Рис. 4. Структура модифицированного алгоритма самоорганизации
и надежно прогнозировать погрешности ИНС при интенсивном ма-
неврировании ЛА. Предлагаемый алгоритм может эффективно функ-
ционировать с необходимой точностью и не требует больших вычи-
слительных ресурсов. Параметры объекта, получаемые с помощью
прогнозирующих моделей, поступают в базу данных и используют-
ся в дальнейшем в блоке синтеза цели и в динамической экспертной
системе.
По сравнению с алгоритмом, приведенным на рис. 3, алгоритм,
показанный на рис. 4, отличается блоком
ALM
, который осуществля-
ет построение прогнозирующей модели с помощью линейных трендов
Демарка. Блок ИНС предназначен для реализации переключения моде-
лей;
Y
м
trend
является линейной прогнозирующей моделью, построенной
с помощью линейных трендов Демарка, а
Y
м
nonlinear
— нелинейной по-
правкой, полученной посредством метода самоорганизации. Исполь-
зование модели, являющейся комбинацией
Y
м
trend
+
Y
м
nonlinear
, позволяет
повысить точность прогноза.
Построение модели
Y
м
trend
с помощью линейных трендов Демарка
проводится с помощью следующих двух методов.
1. Тренд, построенный по экстремальным точкам выборки, выра-
жается в виде
ˆ
z
0
k
=
k
0
k
t
k
+
d
0
k
,
(3)
где
ˆ
z
0
k
— прогнозируемое значение;
k
0
k
,
d
0
k
— параметры тренда (кру-
тизна и константа);
t
k
— время, в течение которого используется мо-
дель для получения прогнозируемого значения.
Величины
k
0
k
,
d
0
k
определяются следующим образом. Измеритель-
ная выборка разделяется на две определенные группы в зависимости
от ее длительности. Из каждой группы выбираются точки с макси-
мальными и минимальными значениями. Для получения тренда эти
две точки соединяются прямой линией в следующей последователь-
ности: при нисходящей тенденции выборки используется максималь-
ное значение, а при восходящей тенденции выборки — минимальное.
Такие точки будем называть опорными точками.
ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2010. № 3 61
