CC BY
10<Тешетневс^ие чтения. 2016
делении Стьюдента, был сделан вывод, что оптимизация числа компонент не имеет статистически значимых отличий при решении нашей задачи, следовательно, мы можем фиксировать суммарную дисперсию, сделав ее равной 0,99.
Результаты использования отдельных уровней были сравнены с результатами использования всех уровней. Основываясь на результатах работы процедуры одно-факторного дисперсионного анализа One-Way Anova и алгоритма вычисления оценки Tukey HSD [5], мы видим, что результаты не имеют статистически значимого различия между собой. Таким образом, следует исключить dialog- и window-уровни, оставив только exchange-уровень для моделирования качества взаимодействия диалогов типа «человек-человек», что уменьшит вычислительную сложность процессов.
References
1. Schmitt, A., Ultes, S. Interaction Quality: Assessing the quality of ongoing spoken dialog interaction by
experts - And how it relates to user satisfaction] // Speech Commun. 74, 12-36 (2015).
2. Human-Human Task-Oriented Conversations Corpus for Interaction Quality Modelling / Spirina A. V., Sidorov M. Yu., Sergienko R. B., Semenkin E. S., Minker W. // VestnikSibSAU 17(1) (2016).
3. Rapid Miner Available at: https://rapidminer.com/ (accessed: 05.09.2016).
4. Powers, David M. W. Evaluation: From Precision, Recall and F-Measure to ROC, Informedness, Markedness& Correlation // Journal of Machine Learning Technologies. ISSN: 2229-3981 & ISSN: 2229-399X, Vol. 2, Issue 1, 2011, pp. 37-63.
5. Hoaglin D. C., Mosteller F., Tukey J. W. Understanding Robust and Exploratory Data Analysis // ISBN: 978-0-471-38491-5 2000. 472 p.
© Карасева Т. С., Полонская Я. С., Скород А. В., Спирина А. В., 2016
УДК 681.5.015
МЕТОДОЛОГИЧЕСКИЙ ПОДХОД ИДЕНТИФИКАЦИИ ФУНКЦИИ ОБЪЕКТА СИСТЕМЫ АВТОМАТИЧЕСКОГО РЕГУЛИРОВАНИЯ НЕПРЕРЫВНОГО ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА
И. В. Ковалев, П. В. Зеленков, В. В. Лосев, Д. И. Ковалев, А. В. Перанцева
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31
E-mail: basilos@mail.com
Рассмотрен один из подходов к реализации задачи функциональной аппроксимации нелинейных характеристик объекта системы автоматического регулирования, основанный на идентификации функции объекта, анализе входных и выходных характеристик исследуемого объекта и численных характеристик полученных случайных величин.
Ключевые слова: аппроксимация, математическое ожидание, объект, случайная величина, функция.
METHODOLOGICAL APPROACH TO IDENTIFY THE FUNCTION OF THE OBJECT FOR AUTOMATIC REGULATION SYSTEM OF THE CONTINUOUS TECHNOLOGICAL PROCESSES
I. V. Kovalev, P. V. Zelenkov, V. V. Losev, D. I. Kovalev, A. V. Perantceva
Reshetnev Siberian State Aerospace University 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation E-mail: basilos@mail.com
The article describes an approach to the implementation of the functional approximation problem of nonlinear characteristics of the object of automatic regulation system based on the identification of the object function, the analysis of input and output characteristics of the object, and numerical characteristics of random values.
Keywords: approximation, expected value, object, random values, function.
Задача получения экспериментальной статической характеристики объекта системы автоматического регулирования в условиях непрерывного технологического процесса сложных динамических систем, режимы работы которых сопряжены с постоянным из-
менением регулируемых параметров, является фактически недостижимой. Однако задача повышения качества регулирования требует построения динамической модели, способной представить вполне достоверно технологический объект управления [1]. Апри-
Математические методы моделирования, управления и анализа данных.
орная информация, в рассматриваемом случае входные и выходные нелинейные характеристики объекта, позволяет ускорить процесс идентификации объекта, точнее, получение его абстракции, выраженной передаточной функцией, с высокой степенью достоверности (см. рисунок). Проанализируем исходную (априорную) информацию для объекта, выполняющего функцию поверхностного теплообмена.
Исходная информация представлена как входной характеристикой объекта - изменение температуры теплового агента питающего контура (С°) по времени, так и выходной характеристикой - изменение температуры теплового агента отводящего контура (С) по времени. Анализ рядов данных основан на чередовании передаточных функций с переменным количеством полюсов и последующим отысканием оптимальных значений коэффициентов преобразования Кр и постоянной времени Тр1 методом Гаусса-Ньютона, итерационным численным методом нахождения решения задачи наименьших квадратов, при которых апостериорная выходная характеристика максимально будет приближена к априорной выходной характеристике посредством метода функциональной аппроксимации [2; 3].
Не принимая во внимание конструктивные особенности объекта, проведем исследование участков временных рядов (И = 3, 10, 20, 40) с переменным количеством точек опроса путем разделения и последующего анализа исходных временных рядов полной продолжительности. Данный подход также позволит проанализировать численные характеристики полученных случайных величин при условии достаточного количества участков временных рядов [4].
