Сибирский федеральный университет

Перевод названия: О непараметрическом моделировании многомерных безынерционных систем с запаздыванием

Тип публикации: статья из журнала

Год издания: 2017

Идентификатор DOI: 10.14529/mmp170210

Ключевые слова: Nonparametric identification, data analysis, computational modelling, непараметрическая идентификация, анализ данных, выборка, компьютерное моделирование

Аннотация: We consider the problem of noninertial objects identification under nonparametric uncertainty when a priori information about the parametric structure of the object is not available. In many applications there is a situation, when measurements of various output variables are made through significant period of time and it can substantially exceed the time constant of the object. In this context, we must consider the object as the noninertial with delay. In fact, there are two basic approaches to solve problems of identification: one of them is identification in «narrow» sense or parametric identification. However, it is natural to apply the local approximation methods when we do not have enough a priori information to select the parameter structure. These methods deal with qualitative properties of the object. If the source data of the object is sufficiently representative, the nonparametric identification gives a satisfactory result but if there are «sparsity» or «gaps» in the space of input and output variables the quality of nonparametric models is significantly reduced. This article is devoted to the method of filling or generation of training samples based on current available information. This can significantly improve the accuracy of identification of nonparametric models of noninertial systems with delay. Conducted computing experiments have confirmed that the quality of nonparametric models of noninertial systems can be significantly improved as a result of original sample «repair». At the same time it helps to increase the accuracy of the model at the border areas of the process input-output variables definition. Рассматривается задача идентификации безынерционных объектов с запаздыванием в условиях непараметрической неопределенности, т.е. когда априорные сведения о параметрической структуре исследуемого объекта отсутствуют. Во многих приложениях возникает ситуация, когда измерение тех или иных выходных переменных осуществляется через значительные промежутки времени и могут существенно превышать постоянную времени объекта. В этой связи приходится рассматривать объект как безынерционный с запаздыванием. В сущности, для решения задач идентификации используются два основных подхода: один из них - это идентификация в узком смысле или параметрическая идентификация либо при недостатке априорных сведений для выбора параметрической структуры естественно применить методы локальной аппроксимации, которые в последнем случае используют в качестве априорных сведений лишь качественные свойства исследуемого объекта. В случае, если исходные данные об объекте достаточно представительны, то непараметрическая идентификация дает удовлетворительный результат, если же в пространстве входных и выходных переменных имеют места разреженности, то качество непараметрических моделей существенно снижается. Настоящая статья посвящена методике заполнения или генерации обучающих выборок на основании имеющейся текущей информации. Это позволяет существенно повысить точность непараметрических моделей при идентификации безынерционных систем с запаздыванием. Проведенные вычислительные эксперименты подтвердили, что качество непараметрических моделей безынерционных систем может быть существенно улучшено в результате ремонта исходной выборки. Одновременно значительно повышается точность модели на границе областей определения входных-выходных переменных процесса.

Журнал: Вестник Южно-Уральского государственного университета. Серия: Математическое моделирование и программирование

Выпуск журнала: Т. 10, № 2

Номера страниц: 124-136

ISSN журнала: 20710216

Место издания: Челябинск

Издатель: Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Южно-Уральский государственный университет (национальный исследовательский университет)

• Medvedev A.V. (Siberian Federal University)
• Chzhan E.A. (Siberian Federal University)

• Scopus
• Web of Science Core Collection
• Ядро РИНЦ (eLIBRARY.RU)
• Список ВАК