![](/user_photo/_userpic.png)
книги из ГПНТБ / Пугачев, В. С. Основы статистической теории автоматических систем
.pdfX 1 — |
Д/ + T \ 2 f t + 1 |
|
|
2т3k |
|
/ Д< + Т \ 2 * + 2 ' |
+ |
|||
Т + т |
|
|
(Д/ + т)2 |
V Г + X J |
||||||
+ |
|
r*(k+\) |
|
|
L1 |
( - r |
i f f * |
3])- |
<з л м > |
|
(2/г + 3) (Л/ + |
т)3 |
|||||||||
Функция |
|
|
т—м |
|
|
|
|
|
||
|
|
|
|
|
|
|
X |
|||
М *. т, г , Д0 = |
0 |
0 |
0 |
|
|
|
S') |
|||
|
|
0 |
|
бф |
|
|
|
|||
X Аа£> (£) D (£') 6 (s - |
g) б (s' - |
|
|
s') ds ds' d ^ d f . |
||||||
Г) д ^ }- S (s - |
||||||||||
|
|
|
|
|
|
|
|
|
|
(3.195) |
В результате вычисления этого интеграла получим |
|
|||||||||
h = k2 |
(А - О2 |
|
/ |
М + т \2*+1 |
|
|||||
(2А+ 1) (Д< + х) |
\ |
Г + т |
|
|
||||||
|
|
t'J |
|
|||||||
|
|
х(А- |
1) |
|
_ |
/ |
Д<^ + Тт |
\?*+2у |
+ |
|
|
|
(Д/ + т)2 |
|
|
\ |
7 4 -т ) |
|
|||
|
|
|
|
|
|
|||||
|
|
т2(* + |
I)2 |
|
|
Д/ + т \2*+з |
(3.196) |
|||
+ (2А + 3) (Д/ + т)2 |
|
Г + т ) ’ |
JJ |
|||||||
|
|
В вышеприведенных формулах при А/ < т необходимо прини мать А/ = т. Это объясняется тем, что полет не может быть управ ляемым в течение времени т, меньшего времени инерционности дви жения относительно центра массы.
Суммированием квадрата математического ожидания (3.181) и дисперсии (3.191) определяется второй начальный момент промаха. Исследование зависимости второго начального момента промаха от обобщенного коэффициента усиления показывает, что существует экстремальная точка, обеспечивающая минимум среднего квадрата промаха (с^)т1п при оптимальном коэффициенте усиления.
= |
Рассмотрим числовой пример при следующих данных |
[50, 61]; |
Gg = 0, бф = |
|||||||||||||||
6,28-10~6 |
рад2-с; |
m |
= |
1; а |
= 2 ; |
п = |
j |
ig\ g = 9,81 м/с2; |
m |
= m . = 0: |
||||||||
ст |
= 100 |
м; |
<т. = |
10 |
«и |
пц |
|
850 |
ч |
^ |
= |
500 |
м -с"1: |
v |
«о |
Уо |
||
м -с"1: v = |
м-с |
|
v |
= |
350 |
м -с"1; |
||||||||||||
D„ = 5000 |
|
"о |
|
|
14,28 |
с; |
DB= 75 |
м, |
ч |
DB/vr = 0,21 |
с; |
х = |
0,2 с; |
|||||
м; Г = Da/vr = |
Д/ = |
|||||||||||||||||
/ т = е т = 0 Т = 0 ц Т = 0 . |
графики |
второго |
|
начального |
момента |
промаха |
ракеты |
|||||||||||
|
На рис. |
3.12 показаны |
|
в зависимости от обобщенного коэффициента усиления к, условий стрельбы и пара метров ракеты.
Анализ графиков показывает, что существует оптимальное значение обобщен ного коэффициента усиления, обеспечивающее минимум среднего квадрата промаха. Оптимальное значение коэффициента усиления незначительно изменяется при раз личных условиях стрельбы в рассматриваемом диапазоне изменения параметров.
