ISSN: 1814-3520(print)
ISSN: 2500-1590(online)
12+
Научный журнал «Вестник Иркутского государственного технического университета»
Поиск по сайту

СТАТИЧЕСКАЯ ОБРАБОТКА ДАННЫХ, ПОЛУЧАЕМЫХ В ПРОЦЕССЕ ФУНКЦИОНИРОВАНИЯ ЭТАЛОНОВ ВРЕМЕНИ И ЧАСТОТЫ

2017 / Том 21, №8 (127) 2017 [ ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ ]

ЦЕЛЬ. Рассматривается формализованная методика построения динамических стохастических моделей (АРСС) по экспериментальным данным. МЕТОДЫ. Обработка данных, получаемых в процессе функционирования динамической системы, предполагает использование двух режимов: первый режим - статическая обработка при наличии у исследователя всех экспериментальных данных; второй - динамическая обработка, когда оценка состояния динамической системы вычисляется в темпе поступления данных. На этапе статической обработки на основе экспериментальных данных строятся математические модели, описывающие процесс изменения вектора состояний во времени. РЕЗУЛЬТАТЫ И ИХ ОБСУЖДЕНИЕ. Проанализированы два класса оценок вектора состояния групповых эталонов физических величин: оценки метода наименьших квадратов (МНК-оценки) и оценки алгоритма субоптимальной фильтрации. Показано, что оценки второго класса более эффективны, их погрешность на 20-30% меньше, чем у оценок метода наименьших квадратов. Рассмотрен альтернативный подход к процедуре построения моделей АРСС. ВЫВОДЫ. Полученные в ходе исследования данные позволяют создать полностью формализованный программный комплекс, предназначенный для решения задачи оценивания состояния групповых эталонов по результатам измерений, выполняемых в процессе их функционирования.

Ключевые слова:

модели временных рядов, вектор состояния, идентификация системы, оптимальные оценки вектора состояния, time series models, state vector, system identification, оptimal estimations of the state vector

Авторы:

Библиографический список:

  1. Пугачев В.С., Синицин И.Н. Теория стохастических систем. М.: Логос, 2004. 1000 с.
  2. Эльясберг П.Е. Определение движения по результатам измерения. М.: Либроком, 2011. 416 с.
  3. Аоки М. Оптимизация стохастических систем. М.: Наука, 1971. 424 с.
  4. Хрусталев Ю.П. Статическая и динамическая обработка данных, получаемых в процессе ведения эталонов времени частоты // Измерительная техника. 2004. № 6. С. 20.
  5. Гантмахер Ф.Р. Теория матриц. М.: Наука, 1966. 576 с.
  6. Хрусталев Ю.П., Серышева И.А., Лузгин В.А., Ступина Е.А. Адаптация моделей временных рядов, содержащих детерминированные тренды // Вестник ИрГТУ. 2015. № 2. C. 22-27.
  7. Хрусталев Ю.П., Серышева И.А., Лузгин В.А., Ступина Е.А. Идентификация скачков частоты водородных стандартов // Вестник ИрГТУ. 2016. № 6. C. 107-113.
  8. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление М.: Мир, 1974. 603 с.
  9. Хрусталев Ю.П., Акулов В.М., Курышева Л.Н., Ипполитов А.А. Обработка данных, полученных по результатам взаимных измерений вторичного эталона времени и частоты // Вестник ИрГТУ. 2012. № 7. C. 22-28.
  10. Хрусталев Ю.П., Серышева И.А. Повышение устойчивости оценок состояния эталонов времени и частоты // Измерительная техника. 2014. № 5. С. 29-34.
  11. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. М.: Финансы и статистика, 1986. 366 c.

Файлы:

Язык

Лицензия Creative Commons
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная
Количество скачиваний:8104