Моделирование и алгоритмизация управления активным экспериментом при идентификации параметров многомерных технических систем тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат наук Нгуен Ван Жанг
- Специальность ВАК РФ05.13.18
- Количество страниц 138
Оглавление диссертации кандидат наук Нгуен Ван Жанг
СОДЕРЖАНИЕ
Введение
1. МНОГОМЕРНАЯ ТЕХНИЧЕСКАЯ СИСТЕМА КАК ОБЪЕКТ ИССЛЕДОВАНИЯ
1.1. Постановка задачи исследования многомерных технических систем
1.2. Особенности определения исследуемых характеристик многомерных технических систем
1.3. Исследование МТС с помощью активного эксперимента
1.3.1. Задачи оптимального планирования в активном эксперименте
1.3.2. Формальное определение плана активного эксперимента
1.3.3. Проведение активного эксперимента на основе МНК - алгоритмов 24 1.4 Технология идентификации состояний МТС
1.4.1. Задачи организации исследований МТС методами регрессионного анализа
1.4.2. Определение свойств исследуемых характеристик МТС, условий
их регистрации и длительности моделирования
2. РАЗРАБОТКА МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ И АЛГОРИТМОВ ОПРЕДЕЛЕНИЯ ПАРАМЕТРОВ МНОГОМЕРНЫХ ТЕХНИЧЕСКИХ СИСТЕМ И ПЛАНИРОВАНИЯ АКТИВНОГО ЭКСПЕРИМЕНТА ПУТЕМ ПРИОРИТЕТНОГО РАНЖИРОВАНИЯ ФАКТОРОВ АКТИВНОГО ЭКСПЕРИМЕНТА
2.1. Математическая модель отбора параметров многомерных технических систем
2.2. Математическая модель для уточнения факторов важных при планировании и проведении активного эксперимента с МТС
3. АЛГОРИТМ ОПЕРАТИВНОЙ ОЦЕНКИ ПАРАМЕТРОВ МНОГОМЕРНОЙ ТЕХНИЧЕСКОЙ УПРАВЛЯЕМОЙ СИСТЕМЫ НА ОСНОВЕ МЕТОДА ИДЕАЛЬНОЙ ТОЧКИ
3.1. Оперативная идентификации характеристик исследуемых систем
3.2. Динамика неопределенности в интерактивных режимах исследования МТС
3.3. Алгоритм оптимальной идентификации состояний МТС при
проведении активного эксперимента
4. СТРУКТУРА ПРОГРАММНОЙ СИСТЕМЫ УПРАВЛЕНИЯ
АКТИВНЫМ ЭКСПЕРИМЕНТОМ
4.1 Формирование программного комплекса активного эксперимента с МТС
4.2. Программная среда для реализации алгоритма приоритетного ранжирования факторов при планировании и проведении активного эксперимента
4.3. Программная среда реализации алгоритма оперативной оценки
параметров МТС
Заключение
Литература
Приложение Акт внедрения результатов диссертационной работы
Рекомендованный список диссертаций по специальности «Математическое моделирование, численные методы и комплексы программ», 05.13.18 шифр ВАК
Активная параметрическая идентификация стохастических динамических систем на основе планирования эксперимента2013 год, кандидат наук Чубич, Владимир Михайлович
Активная идентификация дискретных ARMAX-моделей1999 год, кандидат технических наук Еланцева, Ирина Леонидовна
Математические модели и алгоритмы ускоренного статистического моделирования сложных технических систем2015 год, кандидат наук Хонг Чонг Тоан
Активная параметрическая идентификация стохастических нелинейных непрерывно-дискретных систем на основе планирования входных сигналов2014 год, кандидат наук Филиппова, Елена Владимировна
Активная параметрическая идентификация стохастических линейных дискретных систем2007 год, кандидат технических наук Черникова, Оксана Сергеевна
Введение диссертации (часть автореферата) на тему «Моделирование и алгоритмизация управления активным экспериментом при идентификации параметров многомерных технических систем»
ВВЕДЕНИЕ
Актуальность темы. Многомерные технические системы (МТС) характеризуются высокой масштабируемостью, сложностью описания составных частей, инвариантностью протекающих технологических процессов, разнообразием условий эксплуатации, высокими требованиями к эффективности и безопасности функционирования.
При исследовании таких систем возникают серьезные затруднения при процедуре определения параметров функционирования лицами, принимающими решения (ЛПР), т.к. многомерность отражает наличие комбинированных систем разного уровня.
Данная проблема подробно рассмотрена в работах таких известных ученных как Р. Калмана, JT.A. Растригина, A.B. Кондрашина, В.И. Хорькова и многих других. Однако степень исследованности данной области остается недостаточной, а предлагаемые модели трудно реализуемы на практике, т.к. определение параметров МТС на стадии активного эксперимента требует наличия априорной информации о вероятностях возникновения ситуаций, требующих однозначной идентификации, что крайне затруднительно.
Сами МТС можно декомпозировать на конечное множество исследуемых участков (агрегатов), снабжённых встроенными в них или внешними системами определения параметров. Общая координация работы таких агрегатов осуществляется через программные комплексы иерархических конфигураций, имеющими в своем составе модули планирования и проведения эксперимента и представляет в совокупности автоматизированный технологический комплекс (АТК) в котором с высокой вероятностью возникает коррелированность процессов, что затрудняет обработку полученных результатов.
Более негативно такая взаимосвязь параметров будет влиять на решение задач определения факторов влияющих на протекание случайных процессов и динамических характеристик агрегатов МТС. Поэтому, наиболее перспективным вариантом исследования подобных систем остается метод активного экс-
перимента, однако в силу перечисленных недостатков его применение при исследовании МТС требует высоких затрат, а полученные результаты необходимо дополнительно обрабатывать.
Таким образом, разработка математических моделей и алгоритмов, позволяющих обеспечить планирование и проведение активного эксперимента с участием ЛПР для повышения точности и достоверности результатов исследуемых параметров многомерных технических систем, является актуальной задачей.
Тематика диссертационной работы соответствует научным направлениям ФГБОУ ВПО «Воронежский государственный архитектурно-строительный университет» - «Фундаментальные исследования в области естественных, технических и гуманитарных наук».
Цель и задачи исследования. Целью диссертационной работы является разработка математических моделей и алгоритмов управления активным численным экспериментом, позволяющих с участием ЛПР улучшить качество определения параметров многомерных технических систем.
