![](/user_photo/_userpic.png)
книги из ГПНТБ / Шахнович, А. Р. Математические методы в исследовании биологических систем регулирования
.pdfАпостериорная плотность вероятности стремится к истинному значению параметра а. Апостериорная плотность вероятности, являясь информационным показателем опыта, представляет собой условную плотность вероятности Р (АIX) при условии, что на блюдаемый вектор X задан. Определяется апостериорная плот ность вероятности с помощью формулы Бэйеса:
|
|
|
Р {АІХ) |
= |
РіЛ)Р{ХІЛ) |
_ |
|
|
|
|
|
|
|
|
^ |
P{A)P(X/A)dQ(A) |
|
|
|
|
|
|
|
|
П(А) |
|
|
|
|
Р (А) |
— априорная |
плотность |
распределения |
вектора |
А. |
||||
Если |
Р |
(A) |
dQ (А) — безусловная вероятность нахождения |
век |
|||||
тора |
А |
в объеме dQ (А), то Р |
{XIА) — условная |
вероятность на |
|||||
хождения |
вектора |
X |
при фиксированном |
А. |
|
|
|||
Функция Р (Х/А) |
|
называется функцией |
правдоподобия. Фор |
мула Бэйеса дает возможность определить апостериорные веро ятности значений А, если известны априорные вероятности и век тор X, определяемый в результате опыта.
Отдельные наблюдения над случайным процессом £ (t), про текающим в контролируемых условиях опыта, дают каждый раз различные функции х (t) — реализации случайного процесса.
Одним из распространенных является марковский случайный процесс, для которого поведение (вероятностные характеристики для будущих моментов времени) определяется состоянием в дан ный момент и не зависит от «предыстории».
Динамические задачи для стохастических моделей могут ре шаться с помощью условных марковских процессов, причем диф ференциальное уравнение записывается, например, в виде
dxt = butdt |
+ dr\u |
(1-0-18) |
где X, — координата пространства |
состояний; |
ut — управление; |
т}< — шум с определенными статистическими |
свойствами. |
|
Рассмотренные выше классы |
дифференциальных уравнений |
не представляют всего многообразия моделей управляемых систем. Многие классы моделей управляемых систем имеют дискретновероятностные представления (связанные с нейронными сетями, конечными автоматами и т. д.), которые рассмотрены ниже в со ответствующих главах.
Л И Т Е Р А Т У Р А
Беллмап Р. Введение в теорию матриц. М., «Наука», 1969.
Беллман Р., Кук К. Дпфференцпально-разностные уравнения. М., «Мир», 1967.
Буткоеский А. Г. Теория оптимального управления системами с распреде ленными параметрами. М., «Наука», 1965.
Заде Л., Дезоер Ч. Теория линейных систем. М., «Наука», 1970.
10
Петровский |
И. Г. Лекции по теории дифференциальных уравнений в частных |
производных. М., 1947. |
|
Понтрягин |
Л. С. Обыкновенные дифференциальные уравнения. М., 1961. |
Стратонович |
Р. Л. Условные марковские процессы и их применение к тео |
рии оптимального управления. М., 1966. |
Фелъдбаум А. А. Основы теории оптимальных автоматических систем. М., 1963.
Ципкин Я. 3. Адаптация и обучение в автоматических системах. М., «Нау ка», 1969.
Глава 1-1
ИДЕНТИФИКАЦИЯ
Одной из основных проблем, возникающих при исследовании управляемых систем, является определение характеристик объек та и приложенных к нему возмущений — проблема идентификации.
В этой проблеме возникают две задачи: определение структуры и параметров объекта и определение параметров объекта при изве
стной |
структуре. |
|
|
В первой из этих задач исследуется «черный ящик», и она имеет |
|||
более |
теоретическое значение. |
|
|
Вторая задача имеет значительные практические применения. |
|||
Методы, применяемые при идентификации, |
весьма разнообразны |
||
и определяются |
классом объектов. Методам, применяемым при |
||
идентификации, |
посвящена значительная |
литература. Одну из |
задач идентификации для линейного объекта рассмотрел Браверман (1966). Более общие проблемы рассмотрели Цыпкин (1968), Райбман (1967) и др.
