Некоторые результаты компьютерного исследования базового алгоритма адаптивной идентификации
Приводятся результаты качественного (графического) анализа основных свойств работы базового алгоритма при воздействии гауссовых шумов. На основе компьютерного моделирования с использованием MatLab v.6.5 показано, что воздействие шумов усложняет динамику сходимости. При отсутствии шумов возрастает ка...
Saved in:
| Date: | 2005 |
|---|---|
| Main Authors: | , |
| Format: | Article |
| Language: | Russian |
| Published: |
Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України
2005
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/13971 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Некоторые результаты компьютерного исследования базового алгоритма адаптивной идентификации / Г.Б. Одишария, Г.И. Кочорадзе // Систем. дослідж. та інформ. технології. — 2005. — № 3. — С. 38-47. — Бібліогр.: 5 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1859863682721251328 |
|---|---|
| author | Одишария, Г.Б. Кочорадзе, Г.И. |
| author_facet | Одишария, Г.Б. Кочорадзе, Г.И. |
| citation_txt | Некоторые результаты компьютерного исследования базового алгоритма адаптивной идентификации / Г.Б. Одишария, Г.И. Кочорадзе // Систем. дослідж. та інформ. технології. — 2005. — № 3. — С. 38-47. — Бібліогр.: 5 назв. — рос. |
| collection | DSpace DC |
| description | Приводятся результаты качественного (графического) анализа основных свойств работы базового алгоритма при воздействии гауссовых шумов. На основе компьютерного моделирования с использованием MatLab v.6.5 показано, что воздействие шумов усложняет динамику сходимости. При отсутствии шумов возрастает качество идентификации для реализаций с большим количеством шагов. При воздействии шумов реализации, имеющие количество шагов, меньшее или равное размерности входного вектора объекта управления, ухудшают качество идентификации, а затем с увеличением их количества многошаговые реализации базового алгоритма улучшают качество с меньшим количеством шагов.
Qualitative (graphic) analysis of the common properties of Basic Algorithm, when presence of Gaussian noises has place, is given. On the basis of its computer simulation with use of computing tools of MatLab v.6.5 it is shown, that influence of noise complicates dynamics of convergence. If there is no noise, the quality identification increases for move multistage realizations. The realizations, which have the amount of computing stages, numerically less or equal to dimension of control object input vector, are making worse an identification quality. After further increasing of amount of computing stages basic algorithm multistage realizations improve an identification quality in comparison with realizations, which have less amount of computing stages.
Наведено результати якісного (графічного) аналізу основних властивостей роботи базового алгоритму під впливом гаусових шумів. На основі комп’ютерного моделювання із використанням MatLab v.6.5 показано, що вплив шумів ускладнює динаміку збіжності. За відсутності шумів зростає якість ідентифікації для реалізацій з більшою кількістю кроків. Під впливом шумів реалізації, які мають кількість кроків меншу або рівну розмірності вхідного вектора об’єкту управління, погіршують якість ідентифікації, а потім із збільшенням їх кількості багатокрокові реалізації базового алгоритму покращують якість із меншою кількістю кроків.
|
| first_indexed | 2025-12-07T15:47:12Z |
| format | Article |
| fulltext |
Г.Б. Одишария, Г.И. Кочорадзе, 2005
38 ISSN 1681–6048 System Research & Information Technologies, 2005, № 3
УДК 004.423
НЕКОТОРЫЕ РЕЗУЛЬТАТЫ КОМПЬЮТЕРНОГО
ИССЛЕДОВАНИЯ БАЗОВОГО АЛГОРИТМА АДАПТИВНОЙ
ИДЕНТИФИКАЦИИ
Г.Б. ОДИШАРИЯ, Г.И. КОЧОРАДЗЕ
Приводятся результаты качественного (графического) анализа основных
свойств работы базового алгоритма при воздействии гауссовых шумов. На ос-
нове компьютерного моделирования с использованием MatLab v.6.5 показано,
что воздействие шумов усложняет динамику сходимости. При отсутствии шу-
мов возрастает качество идентификации для реализаций с большим количест-
вом шагов. При воздействии шумов реализации, имеющие количество шагов,
меньшее или равное размерности входного вектора объекта управления,
ухудшают качество идентификации, а затем с увеличением их количества мно-
гошаговые реализации базового алгоритма улучшают качество с меньшим ко-
личеством шагов.