Для достижения цели необходимо решить следующие задачи:
• провести обзор существующих моделей и алгоритмов управления активным численным экспериментом, позволяющих с участием ЛПР;
• разработать модели для определения параметров многомерных технических систем;
• разработать модель и алгоритм приоритетного ранжирования факторов при планировании и проведении активного эксперимента;
• синтезировать алгоритм оперативной оценки параметров многомерной технической системы;
• разработать структуру программной системы управления активным экспериментом.
Методы исследования. В работе использованы методы математической теории систем, численной таксономии, экспертных систем, теории моделирова-
ния, объектно-ориентированного программирования.
Тематика работы соответствует:
- п. 4 «Реализация эффективных численных методов и алгоритмов в виде комплексов проблемно-ориентированных программ для проведения вычислительного эксперимента»,
- п. 5 «Комплексные исследования научных и технических проблем с применением современной технологии математического моделирования и вычислительного эксперимента»,
- п. 6 «Разработка новых математических методов и алгоритмов проверки адекватности математических моделей объектов на основе данных натурного эксперимента»,
паспорта специальности 05.13.18 - Математическое моделирование, численные методы и комплексы программ.
Научная новизна работы. К результатам работы, отличающимся научной новизной, относятся:
>Математическая модель определения параметров многомерных технических систем, отличающаяся улучшением непротиворечивости и достоверности при обработке результатов активного эксперимента за счет снижения объема входных данных.
>Математическая модель и алгоритм приоритетного ранжирования факторов при планировании и проведении активного эксперимента, позволяющие повысить степень адекватности результатов идентификации параметров за счет отбора наиболее значимых факторов.
> Алгоритм оперативной оценки параметров многомерной технической системы на основе метода идеальной точки, позволяющий повысить качество оценки этих параметров.
> Структура программной системы управления активным экспериментом, отличающаяся применением полунатурного моделирования и позволяющая повысить достоверность определения исследуемых в ходе активного экс-
перимента параметров системы.
Практическая значимость работы. Созданы инструменты, позволяющие разрабатывать и обосновывать процедуры управления активным экспериментом при исследовании параметров многомерных технических систем для повышения качества значимых параметров функционирования.
Использование разработанных в диссертации моделей и механизмов позволяет многократно применять разработки, тиражировать их и осуществлять их массовое внедрение с существенным сокращением средств, трудозатрат и их продолжительности.
Реализация и внедрение результатов работы. Основные теоретические и практические результаты работы реализованы в виде математического, алгоритмического и программного обеспечения процедур обеспечения надежности объектов теплоснабжения применительно к хозяйственной деятельности Воронежского государственного архитектурно-строительного университета.
Результаты включены в содержание учебных дисциплин «Управление качеством» и «Квалиметрия» Воронежского государственного архитектурно-строительного университета.
Апробация работы. Основные результаты докладывались и обсуждались
на:
- международной молодежной конференции «Математические проблемы современной теории управления системами и процессами» (Воронеж, 2012);
- научных конференциях по науке и технике 1-ШТЕСН государственного технологического университета г. Хошимин (Вьетнам, 2013-2014);
-ХИ-й Международной научно-технической конференции «Современные инструментальные системы, информационные технологии и инновации» Юго-западного государственного университета (Курск, 2015);
- научной конференции ВГАСУ (Воронеж, 2012 - 2014).
Публикации. По результатам исследования опубликовано 9 научных ра-
бот, в том числе 3 - в изданиях, рекомендованных ВАК РФ.
Объем и структура работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы и приложений. Она содержит 138 страниц основного текста, 24 рисунка, 21 таблицу и приложения.
Список библиографических источников насчитывает 136 наименований.
1. МНОГОМЕРНАЯ ТЕХНИЧЕСКАЯ СИСТЕМА КАК ОБЪЕКТ
ИССЛЕДОВАНИЯ
1.1. Постановка задачи исследования многомерных технических
систем
Современные многоуровневые управляемые технические системы представляют собой сложный комплекс неоднородной структуры и организации. При исследовании подобных систем необходимо учитывать наличие в их составе различных комплексов программ и технических средств, которые могут оказать пользу при проведении исследований их функционирования во временной динамике. Однако существуют и другие задачи, в процессе исследования которых наличие программных комплексов может оказаться нежелательным.
В связи с вышесказанным необходимо внедрение технологии активного эксперимента при исследовании подобных сложных и противоречивых систем. На рис. 1.1 показана общая структура многоуровневой управляемой технической системы, являющейся объектом исследований (ОИ).
Автоматизированный технологический комплекс (АТК) Программно - технологический комплекс
7\
V
СПЭ-1
СПЭ-К
Агрегат-1
Агрегат-1
Многоуровневая техническая управляемая система
ТУ"
тг
МТУС;-!
МГУС1-1
Смежные 2МТ"5~С
Рисунок 1.1- Общая структура многомерной технической системы
Она включает в себя агрегаты многоуровневой технической управляемой системы (МТС) и соответствующие ему системы планирования эксперимента (СПЭ) и программно-технического комплекса. Сама МТС как правило разбивается на конечное множество, снабжённых встроенными в них или внешними СПЭ. Общая координация проведения активного эксперимента агрегатов возлагается на программно-технический комплекс, имеющий доступ как непосредственно к МТС, так и к отдельным СПЭ.
Основными задачами проведения активного эксперимента над МТС могут быть следующие:
> разработка планов активного эксперимента, используемых исследователем в процессе проведения испытаний;
> определение характеристик факторов, необходимых для оперативного планирования загрузки агрегатов;
> текущая оценка моделей, связанных с процессом организации и проведения эксперимента;
> определение свойств режимных факторов и возмущений, оказывающих влияние на условия функционирования МТС;
> для определения динамических характеристик объекта исследования в процессе наладки и настройки СПЭ.
Каждый вариант постановки задачи прикладных исследований требует внимательного изучения, специфического планирования и применения соответствующего способа обработки результатов. Полномасштабные эксперименты, охватывающие весь АТК, очень сложны и проводятся в специальных, ограниченных случаях. Поэтому крайне важным считается возможность выделения объекта исследования (ОИ), как фрагмента действующей МТС, связанное с необходимостью увидеть в нём подсистему и корректно описать ее существенные связи с остальной частью анализируемых процессов.
Классическая схема постановки эксперимента при изучении сложных систем исходит из возможности выявления искомых характеристик реального
ОИ путём наблюдения за параметрами, входящими в отношение «вход - выход» (рис. 1.2).
Обработка этих наблюдений позволяет, в конечном счете, построить математическую модель ОИ, называемую обычно моделью типа «чёрный ящик». Такое название достаточно чётко определяет специфику эксперимента, не позволяющую выявить причинно-следствениые отношения технологических параметров, свойственные внутренним процессам в ОИ.
