
- •Оглавление
- •Глава 1. Оценивание контролируемых параметров по экспериментальным данным 12
- •Глава 2. Критерий качества задачи оценивания параметра 31
- •Глава 3. Выбор алгоритма обработки экспериментальных данных в автоматизированных системах управления и анализ их свойств 63
- •Глава 4. Формирование модели измерения задачи оценивания по экспериментальным данным 109
- •Глава 5. Формирование модели измерения в задаче оценивания параметра по экспериментальным данным на начальном этапе разработки нового электрооборудования 150
- •Глава 6. Создание устройств формирования модели измерения 176
- •Введение
- •Глава 1. Оценивание контролируемых параметров по экспериментальным данным
- •1.1. Общий анализ этапов структурирования эмпирической информации
- •1.2. Концептуальная модель процесса оценивания контролируемых параметров
- •1.3. Совершенствование алгоритмов обработки экспериментальных данных
- •1.4. Современная концепция оценивания измеряемого параметра
- •1.5. Классификация результатов измерения по характеру оценивания погрешности
- •1.6. Концептуальная модель задачи алгоритмизации оценивания результатов измерения
- •1.7. Ретроспективный анализ этапов развития теории оценивания
- •Контрольные вопросы
- •Глава 2. Критерий качества задачи оценивания параметра
- •2.1. Определение качества задачи оценивания измеряемого параметра
- •2.2. Формирование критерия качества гомоморфной математической модели измерения
- •2.3. Информационная мера степени изоморфности модели
- •2.4. Расчет информационной меры изоморфности
- •2.5. Оценка информационного объема и риска модели измерения
- •2.6. Асимптотическое оценивание пропускной способности математической модели измерения
- •2.7. Асимптотический метод выделения признаков модели измерения
- •Типовые задачи и примеры их решения
- •Контрольные вопросы
- •Глава 3. Выбор алгоритма обработки экспериментальных данных в автоматизированных системах управления и анализ их свойств
- •3.1. Особенности формирования алгоритмов оценивания в автоматизированных системах управления
- •3.2. Общий анализ алгоритмов оценивания по критерию минимума риска
- •3.3. Общий алгоритм оценки измеряемого параметра
- •3.4. Оптимальный одношаговый алгоритм
- •3.5. Модификации алгоритма обработки экспериментальных данных
- •3.6. Моделирование алгоритма обработки экспериментальных данных
- •3.7. Исследование сходимости алгоритма
- •3.8. Определение весовых коэффициентов алгоритма
- •3.9. Определение начальных условий алгоритма Язвинского при оценке результатов измерения
- •Типовые задачи и примеры их решения
- •Контрольные вопросы
- •Глава 4. Формирование модели измерения задачи оценивания по экспериментальным данным
- •4.1. Анализ задачи формирования модели измерения
- •4.2. Принципы построения модели измерения параметра контролируемого объекта
- •4.3. Этапы решения задачи формирования модели измерения
- •4.4. Общая постановка задачи формирования модели измерения
- •4.5. Выбор критерия близости
- •4.6. Способы преобразования переменных модели измерения
- •4.7. Общий анализ формирования модели контролируемого объекта
- •4.8. Решение задачи формирования модели контролируемого объекта
- •4.9. Оптимизация алфавита классов и словаря признаков
- •4.10. Взаимосвязь размерности алфавита классов и качества и эффективности модели измерения
- •4.11. Взаимосвязь размерности вектора признаков и вероятности правильности формирования модели измерения
- •4.12. Формализация задачи оптимального взаимосвязанного выбора алфавита классов и словаря признаков
- •4.13. Формирование оптимального алфавита классов и словаря признаков в условиях ограничений
- •Контрольные вопросы
- •Глава 5. Формирование модели измерения в задаче оценивания параметра по экспериментальным данным на начальном этапе разработки нового электрооборудования
- •5.1. Исследование условий формирования модели измерения задачи оценивания измеряемого параметра
- •5.2. Геометрический способ формирования модели измерения
- •5.3. Лингвистический алгоритм формирования модели измерения на начальных этапах оценивания
- •5.4. Обоснование выбора критерия расхождения для формирования модели измерения по экспериментальным данным
- •5.5. Метод формирования модели измерения
- •5.7. Синтез метода и алгоритма формирования стратегии постановки начальных экспериментов
- •Типовые задачи и примеры их решения
- •6. Найденный квант исключается из множества г, т.Е.
- •Контрольные вопросы
- •Глава 6. Создание устройств формирования модели измерения
- •6.1. Состав устройства формирования модели измерения
- •6.2. Общий анализ устройств формирования моделей измерения
- •6.3. Общий анализ моделирования устройств формирования модели измерения
- •6.4. Структура устройства формирования модели измерения
- •6.5. Моделирование контролируемого объекта
- •6.6. Моделирование средств измерения параметров контролируемого объекта
- •6.7. Моделирование каналов измерения
- •Типовые задачи и примеры их решения
- •6.8. Модель алгоритма формирования модели измерения
- •6.9. Модуль оценки качества и эффективности устройства формирования
- •6.10. Модуль управления моделью устройства формирования
- •6.11. Использование принципов опытно-теоретического метода при моделировании устройства формирования
- •6.12. Моделирование в задачах создания и оптимизации устройства формирования
- •Заключение
- •Библиографический список
- •Системы реального времени Синтез алгоритмов оценивания технологического параметра
- •346428, Г. Новочеркасск, ул. Просвещения, 132
6. Найденный квант исключается из множества г, т.Е.
