RU2818032C1 - Способ и устройство последовательного анализа случайных сигналов - Google Patents
Способ и устройство последовательного анализа случайных сигналов Download PDFInfo
- Publication number
- RU2818032C1 RU2818032C1 RU2024104193A RU2024104193A RU2818032C1 RU 2818032 C1 RU2818032 C1 RU 2818032C1 RU 2024104193 A RU2024104193 A RU 2024104193A RU 2024104193 A RU2024104193 A RU 2024104193A RU 2818032 C1 RU2818032 C1 RU 2818032C1
- Authority
- RU
- Russia
- Prior art keywords
- input
- block
- output
- random
- analysis
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 10
- 238000012882 sequential analysis Methods 0.000 title claims abstract description 9
- 238000009826 distribution Methods 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 230000007423 decrease Effects 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 abstract description 2
- 239000000126 substance Substances 0.000 abstract 1
- 230000009466 transformation Effects 0.000 description 6
- 238000005315 distribution function Methods 0.000 description 4
- 238000009827 uniform distribution Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000008080 stochastic effect Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Abstract
Изобретение относится к автоматике и вычислительной технике и может быть использовано при обработке результатов наблюдений и измерений различных характеристик для текущего анализа принадлежности поступающих случайных сигналов заданной генеральной совокупности. Технический результат заключается в обеспечении быстродействующего и эффективного последовательного анализа нефиксированного числа случайных сигналов с целью обнаружения разладок в их принадлежности генеральной совокупности с заданным законом распределения. Указанный технический результат достигается тем, что согласно предлагаемому изобретению способ последовательного анализа случайных сигналов включает преобразование последовательно поступающих на вход устройства нефиксированного числа случайных сигналов в случайные величины, равномерно распределенные в интервале [0;1], последовательный анализ принадлежности преобразованных случайных сигналов заданной генеральной совокупности и формирование сигнала «Разладка» на выходе устройства при снижении достоверности анализа ниже заданного уровня. 2 н.п. ф-лы, 1 ил.
Description
Изобретение относится к автоматике и вычислительной технике и может быть использовано при обработке результатов наблюдений и измерений различных характеристик для текущего анализа принадлежности поступающих случайных сигналов заданной генеральной совокупности.
Известно устройство для идентификации выборки (RU 65664U1), позволяющее определять принадлежность выборки фиксированного объема генеральной совокупности с нормальным законом распределения.
Известно устройство для определения моментов изменения свойств случайного процесса (SU 1282159A1), в котором реализован способ обнаружения разладок, обусловленных изменением среднего значения, дисперсии и корреляционной функции. Однако использование только числовых характеристик распределений снижает точность определения моментов разладок.
Наиболее близким, принятым за прототип, является устройство (SU 1126930А), в котором реализован алгоритм последовательного анализа Вальда, для которого кроме типичных ошибок α и β должны быть заданы наибольшее значение P1 доли случаев брака, при которой контролируемая партия объектов принимается, и наименьшее значение P2 доли случаев брака, при которой контролируемая партия объектов бракуется. При этом распределение генеральной совокупности не задается.
Целью изобретения является увеличение достоверности анализа за счет введения закона распределения генеральной совокупности, гипотеза о принадлежности текущих наблюдений (поступающих случайных сигналов), которому тождественна гипотезе о равномерном распределении преобразованных случайных величин и проверяется по мере их поступления. Технический результат состоит в реализации быстродействующего и эффективного устройства последовательного анализа нефиксированного числа поступающих на вход устройства случайных значений сигналов с целью обнаружения разладок в их принадлежности генеральной совокупности с заданным законом распределения.
Указанный технический результат достигается тем, что согласно предлагаемому изобретению способ последовательного анализа случайных сигналов, включающий преобразование последовательно поступающих на вход устройства нефиксированного числа случайных сигналов в случайные величины, равномерно распределенные в интервале [0;1], последовательный анализ принадлежности преобразованных случайных сигналов заданной генеральной совокупности и формирование сигнала «Разладка» на выходе устройства при снижении достоверности анализа ниже заданного уровня осуществляется при помощи устройства последовательного анализа, содержащего блок ввода параметров закона распределения случайных величин, блок преобразования сигналов, поступающих на вход устройства, три блока сравнения и два блока деления, причём вход устройства является первым входом блока преобразования сигналов, поступающих на вход устройства, второй вход которого соединен с выходом блока ввода параметров закона распределения случайных величин, выход блока преобразования сигналов, поступающих на вход устройства, соединён с входом первого блока сравнения, выход «Да» которого соединен с первым входом второго блока сравнения, выход «Нет» первого блока сравнения соединён со вторым входом второго блока сравнения, выход «Да» которого соединен с входом первого блока деления, а выход «Нет» которого соединен с входом второго блока деления, выход первого блока деления соединен с первым входом третьего блока сравнения, второй вход которого соединен с выходом второго блока деления, выход «Нет» третьего блока сравнения соединен с первым входом второго блока сравнения, выход «Да» третьего блока сравнения является выходом «Разладка» устройства.