Приведённая схема естественным образом «вписывается» в задачи идентификации технологического объекта. Но она, же используется и для идентификации свойств процессов. При этом в качестве входного обычно используется фиктивный процесс, обладающий наперёд заданными свойствами.
Как мы уже рассмотрели ранее наличие программно-технических комплексов при исследовании МТС может оказаться как полезным, так и вредным по отношению к реализуемому эксперименту. В частности, наличие автоматических СПЭ при исследовании статических свойств объекта можно употребить для стабилизации факторов, влияющих на поведение интересующих нас параметров. Объект исследования при этом становится более предсказуемым и более управляемым с позиций реализуемого плана испытаний. С другой стороны, совокупное действие таких систем приводит к коррелированное™ процессов, мешающей в задачах обработки полученных на объекте данных. Более негативно такая взаимосвязь параметров будет влиять на решение задач идентифи-
кации случайных процессов и динамических характеристик объектов исследования.
Тогда под идентификацией состояний МТС будем считать задачу получения математической модели на основе данных, полученных в ходе специально организованного активного эксперимента.
1.2. Особенности определения исследуемых характеристик многомерных технических систем
Всё множество характерных для объекта исследований (ОИ) переменных Z можно разделить на два существенно различимых подмножества: 2 = К I) F. Первое из них (X) образовано входными (по отношению к ОИ) факторами и воздействиями, предопределяющими условия работы оборудования. Второе (У) включает в себя все зависимые от X параметры, отражающие текущее состояние процессов внутри объекта.
На рис. 1.3 учтено дополнительное деление X на три подмножества, а именно:
У
X 1
ч
^ ¥
Рисунок 1.3- Зависимость параметров, отражающих текущее состояние ОИ от
входных факторов
•^-множество управляемых и наблюдаемых входов; *Х2-множество наблюдаемых, но неуправляемых входов; • Х3-множество ненаблюдаемых и неуправляемых входов.
Различная физическая природа процессов, характерных для объекта, их взаимовлияние, наличие неконтролируемых и неуправляемых факторов характеризуют так называемые диффузные объекты и системы, для которых невозможно получить аналитическое описание реально протекающих процессов. В связи с этим при изучении и описании сложных диффузных объектов обычно используются экспериментально-статические методы. Многочисленность влияющих факторов, их неполные контролируемость и управляемость делают необходимыми статистические методы исследований, позволяющие выделять искомую сущность объекта на множестве наблюдений за процессами, протекающими в нём.
Наблюдения за процессами в объектах принято проводить в рамках специально организованных экспериментов, реализующих заранее подготовленный план. При этом преследуется цель получения максимума информации об объекте исследования при минимуме затрат на проведение эксперимента и обработку полученных результатов. По принципу организации эксперименты делятся на активные и пассивные.
Активный эксперимент ориентирован на возможность управления подмножеством входов в объект Хн £ лъ. В ходе эксперимента производится наблюдение как за интересующими исследователя элементами вектора £ У, так и за частью элементов вектора входов в объект Хн £ (ХД^) и Х2.
Современная теория эксперимента базируется на идеях и методах многомерной математической статистики. В большинстве случаев эксперименту предшествует анализ априорной информации о характере процессов и о свойствах объекта исследования. На основании полученных данных выдвигается гипотеза о виде математической модели процессов и ОУ. Принятый тип модели используется для разработки (или обоснования) плана эксперимента.
Классификация моделей процессов и объектов будет совмещена с описанием методов получения таких моделей. Здесь же ограничимся упоминанием о двух принципиально различных типах моделей, а именно:
• о параметрических моделях, представляемых функциями вида
Ё2(р) = ,р) - модель процесса, У = Ш^Х, Е, {р)) - модель объекта.
(1.1) (1.2)
• о непараметрических моделях, отличающихся тем, что искомые свойства процесса или объекта представляются не формулами (функциями) Р или Ш, а массивами числовых значений отклика К или У, рассчитанными на множестве значений аргумента р.
В них символ ["""] используется для обозначения прогноза, формируемого моделью, а 5 - вектор коэффициентов (числовых параметров) моделей. Вид отклика К функции Р и её аргумента р зависит от типа модели. В частности, для имитационной модели аргументом является время
(р = £-), а характеристикой (откликом) является сам процесс, т.е. К = 2.
Примерами других параметрических характеристик процессов (аргументами этих характеристик являются соответственно:
£ - сдвиг по времени между двумя сечениями случайного процесса; о) -частота (применительно к частотным характеристикам);
р - переменная, используемая в преобразовании Лапласа; г - переменная, используемая в дискретном преобразовании. Могут быть формулы для вычисления корреляционных функций процессов или их спектральных плотностей а также передаточные функции непрерывных или дискретных фильтров, позволяющих с их помощью имитировать процессы и т.п. В случае непараметрического представления моделей процессов передаточные функции фильтров не применимы.
Отличие моделей объекта от моделей процессов связано, прежде всего, с тем, что свойства объекта находятся на отношении между входом X и выходом У. В этой связи, наличие дополнительного аргумента р в функции V/ является не обязательным, если объект обладает свойством стационарности, т.е. независимости своих характеристик от времени.
Фактическому наблюдению в ходе эксперимента подлежат исследуемые параметры-процессы %(£). Их поведение должно некоторым образом регистрироваться (фиксироваться) штатной или специально смонтированной информационной системой. Практически результатами таких наблюдений можно считать массивы значений процессов {-£(£1), Z(t2),...,Z(tN')}, зафиксированных в дискретные моменты времени.
В условиях реально функционирующего объекта процессы наследуют такое большое число различных факторов и обстоятельств, которое приводит к явному стохастическому характеру их проявления, требующему применения методов и алгоритмов технологии активного эксперимента.
На рис. 1.4 показана схема, позволяющая оценить основные задачи, характерные для организации активного эксперимента, нацеленного на получение параметризованной математической модели многомерной технической системы.
Рисунок 1.4 - Общая схема активного эксперимента при идентификации
состояний МТС
Его первой и очень ответственной задачей следует считать контроль достоверности исходных данных и их первичная обработка, направленная на исключение возможных ошибок (выбросов) и на выделение информации нужного свойства (фильтрация). Дальнейшая обработка предварительно подготовленных и проверенных данных, часто отождествляемая с собственно идентификацией, включает в себя такие основные процедуры, как:
• расчёт параметров искомых моделей или массивов значений искомых характеристик;
• оценка доверительных границ к отдельным параметрам или характеристикам и оценка значения в статистическом ряде;
• оценка адекватности прогноза модели результатам эксперимента и общая оценка уровня адекватности модели.
