Identification of models of long lines on the basis of adaptive filters with fractional-order differences


Цитировать

Полный текст

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

Аннотация

In many applications, objects are distributed and described by equations of mathematical physics. Such objects are often described by models with lumped parameters. Therefore, improving the accuracy of the description of a distributed object on the basis of a model with lumped parameters is an urgent problem. The aim of this paper is to develop a method for adaptive identification of long-line models on the basis of equations with fractional-order differences in the presence of noise. In many applications, the spatial coordinate can be considered constant and measurements can be performed at the beginning and at the end of the line. For such cases, the object transfer function is an irrational function of variable p. It is shown that an object with an irrational transfer function can be approximated by equations with fractional-order differences. A mathematical model of a long line in the form of a finite impulse-response filter with fractional-order differences is proposed. Such a filter combines the advantages of the known infinite impulse-response and finite impulse-response filters: it has a comparatively small number of coefficients and remains stable at any limited values of the coefficients. On the basis of the recurrent least-squares method, an algorithm for adaptive identification of long-line models with fractional-order differences was developed. A computer experiment showed a high accuracy of the proposed model as compared with the known infinite impulse-response and finite impulse-response filters. In addition, the identification algorithm on the basis of the proposed model showed the higher noise immunity. The obtained results can be used in the development of adaptive-filtering algorithms for long lines (communication channels, track circuits, power lines).

Об авторах

D. Ivanov

Samara State University of Transport

Автор, ответственный за переписку.
Email: journal-elektrotechnika@mail.ru
Россия, Samara, 443100

O. Katsyuba

Samara State University of Transport

Email: journal-elektrotechnika@mail.ru
Россия, Samara, 443100

A. Dubinin

Samara State University of Transport

Email: journal-elektrotechnika@mail.ru
Россия, Samara, 443100

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Allerton Press, Inc., 2017

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».