Основные положения методики оценки сходимости результатов математического моделирования непрерывных процессов в устройствах авионики и натурных экспериментов
https://doi.org/10.17587/mau.19.680-688
Аннотация
Рассматриваются вопросы оценки сходимости процессов, получаемых в единичных летных испытаниях авиационного комплекса и при математическом моделировании. Эта оценка выполняется на основе методов дисперсионного анализа и средств проверки статистических гипотез. Представлен пример практического применения предложенного метода к результатам летных испытаний одного из современных авиационных комплексов.
Об авторах
В. В. СлатинРоссия
В. В. Слатин, канд. техн. наук, ст. науч. сотр.
Москва.
М. А. Демкин
Россия
М. А. Демкин, канд. техн. наук, нач. сектора.
Москва.
А. В. Голубкина
Россия
А. В. Голубкина, инженер.
Москва.
Список литературы
1. Авиация ПВО России научно-технический прогресс: боевые комплексы и системы вчера, сегодня и завтра / Под ред. Е. А. Федосова. М.: Дрофа, 2001. 816 с.
2. Корсун О. Н., Николаев С. В. Методика идентификации аэродинамических коэффициентов продольного движения самолета в эксплуатационном диапазоне углов атаки // Мехатроника, автоматизация, управление. 2015. Т. 16, № 4. С. 269—276.
3. Корсун О. Н., Николаев С. В., Поплавский Б. К. Алгоритмы проверки правильности полетных данных и оценивания нелинейностей при идентификации аэродинамических коэффициентов самолетов // Мехатроника, автоматизация, управление. 2017. Т. 18, № 4. С. 270—277.
4. Мазур В. Н., Цатурян К. Т. Методы оценки адекватности математической модели возмущенного движения самолета // Мехатроника, автоматизация, управление. 2008. № 6. Приложение. С. 7—10.
5. Системы управления вооружением истребителей. Основы интеллекта многофункционального самолета / Под ред. Е. А. Федосова. М.: Машиностроение, 2005. 400 с.
6. Moir J., Seabridge A. Military Avionics Systems. John Wiley & Sons, Ltd, 2006. 520 р.
7. Stimson G. W., Griffiths H. D., Baker C. J., Adamy D. L. Introduction to Airborne Radar. Third Edition. Scitech Publishing. 2014. 745 р.
8. Эйкхофф П. Основы идентификации систем управления. Оценивание параметров и состояния: Пер с англ. / Под ред. Н. С. Райбмана. М.: Мир, 1975. 683 с.
9. Фурсов В. А. Адаптивная идентификация по малому числу наблюдений // Информационные технологии. 2013. № 9. Приложение. С. 1—32.
10. Ивановский Р. И. Теория вероятностей и математическая статистика. Основы, прикладные аспекты с при- мерами и задачами в среде MathCad: учеб. пособие. СПб.: БХВ-Петербург, 2008. 528 с.
11. Карманов Ф. И., Острейковский В. А. Статистические методы обработки экспериментальных данных с использованием пакета MathCad: учеб. пособие. М.: Курс ИНФРА-М, 2015. 208 с.
12. Вентцель Е. С. Теория вероятностей: учебное издание. М.: Наука, 1969. 576 с.
13. Андронов А. М., Копытов Е. А., Гринглаз Л. Я. Теория вероятностей и математическая статистика: Учебник для вузов. СПб.: Питер, 2004. 461 с.
14. Гмурман В. Е. Теория вероятностей и математическая статистика: учеб. пособие для вузов. М.: Юрайт, 2012. 480 с.
15. Пустыльник Е. И. Статистические методы анализа и обработки наблюдений. М.: Наука, 1968. 288 с.
Рецензия
Для цитирования:
Слатин В.В., Демкин М.А., Голубкина А.В. Основные положения методики оценки сходимости результатов математического моделирования непрерывных процессов в устройствах авионики и натурных экспериментов. Мехатроника, автоматизация, управление. 2018;19(10):680-688. https://doi.org/10.17587/mau.19.680-688
For citation:
Slatin V.V., Demkin M.A., Golubkina A.V. The Main Provisions of the Methodology for Assessing the Convergence of the Results of Mathematical Modeling of Continuous Processes of Avionics Devices and Field Experiments. Mekhatronika, Avtomatizatsiya, Upravlenie. 2018;19(10):680-688. https://doi.org/10.17587/mau.19.680-688