Г(p+t) = Г(p+t–1)|{Gp1}.
7. При выполнении условия
(i=
:
=Im,
квант
Gp1
(Gp–1,1)
обозначается GiVj
и включается в ближайший кластер Гj,
т.е. Vj=Vj+
1; Г
= Г
U{GiVj};
t
= t
+ 1, и переходим к п. 8, а в противном случае
к п. 9.
8. Проверяется количество рассмотренных квантов. Если p + t r, то переходим к п.13 (конец алгоритма), в противном случае к п. 5.
9. Найденный квант включается в переходное множество Г, в котором накапливаются кванты, не вошедшие в уже сформированные кластеры, т.е.
Г = ГU{Gp-1,i}.
10. Если множество Г* , то переходим к п. 5. В противном случае переходим к следующему пункту.
11. Среди сформированного переходного множества Г ищется квант Gj1, для которого выполняется условие
(Gj1
Г):
.
Найденный квант Gj1 назначается центром нового кластера и переходим к п.13. В противном случае переходим к следующему пункту.
12. Сформированное множество Г объявляется множеством Г, то есть выполняется условие Г = Г, а p = p + 2, и переходим к п. 2.
13. Конец алгоритма.
Описанный
алгоритм выполняет кластеризацию
структур GiГ
с автоматическим выбором количества
кластеров s,
где 2sr.
В любой момент выполнения алгоритма
.
В конце алгоритма s=p,
а
.
Преимуществом алгоритма является
кластеризация без повторного пересмотра
элементов.
Задача 5.3. Реализовать алгоритм формирования переменных модели измерения.
Решение задачи
Для формирования ММИ целесообразно использовать алгоритм (рис. 5.4):
Устанавливаются начальные значения j = 1, r = 1.
Из множества связей рассматриваемого кластера Гm выбирается первая связь qj
.
3. Выбранная связь исключается из всех списков связей, представляющих структуры QmiГm, т.е.
(i
=
):
Q
= Q
{qj}.
4. Определяется риск использования выбранной связи в моделе измерения и при условии Rqi>Rдоп, то j=j + 1 и переходим к п. 2. В противном случае рассматриваемая связь qj включается в множество Q , представляющее типовую структуру Gm, т. е.
Q
= Q
.
5.
Если
(ПМдоп–ПМi<),
то r=r+1,
и переходим к п.1.
6. В противном случае, определяется риск сформированной модели RM. Если RM>RMдоп, то переходим к п.3 алгоритма множества максимально различающихся квантов. В противном случае переходим к п.7.
7. Конец алгоритма.
В
результате выполнения алгоритма за
Q
итераций получается типовая структура
G
(X
)
кластера Гm
в виде списка упорядоченных квантов.
Множество типовых структур является
объединением X
=
.
Задача 5.4. Сформулировать алгоритм постановки начального эксперимента.
ВВОД
j
= 1; r
= 1
qj
Qmi(j)
= Qmi(j-1){qj}
j
= j
+ 1
Qmi*(j)
= Qmi*(j-1){qj}
Рис. 5.4. Алгоритм формирования модели измерения на базе кластеров ГМ
Решение задачи
Введенные определения и полученный критерии формирования спектра эксперимента и различия позволяют синтезировать следующий алгоритм управляемого эксперимента. Пусть известно пространство S, множество M, графики функций bAi(u(y), ), bBi(u( ), ), bСk(u) и известно также эталонное пространство Mэ, построенное на этапе обучения системы измерения. Зададим на парах элементов sij M и sijэ Mэ функцию расхождения J(sij, Mэ), тогда действие алгоритма управляемого эксперимента заключается в следующем:
1. В соответствии с пунктом 3 проведенного выше построения, определяется положение области sij в пространстве M по формулам для математического ожидания при равномерном законе распределения случайной величины:
Ai
= 0,5(
)
и Bj
=0,5(
),
где x+ и x– – наибольшее и наименьшее значения случайной величины выборки.
2. Выбирается конкретное управляющее воздействие, соответствующее величине математического ожидания для равномерного закона распределения:
Ci
= 0,5(
).
3. Находится минимальное значение критерия расхождения для равномерного закона распределения в виде:
I(sij, Mэ) = ln[Si(Ci – Ci0)/(Ai – Ai0)],
где Ci0, Ai0 – начальные значения интервалов анализа соответствующего параметра, Si – функция чувствительности на i-м интервале функции преобразования контролируемого объекта.
4. По результату п. 2 определяется подмножество значений CkU.