ВВЕДЕНИЕ
На основе методов компьютерного моделирования в статье исследуется ал-
горитм адаптивной идентификации, полученный c применением метода
наименьших квадратов в результате минимизации функционала, отражаю-
щего среднеквадратичное отклонение модельных и измеряемых значений.
Алгоритм назван базовым [например, 1, 2], потому что из него в зависимо-
сти от числа вычислительных шагов, т.е. числа измеряемых значений,
используемых в процессе оценивания параметров модели, получаются раз-
ные алгоритмы, которые далее в тексте описываются как конкретные реали-
зации базового алгоритма с соответствующим числом вычислительных ша-
гов.
Ранние исследования посвящены 1-шаговым [1, 2] и 2-шаговым [2, 3]
реализациям базового алгоритма, формализовать которые из обобщенного
выражения базового алгоритма удается сравнительно легко. Однако с рос-
том количества вычислительных шагов, используемых в конкретной реали-
зации базового алгоритма, вывод соответствующих формул, пригодных для
программных вычислений затрудняется или становится практически невоз-
можным и неудобным в расчетах. Из этого положения авторы предлагаемой
статьи нашли выход в использовании матрично-ориентированного языка
программирования MatLab v.6.5.
Свойства базового алгоритма адаптивной идентификации при отсутст-
вии стохастических воздействий на моделируемый объект управления ис-
следованы в работе [5]. Цель данной статьи — описать поведение разных
реализаций базового алгоритма при воздействии на выходе объекта управ-
ления непредсказуемых помех и произвести соответствующий анализ полу-
ченных результатов.
Некоторые результаты компьютерного исследования базового алгоритма …
Системні дослідження та інформаційні технології, 2005, № 3 39
ФОРМАЛЬНОЕ ПРЕДСТАВЛЕНИЕ ЗАДАЧИ ИДЕНТИФИКАЦИИ И
БАЗОВОГО АЛГОРИТМА
Рассматривается открытая система (рис.1), состоящая из обьекта управления
(ОУ) и измеряющего устройства (ИУ). Предполагается, что на выходе сис-
темы с интенсивностью ξK воздействует нормально распределенный
гауссовcкий шум с нулевым ма-
тематическим ожиданием и
дисперсией 1. На рис. 1 y —
скалярный выход системы; ξ —
воздействущий cкалярный гаус-
совский шум; x — измеряемый
n-компонентный вектор вход-
ных переменных (обозначен
двойной стрелкой).
Модель ОУ, описывающая зависимость скалярного выхода y от изме-
ряемых компонентов входного вектора x в дискретные моменты времени
N , представляется следующим образом:
NN
T
NN Kxhy ξξ+= , (1)
где Th — неизвестный вектор параметров модели объекта управления, ко-
торый в результате процесса идентификации заменяется его оценочным век-
тором Tk , определение каждой из компонент которого в каждый текущий
дискретный момент времени N происходит с помошью конкретной
m -шаговой реализации так называемого базового алгоритма
∑
∑
+−=
+−=
+−
+−
=
N
mNj
N
mNj
ii
iN
jaE
jaE
k
1
1
)()1(
)()1(
αα
αα
, ...,2,1,,...,2,1,,...,2,1 === Nmjni , (2)
являющегося общим решением задачи минимизации с критерием [1]
∑
+−=
−− −+−−=
N
mNj
j
T
jNNN
T
NN xkykkkkJ
1
2
11 )()())(1( αα . (3)
Первое слагаемое в правой части (3) отражает оценку дисперсии мо-
дельного и реального значений за все прошедшее время, а второе — теку-
щую оценку той же дисперсии. Поэтому когда алгоритмический параметр α
выбран максимальным, т.е. когда 1=α , первое слагаемое в правой части
выражения (3), отражающее предысторию процесса, становится малозначи-
мой, и оценивание соответствующих параметров происходит на основе те-
кущих измеряемых значений. Противоположный случай, т.е. когда значение
α близко к нулю, отражает факт учета с очень малым весом в оцениваниях
ИУ ОУ
Kξ
ξ
x y
Рис. 1
Г.Б. Одишария, Г.И. Кочорадзе
ISSN 1681–6048 System Research & Information Technologies, 2005, № 3 40
параметров модели (1) текущих измеряемых значений. Таким образом,
алгоритмический параметр α может меняться на полусегменте (0,1]. В зави-
симости от того, насколько достоверны текущие измеряемые значения, вы-
бирается конкретное значение α . Например, если процесс детерминирован-
ный, и стало быть измеряемые значения максимально достоверны, α
выбирается равной 1.
