P-增广矩阵及其动态跟踪识别应用
2022-05-06张秀全
张秀全
(黄淮学院 数学与统计学院,河南 驻马店 463000)
在工程实践中,一个系统是由相互关联的多个部件构成的整体,当系统受到非预测的干扰(电磁干扰)时,某个部件发生故障,系统状态发生变化,为此需在系统中增加防范辅助系统,动态跟踪识别系统故障所在部位,而这种现象与P-增广矩阵的动态特性十分吻合.
论文利用P-集合的结构与动态特征,给出P-增广矩阵与普通增广矩阵的关系、P-增广矩阵的合取范式扩展-收缩逻辑特征、P-增广矩阵的动态跟踪识别应用.把P-增广矩阵这种数学模型应用于动态跟踪识别系统,为判断系统的状态特征提供了新的认识视觉与研究手段,使得P-集合的动态模型得到应用.
为了方便讨论,把文献[3-4]中P-集合的结构、文献[1]中P-增广矩阵的概念引入论文的第1节,P-集合的更多概念与应用见文献[1-17].
1 预备知识
1.1 P-集合的结构与动态特征
(1)
(2)
αF=α∪{α′i|f(βi)=α′i∈α,f∈F},
(3)
其中:βi∈V,βiα,f∈F,f(βi)=α′i∈α.
给定有限普通元素集合X={x1,x2,…,xq}⊂U,α={α1,α2,…,αk}⊂V是X的属性集合,称XF是被X生成的外P-集合,简称XF是外P-集合,有
XF=X∪X+,
(4)
X+={ui|ui∈U,uiX,f(ui)=x′i∈X,f∈F}.
(5)
(6)
(7)
有限普通元素集合X称作P-集合的基集合,即
(8)
为X生成的P-集合族,(8)是P-集合的一般表达式,I,J是指标集合,下同.
1.2 P-增广矩阵与它的生成
给定有限普通元素集合X={x1,x2,…,xq},xj∈X,有m个元素值y1,j,y2,j,…,ym,j,yj=(y1,j,y2,j,…,ym,j)T是y1,j,y2,j,…,ym,j构成的向量,j=1,2,…,q.称
(9)
是被X生成的元素值矩阵.
(10)
(11)
是被(x)F生成A的外P-增广矩阵.(9)~(11)中,p (12) 称 (13) (14) (15) 由定理1,2直接得到定理3. (16) (17) 利用第1节中的P-集合的合取范式逻辑特征与第2节中P-增广矩阵的概念,容易证明第3节中的定理4~6与推论2. 定理4若α={α1,α2,…,αk}是X的属性集合,A是被X生成的普通矩阵,则A的属性αA满足属性合取范式 (18) (19) (20) (21) 其中 给定数据(x),(x)的属性集合α与(x)生成的普通矩阵A(系统的结构矩阵)分别为 (x)={x1,x2,x3,x4,x5,x6,x7}, (22) α={α1,α2,α3}, (23) (24) 其中:∀j,yj=(y1,j,y2,j,y3,j,y4,j,y5,j)T是数据元xj∈(x)的数据值构成的向量,是A的第j列,j=1,2,…,7. 在α内补充属性α4,α变成 (25) (26) (27) (28) 该节的例子取自某系统被启用之前做的一个实验的最终化简结果,该系统受到非预测的干扰(电磁干扰),系统状态的突发变化,故在系统中增加辅助防范系统,实验结果(26),(28)实现了预期目的.实验中的多个具体细节及(24),(25),(27)中的实际数值略.2 P-增广矩阵与普通增广矩阵的关系
3 P-增广矩阵的合取范式扩展-收缩特征
4 P-增广矩阵在系统状态动态跟踪识别的应用
5 讨 论