- •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
- •1.1. Общий анализ этапов структурирования эмпирической информации
- •Глава 1. Оценивание контролируемых параметров по экспериментальным данным
- •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
5.3. Лингвистический алгоритм формирования модели измерения на начальных этапах оценивания
Использование аппарата математической лингвистики для описания структуры модели требует произведения сегментации области значений на составные части, т. е. выбора элементов для описания типичных фрагментов и методы их поиска. После предварительной работы, обеспечивающей выделение элементов, возникают собственно лингвистические задачи, состоящие из задач автоматического грамматического разбора описаний для распознавания изображений. Алгоритмы формирования модели, сводящиеся к выделению компактных множеств в заданных пространствах, определяют только абстрактные модели. Различие между геометрическим и лингвистическим алгоритмами состоит в формализации понятия компактности.
5.4. Обоснование выбора критерия расхождения для формирования модели измерения по экспериментальным данным
При измерении искомые подобласти, формируемые в процессе измерения по искомой модели измерения и соответствующие гипотезам H1 и H2, характеризуются равномерным законом распределения и в общем случае определяются на интервалах 0 x 1, d x d + 2, 1 < 2. Учтя в выражении расхождения, полученном в задаче 3.3, начальное смещение d, получают новую смещенную на d область 0 x 2, причем 1 < 2, тогда
I(1:2) = log + d = (log2 – log1) + d = Hh(2) – Hh(1) + d, (5.1)
где Hh(i) – мера информации по Хартли разбиения соответствующей выборки.
Для случайной выборки Оn в n независимых квантов:
I(1:2;
Оn)
= nlog
+ d. (5.2)
Из полученного выражения для критерия следует, что расстояние между двумя множествами определяется разностью между мерами информации по Хартли и величиной сдвига интервалов определения каждого из множеств.
Разбиение области значений базируется на представлении измерительной процедуры, даваемой в теории измерений [66], заключающейся в следующем. Поскольку входное воздействие всегда имеет аналоговый характер, а результаты измерения представляются именованным числом, то в состав измерительной процедуры всегда входит аналого – цифровое преобразование. В связи с этим под измерительным преобразованием понимается преобразование, сводящееся к формированию числового эквивалента измеряемой величины в виде именованного числа, которое определяет ее интерпретацию как сравнение с функционально связанной с ней мерой, имеющей известное значение величины.
В метрологии различают два возможных метода сравнения: уравновешивание и сопоставление, в каждое из которых входит аналого – цифровое преобразование. Переход от аналоговых величин к их числовым эквивалентам требует выполнения дискретизации и квантования. Необходимость дискретизации обусловлена тем, что получаемый результат (числовой эквивалент) всегда соотносится с конкретным моментов времени и пространственными координатами, т.е. заключается в замене непрерывной функции (r) в последовательность {(rs)}.
Полагая, что в качестве аргумента выступает время, дискретизацию можно представить следующим образом:
R
(ts)
= {(ts)}s=
=
.
Простейший вариант – равномерное квантование, основан на разбиении диапазона возможных значений квантуемой величины на Nk одинаковых интервалов (квантов) Gs и сводится к определению, какому числу квантов соответствует входное воздействие. Формально операция квантования величины [0, Фmax] может быть представлена так:
R
(ts)
= E
,
где Е[.] – целая часть [.]; k = Фmax/Nk – интервал квантования.
При неравномерном квантовании определяющее его соотношение имеет вид
R (ts) = max i/(ts) i,
т.е.
в качестве результата квантования
выступает значение максимального
порогового уровня, для которого
выполняется неравенство (ts)i
(здесь i
– верхние границы квантов, i
=
).
Размер s-го
кванта при неравномерном квантовании
определяется разностью Gs
= s
– s–1.
При этом полученное разбиение является достаточным разбиением для различения, поскольку полученные при разбиении кванты содержат в себе такую же информацию, как разбиение с элементами в виде точек исходного пространства и, следовательно, информация при разбиении не теряется.
Причем величина кванта определяется:
– принципиальной непознаваемостью, обусловленной свойствами материи – неисчерпаемостью микроструктуры и неопределенностью текущего состояния;
– ограниченностью возможностей эталонной базы (системы обеспечения единицы измерений);
– неадекватностью модели реальному объекту, ибо величина отображает свойства физического объекта как характеристику его модели.
При достаточном уровне избыточности исходных данных проектирования, разбив весь диапазон возможных значений измеряемой величины, можно построить множество допустимых вариантов квантов Г0. Множество Г0, полученное в результате квантования, является конечным, но количество его элементов Г0 зависит от точности и избыточности исходных данных синтеза.
Описанные алгоритмы обеспечивают формирование начальной модели измерения, которая содержит основные структурные свойства исходных оцениваемых результатов измерения и поэтому могут быть использована для сокращения трудоемкости подробного структурного анализа.
