1200
.pdft. ё. счй*гать, что s = const. Интенсивность s связана со спектральной плотностью входного процесса S q соотношением
s = 2nSq, |
(154) |
|
которое непосредственно следует из формул (82) и (153). |
|
|
Приращение Дисфункции u(t) |
за интервал времени At |
согласно |
уравнению (152) будет |
|
|
i+д/ |
|
|
А и = —/ (и) At + |
j) q(x) dx + o(At). |
|
|
t |
|
Используя эту формулу, вычислим по формулам (143) интенсивности марковского процесса. Легко найдем, что коэффициент сноса
хх = lim |
< Аи > |
- П и ) . |
|
Д/->0 |
М |
|
|
Далее, средний квадрат приращения Аи составляет |
|||
Н д/ |
<+д/ |
|
|
(Ди2> = Р (и) At2+ I |
I |
< Q(Ti) q (T2)>dxt dx2 + 0 (At3). |
|
t |
t |
|
|
Поскольку с учетом (153)
Нsд* <<7('ri)7('ca)>dT2 = s,
то формула для среднего квадрата принимает вид
< Аи2> = / 2(и) At2+ sAt + o(At3).
Отсюда найдем коэффициент диффузии
х2 = lim |
< Аи2 > |
= s, |
д/-о |
М |
|
который оказывается равным интенсивности входного белого шума. С учетом вычисленных значений коэффициентов сноса и диффузии
запишем уравнение Фоккера—Планка—Колмогорова (146):
■J = - f |
(/Р )+ 7 - |
д2 р |
(155) |
||
ди2 |
|||||
dt |
ди |
2 |
|
Рассмотрим несколько простейших примеров интегрирования урав нения (155). Пусть, например, f(u) = 0. При этом стохастическое диф ференциальное уравнение (152) описывает процесс случайных блуж даний точки на прямой —оо оо. Уравнение (155) превращается для этого случая в классическое уравнение диффузии
др _ s дг р
H t ~ ' 2 ‘ !кё ’
решение которого, удовлетворяющее начальному условию (145), к0к известно, будет
J |
у / f l ) |
|
1 |
(“—“о)2 |
(156) |
Р(U t | HQ |
/ |
2ns (t-io) |
2s (/—/0) |
|
|
|
|
|
Переходная вероятность (156) соответствует нестационарному гаус совскому процессу с дисперсией, которая увеличивается пропорцио нально времени. В силу марковости все многомерные распределения процесса также будут гауссовскими. Заметим, что входной процесс не обязательно должен быть гауссовским. Нормализацию процесса при прохождении через данную систему можно рассматривать как следст вие центральной предельной теоремы теории вероятностей. В самом де ле, интегрируя уравнение системы, получим, что
t
u(t) = u0+ 5 q (т)dx. to
Таким образом, выходной процесс получается в результате суммиро вания весьма большого количества некоррелирующих импульсов, что
иобусловливает его нормальное распределение.
Вкачестве второго, менее тривиального примера рассмотрим сис тему с существенной нелинейностью
f (и) = с sign и
(здесь с — неслучайная постоянная). |
Уравнение (155) принимает вид |
|||
др_ |
|
др |
. s |
д2 р |
dt |
с sign и — |
Н— |
. ——. |
|
5 |
ди |
2 |
да2 |
Ограничимся решением этого уравнения для стационарного слу чая (idpldt = 0). Переписав уравнение в виде
% + - |
s |
• ? = О ( о 0); |
du2 |
du |
£ £ _ * . 4 > _ 0 (а < 0). du2 s du
легко найдем его общее решение:
ы = С1 + С2ехр ^ — - 2 ^ ! ) .
Отсюда после удовлетворения условию нормировки получаем
р ^ = 7 ехр ( — ^ 7 ^ ) • |
(157) |
Таким образом, одномерное стационарное распределение оказывается экспоненциальным. Дисперсия этого распределения составляет
оо
<Ц2>= $ u 2 p ( u ) d u = £ - |
(158) |
Используем найденное точное решение для того, чтобы оценить точ ность приближенного решения, найденного по методу статистической линеаризации. Вопрос о линеаризации функции f(u) = sign и рассмат ривался в конце § 1.9. Уравнение системы после линеаризации с уче том формул (138) принимает вид
. ас |
/i\ |
и + — |
и = ?(/), |
где коэффициент а равен единице, если линеаризация проводится из
условия равенства дисперсий, и равен У 2/л, если проводить линеари зацию из условия минимума среднего квадратического отклонения. Через ol обозначена дисперсия выходного процесса.
