International Conference on New Scientific Methodologies

International Conference on 
 New Scientific Methodologies"
 
www.online-conferences.com 
310
В работе [12] в качестве близости оценки оператора объекта к его истинному значению 
применяют критерий минимума квадратичного функционала вида : 
∑
где 
– значение корреляционной функции ошибки в момент
– некоторые 
постоянные коэффициенты, удовлетворяющие условию ∑
Тогда оптимальную 
оценку оператора объекта можно искать в классе линейных интегральных стационарных 
операторов
∫
где 
– весовая функция оператора А. 
Далее, выражая функционал (6) через исходные статистические данные и учитывая 
физическую реализуемость системы (
и ), получаем 
∫
∑
*∬
∫
+
где 
, 
– математические ожидания входного и выходного сигналов;
и
- 
соответственно авто и взаимно корреляционная функция случайных процессов x(t) и y(t). 
Выражение (7) представляет собой функционал от весовой функции модели типа [15].
∬ [ ]
Подынтегральная функция в данном случае имеет вид. 
( )
∑
∑
[ 
]
[ ] 
и представляет собой симметричную билинейную форму относительно 
и . 
Легко показать, что оценка весовой функции объекта при этом должна удовлетворят 
линейному интегральному уравнению Фредгольма первого рода 
∫ ∑
∑
где 
– оптимальная оценка весовой функции объекта по критерию (6). Решение этого 
уравнения можно найти методами, изложенными в [2,6]. 
Считая вышеприведенные оценки некоторыми обобщенными координатами, получаем 
эффективное математическое описание сложных производственных процессов.[3,4,10] 

---

International Conference on 
 New Scientific Methodologies"
 
www.online-conferences.com 
311
Результаты вышеприведенной систематизации 
̂ позволяют исполь-зовать их для 
повышения оперативности и качества процедуры выработки решения в циклах управления 
МСП по информации о значениях 
̂ . 
Оперативность процедуры выработки решения в цикле управления можно повисит за счет 
дальнейшей систематизации и ранжирования элементов подматрицы 
̂ . С этой целю 
элементы матрицы 
̂ разделяются на управляемые и неуправляемые (но контролируемые ) 
параметры с дальнейшей их ранжировкой на подматрицы меньшей размерности по 
следующей схеме. 
Введем множество 
{ } состоящие из номеров неуправляемых переменных. В 
соответствии с вышеизложенной процедурой, используя значения корреляционной матрицы 
, производится упорядочение элементов множества 
. С этой целью интервал
на 
основе технологических соображений или закона распределения (нормального, бета 
распределения и др.) разбивается на 
под интервалов [ 
[ 
[ 
. 
Далее из подмножества 
берется первый, например, с порядком номером 
со значением 
возможных его значений на интервале [
] .
Процедура упорядочения 
̂ в подмножестве
заключается в группировании под 
интервалов и определяется принадлежностью
̂ к соответствующим под интервалам. Вся же 
совокупность 
̂ в каждом из вышеуказанных под интервалов образуют соответственно 
подмножества 
В соответствии с выделенными множествами
осуществляется перестановка строк в матрице 
̂ в таком порядке, чтобы все значения 
вектора 
̂ в под интервале
̂ [ 
, стояли в начале (в верхней части) матрице, затем 
̂ [