Параметрическая идентификация нелинейных систем класса Гаммерштейна при наличии автокоррелированных помех в выходных сигналах

• Автор: Тимонин, Денис Викторович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Самара
• Количество страниц: 178 с. : ил.

ВВЕДЕНИЕ.

1. ОБЗОР МЕТОДОВ ПАРАМЕТРИЧЕСКОЙ ИДЕНТИФИКАЦИИ НЕЛИНЕЙНЫХ ДИНАМИЧЕСКИХ СИСТЕМ.

1.1. Классификация методов идентификации параметров.

1.2. Постановка задачи идентификации нелинейных динамических систем с помехами в выходных сигналах

1.3. Методы инструментальных переменных.

1.4. Компенсирующие смещение метода наименьших квадратов

1.5. Обобщенный метод наименьших квадратов

1.6. Схема Фриша

1.7. Рекуррентный метод идентификации нелинейных динамических систем при наличии помехи в выходном сигнале.

1.8. Методы ошибки предсказания и максимального правдоподобия.

1.9. Методы на основе высших статистик

1.9.1. Методы, основанные на минимизации критериев, использующих кумулянты
1.9.2. Инструментальные переменные, использующие кумулянты третьего порядка2.
1.9.3. Инструментальные переменные, использующие кмулянты четвертого порядка3.
2.9.4. Методы наименьших квадратов, использующие кумулянты
1 Частотные методы
Выводы по разделу 1.
2. ПАРАМЕТРИЧЕСКАЯ ИДЕНТИФИКАЦИЯ НЕЛИНЕЙНОЙ СТОХАСТИЧЕСКОЙ СИСТЕМЫ КЛАССА ГАММЕРШТЕЙНА ПРИ НАЛИЧИИ ПОМЕХ В ВЫХОДНЫХ СИГНАЛАХ
2.1. Модель Гаммерштейна
2.2.0 состоятельности оценок параметров нелинейных разностных уравнений при наличии помех наблюдения в выходных сигналах
2.3.0 состоятельности оценок параметров нелинейных разностных уравнений при наличии автокоррелированных помех наблюдения
Выводы по разделу
3. ЧИСЛЕННЫЕ АЛГОРИТМЫ ОПРЕДЕЛЕНИЯ СОСТОЯТЕЛЬНЫХ ОЦЕНОК ПАРАМЕТРОВ НЕЛИНЕЙНОЙ СТОХАСТИЧЕСКОЙ СИСТЕМЫ КЛАССА ГАММЕРШТЕЙНА ПРИ НАЛИЧИИ ПОМЕХ.
3.1. Численный алгоритм определения оценок параметров нелинейной динамической системы класса Гаммерштейна при наличии помех наблюдений.
3.2. Численный алгоритм определения оценок параметров нелинейной динамической системы класса Гаммерштейна при наличии автокоррслированных помех наблюдений.
3.3. Тесты для численных алгоритмов НМНК.
3.4. Тесты на базе временной модели в форме нелинейных разностных уравнений при помехах
3.5. Тесты на базе временной модели в форме нелинейных разностных уравнений при автокоррелированных помехах
Выводы по разделу
4. РАЗРАБОТКА И ПРИМЕНЕНИЕ ПРИКЛАДНОГО ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ К ЗАДАЧЕ УЧЕТА И ПРОГНОЗИРОВАНИЯ УДЕЛЬНОГО РАСХОДА ТОПЛИВА
4.1. Энергетическая эффективность локомотивов в эксплуатации.
4.2. Оценка погрешности методов нормирования и анализа расхода энергоресурсов на тягу поездов.
4.3. Автоматизированные системы контроля расхода топлива.
4.3.1. Система учета расхода топлива КВАРТА
4.3.2. Бортовая система комплексного контроля и регистрации параметров работы тепловоза СКЭТС Дельта
4.3.3. Автоматизированная система учета, контроля и анализа расхода топлива КОНОР
4.3.4. Программный комплекс АРМТ.
4.3.5. Аппаратнопрограммный комплекс БОРТ.
4.4. Постановка задачи прогноза удельного расхода топлива
4.5. Применение прикладного программного обеспечения к решению задачи построения модели и прогноза удельного расхода топлива
Выводы по разделу 4.
ЗАКЛЮЧЕНИЕ
БИБЛИОГРАФИЧЕСКИЙ СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЕ.
ВВЕДЕНИЕ
Актуальность


