O budowie niektórych modeli matematycznych do obliczania gęstości rozkładu prawdopodobieństwa na podstawie danych pomiarowych

• Autorzy: Abdenov A. Z. , Sawicki A. , Abdenova G. A.
• Języki publikacji: PL

Abstrakty

PL

W pracy rozpatrzono metodykę obróbki danych pomiarowych uzyskanych z kontroli jakości produkcji. Utworzono ją na podstawie budowy gęstości rozkładu prawdopodobieństwa danych pomiarowych. Oprócz znanych metod proponuje się budowę gęstości rozkładu prawdopodobieństwa z wykorzystaniem techniki regularyzującej funkcji gładkiej i budowy modelu o parametrach kawałkami różniczkowalnych w przestrzeni stanów.

EN

Paper considers methodology of handling of measured data, obtained from production quality consale. It is created on the basis of probability resolution density structure of the measured data. Besides well-known methods, paper introduces a build of probability resolution density using technique that regularizes smooth function, and construction of a modeł with parfial differentiable parameters in the state space.

Słowa kluczowe

PL

kontrola jakości produkcji; regularyzująca funkcja gładka

EN

quality inspection of production; regularization the smooth function

• Wydawca: Wydawnictwo Politechniki Częstochowskiej
• Czasopismo: Informatyka Teoretyczna i Stosowana
• Rocznik: 2005
• Tom: R. 5, nr 8
• Strony: 75--84
• Opis fizyczny: Bibliogr. 17 poz., tab.

Twórcy

autor

Abdenov A. Z.

• Wydział Elektryczny, Politechnika Częstochowska

autor

Sawicki A.

• Wydział Elektryczny, Politechnika Częstochowska

autor

Abdenova G. A.

• Wydział Matematyki Stosowanej, Nowosybirski Państwowy Uniwersytet Techniczny

Bibliografia

• [1] Cramer H., Mathematical methods of statistics. University Press, Princeton 1946.
• [2] Storm R., Wahrscheinlichkeitsrechnung, mathematische Statistik und statistische Qualitätskonrolle. Fachbuchverlag, Leipzig 2001.
• [3] Gerasimovič A.I., Matematieskaja statistika. Vyš. škola,Minsk 1983.
• [4] Fedorov V.V., Teorija optimal’nogo èksperimenta. Izd-vo Nauka, Moskva 1971.
• [5] Nalimov V.V., Černova N.A., Statističeskie metody planirovanija èkstremal’nych èksperimentov. Izd-vo Nauka, Moskva 1965.
• [6] Gorskij V.G., Adler Ju.P., Talalaj A.M., Planirovanie promyšlennych èksperimentov (modeli dinamiki). Izd-vo Metallurgija, Moskva 1978.
• [7] Mehra R.K., Optimal Input Signals for Parameter Estimation in Dynamic Systems - Survey and New Results. IEEE Trans. Automat. Control, 1974, y.19, No. 6, p. 753-768.
• [8] Abdenov A.Ž., Trošina G.V., Odin algoritm identifikacii linejnych dinamičeskich ob”ektov, opisyvaemych s pomošč’ju modelej v prostranctve sostojanij. Sb. nauč. trudov NGTU. 1998. No 4(13). s. 46-57.
• [9] Gopinathan Senthil V., Varadan Vasundara V., Varadan Vijay K., Rayleigh-Ritz Boundary Element modeling approach for active/passive control. Proc. SPIE. 4693, 2002, p. 37-44.
• [10] Žirov M.V., Soldatov V.V., Šachovskij A.V., Aktivnaja identifikacija technologičeskich ob”ektov upravlenija s ispol’zovaniem perechodnych charakteristik. Prom ASU I kontrollery 2002, N 9, s. 21-24.
• [11] Korsun O.H., Algoritm . 2003, N 5. s. 111-121.
• [12] Zav’jalov Ju.S., Kvasov B.I., Mirošničenko V.L., Metody splajn funkcij. Izd-vo Nauka, Moskva 1980.
• [13] Aström K.J., Maximum likelihood and prediction error methods. Automatica, 1980, vol. 16. p. 55 1-574.
• [14] Kopčenova N.V., Maron I.A., Vyčislitel’naja matematika v primerach I zadačach. Izd-vo Nauka Moskva 1972.
• [15] Abdenov A.Ž., Abdenova G.A., Snisarenko A.V., Postroenie i primenenie kubičeskich splajnov dlja sglaživanija i differenciirovanija danych nabljudenij. (Metodičeskoe posobie dlja magictrantov). Izd-vo NGTU, Novosibirsk: 2004, 31 s.
• [16] Eykhoff P., System identification, parameter and state estimation. Wiley, London 1974.
• [17] Abdenov A. Ž., Snisarenko A. V., Trošina G.V., Opisanie dinamičeskich processov s pomošč’ju kusočno-differencial’noj modeli. Sb. nauč. trudov NGTU, 2002, No 1 (27), s. 3-12.