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

ПАРАМЕТРИЧЕСКАЯ ИДЕНТИФИКАЦИЯ СТОХАСТИЧЕСКИХ ЛИНЕЙНЫХ ДИСКРЕТНЫХ СИСТЕМ НА ОСНОВЕ РОБАСТНОЙ ФИЛЬТРАЦИИ

Чубич Владимир Михайлович , Прокофьева Алина Эдуардовна

2018 / Том 22 №2 (133) 2018 [ Информатика, вычислительная техника и управление ]

ЦЕЛЬ. На основе фильтров Сярккя - Нумменмаа и Изанлу - Фейкуриана - Джазди - Саймона разработать программно-математическое обеспечение для решения задачи параметрического оценивания моделей стохастических линейных дискретных систем при наличии аномальных наблюдений в измерительных данных. Исследовать робастные процедуры оценивания параметров с целью выявления наиболее эффективной из них. МЕТОДЫ. Метод квазиправдоподобного оценивания. РЕЗУЛЬТАТЫ И ИХ ОБСУЖДЕНИЕ. На примере модели системы управления положением двигателя постоянного тока при различном характере расположения аномальных наблюдений показано, что без применения робастных фильтров задача оценивания неизвестных параметров решается плохо. Применение указанных робастных фильтров позволяет повысить качество оценивания как минимум на 1,8% при случайном и на 6,81% при группированном характере расположения аномальных измерений. ВЫВОДЫ. Установлено, что робастная процедура оценивания на основе фильтра Изанлу - Фейкуриана - Джазди - Саймона дает наиболее точные оценки параметров.

Ключевые слова:

параметрическая идентификация, робастное оценивание, фильтр Калмана, фильтр Сярккя - Нумменмаа, фильтр Изанлу - Фейкуриана - Джазди - Саймона, стохастическая линейная дискретная система, parametric identification, robust estimation, Kalman filter, Särkkä - Nummenmaa filter, Izanloo - Fakoorian - Yazdi - Simon filter, stochastic linear discrete system

Библиографический список:

  1. Боровков А.А. Математическая статистика. Новосибирск: Наука, 1984. 472 с.
  2. Ивченко Г.И., Медведев Ю. И. Математическая статистика. М.: Книжный дом «ЛИБРОКОМ», 2014. 352 с.
  3. Gupta N.K., Mehra R.K. Computational aspects of maximum likelihood estimation and reduction in sensitivity function calculations // IEEE transactions on automatic control. 1974. Vol. 19. № 6. P. 774–783.
  4. Áström K. J. Maximum likelihood and prediction errors methods // Automatica. 1980. Vol. 16. Р. 551 –574.
  5. Льюнг Л. Идентификация систем. Теория для пользователей / пер. с англ. М.: Наука, 1991. 432 с.
  6. Денисов В.И., Чубич В.М., Черникова О.С., Активная параметрическая идентификация стохастических линейных дискретных систем во временной области // Сибирский журнал индустриальной математики. 2003. Т. 6. № 3. С. 70–87.
  7. Цыганова Ю.В., Куликова M.В. Об эффективности методах параметрической идентификации линейных дискретных стохастических систем // Автоматика и телемеханика. 2012. № 6. С. 34–51.
  8. Maronna R.A., Martin D.R., Yohai V.J. Robust statistics. Theory and methods. England: John Wiley Sons, 2006. 400 p.
  9. Huber P. J., Ronchetti E.M. Robust statistics. New Jersey: John Wiley Sons, 2009. 371 с.
  10. Чубич В.М., Черникова О.С., Долгов А.А. Робастное оценивание параметров моделей гауссовских линейных дискретных систем на основе гибридного фильтра // Вестник Иркутского государственного технического университета. 2017. Т. 21. № 4. С. 100–107. DOI: http://dx.doi.org/10.21285/1814-3520-2017-4-100-107
  11. Jwo D.-J. Chung F.-C., Weng T.-P., Thomas C. Adaptive Kalman filter for navigation sensor fusion // Sensor Fusion and its Applications. In TechOpen, 2010. P. 66–90.
  12. Чубич В.М., Прокофьева А.Э. Сравнительный анализ некоторых робастных фильтров для нестационарных линейных дискретных систем // Вестник Иркутского государственного технического университета. 2017. Т. 21. № 12. С. 123–137. DOI: http://dx.doi.org/10.21285/1814-3520-2017-12-123-137
  13. Izanloo R., Fakoorian S.A., Yazdi H.S., Simon D. Kalman filtering based on the maximum correntropy criterion in the presence of non- Gaussian noise // Annual Conference on Information Science and Systems (CISS), Princeton, USA: proccedings. 2016. P. 500–505.
  14. Särkkä S., Nummenmaa A. Recursive noise adaptive Kalman filtering by variational Bayesian approximations // IEEE Transactions on Automatic control. 2009. Vol. 54. P. 596–600.
  15. Kulikova M.V. Square-root algorithms for maximum correntropy estimation of linear discrete-time systems in presence of non-Gaussian noise // Systems & Control Letters. 2017. Vol. 108. P. 8-15.
  16. Мудров В.И., Кушко В.Л. Методы обработки измерений. Квазиправдоподобные оценки. М.: Радио и связь, 1983. 304 с.
  17. Квакернаак Х., Сиван Р. Линейные оптимальные системы управления / Пер. с англ. М.: Мир, 1977. 650 с.
  18. Гольдштейн А.Л. Оптимизация в среде MATLAB. Пермь: Изд-во Перм. нац. исслед. политехн. ун-та, 2015. 192 с.

Файлы:

Язык
RuEn

Лицензия Creative Commons
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная
Количество скачиваний:8041