1.3. Исследование МТС с помощью активного эксперимента 1.3.1. Задачи оптимального планирования в активном эксперименте
В регрессионном анализе активно применяется метод наименьших квадратов, что позволяет получить уравнения, характеризуемого параметра с минимальной дисперсией прогноза. Но какова природа эта дисперсии и от чего она зависит, каким образом можно управлять точностью прогноза? Эти вопросы требуют пояснения.
Качество синтезированной модели связано с остаточной суммой квадратов 5£, при этом с помощью величины vs = N — к — 1 проводится оценка числа степеней^ = N — к — 1. Тогда, выборочная дисперсия прогноза по модели равна:
Оптимальное планирование эксперимента зависит от значений оценок коэффициентов искомого уравнения регрессии, а точность вычисления коэффициентов оценивается ковариационной матрицей ^(Ё), учитывающей меру
рассеяния оценок этих коэффициентов относительно своих математических ожиданий. Значения элементов этой матрицы прямо пропорциональны величине сг|у, с помощью которой оценивается дисперсия ошибки опыта сг|у и значения элементов инвертированной матрицы Фишера. Поэтому V называют ковариационной матрицей эксперимента или матрицей ошибок.
Для уменьшения следует в первую очередь правильно обосновать состав учитываемых факторов и соответствующих им эффектов, т.к. основная часть этой дисперсии связана с неучтёнными факторами. В меньшей степени ошибка опыта зависит от точности измерительных приборов, тем не менее это тоже крайне важно.
Теперь рассмотрим способы воздействия на значения элементов инвертированной матрицы Фишера. Вспомним, что сама Р образована произведением ХТХ. Представим, что каждый элемент вектора факторов X умножен на масштабирующий множитель а. Тогда матрица Фишера будет определяться выражением:
Р = аХтХа = а2ХтХ
Инвертируя, получим:
Очевидно, что при а -» оо все элементы инвертированной матрицы а, следовательно, и матрицы ошибок V стремятся к нулю. А это автоматически решает проблему точности коэффициентов, т.к. дисперсии их оценок равны значениям соответствующих элементов, расположенных в диагоналях д матрицы V.
Следовательно, первое, что требуется сделать на стадии планирования -обеспечить максимально широкие диапазоны значений факторов в заданной области определения искомой функции регрессии. Однако, при исследовании динамических МТС этому намерению всегда будет противодействие персонала, отвечающего за режимы его функционирования. Связано оно, прежде всего, с объективным существованием технологических ограничений на диапазоны из-
менения параметров. Кроме того, оперативный персонал очень осторожен в режимах, затрагивающих «крайние» значения параметров.
Поэтому, наряду с рассмотренным способом повышения точности оценок коэффициентов, необходимо найти и второе решение, направленное на уменьшение значений элементов ковариационной матрицы оценок V. Естественно, что искать это решение надо в специфике самой матрицы плана X и связанной с ней информационной матрицы Р. Теперь рассмотрим характеристики такой матрицы.
По отношению к X это такие свойства, как:
• Симметричность, связанную с выполнением условия равенства нулю суммы вариаций значения -го фактора по всем ¿-м опытам плана:
2?=1*и = о (1.3)
• Нормированность, обеспечивающую одинаковую меру рассеяния значений всех факторов и связанную с требованием, чтобы сумма квадратов вариаций факторов была равна заданной константе, как правило, пропорциональной числу опытов N в матрице плана:
= уЫ. (1.4)
• Ортогональность столбцов матрицы, требующую, чтобы суммы произведений вариаций любых двух столбцов были равными нулю. Математически это связано с равенством нулю так называемых внутренних произведений векторов, образованных ¡-ш и 1-м столбцами матрицы:
(да) = Щч = )=0. (1 -5)
По отношению к Е это такие признаки и характеристики, как:
• Диагональность, не требующая специальных пояснений.
• След матрицы - Тг ( ^ ), под которым понимается сумма диагональных элементов матрицы (вдоль главной диагонали).
• Определитель матрицы - с1еЬ{Р).
• Собственные значения матрицы - корни характеристического уравнения матрицы Хг,Х21
Представим, что вектор имеющий размер к +1 для полученных оценок коэффициентов в уравнении регрессии, отмечен точкой в (к + 1)-мерном пространстве. Как и для любой другой случайной переменной, вокруг этой точки можно построить доверительный (fc + 1)-мерный эллипсоид рассеяния. Тогда можно связать свойства матриц с особенностями этого эллипсоида.
В случае, когда след информационной матрицы Фишера максимален, а, следовательно, у инвертированной матрицы минимален, достигается минимальная сумма квадратов длин осей эллипсоида. В этом случае параллелепипед, описанный вокруг эллипсоида рассеяния, имеет наименьшую длину главной диагонали. В теории эксперимента такой тип плана принято связывать с оптимальностью, обозначающей среднюю дисперсию.
Очень широкое распространение получили так называемые D- оптимальные планы, которые формируют эллипсоид рассеяния минимального объёма. Название связано с понятием «determinant» - определитель матрицы. Для D -оптимальности необходимо получить план с максимально большим значением определителя информационной матрицы. Ему соответствует минимальное значение определителя матрицы ошибок.
Существуют также оптимальные планы, минимизирующие наиболее длинный отрезок из полученной геометрической фигуры, размер которой определяется максимальным «eigen value» (собственным значением) ковариационной матрицы.
A, D, Е критерии обеспечивают оптимальность относительно области допустимых значений коэффициентов в уравнении регрессии. Но есть группа критериев, ориентированных непосредственно на точность прогноза по модели.
В частности, есть планы, минимизирующие «general variance», под которой понимается дисперсия оценки прогноза в самой «плохой» точке пространства состояний. Для неё эта дисперсия максимальна. Соответствующие планы принято называть G - оптимальными. Если же нужно минимизировать среднюю
дисперсию прогноза для всей области факторного пространства, то полезны так называемые -оптимальные планы.
Очень полезными выводами теории эксперимента являются доказательства того, что для замкнутой факторной области:
• В и С- оптимальные планы эквивалентны;
• План эксперимента (? -оптимален тогда и только тогда, когда он А -оптимален.
Таким образом, свойствами матрицы ошибок V можно управлять ещё на стадии планирования эксперимента за счет обоснованного выбора параметров плана, т.е. за счёт свойств матрицы плана X.
Выбор критерия оптимальности обычно остаётся за человеком, обеспечивающим постановку задачи исследования той или иной системы. Формальных правил такого выбора нет. Одни типы планов, например, обеспечивают большее удобство с вычислительной точки зрения, другие более удобны для реализации в ходе испытаний системы и т.д. У каждого типа плана есть свои достоинства и, к сожалению, недостатки.
