On nonparametric modelling of multidimensional noninertial systems with delay

Рассматривается задача идентификации безынерционных объектов с запаздыванием в условиях непараметрической неопределенности, т.е. когда априорные сведения о параметрической структуре исследуемого объекта отсутствуют. Во многих приложениях возникает ситуация, когда измерение тех или иных выходных переменных осуществляется через значительные промежутки времени и могут существенно превышать постоянную времени объекта. В этой связи приходится рассматривать объект как безынерционный с запаздыванием. В сущности, для решения задач идентификации используются два основных подхода: один из них — это идентификация в «узком» смысле или параметрическая идентификация либо при недостатке априорных сведений для выбора параметрической структуры естественно применить методы локальной аппроксимации, которые в последнем случае используют в качестве априорных сведений лишь качественные свойства исследуемого объекта. В случае, если исходные данные об объекте достаточно представительны, то непараметрическая идентификация дает удовлетворительный результат, если же в пространстве входных и выходных переменных имеют места разреженности, то качество непараметрических моделей существенно снижается. Настоящая статья посвящена методике заполнения или генерации обучающих выборок на основании имеющейся текущей информации. Это позволяет существенно повысить точность непараметрических моделей при идентификации безынерционных систем с запаздыванием. Проведенные вычислительные эксперименты подтвердили, что качество непараметрических моделей безынерционных систем может быть существенно улучшено в результате «ремонта» исходной выборки. Одновременно значительно повышается точность модели на границе областей определения входных-выходных переменных процесса.