Идентификация линейных динамических систем в задачах стохастического оптимального квадратичного управления

Идентификация линейных динамических систем в задачах стохастического оптимального квадратичного управления

Автор: Маркова, Татьяна Николаевна

Шифр специальности: 05.13.16

Научная степень: Кандидатская

Год защиты: 2000

Место защиты: Тула

Количество страниц: 142 с.

Артикул: 273306

Автор: Маркова, Татьяна Николаевна

Стоимость: 250 руб.

Оценивание неизвестных параметров модели
3. Приложения
достигнута требуемая точность решения при минимальном числе экспериментов, то есп, по многих случаях могут быть снижены затраты времени и средств и повышена эффективность эксперимента. При активном эксперименте можно оценить дисперсию ошибки, строго проперить адекватность модели и принять необходимые меры для выполнения условий, необходимых для применения метода регрессионного анализа , используемого для обработки результатов эксперимента. Для решения задачи идентификации динамической модели, удовлетворяющей экстремуму выбранного критерия оптимальности, должен быть спланирован и реализован активный эксперимент, который сводится к возбуждению системы из некоторого начального состояния путем подачи на ее вход оптимального тестирующего сигнала и к обработке получаемой в результате информации. При идентификации динамических систем, описываемых линейнопараметризованными рстрсссионными моделями, оптимальный тестирующий сигнал синтезируется априорно.


Для решения задачи идентификации динамической модели, удовлетворяющей экстремуму выбранного критерия оптимальности, должен быть спланирован и реализован активный эксперимент, который сводится к возбуждению системы из некоторого начального состояния путем подачи на ее вход оптимального тестирующего сигнала и к обработке получаемой в результате информации. При идентификации динамических систем, описываемых линейнопараметризованными рстрсссионными моделями, оптимальный тестирующий сигнал синтезируется априорно. В случае использования нелинейнопараметризованных регрессионных моделей осуществляется последовательная оптимальная идентификация, заключающаяся в чередовании этапов реализации участков оптимального тестирующего сигнала и обработки реализаций входвыхол, полученных с момента возбуждения системы до момешд начала подачи очередного сишсзированного участка входного сигнаш. Полученные в результате проведения эксперимента оценки являются приближенными. Ошибки в этих оценках могут быть вызваны рядом факторов наличием шумов, неточностью принятой модели, квантованием наблюдаемых сигналов, конечностью времени наблюдения и т. Традиционные, наиболее часто применяемые критерии оптимальности регрессионных моделей можно разделить на две группы 1. Ортогональность. Ооптимальность, Аоптимальность. И группа критерии, характеризующие предсказательные свойства получаемой модели Ротатабельность, Соптималыюсть, оптимальность. Ортогональность. Использование критерия ортогональности упрощает вычисления и обеспечивает некоррелированность оценок неизвестных параметров модели.

Рекомендуемые диссертации данного раздела

04.07.2017

Лето - пора делать собственную диссертацию!

Здравствуйте! Дорогие коллеги, предлагаем Вам объединить отдых и научные исследования. К примеру Вы можете приобрести на нашем сайте 15 ...

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...


Все новости

Время генерации: 0.200, запросов: 242