Похожие диссертационные работы по специальности «Математическое моделирование, численные методы и комплексы программ», 05.13.18 шифр ВАК
Планирование дискриминирующего эксперимента для стохастических динамических систем2001 год, кандидат технических наук Парлюк, Артем Викторович
Активная идентификация для стохастических динамических систем, описываемых моделями в пространстве состояний1999 год, доктор технических наук Абденов, Амирза Жакенович
Активная идентификация стохастических линейных непрерывно-дискретных систем2007 год, кандидат технических наук Бобылева, Диана Игоревна
Планирование эксперимента, оценивание параметров и выбор структуры при построении моделей многофакторных объектов по неоднородным, негауссовским, зависимым наблюдениям2006 год, доктор технических наук Лисицин, Даниил Валерьевич
Улучшение наблюдаемости параметров движения автомобиля в системах активной безопасности2022 год, кандидат наук Чаплыгин Антон Владимирович
Список литературы диссертационного исследования кандидат наук Нгуен Ван Жанг, 2015 год
ЛИТЕРАТУРА
1. Адлер Ю. П., Маркова Е. Б., Грановский Ю.В., Планирование эксперимента при поиске оптимальных условий, 2 изд., М., 1976.
2. Анфилатов, B.C. Системный анализ в управлении [Текст] : учеб. пособие / B.C. Анфилатов, A.A. Емельянов, A.A. Кукушкин. - М. : Финансы и статистика, 2002..
3. Афанасьев П.П., Вититин В.Ф., Голубев С.А. Оценка качества машиностроительной продукции: учеб. пособие / под ред. И.С. Голубева. М.: Изд-воМАИ, 1995.
4. Баркалов С.А. Теория и практика имитационного моделирования при управлении / В.Е. Белоусов, С.А. Баркалов и [др.]. - Воронеж: Научная книга, 2008. - 436 с.
5. Баркалов С.А. Методы и модели оценки эффективности бизнес-процессов / В.Е. Белоусов, С.А. Баркалов и [др.]. - Нижний Новгород: Монография, 2012.- 225 с.
6. Баркалов С.А. Управление качеством / С.А. Баркалов, В.Е. Белоусов и [др.]. - Научная книга, 2009. - 372 с.
7. Берштейн JL С, Коровин С. Я., Мелихов А. И. и др. Функционально-структурное исследование ситуационно-фреймовой сети экспертной системы с нечеткой логикой//Изв. РАН. Техн. кибернетика. 1994. № 2..
8. Большаков В.А., Уздемир А.П., Шмелев В.В. Задачи планирования дискретного (штучного) производства и численные методы их решения. III. Задача минимизации среднеквадратичной относительной перегрузки мощностей // АиТ. 1976. № 1. С. 146-156.
9. Башмаков А.И. Интеллектуальные информационные технологии.
2005.
10. Белман Р. Динамическое программирование. М.: Изд-во иностр. лит., 1960.
11. Бусленко Н.П. Моделирование сложных систем. М.: Наука, 1978.
12. Бородин А.Н. Элементарный курс теории вероятностей и математической статистики. Изд-во "Лань", Санкт-Петербург, 1999.
13. Борисенко Марина Михайловна Учебное Пособие "Системный Анализ Объекта Управления И Разработка Интегрированных Систем Управления Технологическими Процессами"; Вита, Либрис - Москва, 2011. - 209 с.
14. Беляев A.A., Коротков Э.М. Системология. — М.: ИНФРА-М, 2000.
15. Бородулин, Ю. Б. Имитационные системы в проектировании и исследовании электротехнических объектов и автоматизированных комплексов / Ю. Б. Бородулин, В. И. Нуждин / Министерство высшего и среднего специального образования РСФСР, Ивановский энергетический институт им. В.И. Ленина. - Иваново, 1986. - 84 с.
16. Вентцель Е.С. Теория вероятностей: Учебник для студ. Вузов. - 9-е изд., стер / Е.С. Вентцель. // - М.: Издательский центр «Академия», 2003. - 576.
17. Васильев Ф.П. Численные методы решения экстремальных задач. -М.: Наука, 1988.
18. Воробьев С.Н. Управленческие решения: учебник для вузов/ С.Н. Воробьев, В.Б. Уткин. // - М.: ЮНИТИ-ДАНА, 2003. - 317 с.
19. Вудкок Дж. Современные информационные технологии совместной работы/Пер. с англ. - М: Издательско-торговый дом «Русская Редакция», 1999.
20. Вагнер Г. Основы исследования операций. М.: Мир, 1972. Т. 1-3.
21. Васильев Д.К., Колосова Е.В., Цветков A.B. Процедуры управления проектами // Инвестиционный эксперт. 1998. № 3. С. 9 - 10.
22. Воронов A.A. Исследование операций и управление. М.: Наука, 1970.- 128 с.
23. Воронин A.A., Мишин С.П. Оптимальные иерархические структуры. М.: ИПУ РАН, 2003.-214 с.
24. Воропаев В.И., Лгобкин С.М., Голенко-Гинзбург Д. Модели принятия решений для обобщенных альтернативных стохастических сетей // Автоматика и Телемеханика. 1999. № 10. С. 144 - 152.
25. Васильев Д. В., Сабинин 0.10. Ускоренное статистическое моделирование систем управления. JL: Энергоатомиздат, 1987.
26. Гафт М.Г. Принятие решений при многих критериях. - М.: Знание,
1979.
27. Губко М.В., Новиков Д.А. Теория игр в управлении организационными системами. М.: Синтег, 2002. — 156 с.
28. Глущенко, В.В. Исследование систем управления: социологические, экономические, прогнозные, плановые, экспериментальные исследования [Текст] / В.В. Глущенко, И.И. Глущенко. - Железнодорожный, Моск. обл. : ООО НПЦ «Крылья», 2004.
29. Глудкин О.П. Горбунов Н.М. Всеобщее управление качеством М.: Радио и связь, 1999.
30. Гермейер Ю.Б. Игры с непротивоположными интересами. М.: Наука, 1976. - 327 с.
31. Гнеденко Б.В. Курс теории вероятностей. М.: Наука, 1988.
32. Горлач, Б.А. Теория вероятностей и математическая статистика: Учебное пособие / Б.А. Горлач. - СПб.: Лань, 2013. - 320 с.
33. Гнеденко Б. В. и Хинчин А. Я., Элементарное введение в теорию вероятностей, 3 изд.,К. - Л.,2008.
