Одночасна ідентифікація всіх параметрів хаотичної системи Лоренца

Автор(и)

  • Anton Guda
  • Andrey Zimoglyad

DOI:

https://doi.org/10.34185/1562-9945-6-125-2019-06

Ключові слова:

chaotic systems, parametric identification, non-linear dynamic system identification

Анотація

Досліджено та висвітлено недоліки адаптивно-пошукових методів, пов’язаних із проблемою багатопараметричної ідентифікації динамічної системи. Запропоновано новий підхід, заснований на методі «рухомої регресії». Новий підхід - це гібридний метод; Він поєднує в собі особливості методу "ковзаючої середньої", методу лінійної регресії та представлення диференціальної системи. Ця комбінація дозволяє одночасно визначати складні параметри динамічної системи, незважаючи на її хаотичну поведінку та помилки вимірювання. Досліджено нові можливості методу за допомогою чисельного моделювання процесу ідентифікації для хаотичної системи Лоренца.

Посилання

Multi-model methods and parameters estimation approaches on non-linear dynamic system identification / Guda A.I., Mikhalyov A.I. // Регіональний міжвузівський збірник наукових праць «Системні технології», № 2’(103) 2016 – P. 57–62.

Sprott J.C. Strange attractors: creating patterns in chaos. — MT Books; 1993. — 350 с.

Method of Lorenz systems parametric identification by the searching models ensemble objects / Guda A.I., Mikhalyov A.I. // Scientific and Technical Conference “Computer Sciences and Information Technologies” (CSIT) – 2015 – P. 73–75.

Adaptive-search system identification adjusting in application to chaotic objects / Guda A.I., Mikhalyov A.I. // Adaptive systems of automatic control. – 2013. – № 22(42). – P. 134–139. (in russian).

Guda A.I., Mikhalyov A.I. Criteria synthesis problem for the chaotic systems identification // Proceedings of the 2016 IEEE 1st International Conference on Data Stream Mining and Processing, DSMP 2016, — Lviv, Ukraine, 08.2016. — С. 125—128. — DOI: 10.1109/ DSMP.2016.7583522

Guda A.I., Mikhalyov A.I. Multi-models identification methods comparison in the non-linear dynamic system identification task // Радиоэлектроника, информатика, управление. — Запорiжжя, ЗНТУ, 2016. — № 4. — С. 112—119. — DOI: 10.15588/1607-3274-2016-4-14.

Завантаження

Опубліковано

2019-12-27