher. Taking into account the unknown connections of the input variables, the researcher will deal with tubular processes or H-models, and if the unknown connections of the output variables are taken into account, the model along one or another channel of the object will be analogs of implicit functions. In general, the model of a multidimensional object will be represented as a system of nonlinear implicit equations. In this case, the solution to the identification problem will be reduced to finding the forecast of the vector of output variables from the known values of the vector of input variables and can be obtained only as a result of solving the corresponding system of equations, which were called T-models, which will be discussed in this article. The solution of a system of nonlinear implicit equations by parametric identification methods will not lead to the desired result, due to the lack of sufficient a priori information, this is where the need to use nonparametric identification methods arises, as well as the necessary use of system analysis methods. A priori information in problems of nonparametric statistics is insufficient, which cannot be dealt with by generally accepted identification methods. When managing multidimensional processes, the dependencies of the output variables should be taken into account. Here another important feature arises, which consists in the fact that random values from the range of definition of output variables cannot be used as reference influences, they must be selected from their common intersection.