Одним из методов определения характеристик объекта являет ся частотный метод. Как известно, при этом на вход объекта подается гармоническое возмущение
X (t) — X sin at,
где А (г- амплитуда; ш = 2л/ Г — частота; Т — период колебания. Выходная переменная объекта представляется также в виде
гармонических колебаний |
у (і) |
= |
Y siu(wt + <р), где Y |
— ампли |
|
туда; ф — фазовый сдвиг. |
|
|
|
|
|
Этот метод основан на двойственном представлении |
линейного |
||||
объекта в виде дифференциального |
уравнения |
|
|||
n |
• |
|
m |
. |
|
• d |
У(1) |
—Wh |
dx (x) |
|
|
2 я :•' |
dt- |
- |
^Di~~dt~ |
|
|
3=0 |
•> |
|
1=0 |
|
|
11
или в виде передаточной |
функции |
|
|
|
m |
|
|
2 W " |
W (ja) |
= |
i=o |
Ä (/od) |
о
которые связаны между собой с помощью прямого и обратного пре образования Лапласа.
Наиболее простой путь определения частотной характеристики физического или биологического объекта состоит в измерении установившейся реакции на синусоидальный входной сигнал для различных частот. При этом могут быть получены амплитудночастотная характеристика YIX (со) и фазочастотная характери стика ф (а>), характеризующие линейный объект.
Этот метод имеет ограниченную область применения (особенно для действующих систем).
В общем случае удобнее находить частотную характеристику путем анализа неустановившейся реакции объекта на произволь ное возмущение, которое может иметь форму единичной ступени или импульса.
Можно считать, что неустановившееся колебание представляет собой сумму синусоидальных колебаний с различными амплиту дами, перекрывающих весь частотный диапазон. Поэтому реакция линейной системы на неустановившийся входной сигнал может
рассматриваться как реакция этой системы на сумму |
синусоидаль |
|
ных колебаний. |
|
|
Метод преобразования данных переходного процесса объекта |
||
в данные, выра?кенпые в функции частоты, |
основан на использо |
|
вании интеграла Фурье |
|
|
оо |
|
|
/ (t) = О, |
при t > |
0. |
о |
|
|
Этот интеграл должен вычисляться для каждой частоты в пре делах времени от нуля до бесконечности. Интегрирование может
быть выполнено |
только при |
условии, что известно |
поведение |
/ (t) на бесконечном интервале |
времени после возмущения. Это |
||
означает, что сист |
ма должна достичь установившегося |
состояния |
в течение некоторого конечного периода времени Т так, чтобы функция / (t) могла быть выражена аналитически на интервале времени от Т до бесконечности.
Таким образом, реакция объекта на входное возмущение мо жет быть представлена в виде
тоо
От
12
где ут — постоянное установившееся значение у (t), соответствую щее постоянной величине возмущения.
Раскладывая комплексную величину на действительную и мнимую составляющие
|
Y(ja) = R + |
jI, |
||
после элементарных |
преобразований |
получим |
||
|
г |
|
Ут |
|
Я = |
(' |
cos atdt |
sin at, |
|
\y(t) |
|
|||
|
I |
y (i)'sin atdt |
— cos at. |
|
|
|
Аналогичные преобразования выполняются и для входного сиг нала X (t). Частотная характеристика системы получается в виде
где M = l ^ i ? 2 |
+ 1 2 — модуль; (p = |
arctg (~^J — фазовый сдвиг. |
|
Численное интегрирование, необходимое при этом, весьма тру |
|||
доемко, и поэтому целесообразно |
использование |
специальных |
|
анализаторов |
гармоник или специализированных ЦВМ. |
||
Использование в этой процедуре |
треугольного |
входного сиг |
нала вместо единичной ступени является предпочтительным, так как не требует перехода объекта в новое состояние и при правиль ном выборе длины импульса позволяет получить достаточный спектр частот. '
Выше был рассмотрен один из способов идентификации, при годный для линейных систем.
Однако среди биологических процессов регуляции (например, метаболических процессов, см. гл. III-2) преобладают нелинейные динамические процессы. В этих случаях целесообразно использо вать идентификационную процедуру, основанную на квазилине аризации (Bellman et al., 1967).
Пусть динамический процесс описывается нелинейным диффе ренциальным уравнением вида
-§- = g(x,k,K),
где к ж К — скоростные константы, значение которых нужно оце нить.
