Д.С. Андрашитов1, А.А. Костоглотов2, С.В. Лазаренко3, А.М. Шуплецов4

1 Военная академия РВСН им. Петра Великого (г. Балашиха, Моск. обл., Россия)

2,3 Донской государственный технический университет (г. Ростов-на-Дону, Россия)

4 Ростовский государственный университет путей сообщения (г. Ростов-на-Дону, Россия)

1dima-andrahitov@rambler.ru, 2kostoglotov@icloud.com, 3lazarenkosv@icloud.com, 3shupletsov83@mail.ru

Постановка проблемы. Существует противоречие между точностью и вычислительной сложностью алгоритмов параметрической идентификации MEMS-акселерометра в процессе его калибровки. Данная работа направлена на решение этой проблемы.

Цель. Синтезировать новый алгоритм идентификации параметров датчиков, имеющий высокие значения скорости сходимости и точности оценки параметров MEMS-акселерометра.

Результаты. Синтезирован новый алгоритм идентификации параметров датчиков, математические модели которых могут быть представлены уравнениями Лагранжа второго рода. Получена отличная от ранее известного алгоритма структура, в которой уравнения функции чувствительности заменены их приближенными решениями, полученными при допущении о неизменности идентифицируемого параметра во время функционирования процедуры оценки. Показано, что такой прием позволяет сократить вычислительные затраты.

Практическая значимость. Математическое моделирование показало, что полученные оценки постоянной времени MEMS-акселерометра в среднем проигрывают в точности 0,03% при практически одинаковом временили сходимости к действительному значению параметра в выбранном масштабе времени. Сравнение проводилось с алгоритмом вариационной идентификации.

Андрашитов Д.С., Костоглотов А.А., Лазаренко С.В., Шуплецов А.М. Параметрическая идентификация модели MEMS-акселерометра с использованием численного решения уравнения чувствительности // Информационно-измерительные и управляющие системы. 2024. Т. 22. № 1. С. 24−32. DOI: https://doi.org/10.18127/j20700814-202401-04

1. Костоглотов А.А., Лазаренко С.В., Андрашитов Д.С. Регуляризированный алгоритм многопараметрической вариационной идентификации динамических систем // Сервис в России и за рубежом. № 8(27). http://www.rguts.ru/electronic_journal/number27/contents).
2. Кику А.Г., Костюк В.И. и др. Адаптивные системы идентификации. Киев: Техника. 1975. 288 c.
3. Гропп Д. Методы идентификации систем. М.: Мир. 1975. 302 с.
4. Справочник по теории автоматического управления / Под ред. А.А. Красовского. М.: Наука. 1987. 712 с.
5. Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач. М.: Наука. 1986. 288 с.
6. Сейдж Э.П., Мелс Д.Л. Идентификация систем управления. М.: Наука. 1974. 246 c.
7. Kostoglotov A.A., Deryabkin I.V., Andrashitov D.S., Lazarenko S.V., Pugachev I.V. Synthesis of algorithms for estimation of parameters and state of dynamic systems using additional invariants // Proceedings of 2016 IEEE East-West Design and Test Symposium. EWDTS. 2016. P. 7807637.
8. Костоглотов А.А., Кузнецов А.А., Лазаренко С.В., Андрашитов Д.С. Анализ эффективности инновационных решений на базе объединенного принципа максимума в задачах обработки информации и управления // Инноватика и экспертиза: научные труды. 2015. № 2 (15). С. 38−51.
9. Андрашитов Д.С., Дерябкин И.В., Костоглотов А.А., Лазаренко С.В. Анализ функционирования алгоритмов параметрической идентификации информационно-управляющих систем, удовлетворяющих принципу Гамильтона-Остроградского // Динамика сложных систем - XXI век. 2014. Т. 8. № 2. С. 90−95.
10. Павлов Д.В., Лукин К.Г., Петров М.Н. Разработка математической модели MEMS-акселерометра // Вестник Новгородского государственного университета. № 8(91). 2015. С. 22−25.