Спектральную плотность выходного процесса S u(co) найдем по фор
муле (97): |
|
|
SuИ |
Sq С0*) |
|
а с |
2 |
|
|
--- |
+t*0) |
<*и
Отсюда получим уравнение для определения дисперсии а«:
оо
Замечая, что
со
найдем, что ненулевой корень уравнения соответствует среднему квад ратическому отклонению
Сопоставляя найденный результат с точной формулой (158), видим, что точные и приближенные значения отличаются лишь числовым мно жителем. Первый способ линеаризации дает в формуле для среднего квадратического отклонения коэффициент, равный 0,50. По второму способу получаем 0,63. Точное значение коэффициента, как следует
из формулы (158), составляет 1/|A2 = 0,71. Расхождения довольно велики, хотя оба способа линеаризации предсказывают правильный порядок коэффициента. Существенно, что точное значение лежит вне вилки, образованной двумя способами линеаризации. Таким образом, к распространенным рекомендациям о применении метода статисти ческой линеаризации надо отнестись с осторожностью. Добавим к это му, что метод линеаризации, дающий удовлетворительное приближе ние для дисперсии, вообще говоря, не пригоден для оценки законов
)эаспрёдёлёнйя выходного процёсса. В рассмешенном выше примёрё плотность вероятности ведет себя как 11>, в то время как для нор мального распределения, положенного в основу линеаризации, имеем е~и*. Гипотеза нормальности может привести к грубым ошибкам при оценке малых вероятностей.
Стохастические дифференциальные уравнения, описывающие мно гомерный марковский процесс, аналогичны по структуре уравнению
(152):. |
|
|
U j+ fj(u l t u2, ..., |
ит) = qj(t) |
(159) |
(/ = 1 , 2 ,... |
,m). |
|
Здесь /Дм,, «2. •••. ит) — неслучайные функции; <7;(/) — стационарные белые шумы:
<Qi (0 > = 0; < qj (t) qh (t + т )) = sjh б (т). |
(160) |
|
Интенсивности sjh связаны со спектральными плотностями |
S q.(/k |
|
входного процесса q^t), q2(t)f |
qm(t) соотношениями |
|
Sjk — 2nSq. qkm
Определяя из уравнения (159) приращения компонентов выходного процесса
Auj = —fj (ult и2, ... , ит) At + J qj (т) dx
t |
|
и применяя формулы (149), найдем интенсивности |
|
*t = — fi («1. “2.......«т)> *Jh = Sik |
(161) |
(/,6 = 1,2..... т). |
|
Отсюда уравнение Фоккера—Планка—Колмогорова (150) принимает вид
др_ |
тп |
_ |
+ |
m |
тп |
д*р |
|
2 |
|
|
2 Sjb |
( 162) |
|||
dt |
J |
|
duj диъ |
||||
|
/= 1 |
|
/= 1 k=\ |
|
|
||
Применим уравнение |
(162) |
к нелинейной |
колебательной |
системе |
|||
с одной степенью свободы: |
|
|
|
|
|
||
|
и + 2е и + /(« ) = |
q(t). |
|
(163) |
Заметим прежде всего, что даже в том случае, когда внешнее воздейст вие q(t) является белым шумом, выходной процесс u(t) будет обладать последействием. В самом деле, чтобы определить u(t) при / 2 > (ъ не
обходимо знать не только «(/,), но и u(ii). Хотя выходной процесс и{() и не является марковским, но он может рассматриваться как компонент
двухмерного марковского процесса u(t), u(t). Здесь мы впервые встре чаемся с ситуацией, когда увеличение числа измерений фазового про странства позволяет применить аппарат теории марковских процессор.