В выражении (2) E — единичная матрица; iE — матрица, полученная
из единичной при замене в ней i -го столбца вектором
T
NnNN
T
N kkkk },...,,{ 1,1,21,11 −−−− = ,
а матрица )( ja является оценкой корреляционной матрицы входных воз-
действий, соответствующей j -му такту. Матрица )( jai отличается от )( ja
тем, что i -й столбец в ней заменен столбцом
jmNjmNnjmNjmNmN yxxyjx +−+−+−+−− + ,,2,1 ,..., ,
mj ,...,2,1= , nj ,...,2,1= , ...,2,1=n (4)
В выражениях (2) – (4) m — число вычислительных шагов, отражаю-
щее количество измеряемых величин в вычислениях для оценивания пара-
метров модели (1). Таким образом число m определяет количество вычис-
лительных шагов в расчетах по оцениваниям неизвестных параметров с
использованием конкретной реализации базового алгоритма (2).
В результате проведения процедуры оценивания неизвестного вектора
Th исходная модель (1) заменяется оценочной моделью
N
T
nN xky 1
*
−= . (5)
Структура, приведенная на рис. 1, выбирается потому, что в данной
статье акцентируется внимание именно на оценивании модели, а координа-
ты входного вектора x должны быть линейно независимы. Это обеспечива-
ет наиболее возможную сходимость той или иной реализации базового ал-
горитма адаптивной идентификации. Исследование свойств алгоритма
адаптивной идентификации в режиме управления с обратной связью, т.е. в
режиме включения в цепи обратной связи адаптивного идентификатора, яв-
ляется темой дальнейших исследований. В таком режиме были проведены
исследования одношагового алгоритма [1, 2]. Сходимость в этом случае
ухудшалась по сравнению с открытой схемой (рис. 1), поскольку одна из
входных компонент воспринималась как управляющее воздействие, линей-
но зависящее от других составляющих входного вектора x , чем нарушалась
линейная независимость.
УСЛОВИЯ КОМПЬЮТЕРНОГО ЭКСПЕРИМЕНТА
Компьютерное исследование свойств алгоритма происходит следующим
образом.
Некоторые результаты компьютерного исследования базового алгоритма …
Системні дослідження та інформаційні технології, 2005, № 3 41
Вводится вектор ошибки T
N
T
N kh )( −=θ , компоненты которого рассчиты-
ваются по формуле
∑
∑
+−=
+−=
+−
+−
−=
N
mNj
N
mNj
ii
iNi
jaE
jaE
h
1
1
,
)()1(
)()1(
αα
αα
θ , nimj ,...,2,1,,...,2,1 == . (6)
Компоненты ih , ni ,...,2,1= неизвестного вектора Th из (2) выбирают-
ся как равномерно распределенные случайные величины в соответствую-
щем цикле соответствующей программы.
Ошибка идентификации оценивается евклидовой нормой
2
,
2
,
2
,2
2
,1
2 ...... NnNNNN
T
NN θθθθθθθ ν +++++== (7)
с исходным значением 1002
0 =θ .
Значения компонент nNN xx ,...,1 входного вектора выбраны нормально
распределенными случайными величинами с нулевым математическим
ожиданием и дисперсией 1. Как отмечалось выше, воздействующий на мо-
дель (1) шум Nξ , является гауссовским и имеет также математическое ожи-
дание, равное нулю, и дисперсию, равную 1. С целью обеспечения стати-
стической эквивалентности воздействующего на объект шума относительно
компонент входного вектора x в выражении (1) предполагалось 1=ξK .
Исследуется модель (1) с десятью компонентами входного вектора x,
т.е. полагается 10=n .