Пусть іѴ-мерный вектор х {t) является решением дифференци ального уравнения
•§- = g{x), ач(0) = оц, і = 1 . . . 5 .
13
Первая из S компонент х (0) особая, а остальные N —S оцени ваются по минимуму суммы
|
M |
|
|
|
|
|
|
Q = 2 [(ß, X{h)) - Wtf, |
M>N- |
S, |
|
|
|
|
i=l |
|
|
|
|
|
где (ß, x) — скалярное произведение; |
ß — весовая |
константа |
||||
(вектор); |
Wi — наблюдаемое |
значение х (і) в момент |
tt. |
Эта про |
||
цедура |
носит итеративный |
характер. |
Если |
х° (t) |
— предполо |
жительное значение, тогда в линеаризованной форме это уравне ние можно записать так:
Якобиан |
|
x1 = |
/ (х°) |
-1- / (а;0) (ж1 |
- |
х°). |
|
|
|
|
dg. (ж°) |
|
|
||
|
|
|
|
|
|
||
может быть |
вычислен |
на интервале 0 ^ t |
tm. |
||||
Мы получаем численно частные решения р (t) уравнения на |
|||||||
интервале 0 |
t ^ |
tm, |
используя |
удобные |
начальные условия |
||
|
|
|
(щ, |
і = |
1 .. . |
S, |
|
|
Р |
' < ° Н о , |
i = |
S + |
l...N. |
Тогда мы получаем численно N — S независимых векторных ре шений однородных уравнений
hj = / (a*) hy, / = 5 + 1, S + 2 ... N,
где hj {t), N — размерный вектор. Для начальных условий
hj (0); / = S + 1, S + 2 ... N,
тогда решение представлено в форме
s 1 (*) = |
/>(*) + S |
Cjhj(t), |
|
3=S+1 |
|
где Cs+i ••• CN—константы, |
которые |
могут быть определены. |
Они вычисляются как решение линейных алгебраических уравне ний
3Q
ВС, = 0, J = 5 + 1 . . . N. Тогда выражение для x (tt) имеет вид
|
N |
|
|
х(Ь) = Р(и)+ |
S CjhjCti), |
i = |
l...M. |
|
j=S+l |
|
|
14
G учетом P (0) hj (0) мы имеем новое значение начального век тора
s(0) = as 1
Cs+i
Процесс может быть повторен для получения улучшенной оценки. Другой метод основан на использовании весовой функции.
Известно, что основной динамической характеристикой объ екта является весовая (импульсная переходная) функция (Пуга чев, 1960). Ее использование для определения характеристик ли нейной системы основано на принципе суперпозиции и свойствах б-функции.
Импульсной б-фуикцией называется такая функция, которая равна нулю всюду, кроме начала координат, равна бесконечности в начале координат, а интеграл от нее, распространенный на сколь угодно малый отрезок, содержащий начало координат, равен единице.
|
ô(s) = 0, |
{хф% |
0(0) = со, |
|
|||
|
-и |
|
|
|
|
|
|
|
^ б (х) dx = |
1 |
при |
любом |
Б ]> 0. |
||
|
— Е |
|
|
|
|
|
|
Можно видеть, |
что для любой |
функции / (х) |
имеет место ра |
||||
венство |
|
|
|
|
|
|
|
|
ь |
|
|
ь |
|
|
|
|
^ / (х) ô (х — х0) dx = ^ / (х) б (х0 — x)dx |
— f (х0) |
|||||
|
а |
|
|
а |
|
|
|
при a |
<ixQ<zb. |
принципа |
суперпозиции |
реакция линейной си |
|||
На |
основании |
стемы на произвольное возмущение может быть представлена в ви де суммы реакции этой системы на элементарные возмущения, на которые это произвольное возмущение может быть разложено. Поэтому динамические характеристики линейного объекта можно
полностью характеризовать |
его реакцией на |
определенное эле |
|
ментарное возмущение, при помощи которого |
можно выражать |
||
любые |
возмущения. |
|
|
Если полное возмущение х (і), действующее на линейную си |
|||
стему, |
представить в виде |
линейной комбинации возмущений |
|
хг (t) ... |
x,{t) |
|
|
N x(t)=2ckxk(t),
15
то выходная переменная системы у |
(t) может быть |
представлена |
|||
в виде той же линейной |
комбинации |
|
|
||
|
|
|
N |
|
|
|
|
|
к=і |
|
|
выходных переменных |
ук (t), |
соответствующих |
возмущениям |
||
xk (t). Зависимость |
выходной |
переменной от возмущения может |
|||
быть представлена |
в форме |
|
|
|
|
|
|
Ук (0 |
= А х к |
(t), |
|
где А — оператор |
объекта. |
|
|
|
Если входные возмущения системы выразить как
x(t) = ^C(X)l(t,X)dX,
то выходная переменная система выражается как
где функции Z (t, X) являются выходными переменными данной системы, соответствующими возмущениям !• (S, X) при тех же зна чениях параметра X,
Z (t, X) = Atl (t, X).