С формальной точки зрения дело сводится к замене уравнения (163) эквивалентной системой двух уравнений первого порядка. Полагая
«1 = u{t), и2 = u(t), получаем систему стохастических дифференциаль ных уравнений типа (159):
и1 = « 2;
«2 = — 2eu2— f(u) + q.
Интенсивности двухмерного марковского процесса вычислим по фор мулам (161):
х1 = «2; х2 = —2е«2—/(Hi);
Х ц — K j 2 = |
‘ 9 » |
К 22 = 5 . |
Уравнение (162) записывается в виде
= - и ^ |
+ 2е 1р + « ^ 1 + Ци) |
+ i • |
. |
(164) |
ди |
ди |
ди |
ди* |
|
Уравнение (164) является дифференциальным уравнением в частных производных относительно функций трех независимых переменных и,
и и t. Некоторые частные решения этого уравнения, имеющие важное практическое значение, могут быть сравнительно легко получены. Бу дем искать стационарное распределение. Полагая в уравнении (164) dpldt s= 0, перепишем его в виде
_д_ |
+ ~ |
+ |
2е ^ |
ир + — др\ = 0. |
|
д и П “) Р + -4 еГ - уди- |
|||||
|
ди |
ди |
4 е ' д к J |
||
Это уравнение будет удовлетворено, если принять, что |
|||||
|
p = P i ( u ) p 2 (u), |
(165) |
|||
где функции pi(u) и р 2{и) удовлетворяют уравнениям |
|||||
|
^ + |
— /(«)Pi = 0; |
|
||
|
du |
s |
|
|
|
|
^7 + — «ps = 0. |
|
|||
|
du |
s |
|
|
Формула (165) означает, что обобщенная координата и обобщенная скорость в стационарном случае независимы. Плотность распределе ния обобщенной координаты имеет вид
р1 (ы) = С1 ехр|^— ^-П (ы) |
(166) |
где Ci — постоянная, определяемая из условия нормировки, а П(и) — функция, аналогичная потенциальной энергии системы, т. е.
U
П (и) = 5) / (и) du. |
(167) |
«о |
|
Для обобщенной скорости получаем нормальное распределение:
f)- |
(|68) |
Формула (165), правая часть которой, определяется |
согласно (166) |
и (168), представляет собой распределение Максвелла — Больцмана для системы с одной степенью свободы. Формула (166) замечательна в том отношении, что дает явную связь между распределением обобщен ной координаты и потенциальной энер гией системы. Положения равновесия соответствуют экстремумам плотности вероятности. Если положение равнове сия устойчиво, то потенциальная энер гия имеет минимум, а плотность вероят ности — максимум. Наоборот, неустой чивым положениям равновесия соответ ствуют минимумы плотности вероят
ности (рис. 9).
До сих пор внешние воздействия предполагались дельта-коррелированны ми, что сильно сужало область приме нения аппарата теории марковских про цессов. Увеличивая число компонентов процесса, можно и в более общем случае получить уравнения типа (159), где в правых частях стоят белые шумы. Дело
Рис. |
9 |
в том, что обычно |
в прикладных расче |
нормальными, |
а их |
тах входные процессы предполагаются |
|
спектральные плотности |
представляются в виде |
дробно-рациональных функций. Такие процессы можно интерпретиро вать как результат прохождения нормального белого шума через ли* нейный фильтр. Дополняя уравнения системы уравнениями фильтра, получим расширенную систему, которая будет обладать свойством марковости. Если наибольшая степень знаменателя в выражении для спектральной плотности входного процесса равна 2п, то число Компо нентов следует увеличить на п.
Поясним этот прием на примере системы (163), на входе которой задан экспоненциально-коррелированный процесс с корреляционной функцией:
ff*(T) = /C0e - « m
(Ко и а — неслучайные положительные константы). Спектральная плотность этого процесса имеет вид
Sq (®)= ~~ |
а |
|
(о2+ а*~ * |
||
Л |
Отсюда видно, что экспоненциально-коррелированный процесс может быть представлен как результат прохождения белого шума q0(t) через систему с оператором 1 (ш) = /со + а. Уравнение этой системы будет
q +aq = q0.
