Описание

Введение

Цель исследования, описанного в статье, заключается в разработке программного обеспечения для активной параметрической идентификации стохастических линейных непрерывно-дискретных систем с использованием робастной фильтрации. Основная задача заключается в создании устойчивых к аномальным данным методов идентификации, что позволит улучшить качество математических моделей и снизить затраты на проведение экспериментов. Актуальность исследования обусловлена необходимостью применения современных научных методов в практике моделирования сложных динамических систем, что требует разработки надежных инструментов для работы с данными, содержащими выбросы.

Методология

В исследовании применяются методы робастной фильтрации, в частности, фильтр Изанлу-Фейкуриана-Джазди-Саймона, для оценки параметров стохастических систем. Программное обеспечение, разработанное в рамках системы APIS 1.1, позволяет задавать структурно-вероятностные элементы моделей и находить оценки максимального правдоподобия модельных структур. Используются методы оптимального планирования эксперимента для синтеза входных сигналов. Выбор робастных методов обусловлен необходимостью обеспечения устойчивости к аномальным данным, что делает их предпочтительными в условиях нарушения нормальности распределений.

Основные результаты

Ключевые находки исследования включают разработку расширенной версии программной системы APIS 1.1, которая позволяет осуществлять активную параметрическую идентификацию стохастических систем с учетом аномальных наблюдений. Программное обеспечение обеспечивает возможность моделирования и задания измерительных данных, а также вычисления робастных оценок параметров. Статистическая значимость результатов подтверждается использованием робастных фильтров, которые обеспечивают надежность оценок в условиях аномальных данных.

Обсуждение и интерпретация

Авторы интерпретируют результаты как значительное улучшение возможностей программной системы для идентификации параметров стохастических систем. Разработанное ПО позволяет более эффективно проводить исследования, что подтверждается его устойчивостью к аномальным данным. В сравнении с предыдущими исследованиями, система APIS 1.1 предлагает более надежные методы идентификации, что подтверждается улучшением качества оценок параметров.

Заключение

Основные выводы статьи заключаются в успешной реализации программного обеспечения для активной параметрической идентификации стохастических систем с робастной фильтрацией. Практическая значимость заключается в возможности применения системы для моделирования сложных динамических систем, что полезно для специалистов в данной области. Основные ограничения исследования связаны с необходимостью дальнейшего тестирования системы в различных условиях. Рекомендуется проведение дополнительных исследований для расширения функциональности системы и проверки ее эффективности в различных сценариях.

Ключевые слова и термины

Стохастическая система, оценивание параметров, робастная фильтрация, аномальные наблюдения.

Библиография

Льюнг Л. Идентификация систем. Теория для пользователей. М.: Наука, 1991. Walter E., Pronzato L. Identification of parametric models from experimental data. Berlin: Springer-Verlag, 1997. 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, 2016.