Оптимальный оператор

Cтраница 2

Во всех этих случаях линейные методы неприменимы, и построение оптимальных операторов управления требует применения методов, свободных от ограничений, перечисленных в начале настоящего параграфа. [16]

В работе [329] показано, что рассматриваемое условное математическое ожидание определяет оптимальный оператор по критерию минимума средней квадратичной ошибки ( см. (15.7)) в классе всех возможных операторов. [17]

Если требования к обнаружению и измерению выражены квадратичной функцией потерь, то оптимальный оператор производит оценки положения сигналов на основе апостериорной интенсивности потока. Поиск оценок может быть осуществлен рекуррентными процедурами, основанными на динамическом программировании или анализе линейных целочисленных неравенств. Только при разрешенных сигналах и низких требованиях к точности процедура обнаружения близка к классической пороговой. [18]

Очевидно, что такой подход более реалистичен по сравнению с задачей определения оптимального оператора при произвольной структуре, рассмотренной в параграфе 4 гл. [19]

Другое обстоятельство, снижающее преимущества централизованного управления, состоит в сложности расчета оптимального оператора управления. Если система состоит из п звеньев, то передаточные матрицы линейной системы, элементами которых являются передаточные функции, имеют размерность п х п; аналитические методы оптимизации таких систем предусматривают параметрическое решение систем регулярных уравнений, содержащих 2п неопределенных параметров. [20]

Возможны следующие два основных пути синтеза квазиоптимальных систем: упрощение предварительно найденного строго оптимального оператора управляющего устройства и синтез оптимального оператора для предварительно упрощенного объекта. [21]

Блок-схема оптимального оператора объекта управления. Kta - оператор с конечной памятью fn. К03 - оператор с бесконечной памятью. [22]

Этот факт лежит в основе решения трех основных задач настоящего раздела: задачи синтеза оптимального оператора объекта управления, задачи оценки переменных состояния объекта и задачи его идентификации. [23]

Чем меньше апостериорная неопределенность относительно посланного сообщения, тем меньше влияет априорное распределение на вид оптимального оператора, и в пределе ( при отсутствии помех) знание его становится совсем ненужным Условием получения приближенного оптимального решения является, таким образом, медленность изменения априорного распределения по сравнению с функцией правдоподобия, которая в данном случае в основном и определяет вид апостериорного распределения. [24]

Неравенства также показывают, что задача построения системы управления существенно зависит от широты класса, в котором ищется оптимальный оператор, и становится более сложной при расширении класса. [25]

В пособии освещаются также методы оценки нестационарных случайных процессов с помощью стандартных аппаратных и программных средств при использовании соответствующих оптимальных операторов сглаживания. Из широкого класса нестационарных случайных процессов выделены наиболее часто встречающиеся аддитивные, мультипликативные и квазистационарные. На основании анализа различных операторов сглаживания выбран оператор экспоненциального сглаживания, как технически наиболее просто реализуемый в задачах статистического анализа случайных процессов. Показано, что применение этих методов позволяет многократно улучшать оценки вероятностных характеристик исследуемых случайных процессов. [26]

Покажем, что в случае линейных объектов задание функции штрафа - в виде среднего квадрата ошибки приводит к оптимальному оператору Ф ( в классе неслучайных операторов) в виде линейного интегрального оператора, ядром которого является весовая функция объекта. [27]

Во многих задачах теории оптимальных систем класс операторов, на котором находится решение задачи аналитического синтеза, настолько широк, что физическая реализация оптимального оператора, определенного в этом классе, представляет серьезные трудности или вообще является невозможной. Поэтому представляется целесообразным изменить постановку задачи аналитического синтеза. Пусть нам задан некоторый допустимый уровень качества р системы управления. Естественной является следующая постановка задачи аналитического синтеза. Среди всех операторов, обладающих допустимым уровнем качества, определить оператор, физическая реализация которого имеет минимальную сложность. Учитывая данное нами определение сложности, сформулируем принцип оптимальности оператора системы управления, который мы назовем принципом минимальной сложности. [29]

Если Л4 - матрицы, элементы которых a) s - постоянные числа, то функционал / иревращается в функцию конечного числа переменных: J / ( ffijg), и задача отыскания оптимального оператора становится задачей отыскания экстремума функции конечного числа переменных. Если элементы матрицы Ai - функции времени, то мы приходим к некоторой задаче оптимального управления. [30]

Страницы: 1 2 3 4