34. Дубов Ю.А., Травкин С.И., Якимец В.Н. Многокритериальные модели формирования и выбора вариантов систем. - М.: Наука, 1986. - 295 с.
35. Девятков В.В. Практическое применение имитационного моделирования в России и странах СНГ: обзор, анализ перспектив, методика, 2010.
36. Dwivedi S.N., Khobotov Ye.N. Combined procedures for simulation of manufacturing systems. Robotics and Fac-toriesof the Future'90. Springer-Verlag, Berlin, Heidelberg, New York, London, Paris, Tokio, Hong Kong, Barcelona, 1990.
37. Егупов Н.Д., Пупков K.A. (Ред.) Методы классической и современной теории автоматического управления. В 5 томах. Том 2. Статистическая динамика и идентификация систем автоматического управления; МГТУ им. Н. Э.
Баумана - Москва, 2009. - 640 с.
38. Егупов Ы.Д., Пупков К.А. (Ред.) Методы классической и современной теории автоматического управления. В 5 томах. Том 3. Синтез регуляторов систем автоматического управления; МГТУ им. Н. Э. Баумана - Москва, 2012. -616 с.
39. Емельянов СВ., Калашников В.В. Исследование сложных систем с помощью моделирования // Техническая кибернетика. Т. 14. М.: Изд-во ВИНИТИ, 1981.
40. Емеличев В.А., Комлик В.И. Метод последовательности планов для решения задач дискретной оптимизации. М.: Наука, 1981
41. Ельсуков В.Н., Хоменко В.М. Имитационные динамические модели в оперативном управлении производственными процессами. - В кн.: Информация, системы, моделирование. Новосибирск: НЭТИ, 1975. вып. 1. -320 с.
42. Зуев Ю. А., Ларичев О. П., Филиппов В. А., Чцев Ю. В. Проблемы оценки предложений по проведению научных исследований.—Вестник АН СССР, 1979, № 8.
43. Загоруйко Н.Г. Прикладные методы анализа данных и знаний/ Н.Г. Загоруйко. // - Новосибирск: Изд-во ин-та математики, 1999. - 270 с.
44. Zadeh L A. A theory of approximate reasoning (AR)//Machine Intelligence. 1979. V. 9.
45. Замятина О. M. Моделирование систем: Учебное пособие. - Томск: Изд-во ТПУ, 2009. - 204 с.
46. Иванько А.Ф., Фалк Г.Б. Вопросы автоматизированного выбора технологических допусков проектируемого устройства//Известия вузов. Электромеханика. 1978. № 3.
47. Кожухар В.М. Практикум по основам научных исследований : учеб.пособие / В.М.Кожухар .—М. : АСВ, 2008 .— 112с.
48. Квалиметрическая экспертиза. Руководство по организации экспер-
тизы и выполнению квалиметрических расчетов: в 3 кн./ под ред. В.М. Магури-на и Г.Г. Азгальдова. СПб.: Изд-во Русский регистр, 2002.
49. Капустин В. Ф. Элементы статистической теории информации: Конспект лекций. Лекция 1. —СПб., 1996.
50. Карпова Т. С. Базы данных: модели, разработка, реализация /Т.С. Карпова. // - СПб.: Питер, 2002. - 304 с.
51. Катковник В. Я., Первозванский А. А. Методы поиска экстремума и задача синтеза многомерных систем управления // Адаптивные системы. М.: Сов. радио, 1972. С. 17-42.
52. Колмогоров А.Н. О представлении непрерывных функций нескольких переменных суперпозициями непрерывных функций меньшего числа переменных. - ДАН СССР, 1956, № 2.
53. Катулев А.Н., Михно В.И., Виленчик Л.С. Современный синтез критериев в задачах принятия решений. - М.: Радио и связь, 1992. - 120 е..
54. Кононенко А.Ф., Халезов А.Д., Чумаков В.В. Принятие решений в условиях неопределенности. М.: ВЦ АН СССР, 1991. - 211 с.
55. Калинина В. Н., Панкин В. Ф. Математическая статистика: Учеб. для студ. сред. спец. учеб. заведений / В. II. Калинина, В. Ф. Панкин. — 4-е изд., испр. — М.: Дрофа, 2002. — 336 с.
56. Кондрашин A.B., Хорьков В.И. Исследование и идентификации управляемых технических систем. - М: Фирма «Испо - Сервис», 2000. - 220 с.
57. Кульгин М. Технологии корпоративных сетей. Энциклопедия -Спб: Издательство «Питер», 2000-704с.
58. Ларичев О.И., Поляков O.A. Человеко-машинные процедуры принятия решений многокритериальных задач МП: (Обзор). Экономика и математические методы. - 1980. - Т.16, вып. 1. - С. 127-145.
59. Ли Э.Б., Маркус Л. Основы теории оптимального управления. М.: Наука, 1972-576 с.
60. Литвак Б.Г. Экспертная информация: методы получения и анализа.
М.: Радио и связь, 1982. - 184 с.
61. Литвак Б.Г. Экспертные оценки и принятие решений. М.: Патент, 1996.-271 с.
62. Лотоцкий В.А. Идентификация структур и параметров систем управления // Измерения. Контроль. Автоматизация. 1991. № 3-4. С.30-38.
63. Лейзерсон Ч., Ривест Р. Алгоритмы: построение и анализ. - М.: МЦНМО, 1999.
64. Мамонтов А.К. Исследование систем управления// М., Коллегия.
2007.
65. Миттанг Х.-Й., Ринге X. Статистические методы обеспечения качества. М.: Машиностроение, 1995.
66. Мошкович Е. М. Рациональная процедура опроса ЛПР для распределения многокритериальных альтернатив по классам решений.—В сб.: Проблемы и методы принятия решений в организационных системах управления. Докл. конференции. М.: ВНПИСИ, 1985.
67. Месарович М., Мако Д., Такахара И. Теория иерархических многоуровневых систем. М.: Мир, 1973. - 344 с.
68. Малышенко А. М. О характере взаимодействия управляющих входов в управляемых объектах / Научно-техн. сборник "Теория и техника автоматического управления". - Томск: КЦ ТПУ, 2001 г., с. 62-65.
69. Малышенко А. М. Приведение математических моделей сложных линейных стационарных систем к форме «вход - состояние - выход» на основе матричного способа описания их подсистем // Тезисы докладов н/п семинара "Проблемы синтеза и проектирования систем автоматического управления", Новосибирск, 13-15 июня 2001 г.
70. Мишин, В.М. Исследование систем управления [Текст]: учебник / В.М. Мишин. -М.: ЮНИТИ-ДАНА, 2007.
