
- •Глава 1. Оптимизация статических объектов 6
- •Глава 2. Основы линейного программирования 22
- •Глава 3. Способы описания динамических систем 34
- •Глава 4. Применение вариационных методов для поиска
- •Глава 1. Оптимизация статических объектов
- •1.1. Понятие статических и динамических объектов
- •1.2. Задача нелинейного программирования
- •Задачи на условный экстремум, неопределенные множители Лагранжа
- •1.4. Пример применения метода неопределенных множителей Лагранжа для поиска наибольших значений функций
- •1.5. Общая постановка задачи линейного оценивания параметров
- •Глава 2. Основы линейного программирования
- •2.1. Постановка задачи
- •2.2. Основные геометрические фигуры в линейном программировании
- •Экстремальные точки
- •2.4. Основные теоремы об экстремальных точках
- •2.5. Симплексный метод решения задач линейного программирования
- •2.6. Учет ограничений типа неравенств
- •2.7. Поиск начальной экстремальной точки
- •Глава 3. Способы описания динамических систем
- •3.1. Передаточные функции
- •3.2. Описание в форме Коши
- •3.3. Управляемость, наблюдаемость, стабилизируемость, обнаруживаемость
- •3.4. Понятие фильтра и общая задача регулирования
- •Глава 4. Применение вариационных методов для поиска оптимальных управлений
- •4.1. Понятие линейного пространства
- •4.2. Функционал и его вариация
- •4.3. Вычисление вариации функционала
- •4.4. Задача Эйлера
- •4.5. Применение уравнения Эйлера для поиска оптимального закона управления
- •4.6. Уравнение Эйлера – Пуассона и его применение
- •4.8. Неопределенные множители Лагранжа в вариационном исчислении
- •Глава 5. Вариационные задачи с подвижными границами
- •5.1.Основные виды задач с подвижными границами
- •5.2. Скольжение граничных точек по заданным траекториям
- •Глава 6. Принцип максимума
- •Постановка задачи поиска оптимального управления
- •Пояснения к получению принципа максимума
- •6.3. Динамическое программирование
- •Примеры применения динамического программирования
- •Глава 7. Аналитическое конструирование регуляторов (акор)
- •7.1. Постановка задачи
- •7.2. Решение задачи акор
- •7.3. Уравнение Риккати
- •7.4. Общие свойства решения уравнения Риккати
- •7.5. Способы решения уравнения Риккати
- •7.7. Метод диагонализации
- •Глава 8. Случайные процессы в системах управления
- •8.1. Описание случайных процессов
- •8.2. Стохастические дифференциальные уравнения
- •8.3. Прогнозирование (оценивание) значений случайных величин с использованием закона распределения
- •8.4. Линейное оценивание значений случайных величин
- •Глава 9. Фильтр калмана
- •9.1. Постановка задачи
- •9.2. Основные принципы получения формул дискретного фильтра Калмана
- •9.3. Получение формул фильтра Калмана
8.2. Стохастические дифференциальные уравнения
Стохастическое дифференциальное уравнение – это такое урав-нение, в котором управляющим воздействием является случайный процесс, т.е. оно имеет вид
-
x = A(t ) x (t ) + B (t )ξ( t ) ,
(8.2.1)
где ξ(t ) – векторный случайный процесс.
Решением стохастического уравнения является выходной слу-чайный процесс. Решить стохастическое дифференциальное урав-нение – значит найти описание этого выходного случайного про-цесса.
Если входной случайный процесс является белым шумом, то го-ворят, что рассматривается система, возбуждаемая белым шумом.
Поскольку [8,13] стационарный случайный процесс с известной спектральной плотностью может быть сформирован с помощью белого входного шума и определенной линейной динамической системы, то обычно и рассматриваются системы, возбуждаемые белым шумом. Более того, если считать, что выходной случайный процесс является гауссовским, то решение стохастического диффе-ренциального уравнения предполагает поиск зависимости матема-тического ожидания выходного процесса от времени и его корре-ляционной функции.
Пусть имеется динамический объект, описываемый стохастиче-ским дифференциальным уравнением (8.2.1), возбуждаемый белым шумом и находящийся в начальный момент времени t0 в состоянии
x0 , которое является нормально распределенным случайным век-тором с известным математическим ожиданием m0 и известной ковариационной матрицей Q0 . Тогда выходной случайный процесс
имеет следующие математическое ожидание и корреляционную функцию [8]:
M [ x ( t )]) = Ф( t , t 0 )m0 ,
80
min( t1 , t2 )
K (t1 , t 2 ) = Ф( t1 , t 0 )Q0 ФT (t 2 , t 0 ) + ∫ Ф( t1 , τ) B (τ )Q (τ )B T (τ ) ФT (t 2 , τ ) dτ.
t0
Эти выражения получаются с использованием формул
t
x(t ) = Ф(t , t 0 )x0 + ∫Ф(t ,τ)B (τ ) w(τ ) dτ , (8.2.2)
t0
∫ f (t )δ(t − t 0 )dt = f (t0 ) для любой f ( t ) и переменой операций ин-
тегрирования и вычисления математического ожидания. Например, вычисление математического ожидания обеих частей
равенства (8.2.2) приводит к результату
M [ x (t )] = Ф(t , t 0 ) M [ x0 ] + ∫t |
Ф(t , τ )B (τ ) M [ w(τ )]dτ = Ф(t , t 0 )m0 , |
|
||
|
|
t 0 |
|
|
поскольку для белого шума M [ w( t )] = 0 . |
|
|||
Для получения K ( t , t |
2 |
) следует вычислить M[ x (t ) x T (t )] и вос- |
|
|
1 |
|
|
|
|
пользоваться формулой (8.2.2). |
|
|