Методы восстановления входных сигналов нелинейных нестационарных динамических систем

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Рассмотрена актуальная для современной метрологии и измерительной техники задача восстановления входных электрических, радиотехнических, оптических и виброакустических сигналов. Восстановление входных сигналов измерительных систем требуется при решении множества задач во многих отраслях науки и техники. В основном для восстановления входных сигналов рассматриваются модели линейных динамических систем. В связи с изменением условий эксплуатации динамических систем, когда нестационарность и нелинейность процессов становится более выраженной, требуются методы, позволяющие восстанавливать входные сигналы и при этом учитывать их нелинейность и нестационарность. Разработаны методы определения входных сигналов нелинейных нестационарных динамических систем (непрерывных и дискретных), описанных функциональным рядом Вольтерра. Методы основаны на решении нелинейного интегрального уравнения, порождённого отрезком ряда Вольтерра. При восстановлении входного сигнала предполагается, что интегральные преобразования ядер Вольтерра обладают факторизацией, основанной на теореме Бореля, что приводит к нелинейному алгебраическому уравнению. Разработаны методы восстановления входных сигналов непрерывных нелинейных динамических систем, описывамых отрезком ряда Вольтерра и их дискретными аналогами. При восстановлении входного сигнала для непрерывных систем применяется интегральное преобразование Лапласа, для дискретных систем – Z-преобразование. Приведён пример математического решения задачи восстановления дискретного одномерного сигнала. Пример иллюстрирует работоспособность и эффективность разработанных методов. Результаты исследований по восстановлению сигналов нелинейных динамических систем будут полезны специалистам, занимающимся теоретическими исследованиями и математическим моделированием в областях цифровой обработки сигналов и векторного анализа электрических цепей.

Об авторах

Л. Р. Фионова

Пензенский государственный университет

Email: lrfionova@mail.ru
ORCID iD: 0000-0001-6131-6904
SPIN-код: 5526-0214

Н. П. Кривулин

Пензенский государственный университет

Email: krivulin@bk.ru
ORCID iD: 0000-0002-1955-8472

Н. В. Мойко

Пензенский государственный университет

Email: nataliyavalentinovna@yandex.ru
SPIN-код: 1067-1221

Список литературы

  1. Грановский В. А. Динамические измерения: теория и метрологическое обеспечение – вчера и сегодня. Датчики и системы, (3(201)), 57–72 (2016). https://www.elibrary.ru/xhfkcr
  2. Сизиков В. С. Прямые и обратные задачи восстановления изображений, спектроскопии и томографии с MatLab. Учебное пособие. Лань, Санкт-Петербург (2017). https://elibrary.ru/ytyjex
  3. Кусайкин Д. В., Поршнев С. В., Сафиуллин Н. Т. Методы восстановления дискретных сигналов. Основы теории, программные инструменты, анализ точности. Лань, Санкт-Петербург (2021).
  4. Хургин Я. И., Яковлев В. П. Финитные функции в физике и технике. Книжный дом «ЛИБРОКОМ», Москва (2019).
  5. Бойков И. В., Кривулин Н. П. Аналитические и численные методы идентификации динамических систем: монография. Изд-во ПГУ, Пенза (2016).
  6. Бойков, И. В., Кривулин H. П., Абрамов С. В., Маланин В. П., Кикот В. В. Восстановление входных сигналов вихретоковых преобразователей перемещения при термоударных воздействиях. Измерительная техника, (11) 61–67 (2018). https://doi.org/10.32446/0368-1025it.2018-61-67 ; https://www.elibrary.ru/vtgtpm
  7. Щербаков М. А. Итерационный метод оптимальной нелинейной фильтрации изображений. Известия высших учебных заведений. Поволжский регион. Технические науки, (4(20)), 43–56 (2011). https://elibrary.ru/ovyzzp
  8. Бычков Ю. А., Соловьев Е. Б., Щербаков С. В. Непрерывные и дискретные нелинейные модели динамических систем. Лань, Санкт-Петербург (2018).
  9. Краснов М. Л., Киселев А. И., Макаренко Г. И. Операционное исчисление. Теория устойчивости. Задачи и примеры с подробными решениями. Ленанд, Москва (2018).
  10. Ганичева А. В. Основы теории функции комплексной переменной. Операционное исчисление. Лань, Санкт-Петербург (2023).
  11. Бойков И. В., Кривулин Н. П. Идентификация параметров нелинейных динамических систем, моделируемых полиномами Вольтерра. Сибирский журнал индустриальной математики, 21(2(74)), 17–31 (2018). https://doi.org/10.17377/SIBJIM.2018.21.202 ; https://www.elibrary.ru/xwtuhr
  12. Бойков И. В., Кривулин Н. П. Восстановление характеристик нестационарных динамических систем по трём тестовым сигналам. Измерительная техника, (3), 9–15 (2020). https://doi.org/10.32446/0368-1025it.2020-3-9-15 ; https://www.elibrary.ru/fyxhau
  13. Тихонов А. Н., Арсенин В. Я. Методы решения некорректных задач. Hаука, Москва (2022).
  14. Проскуряков И. В. Сборник задач по линейной алгебре. Лань, Санкт-Петербург (2010).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».