71. Моррис У. Наука об управлении: Байесовский подход. М.: Мир, 1971.
72. Маркова Е. В., Лисенков А. Н., Планирование эксперимента в ус-
ловиях неоднородностей, М., 1973.
73. Матэр Е.А., Первин Ю.А. Динамическая структура информационных массивов в АСУП. - В кн.: Прикладная математика и кибернетика. Наука, Москва-Горький, 1973. - 7 с.
74. Маклаков С.В. Моделирование бизнес-процессов с BPwin 4.0. — М.: ДИАЛОГ-МИФИ, 2002 - 224 с.
75. Маклаков C.B. BPwin и Erwin. CASE-средства разработки информационных систем. - М.: ДИАЛОГ-МИФИ, 2000.
76. Налимов В. В., Чернова Н. А., Статистические методы планирования экстремальных экспериментов, М., 1965.
77. Новиков Д.А., Смирнов И.М., Шохина Т.Е. Механизмы управления динамическими активными системами. М.: ИПУ РАН, 2002. - 124 с.
78. Новиков Д.А. Сетевые структуры и организационные системы. М.: ИПУ РАН, 2003.- 102.
79. Новиков Д.А., Смирнов И.М., Шохина Т.Е. Механизмы управления динамическими активными системами. М.: ИПУ РАН, 2002. - 124 с.
80. Никифоров А.Д. Управление качеством. Учебное пособие для вузов. - М.: Дрофа, 2004 - 720 с.
81. Новиков Д.А., Петраков С.Н. Курс теории активных систем. М.: СИНТЕГ, 1999.- 108 с.
82. Нгуен Ван Жанг. Модифицированный алгоритм для комплексной оценки качества образовательной деятельности [Печатный] /Баркалов С.А., Нгуен Ван Жанг / «Системы управления и информационные технологии». На-учно-техн. журнал. № 2.1 (48). Москва-Воронеж, Научная книга. 2012. - С. -118-121.
83. Нгуен Ван Жанг. Алгоритм формирования входного образа при прогнозировании показателей систем организационного управления [Печатный] / Баркалов С.А., Лещева Е.А., Нгуен Ван Жанг / Экономика и менеджмент
систем управления. Научно-практический журнал. №3(5). Научная книга. 2012. -С. 10-16.
84. Нгуен Ван Жанг. Планирование мероприятий повышения надежности для систем теплоснабжения населенных пунктов [Печатный] // «Системы управления и информационные технологии». Научно-техн. журнал. № 2,2 (48). Москва-Воронеж, Научная книга. 2012. - С. - 231-233.
85. Нгуен Ван Жанг. Алгоритм расчета временных параметров графа и прогнозирование срока завершения моделируемого процесса [Печатный] / Нгуен Ван Жанг, Нгуен Тхань Жанг / Системы управления и информационные технологии. Научно-технический журнал. №3.1(53). Москва-Воронеж. 2013. - С. -116-120.
86. Нгуен Ван Жанг. Прогнозирование состояний систем организационного управления с использованием быстрого преобразования Фурье [Печатный] / Нгуен Ван Жанг, Черников Д.Н. / Математические проблемы современной теории управления системами и процессами. Материалы Международной молодежной конференции в рамках фестиваля науки (4 сентября 2012 г.) Воронеж, Научная книга, 2012. - С. 275-279.
87. Нгуен Ван Жанг. Использование имитационных игр для исследования моделей управления производством // Научный вестник Воронежского государственного архитектурно-строительного университета. Серия «Управление строительством». - 2013. - №2(4). - С. 56-71.
88. Нгуен Ван Жанг. Метод формирования образа входного ряда для нейросети в задачах комплексного динамического прогнозирования [Печатный] /Нгуен Ван Жанг, Васмай Айхаб А. Васмай / Научный вестник Воронежского государственного архитектурно-строительного университета. Серия: Управление строительством. Выпуск №1(4), 2013. - С. - 77-84.
89. Нгуен Ван Жанг. Планирование эксперимента в задачах оптимизации и выяснения механизма явления [Текст] / В книге: Баркалова С.А., Бело-усова В.Е., Маиляна А.Л. «Теория и практика имитационного моделирования
при управлении социально-экономическими системами»// Воронеж. - ООО Научная книга. - 2011. - С. 114-124.
90. Нгуен Ван Жанг. Интегральные технико-экономические методы оценивания качества [Текст] / В книге: Баркалова С.А., Белоусова В.Е., Саниной Н.В. «Квалиметрия»// Воронеж. - ООО Научная книга. - 2013. - С. 182-198.
91. Нгуен Ван Жанг. Алгоритмы упорядочивания выборки агентов для проведения контрольных проверок [Текст] / В книге: Агафонкина Н.В., Барка-лов С.А., Белоусов В.Е. «Методы и способы сценарного управления инвестиционно - строительными комплексами регионов России »// Воронеж. - ООО Научная книга. - 2014. - С. 234-263.
92. Нгуен Ван Жанг. Сравнение вариантов эффективности и надёжности технических систем в условиях неопределённости с использованием экспертной информации [Печатный] / Курочка П.Н., Нгуен Ван Жанг, // Научный вестник Воронежского государственного архитектурно-строительного университета. Серия: Управление строительством. Выпуск №2(7), 2014. - С. - 54-63.
93. Нгуен Ван Жанг. Прогнозирование состояний технических систем на основе формирования образа входного ряда нейросети [Печатный] / Курочка П.Н., Нгуен Ван Жанг// Научный вестник Воронежского государственного архитектурно-строительного университета. Серия: Управление строительством. Выпуск №2(7), 2014. - С. - 64-72.
94. Основы управления качеством продукции. - М.: Издательство стандартов, 1996.
95. Панкратьев Е.В., Чеповский А. М., Черепанов Е. А., Чернышев С. В., "Алгоритмы и методы решения задач составления расписаний и других экстремальных задач на графах больших размерностей", Фундамент, и прикл. ма-тем., 9:1 (2003), 235-251.
96. Петров В.Н. Информационные системы СПб. Издательство: - Питер, 2002.-688с.
97. Подлипаев Л.Д. Технология внедрения и постоянное улучшение
системы менеджмента качества на предприятии. - М.: Гелиос АРВ, 2004 - 408 с.
98. Рогожин, C.B. Исследование систем управления [Текст] : учебник / C.B. Рогожин, Т.В. Рогожина. - М. : Экзамен, 2005..
99. Розанов Ю.В. Случайные процессы / Ю.В. Розанов.//- М.: НАУКА, 1971.-287 с.