Интенсивность белого шума составляет s0 = 2/С0а. Дополняя уравне ния заданной системы уравнением фильтра и вводя обозначение и3 = = q(t), получим систему
U \ = U 2 \
и2 = —2EU2—f {и\)-\-из\
н 3 = — а н з q+о»
описывающую трехмерный марковский процесс. К этой системе пол ностью применимы методы, изложенные выше.
Требование о том, чтобы спектральная плотность входного процес са была дробно-рациональной функцией, не является безусловным. Любую аналитическую функцию, представляющую спектральную плот ность, можно аппроксимировать при помощи дробно-рациональных выражений со сколь угодно большой точностью. Рассмотрим, напри мер, процесс с гауссовской корреляцией:
Kq {т) = Ко exp (—а2т2).
Из формулы для его спектральной плотности
видно, что этот процесс эшжнш рассматривать как результат прохож дения белого шума через дшгашую систему
с оператором L, который является трансцендентной функцией опера тора дифференцирования по времени dldt:
При этом интенсивность белого шума q0(t) составляет
Ко / я
Разлагая экспоненту в ряд, получаем следующее представление для оператора L:
Далее этот ряд усекаем с учетом требуемой точности вычислений. Таким образом, размерность расширенного фазового пространства из меняется в зависимости от того, какая погрешность допускается при расчете.
Представление о возможностях аппарата теории марковских про цессов будет неполным, если мы не упомянем еще об одном метоДе статистической динамики. Речь идет о комбинации методов нелиней ной механики, таких как методы Ван-дер-Поля, Крылова—Боголюбо ва и Боголюбова—Митропольского, с методом уравнений Фоккера— Планка—Колмогорова. Как известно, перечисленные методы нели нейной механики приспособлены для описания колебательных про цессов, амплитуды и фазы которых меняются достаточно медленно. Аппаратом этих методов служат укороченные уравнения относительно амплитуд и фаз. Нетрудно составить аналогичные уравнения для сто
хастических систем. Эти уравнения описывают изменение |
амплитуд |
и фаз выходного процесса. При некоторых ограничениях, |
наклады |
ваемых на систему и входные процессы, совместная эволюция ам плитуд и фаз может рассматриваться как марковский процесс даже в том случае, когда выходной процесс заведомо не является марков ским.
В самом деле, чтобы двухмерный процесс u(t), u(t) на выходе системы
и +соо u + pf (и, и) = q |
(169) |
мог трактоваться как марковский, необходимо, чтобы время корреля ции входного процесса т было мало по сравнению с характерным вре менем системы т0 = 2я/со0Таким образом, требуется, чтобы со0т< ^ 1 . Пусть амплитуда и фаза процесса u(t) меняются достаточно медленно, так что характерное время их изменения составляет т0/fx, где р, ма лый параметр. Обычно этот параметр имеет тот же порядок, что и ма лый параметр, характеризующий нелинейность и нестационарность системы. По отношению к медленно меняющимся амплитуде и фазе входной процесс можно трактовать как белый шум, если выполняется менее жесткое условие т < ^ т 0 /р. Это условие будем записывать в виде
Ц0)„т^1. |
(170) |
Оно будет выполняться при малом р и в том случае, когда время корре ляции входного процесса равно по порядку характерному времени системы, т. е. ы0т ~ 1 . Таким образом, применение метода медленно меняющихся амплитуд и фаз существенно расширяет область приме нения аппарата теории марковских процессов.
Проиллюстрируем применение метода на примере уравнения (169).
Если нелинейность |
и нестационарность системы достаточно Малы |
|
го решение этого уравнения будет |
мало отличаться от гармонического |
|
движения с частотой |
(о0. Поэтому |
решение ищем в виде |
и = агг(т) sin оо01-f аг (т) cos со0/, |
(171) |
|
где aj(x) и а 2(т) — медленно меняющиеся функции времени. Чтобы упростить формальную сторону вычислений, здесь введено «медлен ное время» т = pi. При дифференцировании производные по т будем считать малыми по сравнению с производными по /. При интегриро вании по t в пределах периода будем рассматривать медленное время т как параметр. Дифференцируя выражение (171), получим с учетом сказанного выше приближенные выражения
Далее, разложим нелинейную функцию f(u, и) и внешнее воздействие q(t, т) в ряд Фурье и отбросим все члены, содержащие высшие гармони ки:
f (и, и) ж Fi (ai,a 2)cos(o<n+ F2(ai, a2) sin ©01\
q (t, T) ss <7i( t) COS (£>Qt + q2(x) sin co01.
