Спосіб формування моделі нелінійного об’єкта визначеної поведінки

Спосіб формування моделі нелінійного об'єкта визначеної поведінки, що передбачає оцінку поведінки спектр-зображення, який відрізняється тим, що спектр-зображення досліджується за коливальністю, дисперсністю руху елементів, інваріантні 3 71232 4 де у - наявна вихідна координата об'єкта yL класу Ai, ви ходячи з частотного аналізу, PAi - імозначення лінеарізованої залежності, функції виду вірність віднесення структури f до класу Ai, за апу=а*х ; хВ , хН - верхня та нижня межа аргументу ріорними даними. дослідження властивостей елементарної функції Дослідження селективної ентропії елементів (визначається відповідно до апріорних даних про класу є мірою подібності поведінки всіх сегментів процес) Dх = хВ - хН; лінії частотного спектра вибірки даних та обраної - дослідження інваріантності функції, до варіааналітичної функції цій змінних, відповідає за поведінку функції при n прямому ( Dх > 0 ) та зворотному ( Dх < 0 ) напрямIH = - å Pij{A ~ f } logPij{ A ~ f } , ку зміни аргументу: i=1 де Pij{A~f} - імовірність віднесення структури f до xB xН 1 1 класу Ai, виходячи з аналізу подібності варіації IЗ = ò ydx - Dx ò ydx; Dx кожного сегмента вибірки K. xH xВ Оцінка складності опису, що дозволяє отрима- дослідження дисперсності руху елементів ти опис із мінімальною кількістю ступіней вільності, відповідає за розкид значень функції при варіаціях що гарантує наступне зменшення арифметичних вхідних змінних операцій при проведенні параметричної ідентифіx кації 1 B ID = ò ( y - my )dx 1 Dx Ix = , e A i ~ f = const, xH N де m у - математичне сподівання вихідної змінå c s{ Ai } * N ної, у - миттєва оцінка сигналу. s =1 Причому Iy , IЗ, ID є критеріями - предикторами, c s{A } - s-тий коефіцієнт полінома класу Ai, N i що розраховуються, для кожної елементарної фупорядок полінома, e A i ~ f - точність наближення нкції бази даних попередньо, а в процесі вибору класу Ai до структури f. базисної функції повинні бути визначені, як опис Перевіряється відповідність допису визначеаналізованої вхід-вихідної залежності. Якщо жодна 1 з еталон-функцій не відповідає заявленим харакному рівню критерію Іузорt , якщо Iуз < Іузорt теристикам передавальної залежності - дія пере2 ходить до реконструкцій функції. Утворюються функція повертається на доопрацювання. Причоадитивні суміші та знов проходить переоцінка хаму за початковий крок, обирається крок, на якому рактеристичних критеріїв. Якщо вказана процедубув завершений етап попереднього встановлення ра переоцінки не знаходить функції подібного хамоделі. рактеру серед створених сумішей - змінюється Приклад використання №1: порядок n одного з членів суміші і операція повтоЗа отриманим аналізом поведінки передаточрюється. Якщо еталон-функція задовольняє хараної функції досліджуваного технологічного об'єкта, ктеристичним критеріям - проводиться параметрищо є поданою у вигляді сегментованих, за часом, чна ідентифікація з обраною еталон-функцією. спектральних складових сигналів вхід-вихідного За попередньо вибраною еталон-функцією, інформаційного потоку, визначаємо характеристимаємо визначити імовірність відповідності поведінку передавальної функції за критеріями Iy , IЗ, ID . ки сегментів аналізованої послідовності та еталонВиконується порівняння отриманих критеріївфункції, тобто оцінити доцільність опису заданою предикторів описів з еталон-функціями. Якщо жофункцією: дна з еталон-функцій, що міститься у блоці наяв- попередньо визначаємо вагові коефіцієнти за них еталон-функцій, не відповідає заявленим хаметодом "обертання аналітичних значень", як найрактеристикам передавальної функції - дія простішим, що гарантує швидкий розв'язок переходить до реконструкції функцій. Утворюють1 l= , ся адитивні суміші існуючих описів передавальної ji0 функції та знов проходить переоцінка характерисде ji0 - оптимальне значення критерію; тичних критеріїв. Якщо еталон-функція задовольВизначаємо за градієнтним методом коефіцієняє характеристичним критеріям - проводиться нти отриманої еталон-функції; параметрична ідентифікація з обраною еталонФормуємо узагальнений критерій функцією на етапі підрахунку параметрів полінома. Визначаються вагові коефіцієнти критеріїв, що Iуз = l нІн + l xІx + l rІr + lL ІL + l DІD + l ЗІЗ , входять до складу узагальненого адитивного криВизначення інформаційної відстані при дослітерію, їх значення та значення узагальненого криджені частотних спектрів вибірки даних за Іr (інфотерію. рмаційною оцінкою Кульбака) є мірою наближення На заключному етапі перевіряємо умову відчастотних спектрів вибірки даних та обраної аналіповідності опису аналізованого каналу, критерію. тичної функції Приклад використання №2: N æ P (w ) ö Маємо набір послідовностей даних дослі÷, Ir = I(Pf ( w ) | PA ) = å Pf ( w ) logç f дження технологічного об'єкта, що є добре розпоi ç P ÷ i =1 è Ai ø діленими за швидкодією вхід-ви хідних змінних де Pf(w) - імовірність віднесення структури f до (температура, витрата), визначаємо характеристику складної передавальної функції за критеріями 5 71232 6 були найкращими за критеріями-предикторами. Iy , IЗ, ID . Декілька найближчих до оптимального Отримані суміші почергово включаються в процес. опису функцій включаються до процесу почергово, Висновок: за експериментальними дослідженпоступово відбувається корекція коефіцієнтів струнями встановлено, що отримані аналітичні описи є ктурного опису. Проводиться голосування Іуз за суттєво стійкими, за досить високої точності, а їх реалізаціями обраних описів, - два найкращих параметрична ідентифікація швидко приводить до створюють адитивну суміш. У разі невдалого виглобального розв’язку. бору почергово збільшується порядок функцій, що Комп’ютерна в ерстка В. Мацело Підписне Тираж 37 прим. Міністерство осв іт и і науки України Держав ний департамент інтелектуальної в ласності, вул. Урицького, 45, м. Київ , МСП, 03680, Україна ДП “Український інститут промислов ої в ласності”, вул. Глазунова, 1, м. Київ – 42, 01601