По итогу исследования получен ряд результатов, которые позволяют наблюдать проявление следую-
щей закономерности: в задаче аппроксимации участков кривых превалирует вес передаточной функции с большим количеством полюсов, и по мере увеличения количества участков (И = 3, 10, 20, 40) степень достоверности кривых возрастает. При этом характер данной закономерности в рамках настоящего исследования не определен, однако полученные характеристики могут быть представлены в следующей функциональной зависимости:
MN (f) = £ F • P
j=i
(i)
Выражение (1) есть математическое ожидание степени достоверности Е в решении задачи аппроксимации участков N посредством передаточных функций с различным количеством полюсов I и условными вероятностями Р.
Единичным результатом в ходе анализа временных рядов является передаточная функция (2) с количеством полюсов I = 3, степенью достоверности Е = 94,65 % и математическим ожиданием МИЕ) = 75,76 %:
G (s ) =
133,45
(1+5045,3*s)(1+2789,3*s)(1+1,7955 • e • 7*s)
•(2)
Итоговым результатом данного подхода является величина математического ожидания степени достоверности - МИЕ), физический смысл которой, в рамках настоящего исследования, может быть интерпретирован в виде показателя проявления статической характеристики из временного ряда полной продолжительности, выраженной в процентном отношении, в решении задачи аппроксимации кривых чередованием четырех передаточных функций при переменном N.
о 80
Input and output signals
10 12 14 16 x Ю4
Time
10 12 14 16 x 104
Нелинейные характеристики объекта: а - выходная; б - входная
Решетневс^ие чтения. 2016
Библиографические ссылки
1. The efficiency analysis of the automated plants / I. V. Kovalev, P. V. Zelenkov, S. Ognerubov, K. Bahma-reva, E. Denisova // IOP Conf. Series: Materials Science and Engineering 2015. Vol. 70. P. 012007.
2. Information processing using intelligent algorithms by solving WCCI 2010 tasks / И. В. Ковалев, Е. А. Эн-гель // Вестник СибГАУ. Вып. 3(36), Красноярск, 2011. С. 4-8.
3. Модели и методы сбора и обработки информации / Н. А. Распопин, М. В. Карасева, П. В. Зеленков, Е. В. Каюков, И. В. Ковалев / Вестник СибГАУ. Вып. 2(42). Красноярск, 2012. С. 69-72.
4. To the question about the states of workability for automatic control systems with complicated structure / P. A. Kuznetsov, I. V. Kovalev, V. V. Losev, A. O. Kalinin, A. V. Murygin // IOP Conf. Series: Materials Science and Engineering. 2016. Vol. 122.
References
1. Kovalev I. V., Zelenkov P. V., Ognerubov S., Bahmareva K., Denisova E. 2015. The efficiency analysis of the automated plants IOP Conf. Series: Materials Science and Engineering vol. 70, pp. 012007.
2. Engel E. A., Kovalev I. V. 2011. Information processing using intelligent algorithms by solving WCCI 2010 tasks // Vestnik SibGAU vol. 3, no. 36, pp. 4-8.
3. Raspopin N. A., Karaseva M. V., Zelenkov P. V., Kayukov E. V., Kovalev I. V. 2012. Models and methods of optimization of information acquisition and processing Vestnik SibGAU. vol. 2, no. 42, pp. 69-72.
4. Kuznetsov P. A., Kovalev I. V., Losev V. V., Kalinin A. O., Murygin A. V. 2016. To the question about the states of workability for automatic control systems with complicated structure IOP Conf. Series: Materials Science and Engineering. Vol. 122.
© Ковалев И. В., Зеленков П. В., Лосев В. В., Ковалев Д. И., Перанцева А. В., 2016
УДК 62-503.57
ИДЕНТИФИКАЦИЯ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ ПРОИЗВОДСТВЕННОГО ЦИКЛА
В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ
А. А. Корнеева1, А. В. Раскина1, А. В. Раскин2
Сибирский федеральный университет Российская Федерация, 660041, г. Красноярск, просп. Свободный, 79 2Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31
E-mail: stasy144@yandex.ru
Приведены модели для группы безынерционных объектов с запаздыванием в условиях недостатка априорной информации. Подобного рода технологические цепочки имеют место при изготовлении изделий электронной техники в аэрокосмической отрасли.
Ключевые слова: идентификация, непараметрическое прогнозирование, дискретно-непрерывный процесс, безынерционные объекты с запаздыванием.
ON IDENTIFICATION OF SEQUENCE OF TECHNOLOGICAL OBJECTS UNDER UNCERTAINTY
A. A. Korneeva1, А. B. Raskina1, A. V. Raskin2
1Siberian Federal University 79, Svobodny Av., Krasnoyarsk, 660041, Russian Federation
2Reshetnev Siberian State Aerospace University 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation
E-mail: stasy144@yandex.ru
The paper presents the non-parametric model for a group of freewheeling objects with a lack of a priory information. Such technological chains occur in the manufacture of electronic products in the aerospace industry.
Keywords: identification, nonparametric prediction, discrete-continuous process, heaters objects with delay.
