Алгоритмическое проектирование и оценивание систем на основе аналогового моделирования

• Автор: Целищев, Владимир Семенович
• Шифр специальности: 05.13.01, 05.13.12
• Научная степень: Кандидатская
• Год защиты: 2003
• Место защиты: Москва
• Количество страниц: 166 с. : ил

ОГЛАВЛЕНИЕ
Введение

Глава 1. Контроль и оценивание характеристик систем

при неполной информации

1.1. Оперативные оценки характеристик систем связиА

1.2. Существующие методы оперативного анализа систем

1.3. Примеры задач контроля и оценивания систем

1.4. Формализация выбора систем аналогов

1.5. Обобщенная эффективность систем2

Выводы по главе .

Глава 2. Линеаризация целевых функций и оперативный анализ систем

2.1. Статистическая линеаризация целевых функций .
2.2. Сепарабельные свойства целевых функций .
2.3. Основы оперативного оценивания систем .
2.4. Обобщение теории погрешности оперативной оценки
систем .
2.5. Пример частной модели оценивания РЭА
Выводы по главе .
Глава 3. Квазистохастические модели оперативного
анализа систем.
3.1. Обоснование квазистохастических моделей
оценивания
3.2. Алгоритмы обучения с неподвижной
гиперплоскостью
3.3. Алгоритмы с подвижным обучающим
подпространством
3.4. Анализ моделей с тремя обучающими реализациями
3.5. Локальный пример и предельные соотношения
Выводы по главе
3
Глава 4. Адаптивные методы в алгоритмах оценивания
систем
4.1. Адаптация алгоритмов оперативного анализа систем. 4.2. Идентификация целевых функций при неполной
информации
4.3. Применение матричных методов при оценивании
систем
4.4. Качество контроля и оценивания систем в
зависимости от объема исходной информации .Т
4.5. Оценивание и оптимизация систем в условиях
неполной информации и
Выводы по главе .
Глава 5. Прикладные задачи контроля, испытаний,
оценивания характеристик систем .
5.1. Оперативный анализ и оценивания модулей .
5.2. Оценивание сложных систем при небольшом числе
испытаний
5.3. Оценивание Комплексов США
5.4. Идентификация характеристик сложных систем
при небольшом числе испытаний.ПС
5.5. Применение адаптивного алгоритма оценивания
5.6. Анализ устойчивости оперативного контроля систем.п
Выводы по главе Г5
Выводы по работе
Литература


На проведение длительного макетирования и испытаний в ряде случаев недостает времени и излишка материально-финансовых ресурсов. Таким образом, в современных условиях все большее внимание надо переносить на создание и внедрение компьютерных алгоритмических методов анализа, синтеза, испытаний, оценивания систем. На рис. Здесь возможны и фактически развиваются три направления. Подробный анализ таких задач имеется в монографиях Л. С.Гуткина // и Ф. Ф.Юрлова //. Второе направление: Заданных целевых функций нет, но имеются большие массивы экспериментальных данных о системах данного вида. Тогда на первом этапе необходимо решать задачи идентификации целевых функций и фильтрации помех /ошибок/. В таких ситуациях ранее применялись методы экспертных решений, средних затрат и др. В последнее время стали применяться методы нечетких множеств и высказываний //. При таких подходах можно получить весьма приблизительную идентификацию целевых функций. К этому направлению примыкает . В этом направлении в работах К. Ю.П. Кирпичева, Л. А.Растригина, С. М.Зайделя, Н. Детальному обоснованию, развитию, формализации, машинному моделированию оперативного анализа систем и посвящена данная работа. Алгоритмические методы технико-экономического анализа и синтеза систем. Блок-схема направлений. Направление и развитие исследований. Переход к квазилинейным моделям оказывается особенно плодотворным в ситуациях с неполной информацией /с малыми выборками априорных данных/. Использование «обучающих гиперплоскостей» позволяет разработать простые алгоритмы для оценивания характеристик аналогичных систем. Получение детерминированного опорного решения является основой для последующей постановки и решения задач оптимизации системы по технико-экономическим показателям. Вместе с тем необходимо вооружить конструктора, испытателя определенными показателями точности и допускаемых по данной методике погрешностей, знание которых оказывается полезным при доводке изделий. СКО/ имеет фундаментальное значение в методах оперативного анализа и определяет центральный раздел работы, именно, квазистиохастические моделирование и оценивание характеристик в многомерном пространстве параметров систем. Разработанные автором в рамках диссертации исследования методы и алгоритмы применяются к различным задачам контроля, оценивания систем с различным числом параметров при различных индексах неполноты информации. Применение указанных алгоритмов позволяет ставить и решать задачи приближенной идентификации целевых функций для перехода к решению задач оптимального синтеза изделий. Изложенные подходы определяют структуру данной работы. В первой главе уточняется класс задач для разработки и анализа. Это комплекс задач эскизного проектирования, оценивания, контроля, испытаний и применения аналогов для их решения в условиях неполной информации /малой выборки априорных данных/. Во второй главе детализируется научно-методологический подход к аналоговому проектированию, оцениванию, контролю, оптимизации систем. В главе обобщаются прошлые работы и развивается последовательная теория аналогового моделирования указанных задач. Третья глава , имеющая в плане теории ключевое значение в данной работе, посвящена разработке квазистохастических моделей оценивания характеристик изделий и обоснованию формул для расчета среднеквадратических погрешностей оценивания. Четвертая глава посвящена разработке основ приближенной идентификации целевых функций систем при малой информации, корректному использованию экспертных поправок и анализу сходимости алгоритмов при увеличении объема исходной информации. В пятой главе приведены решения на ЭВМ ряда прикладных задач контроля, испытаний, оценивания и оптимизации характеристик систем при различных индексах дефицита информации и показано совпадение расчетов с результатами теории оперативного анализа и оценивания систем. САГГР, автоматизированных методов проектирования, испытаний, оценивания систем. Реализация работы: Разработанные алгоритмы были включены в НИР «Оперативный анализ многомерных систем», использованы в организации Научный Метрологический Центр (г.