Так как в данной статье предлагается сугубо компьютерное исследова-
ние, то исходная информационная выборка измерительных данных форми-
руется соответствующим генератором случайных чисел из MatLab v.6.5.
РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ СВОЙСТВ БАЗОВОГО АЛГОРИТМА
Приведенные ниже графики отображают зависимость изменения во времени
ошибки идентификации, т.е. на осях абсцисс изображено дискретное время
N (шаги итерации), а на осях ординат — соответствующее изменение квад-
рата нормы ошибки идентификации (7), расчитываемой по формуле (6).
Изображенные кривые — 1-, 2-, 5-, 10-, 50-, 100- и 500-шаговые реализации
базового алгоритма — при значениях 500,100,50,10,5,2,1=m .
1. Алгоритмический параметр в (2) очень мал: 0001,0=α . На рис. 2
видна монотонная сходимость ошибки идентификации к нулю с разной ско-
ростью сходимости. Наилучшую сходимость имеет 500-шаговая реализация
базового алгоритма (2), квадрат ошибки идентификации меньше 0001,0=ε
Г.Б. Одишария, Г.И. Кочорадзе
ISSN 1681–6048 System Research & Information Technologies, 2005, № 3 42
в пределах 600500=N . 100- и 50-шаговые реализации (2) сходятся удов-
летворительно в пределах 600=N шагов итераций, причем 100-шаговая
реализация сходится лучше, чем 50-шаговая. Остальные, приведенные на
рис. 2, в пределах 600 шагов итерации далеки от даже удовлетворительной
сходимости.
На рис. 3 дано сравнение поведения 100- и 500-шаговых реализаций ба-
зового алгоритма при развитии процесса оцениваний параметров во време-
ни. Основываясь на изменении соответствующих кривых, можно заключить,
что динамика сходимости у 500-шаговой реализации лучше.
2. Дальнейший рост α , в частности до 01,0=α , улучшает сходимость
всех реализаций базового алгоритма, и это показывают кривые на рис. 4,
которые расположились ближе к оси ординат.
На рис. 4 кривая, соответствующая 1-шаговой реализации базового ал-
горитма почти совмещается с осью абсцисс примерно при 250=N , в то
время как при 0001,0=α (см. рис. 2) эта же кривая далека от сходимости.
500- и 100-шаговые реализации (2) на рис. 4 почти перекрылись и сходятся
очень быстро, так как они, начиная почти с нуля, совмещены с осью абс-
цисс. Это указывает на существенное улучшение сходимостных качеств при
01,0=α по сравнению с 0001,0=α (см. рис. 2).
Рис. 3
N
N
0
Рис. 2
Некоторые результаты компьютерного исследования базового алгоритма …
Системні дослідження та інформаційні технології, 2005, № 3 43
Как и при 0001,0=α (см. рис. 3) более высокошаговые реализации
здесь также ведут себя лучше, что видно на рис. 5. 500-шаговая реализация
(сплошная линия) расположена ниже 100-шаговой (прерывистая линия).
Средние значения обеих кривых колеблются соответственно в пределах
0,01–0 ,02 для 500-шаговой и 0,02–0 ,06 для 100-шаговой реализаций базо-
вого алгоритма (2).
3. Рассмотрим случай, когда α больше 0,1. На рис. 6 приведен график
для 125,0=α , из которого видно усиление тенденции повышения качеств
сходимости. 1-шаговая реализация почти совмещается с осью абсцисс при
значениях, меньших 100=N . 50-, 100- и 500-шаговые реализации перекры-
ваются и совмещаются с осью абсцисс, начиная примерно с 25...20=N ,
вместо 60...50=N на рис. 4. Но, в отличие от предыдущих случаев с более
низкими значениями α, здесь появляется влияние возмущений в зоне схо-
димости для некоторых реализаций базового алгоритма (2), чему соответст-
вует присутствие очень слабых пикообразных выступов на всем протяжении
оси абсцисс. Поведение кривых в пределах зоны сходимости видно на
рис. 6–10.
