Модели систем квазипериодических процессов на основе цилиндрических и круговых изображений

Автор: Крашенинников В.Р., Кувайскова Ю.Е., Маленова О.Е., Субботин А.Ю.

Журнал: Известия Самарского научного центра Российской академии наук @izvestiya-ssc

Рубрика: Информатика, вычислительная техника и управление

Статья в выпуске: 1 т.23, 2021 года.

Бесплатный доступ

Поведение объектов во многих практических ситуациях имеет квазипериодический характер - наличие заметной периодичности со случайными вариациями квазипериодов. Например, шум и вибрация авиационного двигателя, гидроагрегата, сезонные и суточные колебания температуры атмосферы и т.д. При этом у объекта может быть несколько параметров, поэтому объект описывается системой нескольких временных рядов, то есть нескольких случайных процессов. Возникающие задачи мониторинга (оценивания состояния объекта и его прогноз) требуют задания модели такой системы процессов и ее идентификации для конкретного объекта по результатам его наблюдений. В данной работе для представления квазипериодического процесса применяется авторегрессионная модель в виде разверток нескольких цилиндрических или круговых изображений по спирали. Сначала моделируются «стандартные» независимые между собой процессы с нулевым средним и единичной дисперсией и заданными корреляциями внутри периодов и между ними. Заданные дисперсии и корреляции процессов системы достигаются соответствующим линейным преобразованием системы стандартных процессов. Выбирая значения небольшого количества параметров этой модели, можно описывать и имитировать широкий класс систем квазипериодических процессов с учетом корреляций внутри квазипериодов, между ними и между процессами системы. Рассматривается задача идентификации модели, то есть определения значений ее параметров, при которых она в определенном смысле наилучшим образом соответствует реально наблюдаемому процессу. Эта задача решается с помощью псевдоградиентной адаптивной процедуры, которая осуществляет рекуррентную настройку параметров модели в порядке поступления наблюдений реального процесса. Эта процедура сходится к точным значениям параметров в случае однородных временных рядов, а в случае неоднородных оценивает изменяющиеся со временем параметры. Преимуществом этой процедуры является возможность функционирования в реальном времени с небольшими вычислительными затратами. Приведены примеры имитации систем временных рядов.

Еще

Система квазипериодических случайных процессов, модель, авторегрессия, цилиндрическое изображение, идентификация модели

Короткий адрес: https://sciup.org/148314255

IDR: 148314255   |   DOI: 10.37313/1990-5378-2021-23-1-103-110

Список литературы Модели систем квазипериодических процессов на основе цилиндрических и круговых изображений

  • Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. М. : Мир, 1974. 242 с.
  • Андерсон Т. Статистический анализ временных рядов. М.: Мир, 1976. 756 с.
  • Хеннан Э. Многомерные временные ряды. М.: Мир, 1974. 576 с.
  • Пугачёв В. С., Синицын И.Н. Теория стохастических систем. М.: Логос, 2000. 1000 с.
  • Кляцкин В.И. Стохастические уравнения. В двух томах. М.: Физматлит, 2008. 320 и 344 с.
  • Клячкин В.Н., Кувайскова Ю.Е., Алёшина А.А. Моделирование вибраций гидроагрегата на основе адаптивных динамических регрессий // Автоматизация. Современные технологии. 2014. № 1. С. 30-34.
  • Крашенинников В.Р., Кувайскова Ю.Е. Прогнозирование динамики объекта с использованием авторегрессионных моделей на цилиндре // Радиотехника. 2016. №9. С. 36-39.
  • Krasheninnikov V.R., Kalinov D.V., Pankratov Yu.G. Spiral Autoregressive Model of a Ouasiperiodic Signal // Pattern Recognition and Image Analysis. Vol. 11. No. 1. 2001. - P. 211-213.
  • Krasheninnikov V.R., Vasil'ev K.K. Multidimensional Image models and processing // Intelligent Systems Reference Library. 2017. Vol. 135. P. 11-64.
  • Хабиби А. Двумерная байесовская оценка изображений // ТИИЭР. 1972. Т. 60. №7. С. 153-159.
  • Гантмахер Ф.Р. Теория матриц. М.: Наука, 1966. 576 с.
  • Крашенинников В.Р. Идентификация цилиндрической модели квазипериодического процесса // Известия Самарского научного центра РАН. 2018. Т. 4(3). С. 483-486.
  • Поляк Б.Т., Цыпкин Я.З. Псевдоградиентные алгоритмы адаптации и обучения // Автоматика и телемеханика. 1973. № 3. С. 45-68.
  • Серебренников М.Г., Первозванский А.А. Выявление скрытых периодичностей. М.: Наука, 1965. 244 с.
Еще
Статья научная