НАУЧНЫЙ ВЕСТНИК


НОВОСИБИРСКОГО ГОСУДАРСТВЕННОГО ТЕХНИЧЕСКОГО УНИВЕРСИТЕТА

ISSN (печатн.): 1814-1196          ISSN (онлайн): 2658-3275
English | Русский

Последний выпуск
№3(72) Июль - Сентябрь 2018

Робастные методыповышения достоверности измерительной информации и их применение в ИИС массового прочностного эксперимента

Выпуск № 2 (63) Апрель - Июнь 2016
Авторы:

Ю.М.КАТРУК,
А.Н.СЕРЬЁЗНОВ,
В.А.ТРУШИН
DOI: http://dx.doi.org/10.17212/1814-1196-2016-2-90-98
Аннотация
В статье рассмотрены некоторые робастные оценки параметров сдвига и масштаба, применение которых позволило резко уменьшить погрешность измерения для трех различных информационно-измерительных систем (ИИС). Из большого множества робастных оценок были выбраны L-оценки, точнее, их частные случаи: α-усеченное среднее, выборочная медиана, «сгиб», межквартильное расстояние и медианное отклонение. Такой выбор обусловлен прежде всего требованиями к массовому прочностному эксперименту: быстродействию (из-за большого числа каналов), отбраковке многочисленных импульсных помех и высокой эффективности (т. е. малой дисперсией самой оценки). В качестве примеров ИИС рассмотрены 2000-канальная тензоизмерительная ИИС К-742М, специализированная ультразвуковая система измерения перемещений УЗСИП, быстродействующая 100-канальная мультиплицированная термоизмерительная система МТИС. Специфика натурных прочностных исследований иллюстрируются, в частности, приведенными кривыми коэффициентов автокорреляции для тензометрии М-диаграммой распределения результатов измерения общих перемещений. Показано, что применение робастных процедур оценивания позволило существенно уменьшить  погрешность измерения у всех трех ИИС: для многоточечной тензоизмерительной системы с 50–100 % до 2–5 % (наилучшей оказалась оценка типа «сгиб»), для многоканальной ультразвуковой системы измерения общих перемещений (на верхнем пределе измерения 5 м) – с 50 мм до 0,5 мм (α-усеченное среднее), для мультиплицированной термоизмерительной системы – с 150 % до 2 % (выборочная медиана).Таким образом, особенности массового натурного прочностного эксперимента обусловливают необходимость выбора наилучшей оценивающей процедуры для каждого конкретного случая.
Ключевые слова: робастные методы оценивания, М-оценки, R-оценки, L-оценки и др., массовый прочностной эксперимент, тензометрия, термометрия, измерение общих перемещений, помехи общего вида

Список литературы
1. Ершов А.А. Стабильные методы оценки параметров (обзор) // Автоматика и телемеханика. – 1978. – № 8. – С. 66–100. 2. Кассам С.А., Пур Г.В. Робастные методы обработки сигналов: обзор // ТИИЭР. – 1985. – Т. 73, № 3. – С. 54–110. 3. Стогов Г.В., Макшанов А.В., Мусаев А.А. Устойчивые методы обработки результатов измерений: обзор // Зарубежная радиоэлектроника. – 1982. – № 9. – С. 3–47. 4. Тейлор Дж. Введение в теорию ошибок / пер. с англ. Л.Г. Деденко. – М.: Мир, 1985. – 272 с. 5. Хьюбер П.Дж. Робастность в статистике. – М.: Мир, 1983. 6. Цыпкин Я.З., Поляк Б.Т. Огрубленный метод максимального правдоподобия // Динамика систем: межвузовский сборник. – Горький, 1977. – № 12. – С. 22–40. 7. Введение в теорию порядковых статистик / под ред. А.Е. Сархана и Б.Г. Гринберга; пер. с англ. под ред. А.Я. Боярского. – М.: Статистика, 1970. – 414 с. 8. Дэйвид Г. Порядковые статистики / пер. с англ. В.А. Егорова, В.Б. Невзорова; под ред. В.В. Петрова. – М.: Наука, 1979. – 336 с. 9. Боярский Э.А. Порядковые статистики. – М.: Статистика, 1972. – 119 с. 10. Tukey J.W. The future of data analysis // The Annals of Mathematical Statistics. – 1962. – Vol. 33. – P. 1–67. 11. Джонсон Н., Лион Ф. Статистика и планирование эксперимента в технике и науке: методы обработки данных: пер. с англ. / под ред. Э.К. Лецкого. – М.: Мир, 1980. – 610 с. 12. Martin R.D., Masreliez C.J. Robust estimation via stochastic approximation // IEEE Transactions on Information Theory. – 1975. – Vol. IT-21. – P. 263–271. 13. Быстрые алгоритмы в цифровой обработке изображений: преобразования имедианные фильтры / под ред. Т.С. Хуанга; пер. с англ. под ред. Л.П. Ярославского. – М.: Радио и связь, 1984. – 224 с. 14. Новицкий П.В., Зограф И.А. Оценки погрешности результатов измерений. – Л.: Энергоатомиздат, 1985. – 248 с. 15. Тьюки Дж. Анализ результатов наблюдений: разведочный анализ. – М.: Мир, 1981. – 693 с. 16. Quenouille M.N. Notes on bias in estimation // Biometrika. – 1956. – Vol. 43. – P. 353–360. 17. Miller R.G. A trustworthy jackknife // The Annals of Mathematical Statistics. – 1964. – Vol. 35. – P. 1594–1605. 18. Miller R.G. Jacknifing variances // The Annals of Mathematical Statistics. – 1968. – Vol. 39. – P. 567–582. 19. Кобзарь А.И. Прикладная математическая статистика. – М.: Физматгиз, 2006. – 816 с. 20. Крянев А.В., Лукин Г.В., Удумян Д.К. Метрический анализ и обработка данных. – М.: Физматлит, 2012. – 312 с. 21. Хиценко В.Е. Робастные методы оценивания. – Новосибирск: Изд-во НГТУ, 2008. – 50 с. 22. Адов В.Т. Многоканальная ультразвуковая система измерения перемещений // Проблемы автоматизации в прочностном эксперименте. – М.: Волна, 1986. – С. 98–100. 23. Применение мультиплицированных ИС для сбора и ассоциативной обработки информации при теплопрочностных испытаниях / А.В. Апыхтин, В.А. Трушин и др. // Проблемы автоматизации в прочностном эксперименте. – М.: Волна, 1984. – С. 42–47.  
Просмотров: 937