Г л а в а 4 |
МЕТОДЫ АНАЛИЗА |
|
НЕЛИНЕЙНЫХ НЕПРЕРЫВНЫХ СИСТЕМ |
4.1. Задачи анализа нелинейных систем
Динамические процессы в нелинейных системах существенно слож нее процессов, происходящих в линейных системах. Это опреде ляется наличием нелинейности и структурой системы. Нелиней ности, имеющие безынерционные нелинейные функциональные за висимости между переменными на входе и выходе, в отличие от ли нейных элементов преобразуют характер случайных процессов, изменяют их законы распределения.
При наличии нелинейностей в замкнутых системах при опреде ленных начальных условиях возможно возникновение и устойчивого колебательного процесса, называемого автоколебаниями. Автоко лебания имеют определенную частоту повторения. При случайных возмущениях автоколебания в нелинейной системе нарушаются, движения приобретают сложный хаотический характер.
Динамические процессы в нелинейных системах при действии случайных возмущений претерпевают сильные качественные и коли чественные изменения. Чтобы охарактеризовать эти процессы, не достаточно знать только математические ожидания и корреляцион ные функции входных и выходных переменных. Для исследования нелинейных преобразований случайных функций и нелинейных ди намических систем, находящихся под воздействием случайных воз мущений, используют законы распределения входных и выходных сигналов. Эта задача достаточно сложна и сводится к интегрирова нию дифференциальных уравнений в частных производных относи тельно функции плотности вероятности. В практических инженер ных оценках она может быть заменена определением числовых ха рактеристик — вероятностных моментов высших порядков перемен ных системы.
Задачи анализа нелинейных динамических систем, находящихся под воздействием случайных возмущений, состоят в определении за конов распределения или вероятностных числовых характеристик всех или только выходных переменных, в исследовании зависимости этих характеристик от параметров системы, а также числовых ве личин входных сигналов, в определении точности воспроизведения или преобразования полезных сигналов. Одной из основных задач среди перечисленных является задача оценки математических ожи даний и корреляционных функций выходных переменных. Эта задача включает также оценки математического ожидания и . корреляцион ной функции ошибки воспроизведения системой полезного или задан-
Ш
ного сигнала, т. е. основную задачу точности. Общая постановка этой задачи аналогична постановке, сформулированной в гл. 2, п. 1 для линейных систем. Однако решение задачи для нелинейных замкну тых систем связано со значительными трудностями вычислитель ного характера. При этом для произвольных нелинейных систем не существует общего точного метода определения интересующих нас вероятностных характеристик. Поэтому большое значение имеют приближенные методы решения задач анализа, в том числе и задач определения точности нелинейных систем, основанные на применении обычной и статистической линеаризации функциональных зависимо стей. Если функциональные зависимости линеаризованы, то прибли женно анализ нелинейных систем может быть проведен методами ли нейной теории. К приближенным методам относится также метод эк вивалентных возмущений, основанный на аппроксимации выходных переменных любой динамической системы полиномами по случайным параметрам, если входные случайные возмущения представлены в па раметрическом виде через случайные параметры [23, 31].
Приближенные методы дают возможность определить числовые характеристики случайных процессов в нелинейной системе — ве роятностные моменты, основными из которых являются математиче ские ожидания и корреляционные функции.
4.2. Преобразование случайных функций нелинейностями
Простейшей нелинейной системой является безынерционная не линейность. Значение функции Y на выходе безынерционной нели нейности ср определяется только значением функции X на входе в тот же момент времени t:
У (0 = Ф [X (*)]. |
(4.1) |
Нелинейное безынерционное преобразование случайного процесса, так же,как и линейное пропорциональное, не вносит дополнительных вероятностных связей. Это означает то, что, если процесс на входе безынерционного преобразования полностью характеризуется «-мер ным распределением, то процесс после преобразования (на выходе нелинейности) также характеризуется распределением /г-го порядка. Например, если случайный процесс на входе в нелинейность пред ставляет собой белый шум, то на выходе он также является белым шумом. Однако в отличие от линейного безынерционного преобразо вания при нелинейном преобразовании изменяется вид закона рас пределения.
