Оценка - вектор
Cтраница 4
Решение задачи может достигаться двумя способами: путем обобщенного обращения прямоугольной матрицы и с помощью рекуррентного алгоритма ( см, разд. В первом случае оценка вектора неизвестных параметров может быть получена лишь после завершения процесса измерений и накопления всех данных, т.е. после завершения наблюдения за объектом. Это исключает возможность использования результата для оперативного вмешательства в режим полета, для изменения его траектории или параметров системы управления. Второй подход основан на коррекции предыдущей оценки вектора параметров путем использования очередного измерения. При такой процедуре нет необходимости в накоплении и хранении всей предыстории, а полученные текущие оценки могут быть использованы для оперативного принятия решения и коррекции в режиме реального времени. [46]
Для второй группы ЧМП задача ЛПР состоит в сравнении многокритериальных решений. Эта группа называется ЧМП оценки векторов. [47]
Выражения (5.21), (5.22) позволяют перейти от задачи определения параметров передаточной функции W ( p) по единичному входному сигналу 1 ( 0 и реакции h ( f) к задаче определения W ( p) по входному сигналу u ( i) и реакции fit) на него. По результатам этих расчетов для оценки вектора g в качестве yt, щ должны быть использованы полученная реакция звена f ( t) и цереходная характеристика u ( i) вспомогательного звена в виде таблично заданных массивов чисел соответственно. Ниже, при обсуждении проблемы повышения достоверности получаемых при решении оценок, практически важные вопросы выбора допустимых входных сигналов будут рассмотрены дополнительно. [48]
Пользуясь этим методом, можно оценить вектор параметров k no i уравнениям, представляющим собой измерения входной и выходной переменной до ( i - 1) - го момента времени. Рассмотрим способ, позволяющий улучшать оценки вектора параметров k по мере поступления новых данных. [49]
 |
Аппроксимация данных методом наименьших квадратов. [50] |
Метод наименьших квадратов может быть реализован и с применением рекуррентных алгоритмов, аналогичных рассмотренным в разд. При такой реализации будут получены последовательно улучающиеся оценки вектора g путем введения в обработку очередного элемента вектора Y и соответствующей строки матрицы F. Алгоритмы такого типа будут рассмотрены ниже ( см. разд. Они не требуют обращения матриц высокой размерности и весьма удобны при реализации и практическом использовании. [51]
В качестве примера байесовских оценок рассмотрим оценку вектора средних а многомерного нормального распределения, предполагая, что этот вектор случайный, его априорное распределение нормальное с известными параметрами а0 и М0 и что корреляционная матрица М исходного распределения также известна. [52]
 |
Структурная схема стабилизированного объекта. [53] |
Последний же оценивается с помощью наблюдающих устройств. В связи с этим реализация рассматриваемого принципа тесно связана с задачей получения приемлемой оценки вектора состояния. [54]
Страницы: 1 2 3 4