100. Ротарь В.И. Теория вероятностей: Учеб. пособие для вузов.— М.: Высш. шк., 1992—368 с.
101. Сай В.М. Формирование организационных структур управления. М.: ВИНИТИ, 2002. - 437 с.
102. Соболь И.М. Метод Монте-Карло. «Наука» - М., 1985.
103. Советов У.Я., Яковлев С. А. Моделирование систем. М.: Высш. шк„
1985.
104. Сабинин О. Ю. Статистическое моделирование технических систем. С.-Пб., С.-ПбГЭТУ. 1993.
105. Смирнов Н.В., Дунин-Барковский И.В. Курс теории вероятностей и математической статистики. М., 1965.
106. Семенов, В.А. Теория вероятностей и математическая статистика: Учебное пособие / В.А. Семенов. - СПб.: Питер, 2013. - 192 с.
107. Сидняев, Н.И. Теория вероятностей и математическая статистика: Учебник для бакалавров / Н.И. Сидняев. - М.: Юрайт, ИД Юрайт, 2011. - 219 с.
108. Спирина, М.С. Теория вероятностей и математическая статистика: Учебник для студ. учреждений сред. проф. образования / М.С. Спирина, П.А. Спирин. - М.: ИЦ Академия, 2012. - 352 с.
109. Основы управления качеством продукции. - М.: Издательство стандартов, 1996.
110. Невё Ж. Математические основы теории вероятностей. М.: Мир,
1969.
111. Петров В.Н. Информационные системы СПб. Издательство: - Пи-
тер, 2002.-688с.
112. Подлипаев Л.Д. Технология внедрения и постоянное улучшение системы менеджмента качества. - М.: Гелиос АРВ, 2004 - 408 с.
113. Феллер В., Введение в теорию вероятностей и её приложение (Дискретные распределения), пер. с англ., 2 изд., т. 1-2,К.,2003.
114. Розанов Ю.В. Случайные процессы / Ю.В. Розанов.//- М.: НАУКА, 1971.-287 с.
115. Розен В.В. Цель - оптимальность - решение (математические модели принятия оптимальных решений) / В.В. Розен.//- М.: Радио и связь, 1982. -168 с.
116. Сай В.М. Формирование организационных структур управления. М.: ВИНИТИ, 2002. - 437 с.
117. Санталайнен Т. Управление по результатам. М.: Прогресс, 1988.-
320с.
118. Сакато Сиро. Практическое руководство по управлению качеством продукции (пер. с японск.) - М.: Машиностроение, 1994.
119. Система стандартов эргонометрических требований и эргонометри-ческого обеспечения. Методы обработки экспертных систем //- Постановление Государственного комитета по стандартам № 2098. - 1985.-35с.
120. Советов Б .Я. Моделирование систем: Учеб. для вузов / Б.Я. Советов.//- 3-е изд., перераб. И доп. - М.: Высш. шк.,2001. - 343 с.
121. Судоплатов C.B. Элементы дискретной математики: Учебник / C.B. Судоплатов. // - М.: ИНФРА-М, Новосибирск: Изд-во НГТУ, 2002. - 280 с.
122. Смирнов Э. А. Разработка управленческих решений: Учебник для вузов. - М.: ЮНИТИ-ДАНА, 2000.
123. Санталайнен Т. Управление по результатам. М.: Прогресс, 1988.320 с.
124. Симионова Н.Е. Управление реформированием строительных организаций. М.: Синтег, 1998. - 224 с.
125. Салимова Т.А., История управления качеством. Учебное пособие. -М.: КНОРУС, 2005 - 256 с.
126. Синенко С.А. Информационная технология проектирования организации строительного производства .- М.: НТО "Ситсемотехника и информатика" , 1992.- 258 с.
127. Смирнов В.А. Оценка надежности и маневренных качеств плана. Новосибирск, 1978.
128. Спектор М.Д. Выбор оптимальных вариантов организации технологии строительства. М.: Стройиздат, 1980. Справочник по оптимизационным задачам в АСУ /В.А.Бункин, Д.Колев и др. Д.: Машиностроение, 1984.
129. Томашевский В.М. Имитационное моделирование в среде GPSS. М.: Бестселлер, 2003.
130. Такенбаум Э. Компьютерные сети / Э. Такенбаум. // - СПб. Литер. 2002. - 848 с.
131. Уемов В.И. Системный подход и общая теория систем. - М.: Наука, 1978.-272с.
132. Цвиркун А.Д., Акинфиев В.К., Филиппов В.А. Имитационное моделирование в задачах синтеза структуры сложных систем. М.: Наука, 1985.
133. Федюкин В.К. Актуальные вопросы методологии квалиметрии// Вестник ИНЖЭКОНа. Серия «Технические науки». Выпуск 6 (19). СПб.: СПбГИЭУ, 2007. С. 155-164.
134. Федюкин В.К. Основы квалиметрии. Управление качеством продукции: учеб. пособие. М.: Филинъ, 2004.
135. Шеннон Р. Имитационное моделирование систем - искусство и наука. - М.: Мир, 1978. - 418 с.
136. Шрайбер Т.Дж. Моделирование на GPSS. М.: Машиностроение,
1980.
УТВЕРЖДАЮ
Проректор Воронежского ГАСУ по научной работе
эпических наук, профессор Шт^'ШРудаков О.Б.
|января 2015 г.
\\-> С.?»«-..
йкт
Настоящим утверждается, что результаты диссертационной работы Нгуен Ван Жанга «Моделирование и алгоритмизация управления активным экспериментом при идентификации параметров многомерных технических систем», представленной на соискание ученой степени кандидата технических наук по специальности 05.13.18-Математическое моделирование, численные методы и комплексы программ, а именно:
-математическая модель и алгоритм приоритетного ранжирования факторов при планировании и проведении активного эксперимента, позволяющие повысить степень адекватности результатов идентификации параметров за счет отбора наиболее значимых факторов;
- алгоритм оперативной оценки параметров многомерной технической системы на основе метода идеальной точки, позволяющий повысить качество оценки этих параметров;
структура программной системы управления активным экспериментом, отличающаяся применением полунатуриого моделирования и позволяющая повысить достоверность определения исследуемых в входе активного эксперимента параметров системы.
Использованы в научно-исследовательской работе «Разработка перспективной схемы теплоснабжения муниципального образования городской округ город Воронеж на перспективный период до 2008 года», а также применены при изучении дисциплин «Управление качеством» и «Квалиметрия», в магистратуре в ФГБОУ ВПО Воронежский государственный архитектурно-строительный университет»
Заведующий кафедрой управления строительством д-р техн.наук, проф.
С.А. Баркалов
Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.