Задача анализа применительно к заданному преобразованию (4.1) состоит в определении закона распределения функции Y (t) при заданном законе распределения функции X (t). Для опреде ления закона распределения функции Y(t) необходимо существова ние обратного функционального преобразования
X (t) = ф (Y (*)). |
(4.2) |
112
Если обратное преобразование (4.2) однозначно и задача функции плотности вероятности f (х, t) распределения процесса X (t), то плот ность вероятности к {у, t) процесса Y (t) определяется на основании
следующих рассуждений. Вероятность того, |
что функция X (t) за |
||
ключена в интервале х 0, х 0 + dx, |
равна / (х, |
t) dx. Вероятность того, |
|
что У (t) заключена в интервале у 0, у 0 + |
dy, |
равна к (у, t) dy. В силу |
|
однозначной детерминированной зависимости между Y и X вероят |
|||
ность к (у, t) dy = / (х, I) dx. |
|
|
|
Разделив правую и левую части этого равенства на dy, получим |
|||
к (у, t) = |
f(x, 0 - ^ - . |
(4.3) |
|
Из формулы (4.3) следует, что необходимо существование произ |
|||
водной от обратной функции ~ |
^ . |
Кроме того, так как плот |
ность вероятности не может быть отрицательной, в формуле (4.3) необходимо учитывать модуль производной. Окончательно формула для плотности вероятности выходной переменной принимает вид
h{y, = t) ~dy (4.4)
Если обратное преобразование неоднозначно, то в формуле (4.4) необходимо осуществить суммирование по каждой ветви неоднознач ной характеристики ф (у).
В общем случае при определении «-мерной функции плотности вероятности на выходе безынерционной нелинейности получаем фор
мулу |
[45, |
56, |
68] |
|
|
^ (d ll |
• • -1 |
Уги |
^1> ■■• I |
k |
■• • •) %nkI ^1> ■• ■>tn) JП> (4-5) |
|
|
|
|
|
где xik = ф* (xit . . |
|
т _ d (xik.......xnk) |
|
j n — |
Уп) |
d {‘Jv |
yn) — ветвь неоднозначного преобразования; - якобиан обратного преобразования вида
dipi
дУп
дфп
дуг дуп
суммирование осуществляется по всем ветвям обратного преобразо вания. При этом, если определяют m-мерный закон распределения на
выходе к {уг, . . ., ут, tlt . . ., tm) и т < « , |
то в |
формуле (4.5) |
|
якобиан вычисляют только для т переменных, |
а для |
определения |
|
к (уи . . ., у,п, tlt . . ., t,n) выражение (4.5) необходимо |
проинтег |
||
рировать по переменным хт+1, . . ., хп. Если |
т > |
п, |
то т — п |
переменных у{ функционально связаны с остальными, |
а функция рас |
|
пределения |
/Н—Л |
|
|
||
^ (Уи • • •> Упи ^1> • ••> ^т) |
{^.Уи • • ч Уги |
^ Уп+l® ( Ф/)- |
|
1 = \ |
|
8 В. С. Пугачев |
113 |
Вычисление плотностей вероятности по приведенным формулам достаточно просто для однозначных обратных преобразований. Однако на практике часто обратное преобразование многозначно пли в некоторых случаях имеет бесконечное число значений, а ее произ водные терпят разрыв. В этих случаях для определения одномерных функций распределения необходимы специальные приемы, а опреде ление многомерных функций распределения становится весьма гро моздким [24].
Практически валено, однако, определение одномерных моментных функций любого порядка, а также второго двумерного центрального момента — корреляционной функции на выходе нелинейности. Эта задача более простая для определения одномерных моментных функ ций, причем для определения одномерного момента любого порядка случайной функции на выходе произвольной нелинейности необ ходимо знать закон распределения входной функции:
СО
М {[К(*)]*} = |
J |
[ф (*)]*/(*. t)dx. |
(4.6) |
|
— СО |
|
|
k = |
1, |
2....... |
|
В частном случае полиноминальной характеристики ср (х) формула для k-ro момента переменной Y (t) выражает этот момент через мо менты переменной X (t) для того лее момента времени и может быть получена из формулы (4.6), если в нее подставить выралеение
|
|
|
N |
|
|
■ |
Ф(*) = 2 |
|
|
В результате получаем |
i=i |
|
||
|
|
|||
м |
[КА] = |
S |
Иг • -с1кМ [Х''1+-+Ч |
(4.7) |
где |
‘Т..... £*=1 |
|
|
|
|
|
|
|
|
|
|
|
со |
|
|
Л4 [Хг1+-"+П] = |
j х'4+-”+'*f(x, t)dx |
|
|
|
|
|
— со |
|
есть гх + • . . + |
//.-начальный момент случайной функции |
X (t) |
для момента времени t. Из формулы (4.7) следует, что момент /е-го порядка выходной случайной функции выралеается линейно через высшие моменты входного процесса, начиная с момента /е-го порядка до момента kN-vo порядка.