Работу устройства с заданными функцией распределения , параметрами и ошибкой первого рода α рассмотрим на примере последовательного поступления на вход случайных величин ti. Наблюдения продолжаются до тех пор, когда критерий υ примет установленное значение. В статистике такая задача является задачей обнаружения моментов изменения стохастических свойств наблюдаемых случайных последовательностей (разладки), при реализации которых решение о наличии разладки принимается после каждого наблюдения.
Пусть поступающие на вход случайные величины ti подчинены закону с функцией распределения , где - параметры распределения.
По определению функция распределения является неубывающей функцией на интервале [0;1]. Тогда, используя вероятностное интегральное преобразование, случайную величину можно преобразовать в случайную величину , равномерно распределенную в интервале [0;1]. Преобразование обусловлено наибольшей энтропией у равномерного закона распределения. Кроме того, критерий в виде отношения двух независимых равномерно распределенных в интервале [0;1] случайных величин доминирует по энтропии над критерием в виде их суммы. Поэтому для первых двух случайных величин и вводится в рассмотрение статистика
распределение которой является результатом следующей теоремы.
Теорема
Отношение меньшей из двух независимых случайных величин, равномерно распределенных в интервале [0;1], к большей есть случайная величина, равномерно распределенная в интервале [0;1].
Доказательство
Из наблюдений и составлен вариационный ряд (для упрощения записи здесь и далее члены вариационного ряда не отмечаются штрихом). Плотность вероятности совместного распределения упорядоченных случайных величин запишется следующим образом
где – плотность распределения – го наблюдения в исходной выборке.
Введем в рассмотрение две статистики (по числу членов вариационного ряда)
и .
Так как обратные преобразования и взаимно однозначны, то плотность совместного распределения
где – якобиан преобразования.
Тогда плотность совместного распределения статистик и запишется следующим образом
Исключая вспомогательную переменную путем интегрирования плотности по области значений , получим плотность переменной
которая является плотностью равномерного распределения переменной . Теорема доказана.
Для равномерного в интервале [0;1] распределения вероятность . Поэтому значение статистики сравнивается с вероятностью и, если , то анализ заканчивается с выдачей сигнала "Разладка". В противном случае анализ продолжается со статистикой и следующей поступившей и преобразованной случайной величиной . И так далее.
Таким образом, предлагаемый способ позволяет с заданной ошибкой первого рода своевременно выявлять изменение (разладку) анализируемого распределения значений случайных величин в реальном масштабе времени.
Выбор величины α производится, исходя из рекомендаций ГОСТ Р 51901.12-2007 при анализе видов и последствий отказов с помощью матрицы критичности.
Функциональная схема устройства последовательного анализа, реализующая алгоритм его работы представлена на фиг. 1.
Входными данными служат параметры закона распределения, поступающие на вход устройства случайные значения сигналов ti и уровень значимости (ошибка первого рода) α.
Входное случайное значение ti поступает на вход блока преобразования для вычисления задаваемой функции распределения . С выхода блока преобразования значение поступает в блок принятия решения, из которого, если случайное значение первое, то поступает в блок сравнения. Если случайное значение не первое, то поступает в блок сравнения под наименованием .
С выходов блока сравнения и поступают на один из блоков вычисления критерия в зависимости от их соотношения и далее в блок принятия решения для сравнения с вероятностью . Если , то формируется выходной сигнал "Разладка". В противном случае значение критерия поступает на вход блока сравнения вместо значения для продолжения анализа.
Адекватность способа и работоспособность предлагаемой функциональной схемы устройства проверены с помощью имитационной модели при экспоненциальном законе распределения случайной величины t путем проведения вычислительного эксперимента с числом реализаций N=105. Результаты приведены в таблице.
Относительная погрешность данного способа при наиболее используемом значении α=0,1 составляет
, чем подтверждается адекватность предлагаемого способа.
Кроме того, исследование показало, что интенсивность выдачи сигнала «Разладка» определяется (почти равна) задаваемой вероятности ошибки первого рода α.
В отличие от прототипа на выявление разладки требуется меньшее число наблюдений, что повышает быстродействие и эффективность устройства.
Claims (2)
1. Устройство последовательного анализа случайных сигналов, содержащее блок ввода параметров закона распределения случайных величин, блок преобразования сигналов, поступающих на вход устройства, три блока сравнения и два блока деления, причём вход устройства является первым входом блока преобразования сигналов, поступающих на вход устройства, второй вход которого соединен с выходом блока ввода параметров закона распределения случайных величин, выход блока преобразования сигналов, поступающих на вход устройства, соединён с входом первого блока сравнения, выход «Да» которого соединен с первым входом второго блока сравнения, выход «Нет» первого блока сравнения соединён со вторым входом второго блока сравнения, выход «Да» которого соединен с входом первого блока деления, а выход «Нет» которого соединен с входом второго блока деления, выход первого блока деления соединен с первым входом третьего блока сравнения, второй вход которого соединен с выходом второго блока деления, выход «Нет» третьего блока сравнения соединен с первым входом второго блока сравнения, выход «Да» третьего блока сравнения является выходом «Разладка» устройства.
