Тема 5. КОНТРОЛЬ ОБЪЕКТОВ АВИАЦИОННОГО ОБОРУДОВАНИЯ В УСЛОВИЯХ АПРИОРНОЙ

ДИАГНОСТИЧЕСКИХ МОДЕЛЕЙ


5.1 Виды неопределенностей диагностических моделей динамических систем (ДС)

в тех случаях, когда не все параметры, характеризующие функционирование ДС,

включаются в вектор состояния;
– параметрическая неопределенность возникает в тех случаях, когда параметры диагностической модели не соответствуют реальным процессам, протекающим в ДС;
– статистическая неопределенность возникает в тех случаях, когда законы распределений возмущений и шумов, принятые в диагностической модели, не соответствуют реальным.

диагностических моделей ОК применяют следующие подходы:
робастные;
адаптивные;
гарантирующие;

подходы, учитывающие нечеткость описания
диагностических моделей и допусков на контролируемые параметры;
комбинированные подходы.
Применительно к системам контроля на основе оценивающих фильтров реализация указанных подходов возможна с применением следующих технологий.

к малым отклонениям от априорных предположений о параметрах диагностической модели;

Адаптивные подходы предусматривают настройку параметров диагностической модели заданной структуры для обеспечения требуемой достоверности контроля.
Гарантирующие подходы ограничивают ошибки контроля в установленных пределах независимо от вида неопределенности.
Подходы, учитывающие нечеткое описание диагностических моделей, опираются на применение функций принадлежности, отражающие степень доверия к диагностическим параметрам и принимаемым решениям.
Комбинированные подходы.

условиях априорной неопределенности

качестве обобщенного параметра нормированной невязки, позволяющей учитывать отклонения диагностической модели

ДС от реально наблюдаемого процесса.




– ошибка наблюдения с дисперсией
– сигнал наблюдения контролируемого параметра в i-й момент времени ti;




– переходная матрица для вектора ошибок ОК;

переходную матрицу ;

– вектор-строка коэффициентов связи сигнала наблюдения с вектором ошибок ОК.
Наиболее правдоподобная оценка вектора ошибок ОК
определяется по экстремуму функции плотности вероятности
. Поэтому такую функцию можно рассматривать как функцию правдоподобия. По аналогии с нормальным законом распределения оптимальная оценка в общем случае может быть найдена путем минимизации натурального логарифма от функции правдоподобия
(5.1)

Решением задачи является следующий алгоритм робастного оценивания вектора состояния