Так как всякая однозначная нелинейность практически любым способом может быть аппроксимирована полиноминальной характе ристикой, то сформулированное выше правило для моментов выход ной переменной является общим для нелинейных безынерционных преобразований.
114
Более сложной является задача определения корреляционной функции или второго начального момента выходной переменной нелинейности:
СО |
0 0 |
— со — со
где / (xlt х2, t ! , t2) — двумерная функция плотности вероятности слу чайного процесса на входе. Из формулы (4.8) следует, что для опре деления второго начального корреляционного момента ( t lt t2) необходимо знать двумерный закон распределения входной перемен ной. Непосредственно вычислить интеграл (4.8) сложно. Для его вычисления разработаны два общих метода: прямой метод и метод контурных интегралов (Райса). Для нормальных случайных про цессов применяют метод производных, который по существу является
методом контурных интегралов. |
плотности |
|
Прямой |
метод основан на представлении двумерной |
|
/ (хь х2, t u |
t2) процесса на входе в нелинейность в виде |
двойного |
функционального ряда по ортогональным полиномам |
|
/ (Xi, Х2, ti, t2) — |
f (XL, tx) f (x2, t 2) n, m—0 anm {tl, |
^2) |
X |
Qn (•*!> ^l) Qm {X2, ^2)1 |
(4.9) |
где / (х, t) — одномерная плотность вероятности; Q„ (х, t) — поли номы, которые удовлетворяют условию ортогональности
Коэффициенты апт t2) можно заранее рассчитать по формулам
CO CO
— 00——0000
n, m = 0, 1, 2, . . .
Подставляя выражение (4.9) в формулу (4.8), получаем
00
Г// (^i ^2) — |
S |
&пт (^1» ^2) Сп(^l) Cm(^2)1 |
где |
п, т—О |
|
|
|
|
|
со |
|
Сп (0 = |
J ф (х, |
1) Qn (х, t) f (х, t) dx. |
—00 |
|
8* |
115 |
Метод контурных интегралов основан на преобразовании характе ристики нелинейности при определенных условиях [77 ] с помощью контурного интеграла вида
(4.10)
L
где
СО
q (iu) = J ф (х) е~'Л" dx
— переходная функция нелинейности [19, 77]. Подставляя вы ражение (4.10) в формулу (4.8) и производя преобразования, получим
Г, fo, t 2) = |
JqJ(t%) q ( i u 2) g (иъ u 2, 1Ъ t %) d u ± d u 2, (4.11) |
|
L L |
где g ( u lt u 2, t lt t 2) — двумерная характеристическая функция про цесса на входе в нелинейность. Представляя характеристическую функцию в виде двумерного ряда по ортогональным полиномам, аналогично выражению (4.9) запишем
СО
g (M l, U-2 , t-2) = ё (Wli ^2) X ^ пт It ^2) X n, m= 0
x |
P„(ult Ц Р т(и2, i2), |
(4,12) |
где Pn (и, t) — ортогональные полиномы; |
|
|
СО |
с о |
^l) X |
ЬПт (4>^2) = J |
{ё ( и ъ u2i h , 1 г ) Р п ( и и |
—СО — с о
хр п (и1, t j p m(ut, ti)du1diu.
Подставляя соотношение (4.12) в формулу (4.11), после преобразований получим
ГЛ^1, |
^2) — |
с оX Ьп т (1ъ |
t 2) |
d n (t2) d m (i2), |
|
|
n, m=0 |
|
|
где |
|
ЯJUu) Pn (u, |
|
|
d n (0 |
= |
t) |
P,„ (u, t) d u . |
L
Здесь L — контур интегрирования, соответствующим образом вы бранный в комплексной плоскости и [77].