С помощью известных свойств ô-функции произвольная функ ция X (t), являющаяся входным возмущением, может быть запи сана в виде
|
x(t)= ^ |
x(x)ô(t |
— |
x)dt, |
|
|
||
тогда выходная переменная |
линейного |
объекта |
выражается как |
|||||
|
У(х)= |
^ |
g(t,x)x(x)dt, |
|
|
|||
где |
g (t, т) — реакция |
этой |
системы |
в момент t |
на возмущение |
|||
ô (t |
— т) — называется |
весовой |
(импульсной переходной) |
функ |
||||
цией. |
|
|
|
|
|
|
|
|
|
Основным методом построения математической модели |
объекта |
является статистический метод. Этот метод базируется на мате матической статистике. Поэтому рассмотрим здесь сначала основы этого метода для простейшего одномерного объекта, на входе которого приложено случайное воздействие х (t), а на выходе объ екта имеем случайную функцию у (t) (Райбман, 1967). Математи-
16
ческой моделью |
является оператора;, которым описывается рас |
|||
сматриваемый объект. Результат воздействия случайной |
функции |
|||
х {t) на объект |
с оператором |
At |
можно записать в виде |
следую |
щего уравнения: |
|
|
|
|
|
у (t) = |
At |
X (t), |
|
которое устанавливает связь между выходной и входной перемен ными.
Для линейных объектов зависимость выходной переменной у (£) от входной X (t) может быть задана дифференциальным урав нением
11 |
j |
т |
і |
J=0 |
d t |
i=0 |
d t |
импульсной переходной функцией g (t, s)
|
t |
|
2/(0= |
[ |
g(t,s)x(s)ds, |
частотной характеристикой |
Ф (t, |
г со) \ |
оо |
|
|
у (t) = ^ Ф (t, |
і, со) Р (со) e™'dco, |
где
ce
: (t) = ^ P (со) ешаа.
Определение общей характеристики объекта оператора может быть произведено по статистическим характеристикам входной и
выходной переменных х |
(t) и у (t). Если у (t) |
и х (t) могут быть из |
|||||||||
мерены, |
то задача |
сводится к определению |
оператора |
At по ре |
|||||||
зультатам измерения входной и выходной случайных |
функций. |
||||||||||
Точнее, |
ставится |
задача определения |
не самого оператора At, |
||||||||
а его |
оценки А*, |
которая и используется в качестве |
характери |
||||||||
стики |
|
истинного |
оператора At- |
При |
этом |
разумно |
потребо |
||||
вать, |
чтобы |
оценка оператора А* была близка к его истинному |
|||||||||
значению At |
в смысле |
некоторого |
критерия, |
т. е. должно |
быть |
||||||
выполнено |
требование |
близости |
случайной |
функции у* |
(t) — |
||||||
выхода |
модели |
|
|
|
|
|
|
|
|
у* (t) = Atx (s)
и случайной функции у (t), являющейся выходной переменной
объекта. |
* " ' ~ ~ 7 ~ Л £ б ^ Г £ Г •4 |
17
біиолкотека СССР
Для решения задачи вводится функция р [г/,, |
которая за |
|
висит от у (t) и у* (t) и не зависит от .оператора At. |
Выбор |
этой |
функции зависит от принятого критерия оптимальности. |
Функ |
|
ция p [yh j/;] обычно называется функцией потерь. |
Для решения |
поставленной задачи на математическое ожидание этой функции
накладывается |
требование минимума |
|
|
|
|||||
|
|
|
М{р |
[уи |
у\]} = min |
|
(I - l - l) |
||
и в этом смысле понимается близость оценки А* г< истинному |
зна |
||||||||
чению оператора At. |
Соотношение |
(1-1-1) будет выполнено, |
если |
||||||
потребовать |
минимум |
математического |
ожидания |
функции |
|||||
P = \Уі-> |
