Программа дисциплины

«Структура и алгоритмы обработки данных»

(дисциплина по выбору аспиранта учебного плана научной специальности 05.13.01 – «Системный анализ, управление и обработка информации

(по отраслям)», 216 часов)

Основные понятия, задачи и этапы математического моделирования объектов и систем

Задача построения модели исследуемого объекта или явления, основные типы моделей, их классификация и использование. Математические параметрические и непараметрические модели. Понятие детерминированной и стохастической модели. Особенности моделей процессов. Основные этапы построения моделей.

Первичный анализ экспериментальных данных

Основные этапы анализа экспериментальных данных в задаче математического моделирования. Пpедэкспеpиментальная подготовка: изучение объекта исследования постановка задачи исследования, выбор режима получения экспериментальных данных, характеристика типов экспериментальных данных. Алгоритмы первичного анализа данных: анализ структуры данных, формирование массива информативных признаков объекта исследования, выявление и анализ аномальных измерений, преобразование данных, непараметрические критерии значимости и согласия.

Алгоритмы построения линейных по параметрам моделей

Постановка задачи, состав экспериментальных данных и основные методы и алгоритмы численного линейного регрессионного анализа. Последствия нарушения предпосылок регрессионного анализа. Шаговые алгоритмы выбора “наилучшей модели” Анализ качества модели: количественные показатели качества, элементы дисперсионного анализа, анализ остатков.

Алгоритмы построения нелинейных по параметрам моделей

Постановка задачи, особенности и основные этапы процедуры нелинейного оценивания. Выбор вектора начальных приближений оценок параметров. Алгоритмы методов линеаризации модели и целевой функции в задаче оценивания параметров, алгоритм метода Марквардта. Анализ качества нелинейной модели. Алгоритм выбора наилучшей структуры модели из заданной совокупности таких структур на основе экспериментальных данных.

Задача цифрового моделирования линейной системы

Цифровые фильтры: классификация, способы описания и свойства. Свойства и особенности нерекурсивных КИХ- и БИХ-фильтров. Постановка задачи моделирования линейной системы с заданными частотными свойствами. Методы расчета модели на основе КИХ-фильтра: метод взвешивания, использование критериев оптимальности Чебышева и среднеквадратического. Методика проектирования системы на основе однородного фильтра. Постановка задачи и основные методы расчета модели на основе БИХ-фильтров.

Погрешности моделирования цифровой системы: возможные источники погрешностей, предпосылки для анализа погрешностей, способы представления погрешностей, понятие внутренних шумов. Влияние квантования входного сигнала, параметров системы и результатов арифметических операций на погрешность формирования характеристик выходного сигнала. Основные способы учета указанных погрешностей при проектировании цифровых фильтров.

Рекомендуемая литература

1. Айвазян С.А. и др. Прикладная статистика и основы эконометрики. Учебник для вузов. М.: ЮНИТИ, 2001. – 1022 с.

2. Протасов К.В. Статистический анализ экспериментальных данных. М.: Мир, 2005. 232 с.

3. Хусаинов Б.С. Структуры и алгоритмы обработки данных. Примеры на языке Си. М.: Финансы и статистика, 2004. 464 с.

4. Ускова О.Ф. Программирование алгоритмов обработки данных. СПб.: БХВ-Петербург, 2003. 192.с.

5. Р. Лайонс. Цифровая обработка сигналов. М.: Бином-Пресс, 2006. 656 с.

6. Солонина А.И., Улахович Д.А., Арбузов С.М., Соловьева Е.Б. Основы цифровой обработки сигналов. 2-е изд. СПб.: BHV-Петербург, 2007. 768 с.

7. С. Смит. Цифровая обработка сигналов. М.: Додека XXI век, 2008. 720 с.

8. Т. Кормен, Ч. Лейзерсон, Р. Ривест, К. Штайн. Алгоритмы: построение и анализ. М. Вильямс, 2005. 1296 с.

9. Карпов Ю.Г. Имитационное моделирование систем. СПб.: БХВ-Петербург, 2009. 400 с.

10. Чашкин Ю.Р. Математическая статистика. Анализ и обработка данных. М.: Феникс, 2010. 236 с.

11. Косарев Е.Л. Методы обработки экспериментальных данных. М.: Физматлит, 2008. 208 с.

Программа составлена:

докт. техн. наук, профессор Филаретов Г.Ф.

канд. техн. наук, доцент Виноградова Н.А.

Заведующий кафедрой

управления и информатики

докт. техн. наук, профессор Беседин В.М.

Заведующий кафедрой

математического моделирования

докт. техн. наук, профессор Амосов А.А.

«УТВЕРЖДАЮ»

Проректор НИУ «МЭИ» по научной работе

д.т.н. проф. Скибицкий Н.В.

«____» _____________ 2012 г.

Программа дисциплины

«Анализ и синтез распределенных систем управления»

(дисциплина по выбору аспиранта учебного плана научной специальности 05.13.01 – «Системный анализ, управление и обработка информации

(по отраслям)», 216 часов)

Компьютеры и управление производством

Основные понятия дисциплины: технология, технологический объект управления (ТОУ), АСУ ТП, автоматизированный или роботизированный технологический комплекс, структура АСУ ТП. Функции и режимы функционирования АСУ ТП.

Современные тенденции развития технологий промышленной автоматизации. Принципы современных промышленных технологий.

Технологические процессы как объекты управления

Примеры и классификация современных ТОУ: мощный энергоблок ТЭС (АЭС), сернокислотное производство, гибкое автоматизированное производство в металлообработке. Функциональные структуры современных АСУ ТП, их системотехнические характеристики и классификация.

Системный подход к разработке АСУ ТП

Основные принципы системного анализа.

Понятие комплексной задачи управления (КЗУ),решаемой АСУ ТП. Цели экономические, регламентно-технические и информационные. Принцип максимальной эффективности. Структурно-функциональный метод разработки концепции АСУ ТП. Формализация и декомпозиция КЗУ с учетом иерархии целей. Неформализованные задачи управления. Решение КЗУ на трех уровнях: глобальном, агрегированном и локальном. Декомпозиционные принципы решения КЗУ: локализации, целевого разделения управляющих воздействий, разделение режима ТОУ на опорный и возмущенный, редукции многомерной задачи стабилизации режима, линеаризации.