Оценка области параметрических ограничений, заданной в виде интервала изменения параметров
Рассмотрим подход к оценке области , заданной в виде
, (20)
на основе анализа НИП и метода секущих для объекта
, (21)
где — вектор параметров, принадлежащий ограниченной области (20) с неизвестными параметрами , .
Для объекта (21) имеется информация и получен наблюдаемый информационный портрет .
Введем вектор , который мажорирует вектор в (21). Рассмотрим частный случай области , соответствующей верхней границе области ограничений
.
Для оценки вектор можно применить математическую модель
. (22)
Ставится задача: для объекта (21) на основе анализа данных и отображения получить оценки вектора в (20) с помощью модели (22) таким образом, чтобы выполнялось условие доминирования
для почти . (23)
Под доминированием будем понимать выполнение неравенства для почти .
Для решения задачи может применяться несколько подходов. Изложим один из них, основанный на проверке условия доминирования, используя в качестве вторичного критерия математическое ожидание исследуемых переменных.
Рассмотрим проекции НИП на плоскости и построим секущие
, (24)
со следующими областями определения и значений:
, ,
где , — интервалы изменения переменных ; — некоторые числа.
Полагаем и получаем приближенную оценку области
,
где . Неравенство понимается как поэлементное.
Индекс 0 обозначает уровень подстройки вектора модели (22) и не совпадает с шагом изменения интервала .
Далее по модели (22) с находим прогноз выхода объекта и величину коэффициента взаимной корреляции . Проверяем условие доминирования
.
Если оно выполняется для почти всех , то полагаем и процесс определения области параметрических ограничений на этом заканчиваем. В противном случае применяем алгоритм коррекции области , который обеспечивает выполнение условия доминирования.
Алгоритм коррекции состоит в следующем. Вычисляем математические ожидания для и
,
и определяем величину
. (25)
Лемма. .
Величина показывает насколько переменная “недотягивает” до области доминирования над . Если , то п. н.
На основе формируем множество поправок вектора . Для этого находим величины
, (26)
для которых определяем математические ожидания . Далее формируем вектор поправок
. (27)
Так как необходимо обеспечить условие доминирования, то коррекцию вектора осуществляем по формуле
, (28)
где — диагональная матрица с , и с помощью модели (22) определяем прогноз для . Далее находим и . Если окажется, что и
, ,
то полагаем и на этом процесс построения области параметрических ограничений заканчивается. В противном случае адаптация вектора должна продолжаться.
Утверждение 1. Если начальное значение вектора определяется на основе секущих (24), а его коррекция в уравнении (22) осуществляется согласно (27), (28), то оценка области параметрических ограничений
(29)
является допустимой, если выполняется условие доминирования для почти и
. (30)
Условие (30) накладывает ограничение на класс допустимых моделей (22). За центр области принимается значение .
Замечания | |
@ | 1. В (26) вместо можно использовать текущее (по времени ) значение невязки . 2. Если процессы в системе носят стохастический характер, то для принятия решения о доминировании следует установить допустимый уровень доминирования (см. ниже). |
Итак, в общем случае алгоритм адаптации вектора можно записать в виде
, (31)
где и формируется согласно изложенной выше процедуре.
Для оценки качества работы системы идентификации параметров области введем количественный критерий. Будем считать, что почти на всем интервале , если вероятность
, (32)
где — заданная величина.
Определение. Вектор будем называть оптимальным, если он позволяет получить допустимую оценку области параметрического оценивания и обеспечивает при этом максимальное значение показателя . |
Утверждение 2. Выход модели (22) с вектором , соответствующим оптимальной мажоритарной оценке области , имеет максимальную информационную мощность.
Алгоритм (31) относится к классу конечно-сходящихся. Его свойства следуют из следующей теоремы.
Теорема 1. Система идентификации (21), (22), (31) с допустимым вектором параметров будет иметь ограниченные траектории, если матрица в алгоритме (22) удовлетворяет неравенству
,
где , — минимальное и максимальное собственные числа матрицы . Оптимальное значение матрицы равно
.
где — оператор преобразования вектора в диагональную матрицу.
Аналогично ищется минорирующая оценка для области (21). В этом случае условие доминирования (23) записывается в виде
для почти ,
где — выход модели
(33)
с вектором параметров , настраиваемым с помощью алгоритма
.
Невязка вектора формируется согласно (26), (27) с учетом замечания. В (33) является диагональной матрицей с .
Пример. Рассмотрим объект (22) с вектором параметров
и действующим на выходе аддитивным ограниченным возмущением , . Вектор . Необходимо оценить область параметрических ограничений (28).
Рис. 7. Оценивание вектора F
На рис. 7 показаны результаты идентификации вектора для области с помощью системы (22), (26), (31). Здесь приведен также вектор параметров объекта (21). На основе метода наименьших квадратов получена следующая оценка вектора : . Векторы и определялись с помощью алгоритма (31) с и , где — единичная матрица. Соответствующие значения равны , , .
Рис. 8. Доминирование переменной при различных значениях
вектора
Рис. 9. Оценки выхода модели (22) в пространстве
Согласно утверждению 1 полученные оценки являются допустимыми. Для принятия окончательного решения находим показатели доминирования с помощью (32). Для каждой из найденных оценок они равны (рис. 8)
, , .
Эти же результаты подтверждает информационный портрет (рис. 9) в пространстве . Минорируюшая оценка для имеет вид:
.
Дата добавления: 2017-02-13; просмотров: 728;