Cтраница 1
Вектор измерений определяется техническими возможностями информационно-измерительной системы, и в этом плане в первую очередь должна быть решеца задача сглаживания информации. [1]
Напомним, что здесь вектор измерений обозначен через Хв ( г), а Y ( r) определяет вектор управлений. [2]
Если параметры объекта измеряют одним датчиком, то все компоненты вектора измерений имеют одинаковую размерность. Например, когда датчиком является масс-спектрометр, все компоненты вектора измерений имеют размерность интенсивности ионного тока при соответствующих значениях массовых чисел. [3]
При этом длина вектора состояния Xk может не совпадать с длиной вектора измерений Yk. Отсюда, в частности, появляется принципиальная возможность сокращения числа средств измерений, устанавливаемых в ИС при условии оптимизированного их размещения и оптимальной обработки остающихся измерений. [4]
Как видно из приведенных таблиц, основным свойством данного класса является поле FMeas, содержащее значения вектора измерений. Обсуждаемый класс имеет ссылку на объект, реализующий динамику Л A ( TObjectDynamics), который передается классу при создании. Кроме того, в классе определены внутренние объекты SysError и AddError типа TAbstractError для последующего определения в классах-потомках. [5]
В первом случае целесообразно использовать так называемую скалярную модификацию фильтра Калмана, особенность которой состоит в том, что компоненты вектора измерений обрабатываются поочередно и тем самым удается избежать использования операции обращения матрицы. [6]
Отметим, что в соответствии с этими соотношениями новая оценка параметров есть результат линейной комбинации старой оценки и разности между вектором измерений на очередном шаге и предсказываемым к этому моменту его значением, взятой с весом, учитывающим соотношение между величинами неопределенности в достигнутой оценке параметров и неопределенности очередного измерения. [7]
Алгоритмы наведения. [8] |
В качестве вектора состояния динамической системы FDFState используется вектор ошибок БИНС, который оценивается методом динамической фильтрации в соответствии со сформированным вектором измерений и моделью ошибок БИНС. Оценка вектора состояния сопровождается соответствующей ковариационной матрицей DFCovMatrix. Процедура фильтрации содержится в методе Eval класса. В случае установки флага коррекции a / Correction после обработки измерений производится коррекция выходных данных БИНС и вектора ее ошибок путем вызова метода Initialize класса ТВ INS. Начальные условия для алгоритма комплексирования задаются вызовом метода GetlniData, который задает значения внутренним полям класса, считывая их из ini - файла проекта. [9]
Если замена поверхности (12.1) ее касательной плоскостью (12.2) практически не оказывает влияния, то вектор projM -; можно принять за вектор уравненных измерений. [10]
Вычисление парциальных апостериорных оценок вектора состояния должно производиться для совокупности гипотез, в которых значения ПП зафиксированы таким образом, чтобы при заданном значении вектора состояния х ( А 1) вектор измерений z ( A l) не зависел от ВИ. [11]
Ру-мерный вектор неизвестных параметров для / - и модели; vu - - мерный вектор управляемых переменных; еи - вектор ошибок воспроизводимости наблюдений; и - номер опыта; М - символ математического ожидания; D - дисперсионно-ковариационная матрица измерений; a2, F - скалярный множитель и положительно определенная матрица, характеризующие D yu - ( 7-мерный вектор измерений; nu ( & j) - 0-мерный вектор отклика системы. [12]
Суть метода заключается в следующем, система разбивается на множество составных элементов. Вектор измерения для 1-го элемента системы представляет собой комплекс показателей или характеристик, по которым и ведется оценка. Производится анализ множества составных элементов с целью выявления групп, описываемых i-ым вектором измерения. Затем производится кластеризация соответствующих элементов, и полученные кластеры распределяются по уровням иерархии. Под кластером понимается некоторое подмножество, объединяющее определенное количество элементов исследуемой системы в группу в зависимости от сходства ( близости) их оценок по рассматриваемым критериям. Следующим шагом является определение межкластерного расстояния с целью установления меры сходства или различия между кластерами. [13]
Суть метода заключается в следующем, система разбивается на множество составных элементов. Вектор измерения для 1-го элемента системы представляет собой комплекс показателей или характеристик, по которым и ведется оценка. Производится анализ множества составных элементов с целью выявления групп, описываемых i-ым вектором измерения. Затем производится кластеризация соответствующих элементов, и полученные кластеры распределяются по уровням иерархии. Следующим шагом является определение межкластерного расстояния с целью установления меры сходства или различия между кластерами. [14]
Как видно из приведенного описания, при создании объекта в методе Create классу передаются объекты, реализующие алгоритмы работы БИНС и многоканального ГЛОНАСС / GPS приемника. На основании результатов работы данных подсистем формируется вектор измерений FMeasVector, представляющий собой невязку определения положения и скорости ЛА с помощью БИНС и приемника соответственно. [15]