Рис. 5
0 N
Рис. 4
N
0
Г.Б. Одишария, Г.И. Кочорадзе
ISSN 1681–6048 System Research & Information Technologies, 2005, № 3 44
На рис. 7 изображены графики сравнения 1- и 5-шаговых реализаций
базового алгоритма (2). В результате воздействия помех видим, что в на-
чале 1-шаговая реализация имеет худшую сходимость, но потом она вме-
сте с 5-шаговой ведут себя в среднем одинаково. Однако результаты ис-
следований из работы [5] показывают, что при отсутствии шумов должно
быть наоборот. Примерно такая же зависимость имеется и на рис. 8, где
сравниваются 1- и 10-шаговые реализации. В дальнейшем более многоша-
говые реализации улучшают качества сходимости, что особенно заметно,
начиная с 30-шаговых реализаций.
Рис. 6
0 N
N
0
Рис. 7
N 0
Рис. 8
N
0
Рис. 10
N
0
Рис. 9
Некоторые результаты компьютерного исследования базового алгоритма …
Системні дослідження та інформаційні технології, 2005, № 3 45
Как и в случае с α , меньшей 0,1, такая закономерность сохраняется у
более многошаговых реализаций по сравнению с малошаговыми, что иллю-
стрируют кривые 100- и 500-шаговых реализаций на рис. 11.
4. При дальнейшем повышении α базовый алгоритм ведет себя так же,
как и при 125,0=α . При 875,0=α (см. рис. 12–1
Сравнение (см. рис. 12) кривых 1-шаговой и 5-шаговой реализаций по-
казывает, что примерно с
5) так же, как и на рис. 7–
10 одна из двух изображенных кривых соответствует 1-шаговой реализа-
ции базового алгоритма, а другая — сравниваемыми с ним соответствую-
щими реализациям (рис. 12–15).
50=N 1-шаговая реализация улучшает свое по-
N
0
Рис. 15
N
0
Рис. 14
N
0
Рис. 12
N
0
Рис. 13
N
0
Рис. 11
Динамика сходимости
Г.Б. Одишария, Г.И. Кочорадзе
ISSN 1681–6048 System Research & Information Technologies, 2005, № 3 46
ведение по сравнению с 5-шаговой. Средние значения погрешностей оцени-
ваний параметров модели равны 1,1950 и 2,0158 соответственно для 1- и 5-
шаговой реализаций базового алгоритма (2).
На рис. 13 изображены кривые сравнения 1-шаговой реализации с
10-шаговой, которая имеет тенденцию резкого ухудшения поведения по
сравнению с 1- и 5-шаговой.
С увеличением количества шагов, т.е. когда 10>m , ситуация посте-
пенно улучшается и, как показывает рис. 14, 1- и 20-шаговые реализации
ведут себя примерно одинаково. Средние значения погрешностей иденти-
фикации примерно равны.
При 30=m уже 1-шаговая ведет себя заметно хуже, чем 30-шаговая
реализация базового алгоритма, что подтверждается рис. 15. Средние значе-
ния погрешностей идентификации равны 1,0826 и 0,5051 соответственно
для 1- и 30-шаговых реализаций.
5. Наконец, приведем графики сравнительного поведения разных реа-
лизаций базового алгоритма при максимальном 1=α (рис. 16–1
Основное отличие от предыдущих случаев состоит в том, что
10-шаговая реализация катастрофически ухудшает свою динамику. Разница
в масштабах изменений кривых настолько велика, что кривая, соответст-
вующая 1-шаговой реализации почти не видна на рис. 17. Согласно рис. 19
заметное улучшение по сравнению с 1-шаговой реализацией в основном
наблюдается примерно при
9).
35=m , в то время как в предыдущем случае,
т.е. при 875,0=α , это происходило при 30=m .
N
0
Рис. 16
N 0
Рис. 17
N
0
Рис. 18
N 0
Рис. 19
Некоторые результаты компьютерного исследования базового алгоритма …
Системні дослідження та інформаційні технології, 2005, № 3 47
Таким образом, в результате компьютерного исследования базового ал-
горитма (2) с учетом результатов исследований [5] можно отметить сле-
дующие его свойства.
• При отсутствии шумов на протяжении всей области определения ал-
горитмического параметра α ( 10 ≤<α ) сходимость и точность оцениваний
улучшается для более многошаговых (т.е. с большей m ) реализаций базово-
го алгоритма (2).
