Рекурсивный робастный оценщик информативных параметров сигналов в приборах химического экспресс-анализа

• Автор: Бурылов, Дмитрий Алексеевич
• Шифр специальности: 01.04.01
• Научная степень: Кандидатская
• Год защиты: 1999
• Место защиты: Санкт-Петербург
• Количество страниц: 130 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
ГЛАВА 1 АНАЛИТИЧЕСКИЙ ОБЗОР МЕТОДОВ ОЦЕНИВАНИЯ ИНФОРМАТИВНЫХ ПАРАМЕТРОВ ЛИНЕЙНЫХ ТРЕНДОВ НУЛЕВОГО И ПЕРВОГО ПОРЯДКОВ
1.1 Описание объекта исследования
1.2 Методы оценивания информативных параметров сигнала ПОСТОЯННОГО УРОВНЯ И ЛИНЕЙНОГО ТРЕНДА первого порядка
1.3 Методы определения сходимости оценки рекуррентного алгоритма
1.3.1 Статистический подход
1.3.2 Методы определения устойчивости систем автоматического управления
1.3.3 Стохастический подход
1.4 Обзор методов определения разладки
ГЛАВА 2 ТЕОРЕТИЧЕСКИЕ МЕТОДЫ ИССЛЕДОВАНИЯ СХОДИМОСТИ ОЦЕНКИ РЕКУРРЕНТНОГО АЛГОРИТМА
2.1 Частотные критерии устойчивости САУ
2.1.1 Структура и Особенности САУ
2.1.2 Формирование передаточных характеристик САУ
2.1.3 Выводы по анализу устойчивости САУ с помощью частотных критериев
2.2 Стохастический подход М
2.3 Обсуждение результатов и основные выводы
ГЛАВА 3 ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ ОЦЕНЩИКА
3.1 Постановка численного эксперимента
3.2 Методика определения разладки

3.2.1 Выбор объекта исследования
3.2.2 Выбор критерия
3.3 Методика определения параметра |3 алгоритма (1.6)
3.4 Доверительный интервал оценки
3.5 Структура алгоритма в целом
ГЛАВА 4 ПРИБОРНАЯ РЕАЛИЗАЦИЯ
4.1 Многоканальные спектрофотометры отраженного света серии ФОС
4.2 Универсальные фотометрические приборы серии SEN
4.3 Портативные специализированные приборы серии hSEN
4.4 Обсуждение результатов
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА
ВВЕДЕНИЕ
Актуальность темы.
В промышленно развитых странах 10% стоимости валового национального продукта составляет стоимость его контроля, поэтому всё большее место в деятельности фирм-изготовителей аналитического оборудования и институтов различного профиля занимают исследовательские работы по развитию и совершенствованию методов химического анализа, химической диагностики, аналитического контроля и приборного обеспечения этих методов. В то же время на протяжении трёх последних десятилетий всё острее ощущается, что возможности традиционных методов анализа крайне ограничены и не удовлетворяют непрерывно растущим требованиям по селективности, чувствительности, времени обработки информации, надёжности, экономичности и т.п.
Требования практики в совокупности с реальными достижениями микроэлектроники, широким применением микропроцессоров и ЭВМ, разработкой новых материалов и успехами в изучении механизмов биорецепции привели к появлению нового класса аналитических приборов и устройств, предназначенных для прямого, селективного и максимально автоматизированного определения различных веществ в промышленных, природных и биологических объектах. Для названия этого нового поколения аналитических приборов по мнению авторов работы [1] наиболее целесообразно введение термина «сенсорный анализатор», так как в данном случае подчёркивается, что в состав прибора входят, наряду с чувствительным элементом (сенсором), устройства для ввода пробы, обработки сигнала и выдачи конечного результата (концентрации определяемого вещества).
В сенсорных приборах экспресс-анализа сигнал с чувствительного элемента стараются привести к одному из стандартных типов: сигналу постоянного уровня, линейному тренду первого порядка, линейному тренду

зависящих от информативного параметра в. Вследствие помех в является случайной величиной, априорная плотность распределения вероятности которой р{в) предполагается заданной. По известной совместной плотности распределения вероятности р(уп в) в соответствии с формулой Байеса, можно построитьр(0у‘) - апостериорную плотность распределения:
р(0уп)= (1.17)
n ' dep(e)-p{f)
Очевидно, что р(вуп) будет учитывать дополнительную информацию, содержащуюся в измерении у„. Произведя новые измерения у„, и ... у„+к можно получить последовательность апостериорных плотностей вероятностей р(вуп+1)
Утверждается [14], что критерием сходимости оценки является: Птр(р(ву"),р(ву-к)) = О , для любых к> 1.
Здесь р - параметр, имеющий смысл расстояния между двумя распределениями р(0у11) и р(0уп+к). Этот параметр можно определить различными методами, но в [14] он задан с помощью М-оценки Хьюбера.
Таким образом, аналитически или путём численного моделирования требуется определить сходимость оценки рекуррентного алгоритма с использованием стохастического подхода.
1.4 Обзор методов определения разладки.
Как уже отмечалось, в силу различных причин в ходе эксперимента возможно изменение формы сигнала. Если алгоритм оценивания не отследит данное изменение, это приведёт к появлению в оценке систематической ошибки. Таким образом, рекуррентные алгоритмы (1.6) и (1.7) необходимо