О НЕПАРАМЕТРИЧЕСКОЙ ИДЕНТИФИКАЦИИ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ ПРОИЗВОДСТВЕННОГО ЦИКЛА | Научно-инновационный портал СФУ

О НЕПАРАМЕТРИЧЕСКОЙ ИДЕНТИФИКАЦИИ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ ПРОИЗВОДСТВЕННОГО ЦИКЛА

Перевод названия: TO THE NONPARAMETRIC IDENTIFICATION OF TECHNOLOGICAL PROCESS OF SEQUENCE OBJECTS

Тип публикации: статья из журнала

Год издания: 2016

Ключевые слова: идентификация, непараметрическое прогнозирование, дискретно-непрерывный процесс, адаптивные алгоритмы, непараметрические модели, ПОСЛЕДОВАТЕЛЬНОСТЬ ОБЪЕКТОВ, БЕЗЫНЕРЦИОННЫЕ ОБЪЕКТЫ С ЗАПАЗДЫВАНИЕМ, identification, Nonparametric Forecasting, Discrete and continuous processes, adaptive algorithms, nonparametric model, SEQUENCE OBJECTS, INSTANTANEOUS OBJECTS WITH DELAYS

Аннотация: Рассматривается задача идентификации последовательности объектов с дискретно - непрерывным характером процесса в условиях непараметрической неопределённости, то есть в условиях, когда априорной информации недостаточно для обоснованного выбора структуры модели с точностью до параметров. Среди последовательно соединенных объектов могут быть объекты как динамические, так и безынерционные с запаздыванием. Подобного рода технологические цепочки часто имеют место в различных отраслях промышленности, в частности в металлургии, энергетике, нефтепереработке и т.д. При решении данной проблемы использовались методы непараметрической теории идентификации, математической статистики и статистического моделирования. В основе теории непараметрических систем положены методы локальной аппроксимации, в частности алгоритмы непараметрического оценивания различного рода зависимостей по результатам наблюдения входных-выходных переменных объекта. В статье приведены непараметрические модели для группы безынерционных объектов с запаздыванием. Подробно приведены результаты численного исследования, которые показывают, использование непараметрических алгоритмов позволяет с достаточной точностью прогнозировать показатели технологического процесса The task of nonparametric identification of sequence objects with discrete-continuous nature of the process under nonparametric uncertainty, i.e. in conditions where a priori information is not sufficient for an informed choice of a model structure up to parameters is considered. Among series-connected objects, there can be objects both dynamic and instantaneous ones with a lag. This kind of technological chains is common in various industries, particularly in metal, power, oil refining, etc. in solving this problem were used methods of nonparametric identification theory, mathematical statistics and statistical modeling. The theory of non-parametric systems is based on local approximation methods, in particular algorithms for nonparametric estimation of different kind of dependency from observation of input-output variables of the object. The article presents a nonparametric model for the group of spinning objects with delay. In the work we show in detail the results of numerical studies showing that the use of nonparametric algorithms allows predicting process performance with sufficient accuracy

Ссылки на полный текст

Издание

Журнал: Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета

Выпуск журнала: 120

Номера страниц: 295-306

ISSN журнала: 19904665

Место издания: Краснодар

Издатель: Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Кубанский государственный аграрный университет

Авторы

  • Раскина Анастасия Владимировна (ФГАОУ ВПО «Сибирский федеральный университет»)
  • Корнеева Анна Анатолиевна (ФГАОУ ВПО «Сибирский федеральный университет»)
  • Пупков Александр Николаевич (ФГАОУ ВПО «Сибирский федеральный университет»)
  • Елизарьева Мария Сергеевна (ФГАОУ ВПО «Сибирский федеральный университет»)
  • Верещагина Елена Вадимовна (ФГАОУ ВПО «Сибирский федеральный университет»)

Вхождение в базы данных

Информация о публикациях загружается с сайта службы поддержки публикационной активности СФУ. Сообщите, если заметили неточности.

Вы можете отметить интересные фрагменты текста, которые будут доступны по уникальной ссылке в адресной строке браузера.