Подставляя все эти выражения в уравнение (169), получим укорочен ные уравнения относительно функций медленного времени а^т) и а2(т):
(172)
Уравнения (172) формально совпадают с уравнениями метода Ван- дер-Поля или уравнениями первого приближения в методе Крылова — Боголюбова. Однако здесь ^(т) и q2{x) — случайные функции. Поэтому уравнения (172) являются стохастическими. Если выполняется условие (170), то внешние воздействия 9х(т) и q2(x) можно приближенно тракто вать как белые шумы и, таким образом, записать уравнение Фоккера — Планка—Колмогорова для совместного распределения амплитуд ^(т) И а2(т). Ближайшая задача состоит в том, чтобы выразить интенсивно сти этих белых шумов через вероятностные характеристики процесса q(t, т). Эту задачу можно решить разными путями, каждый из которых, к сожалению, не является достаточно строгим даже с точки зрения стандартов, принятых в инженерных и физических исследованиях. Остановимся на одном из способов, который, на наш взгляд, является наиболее прозрачным с физической точки зрения.
Вычислим корреляционные функции процессов, задаваемых фор мулами
2Я/(Do
<7I (T) = — jj q (t,x) cos a>0tdt;
2я о
2л /(|)0
(173)
<72 (T) = — q(t,x)sm<a0tdt.
о
Начнем с функции
9 |
2я/м0 |
2Я/ш0 |
COQ |
г* |
f |
< ЯI(^I)'7I(T2)> = - г - |
i |
J <9 (*i. Tj) q(t%,т2)> cos со0 cos co01, dttfL. |
4,1 |
о |
0 |
Так как выходной процесс, согласно предположению (171) явля^тся узкополосным, то его свойства в основном определяются значением спектральной плотности 5 g(to) входного процесса q{t), соответствую, щим частоте (о0. Поэтому при вычислении интеграла реальный процесс можно заменить белым шумом с интенсивностью
S= 2 n S q (сй0).
Подставляя в правую часть формулы для корреляционной фунццин выражение
Ш ъ "Ч) Я(*2. тг) > = 2я 5, (со0) б (/х— /2)
и интегрируя, легко получим
<<7i(*i) Я1 Сч)> = - у
Эта формула пригодна, если моменты времени тх и т2 принадлежат од ному периоду х0 = 2тс/о)0. В противном случае правую часть слвдует положить равной нулю. Аналогичное выражение получается для КОр_ реляционной функции процесса *72(т). Таким образом,
< Яг Ю |
Яг Cb) > = <92 (Ti) Яг (*а)> |
/ / < т 1< / |
+ |
х0\ (174) |
||
V ^ |
Т2 ^ |
+ |
^0/ |
|||
|
|
|||||
|
|
ДО в |
остальных случаях). |
Взаимная корреляционная функция процессов ^(т) и q2(x), ка^ Не трудно убедиться, тождественно равна нулю.
Итак, мы получили, что процессы (173) имеют корреляционные фуНк ции, принимающие внутри одного периода колебаний постояннь значения и равные нулю, если моменты времени принадлежат разны^
периодам. Но с точки зрения медленно меняющихся |
процессов а Д |
|
и а2(х) |
характер корреляции процессов ^(т) и q2(x) |
внутри одД^' |
периода |
не имеет существенного значения. Поэтому без большой п ° |
грешности можно заменить прямоугольную корреляцию дельта.Ко°
реляцией, полагая, что |
Р' |
< Яг Ы ) Яг (т2) > = < Яг (п) Я2 Ы ) > = |
(*i — *2)- |
Интенсивность s подсчитаем из условия равновеликости плшцаде
ограниченных графиком корреляционной функции: |
1 |
|
s — |
(O)Q). |
( Щ |
|
|