Уі I П Р И заданной случайной функции х (t), т. е. |
|
|
||||||
|
|
|
M {р [уи |
уМ) |
= ш т . |
(1-1-2) |
|||
Условие |
минимума |
соотношения |
(П-1) следующее: |
|
|
||||
|
|
|
-^-M{(>[y„y,/xs]} |
= |
0. |
|
|
При идентификации объектов управления в большинстве прак тических случаев ищется оптимальный оператор по критерию минимума средней квадратической ошибки, т. е. принимают
Р [Уи У*] = ІУі — У*)2-
Тогда из условия (1-1-2) получим следующее уравнение для опреде ления оптимальной в смысле минимума среднего квадрата ошибки оценки оператора At:
у (t) |
= А\х |
(s) = M {у (i)lx |
(s)}. |
(1-1-3) |
Из уравнения (1-1-3) |
видно, |
что оператор |
условного |
математиче |
ского ожидания, т. е. регрессия выходной переменной у (t) отно сительно входной X (t) дает оптимальный оператор объекта в клас се всех возможных операторов.
В нашедших широкое развитие статистических методах иден
тификации чаще всего оптимальный оператор |
ищут в классе ли |
|||||
нейных |
операторов. |
|
|
|
|
|
Можно показать, что в этом случае оценка |
оператора Dt |
свя |
||||
зана с корреляционными |
функциями |
соотношением |
|
|||
|
|
А'КХХ |
(v, s) = Кух |
(t, v), |
|
|
где |
Кхх |
(v, s) — автокорреляционная |
функция |
случайной |
функ |
|
ции |
X (t); Кху (t, ѵ) — взаимная корреляционная функция |
слу |
||||
чайных |
функций у (t) и X (t). |
|
|
|
18
Весовая функция g (t, s) определяется из интегрального урав нения
Kyx(t,v)= jj g(t,s)Kxs(s,v)ds, t-T
здесь T — интервал наблюдения.
В частном случае, когда функции х (t) и у (t) являются ста ционарными и стационарносвязанными, оптимальная оценка опе ратора А * может быть определена из уравнения
Кѵ х {%) = А ' К х х (t — х),
весовая функция (при бесконечном интервале наблюдения) — из интегрального уравнения Винера — Хопфа
|
|
оо |
|
|
Kvx(ï) |
= |
\g(t)Kxx(t-T)dt. |
|
|
О |
|
Таким образом, по результатам измерения входного у (t) и |
|||
выходного |
X (t) случайных сигналов определяется неслучайная |
||
оценка At |
случайного |
оператора |
At. |
Как было показано выше, задачей идентификации является опре деление оператора Dt объекта или, иными словами, математиче ской модели объекта.
Первый простейший метод идентификации применялся Ро бинсоном (1968) для получения передаточной функции при иссле довании глазодвигательного аппарата (см.- главу II1-5). Ко второ му направлению идентификационных задач, основанному на тео рии квазилинеаризации, можно отнести идентификационную про цедуру, разработанную Р. Беллманом применительно к процессам метаболизма и кровообращения (см. главу Ш - 2) .
|
|
Л И Т Е Р А Т У Р А |
Браверман |
Э. М. Восстановление дифференциального уравнения объекта в |
|
процессе его нормальной эксплуатации.— Автоматика и телемеханика, |
||
1966, № 3. |
||
Пугачев |
В. С. Теория случайных функций и ее применение к задачам автома |
|
тического управления. М., Физматгиз, 1960. |
||
Райбман |
Л. С. Идентификация объектов управления.— Труды ЦЭМИ АН |
|
СССР, |
1967. |
|
Цыпкин |
Я. |
3. Адаптация и обучение в автоматических системах. М., «Нау |
ка», |
1968. |
|
Bellman R. Math. Bioscience, 1969, 5, N 1/2. |
||
Bellman |
Л., |
Kagiwara H., Kalaba R. Math. Bioscience, 1967, 1, N 1. |
19