Математические модели для анализа эффективности оценок, полученных с помощью реализаций ОМНК, МИЛ и НМНК. Методика и алгоритм прогнозирования удельного расхода топлива с использованием эксплуатационных данных перевозочного процесса с учетом в качестве входной переменной перевозочного процесса времени расхода топлива при работе и горячем простое. Области исследования. Работа выполнена в соответствии с паспортом специальности ВАК РФ Системный анализ, управление и обработка информации, пункты 3,6. Реализация и внедрение результатов. Результаты по разработке и исследованию алгоритмов идентификации параметров также внедрены в учебный процесс Самарского государственного университета путей сообщения на кафедре Мехатроиика в автоматизированных производствах. Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на следующих конференциях и семинарах Международной научной конференции для студентов и аспирантов Современные проблемы математики и ее приложения в естественных науках и информационных технологиях Харьков, г. XXI Международной научной конференции Математические методы в технике и технологиях Саратов, г. III Международной научнотехнической конференции Аналитические и численные методы моделирования естественнонаучных и социальных проблем Пенза, г. IX Всероссийской научной конференции с международным участием Краевые задачи и математическое моделирование Новокузнецк, г. VII Всероссийской научнопрактической конференции с международным участием Информационные технологии и математическое моделирование АнжероСудженск, г. IX Всероссийской научнотехнической конференции Информационновычислительные технологии и их приложения Пенза, г. Международной конференции серии Математика. Компьютер. Образование Пущино, г. Математические методы в технике и технологиях Псков, г. Воронеж, г. XVII Международной конференции Математика. Компьютер. Образование Дубна, г. XV Международной открытой научной конференции Современные проблемы информатизации Воронеж, г. VI i , . Публикации. По материалам диссертации опубликовано печатных работ, в том числе 4 работы в изданиях, рекомендованных ВАК, из них 9 работ без соавторов, получены 2 свидетельства об официальной регистрации программ для ЭВМ и 1 учебнометодические указания. Доля личного участия соискателя . Объем и структура работы. Диссертационная работа состоит из введения, 4 разделов, выводов по разделам, заключения, библиографического списка использованной литературы и приложения. Изложение работы 0 страниц основного машинописного текста, рисунков, 6 таблиц, библиографический список содержит 8 источников и приложение на странице. Общий объем диссертации 8 страниц. Различают два вида идентификации в широком смысле структурная и узком параметрическая. Наибольшие успехи достигнуты при решении задач идентификации в узком смысле оценивание неизвестных параметров при постулированной структуре моделей, в связи, с чем существует большое число методов для решения указанной задачи. А,А1 нелинейные операторы, Ь0,а0 неизвестные векторы истинных параметров. А,,А2, взаимосвязи между ШМ и априорной информации об , существует огромное число методов определения Ь0Уа0 с определенными свойствами получаемых оценок. А объектов управления и некоторых операторов А, при определенных видах помех. Общие требования к методам идентификации параметров заключаются в том, что определяемые оценки параметров модели должны удовлетворять таким свойствам, как состоятельность, несмещенность и эффективность 0. Ниже будут рассмотрены методы определения параметров стохастической модели. Рис. К методам, использующим данные временного ряда метод ошибки предсказания и максимального правдоподобия. АчуЛ 0Дяпи,о. В Ь1. Система нелинейна ,0 и асимптотически устойчива. Затем введем ограничения на шум и полезный входной сигнал. ПОСТОЯННЫХ ЯИ 7, Ги, 7i и 5 ТС4 П. Однако в некоторых методах идентификации, возможно, ослабить ограничения на шум и считать их процессами. Последовательности стационарные в совокупности в узком смысле с дробнорациональной плотностью случайные сигналы с 0. Гх 0 их п. Ь,. ЬпЬТаТ Ьт , 1.