Персона:
Гребенкин, Михаил Дмитриевич

Profile Picture
Email Address
Birth Date
Научные группы
Организационные подразделения
OrgUnit Logo
Организационная единица
Институт общей профессиональной подготовки (ИОПП)
Миссией Института является: фундаментальная базовая подготовка студентов, необходимая для получения качественного образования на уровне требований международных стандартов; удовлетворение потребностей обучающихся в интеллектуальном, культурном, нравственном развитии и приобретении ими профессиональных знаний; формирование у студентов мотивации и умения учиться; профессиональная ориентация школьников и студентов в избранной области знаний, формирование способностей и навыков профессионального самоопределения и профессионального саморазвития. Основными целями и задачами Института являются: обеспечение высококачественной (фундаментальной) базовой подготовки студентов бакалавриата и специалитета; поддержка и развитие у студентов стремления к осознанному продолжению обучения в институтах (САЕ и др.) и на факультетах Университета; обеспечение преемственности образовательных программ общего среднего и высшего образования; обеспечение высокого качества довузовской подготовки учащихся Предуниверситария и школ-партнеров НИЯУ МИФИ за счет интеграции основного и дополнительного образования; учебно-методическое руководство общеобразовательными кафедрами Института, осуществляющими подготовку бакалавров и специалистов по социо-гуманитарным, общепрофессиональным и естественнонаучным дисциплинам, обеспечение единства требований к базовой подготовке студентов в рамках крупных научно-образовательных направлений (областей знаний).
Статус
Фамилия
Гребенкин
Имя
Михаил Дмитриевич
Имя

Фильтры

20212
2
2
Сброс фильтров

Настройки

Результаты поиска

Теперь показываю 1 - 2 из 2
  • Уменьшенное изображение
    Публикация
    Только метаданные
    Approach to conditioning improvement in scalar calibration problem for three-axis accelerometer module using visualization of measurement efficiency function
    (2021) Grebenkin, M.; Гребенкин, Михаил Дмитриевич
    © 2020 National Research Nuclear University. All rights reserved.The paper proposes a way to optimize a set of calibration angular orientations of accelerometer module using efficiency function visualization for stationary based calibration to increase an accuracy of estimated error model parameters. It includes an analysis of mathematical model of three-axis accelerometer module measurement errors. The method improves an estimation accuracy of analyzed error model parameters. The error model includes following factors: angular errors in sensor alignment in module frame of reference, deviations of sensor scalar coefficients and sensor biases. Measurement efficiency function characterize an impact of each newly made measurement on overall problem conditioning and depends on module angular position relative to calibration reference vector. By determining minima points of shown function, it is possible to form an optimal set of angular positions for calibrated module, which allows to achieve better conditioning of calibration problem. These minimal points are determined via optimization algorithm. Due to function complexity the visualization is necessary to find and set initial points for searching. The approach is verified by computer simulation which shows that optimal set of angular module positions (optimized set), formed by presented method, improves estimation accuracy of considered parameters in error model in presence of errors in angular positioning of module during calibration process, in comparison with non-optimized set.
  • Уменьшенное изображение
    Публикация
    Только метаданные
    Visual Based Tuning of Regularized Kalman Filter for System Identification Problem
    (2021) Grebenkin, M. D.; Гребенкин, Михаил Дмитриевич
    © 2021 National Research Nuclear University. All rights reserved.System identification problem for linear and non-linear systems utilizes a large set of algorithms for estimating a vector of model parameters, relying on measurements and system dynamics. In particular one can use a family of Kalman filter adaptive algorithms. In situation when system of interest is ill-conditioned it is proper to use regularized modification of Kalman filter. In comparison to standard algorithm, properly tuned RKF is significantly more stable to ill-conditioned problems, which frequently arise in the field of system identification due to limited observability or controllability of systems of interest. This paper shows an approach for preliminary tuning and analyzing regularized Kalman filter algorithm (RKF) for parameter identification of a vector meter unit using visualization of its crucial values on a computer model. Visual based approach to RKF tuning on a computer model allows for simple and intuitive way to find suboptimal regularization strength and set it at initialization stage avoiding the necessity to include computationally expensive methods of real-time tuning in algorithm loop. It is shown that regularization strength value, found using this approach, yielded a better estimation accuracy not only in comparison with standard Kalman filter but in comparison with other possible regularization strength values as well.