2. Способ последовательного анализа принадлежности поступающих случайных сигналов заданной генеральной совокупности при помощи устройства по п.1, включающий преобразование последовательно поступающих на вход устройства нефиксированного числа случайных сигналов в случайные величины, равномерно распределенные в интервале [0;1], последовательный анализ преобразованных случайных сигналов и формирование сигнала «Разладка» на выходе устройства при снижении достоверности анализа ниже заданного уровня.
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2818032C1 true RU2818032C1 (ru) | 2024-04-23 |
Family
ID=
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SU1126930A1 (ru) * | 1983-06-08 | 1984-11-30 | Одесский Электротехнический Институт Связи Им.А.С.Попова | Устройство дл последовательного анализа |
| SU1260973A1 (ru) * | 1985-03-19 | 1986-09-30 | Киевское геофизическое отделение Украинского научно-исследовательского геологоразведочного института | Устройство дл определени момента разладки случайных процессов |
| RU65664U1 (ru) * | 2006-12-20 | 2007-08-10 | Александр Александрович Клавдиев | Устройство для идентификации выборки |
| US20110243263A1 (en) * | 2008-04-11 | 2011-10-06 | Niklas Andgart | Method and Arrangements for Estimating IQ-Imbalance |
| RU2716029C1 (ru) * | 2019-07-04 | 2020-03-05 | Общество с ограниченной ответственностью «Инлексис» (ООО «Инлексис») | Система мониторинга качества и процессов на базе машинного обучения |
| US10601630B1 (en) * | 2019-06-10 | 2020-03-24 | Robert Dickerman | Quadrature signal imbalance estimation |
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SU1126930A1 (ru) * | 1983-06-08 | 1984-11-30 | Одесский Электротехнический Институт Связи Им.А.С.Попова | Устройство дл последовательного анализа |
| SU1260973A1 (ru) * | 1985-03-19 | 1986-09-30 | Киевское геофизическое отделение Украинского научно-исследовательского геологоразведочного института | Устройство дл определени момента разладки случайных процессов |
| RU65664U1 (ru) * | 2006-12-20 | 2007-08-10 | Александр Александрович Клавдиев | Устройство для идентификации выборки |
| US20110243263A1 (en) * | 2008-04-11 | 2011-10-06 | Niklas Andgart | Method and Arrangements for Estimating IQ-Imbalance |
| US10601630B1 (en) * | 2019-06-10 | 2020-03-24 | Robert Dickerman | Quadrature signal imbalance estimation |
| RU2716029C1 (ru) * | 2019-07-04 | 2020-03-05 | Общество с ограниченной ответственностью «Инлексис» (ООО «Инлексис») | Система мониторинга качества и процессов на базе машинного обучения |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gabriel | Simultaneous test procedures for multiple comparisons on categorical data | |
| CN112036074A (zh) | 一种高脉冲密度环境下雷达信号分选方法及系统 | |
| Nesseris et al. | Comparative analysis of model-independent methods for exploring the nature of dark energy | |
| CN111581831B (zh) | 一种失效相关多状态系统可靠性评估方法 | |
| CN110321493A (zh) | 一种社交网络的异常检测与优化方法、系统及计算机设备 | |
| CN112147432A (zh) | 基于注意力机制的BiLSTM模块、变压器状态诊断方法和系统 | |
| Chen et al. | Data-driven robust state estimation through off-line learning and on-line matching | |
| CN114048819A (zh) | 基于注意力机制和卷积神经网络的配电网拓扑辨识方法 | |
| Reeves et al. | The geometry of community detection via the mmse matrix | |
| CN117388703A (zh) | 基于改进深度残差的电容老化状态评估方法 | |
| Hussain et al. | Mean ranked acceptance sampling plan under exponential distribution | |
| Basodi et al. | Data integrity attack detection in smart grid: a deep learning approach | |
| RU2818032C1 (ru) | Способ и устройство последовательного анализа случайных сигналов | |
| CN117834278A (zh) | 一种基于神经网络的恶意dns流量检测方法及装置 | |
| Nagpal et al. | Neural network based transformer incipient fault detection | |
| CN117036781A (zh) | 一种基于树综合多样性深度森林的图像分类方法 | |
| Hegedűs et al. | Towards building method level maintainability models based on expert evaluations | |
| CN116128551A (zh) | 基于自回归滑动平均模型的进出口趋势分析方法及装置 | |
| CN115422977A (zh) | 基于cnn-bls网络的雷达辐射源信号识别方法 | |
| CN108053093A (zh) | 一种基于平均影响值数据变换的k-近邻故障诊断方法 | |
| Ma et al. | A comparison study of two tests for detecting initialization bias in simulation output | |
| Cao et al. | A novel pca-bp fuzzy neural network model for software defect prediction | |
| CN112416789B (zh) | 一种面向演化软件的过程度量元评价方法 | |
| CN117610397B (zh) | 一种基于污水处理设备的使用效果智能分析方法及装置 | |
| CN113449258B (zh) | 智能电表的质量评估方法、装置、终端设备及存储介质 |