• Под воздействием помехи, статистически эквивалентной компонен-
там входных воздействий, закономерность динамики сходимости меняется.
Во-первых, оценивание параметров происходит на фоне заметно ухудшен-
ной точности идентификации. Во-вторых, для значений m , меньших неко-
торого 1m , зависящего от алгоритмического параметра α , сходимость бо-
лее многошаговых реализаций базового алгоритма (2) ухудшается по
сравнению с менее шаговыми реализациями. В предлагаемой статье это
произошло при 10=m , т.е. при равенстве количества вычислительных ша-
гов m с числом размерности n входного вектора x (исследования проводи-
лись при 10=n ). Эта закономерность сохраняется на всем полусегменте
изменения алгоритмического параметра 10 ≤<α . При 1mm > сходимость
более многошаговых реализаций постепенно улучшается.
• С возрастанием параметра α воздействие шумов все более ощутимо
и наибольшее ухудшение качества идентификации происходит при макси-
мальном α , т.е. при 1=α .
• Если при отсутствии шумов имеет место монотонное улучшение
сходимости при росте количества вычислительных шагов m [5], то деструк-
тивное воздействие шума, видимо, является наиболее сильным при nm = ,
т.е. когда количество вычислительных шагов конкретной реализации базо-
вого алгоритма (2) сравнивается с размерностью входного вектора x .
Все свойства базового алгоритма (2) пока еще не полностью исследо-
ваны. Однако заметно, что многошаговые реализации базового алгоритма
при нынешнем бурном развитии вычислительной техники окажутся эффек-
тивными по сравнению с его малошаговыми реализациями. В перспекти-
ве — создание соответствующей базы данных, с помощью которой можно
будет подобрать более подходящий к конкретной ситуации алгоритм.
ЛИТЕРАТУРА
1. Данилов Ф.А., Чадеев В.М., Имедадзе В.В. и др. Адаптивное управление точно-
стью прокатки труб. — М.: Металлургия, 1980. — 300 c.
2. Клемперт Е.Д., Столетний М.Ф. Точность прокатки труб. — М.: Металлургия,
1972. — 200 c.
3. Rurua A.A., Chadeev V.M., Bodnya V.G. A two-stage Algorithm for Identification of
linear plants // Automation and Remote Control. — 1982. — № 8. — Р. 52–55.
4. Одишария Г.Б., Кочорадзе Г.И. Исследование свойств двухшагового алгоритма
адаптивной идентификации // Компьютерные науки и телекоммуника-
ции. — 2003. — № 1(2). — С. 8–13.
5. Одишария Г.Б., Кочорадзе Г.И. Исследование свойств базового алгоритма
адаптивной идентификации // Georgian Engineering News. — 2003.—
№ 1. — С. 182–185.
Поступила 20.02.2004
НЕКОТОРЫЕ РЕЗУЛЬТАТЫ КОМПЬЮТЕРНОГО ИССЛЕДОВАНИЯ БАЗОВОГО АЛГОРИТМА АДАПТИВНОЙ ИДЕНТИФИКАЦИИ
Г.Б. Одишария, Г.И. Кочорадзе
Введение
Формальное представление задачи идентификации и базового алгоритма
Условия компьютерного эксперимента
Результаты исследования свойств базового алгоритма
Рис. 1
Рис. 2
Рис. 3
Рис. 5
Рис. 4
Рис. 9
Рис. 7
Рис. 10
Рис. 8
Рис. 6
Рис. 12
Рис. 13
Рис. 14
Рис. 15
Рис. 11
Рис. 16
Рис. 17
Рис. 19
Рис. 18
|
| id | nasplib_isofts_kiev_ua-123456789-13971 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1681–6048 |
| language | Russian |
| last_indexed | 2025-12-07T15:47:12Z |
| publishDate | 2005 |
| publisher | Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України |
| record_format | dspace |
| spelling | Одишария, Г.Б. Кочорадзе, Г.И. 2010-12-07T13:50:22Z 2010-12-07T13:50:22Z 2005 Некоторые результаты компьютерного исследования базового алгоритма адаптивной идентификации / Г.Б. Одишария, Г.И. Кочорадзе // Систем. дослідж. та інформ. технології. — 2005. — № 3. — С. 38-47. — Бібліогр.: 5 назв. — рос. 1681–6048 https://nasplib.isofts.kiev.ua/handle/123456789/13971 004.423 Приводятся результаты качественного (графического) анализа основных свойств работы базового алгоритма при воздействии гауссовых шумов. На основе компьютерного моделирования с использованием MatLab v.6.5 показано, что воздействие шумов усложняет динамику сходимости. При отсутствии шумов возрастает качество идентификации для реализаций с большим количеством шагов. При воздействии шумов реализации, имеющие количество шагов, меньшее или равное размерности входного вектора объекта управления, ухудшают качество идентификации, а затем с увеличением их количества многошаговые реализации базового алгоритма улучшают качество с меньшим количеством шагов. Qualitative (graphic) analysis of the common properties of Basic Algorithm, when presence of Gaussian noises has place, is given. On the basis of its computer simulation with use of computing tools of MatLab v.6.5 it is shown, that influence of noise complicates dynamics of convergence. If there is no noise, the quality identification increases for move multistage realizations. The realizations, which have the amount of computing stages, numerically less or equal to dimension of control object input vector, are making worse an identification quality. After further increasing of amount of computing stages basic algorithm multistage realizations improve an identification quality in comparison with realizations, which have less amount of computing stages. Наведено результати якісного (графічного) аналізу основних властивостей роботи базового алгоритму під впливом гаусових шумів. На основі комп’ютерного моделювання із використанням MatLab v.6.5 показано, що вплив шумів ускладнює динаміку збіжності. За відсутності шумів зростає якість ідентифікації для реалізацій з більшою кількістю кроків. Під впливом шумів реалізації, які мають кількість кроків меншу або рівну розмірності вхідного вектора об’єкту управління, погіршують якість ідентифікації, а потім із збільшенням їх кількості багатокрокові реалізації базового алгоритму покращують якість із меншою кількістю кроків. ru Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України Прогресивні інформаційні технології, високопродуктивні комп’ютерні системи Некоторые результаты компьютерного исследования базового алгоритма адаптивной идентификации Some results of computer research of basic algorithm of adaptive identification Деякі результати комп’ютерного дослідження базового алгоритму адаптивної ідентифікації Article published earlier |
| spellingShingle | Некоторые результаты компьютерного исследования базового алгоритма адаптивной идентификации Одишария, Г.Б. Кочорадзе, Г.И. Прогресивні інформаційні технології, високопродуктивні комп’ютерні системи |
| title | Некоторые результаты компьютерного исследования базового алгоритма адаптивной идентификации |
| title_alt | Some results of computer research of basic algorithm of adaptive identification Деякі результати комп’ютерного дослідження базового алгоритму адаптивної ідентифікації |
| title_full | Некоторые результаты компьютерного исследования базового алгоритма адаптивной идентификации |
| title_fullStr | Некоторые результаты компьютерного исследования базового алгоритма адаптивной идентификации |
| title_full_unstemmed | Некоторые результаты компьютерного исследования базового алгоритма адаптивной идентификации |
| title_short | Некоторые результаты компьютерного исследования базового алгоритма адаптивной идентификации |
| title_sort | некоторые результаты компьютерного исследования базового алгоритма адаптивной идентификации |
| topic | Прогресивні інформаційні технології, високопродуктивні комп’ютерні системи |
| topic_facet | Прогресивні інформаційні технології, високопродуктивні комп’ютерні системи |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/13971 |
| work_keys_str_mv | AT odišariâgb nekotoryerezulʹtatykompʹûternogoissledovaniâbazovogoalgoritmaadaptivnoiidentifikacii AT kočoradzegi nekotoryerezulʹtatykompʹûternogoissledovaniâbazovogoalgoritmaadaptivnoiidentifikacii AT odišariâgb someresultsofcomputerresearchofbasicalgorithmofadaptiveidentification AT kočoradzegi someresultsofcomputerresearchofbasicalgorithmofadaptiveidentification AT odišariâgb deâkírezulʹtatikompûternogodoslídžennâbazovogoalgoritmuadaptivnoíídentifíkacíí AT kočoradzegi deâkírezulʹtatikompûternogodoslídžennâbazovogoalgoritmuadaptivnoíídentifíkacíí |