В ряде случаев нелинейность в диапазоне изменения входной пе ременной можно линеаризовать, представив в виде отрезка ряда Тей лора относительно математического ожидания входной переменной
тх (см. гл. 1 п. 8):
cp (X) = ср (тх) + ср' (тх)Х°.
116
В этом случае для получения вероятностных характеристик про цесса на выходе нелинейности применима теория преобразования случайных функций линейным безынерционным элементом (см. гл. 2,
п. 1).
Приближенно можно также определить вероятностные характе ристики случайного процесса на выходе безынерционного элемента, если нелинейность линеаризовать статистически, т. е. представить в виде выражения
ф W = Фо + /гД 0.
В этом случае также применима линейная теория. Однако ста тистическая характеристика ср0 и коэффициент /ех зависят от параме тров одномерного закона распределения процесса на входе в нели нейность и определяются по формулам (1.78), (1.79), (1.80). При этом вероятностные моменты случайного процесса на выходе нелинейности вычисляют по следующим формулам:
М [Y (0] = ср0; |
|
М([У° (/)]"} = /ei!M([X° (о]л); |
(4.13) |
Ку (^Ъ ^2) —^1 (^l)^1 0*2) Кх(^1, ^2) •
Изложенные методы определения законов распределения и вероят ностных моментов случайного процесса на выходе безынерционного нелинейного элемента требуют знания законов распределения для входного процесса или его вероятностных моментов высших порядков по сравнению с определяемым.
4.3. Метод передаточных функций
Как известно, любую нелинейную систему можно рассматривать состоящей из безынерционных нелинейностей и линейных инерцион ных частей. Для приближенного вероятностного анализа применим линеаризацию нелинейностей относительно центрированных слу чайных функций в соответствии с приемами, описанными в п. 1.8. При этом в общем случае уравнения системы останутся нелинейными относительно математических ожиданий переменных и линейными относительно центрированных случайных составляющих с коэффи циентами, зависящими от математических ожиданий (обычная линеа ризация) или от математических ожиданий и корреляционных мо ментов (статистическая линеаризация) переменных на входе в нели нейность. Линеаризация уравнений дает возможность применить для вероятностного анализа теорию линейных преобразований слу чайных функций, изложенную в гл. 2. Для стационарных устойчивых систем, находящихся под действием стационарных случайных воз мущений, при анализе только установившегося режима во многих случаях удобно применить метод передаточных функций (п. 2.4).
Рассмотрим прежде всего одномерную стационарную систему с одним входом и одним выходом (см. рис. 1.1). Пусть на входе си
117
стемы задана сумма неслучайного полезного сигнала ти н стацио нарной случайной помехи № (/), имеющей равное нулю математиче ское ожидание:
U (0 = ти (t) + Я° (t).
Система управления должна удовлетворять определенным тре бованиям, например требованиям воспроизведения на выходе по лезного сигнала ти (t) в случае следящей системы или получения некоторой линейной функции этого сигнала и его производных, как в линейной системе. При этом систему в целом проектируют как линейную, а нелинейности типа ограничения, зон нечувствительности и другие учитывают при анализе динамики и точности ее работы. В некоторых случаях систему проектируют как нелинейную. Задача таких систем состоит в воспроизведении входного сигнала или в под держании постоянного значения выходной переменной. В установив шемся режиме рассматриваемая нелинейная система должна иметь некоторый выходной желаемый сигнал уТ (I), связанный с входным полезным сигналом некоторым идеальным оператором L (2.33). Ошибка системы управления при этом выражается формулой
Е = Y — Lmu.
Пусть нелинейная система содержит один нелинейный безынер ционный элемент и описывается уравнением вида
Fг (р) Y = Н г (р) ср (X); |
F2 (р) X = Н2 (р) [U - Y], (4.14) |
где Fx (р), F2 (р), # х (р), Я2 |
(р) — полиномы относительно р с по |
стоянными коэффициентами; ср — нелинейная функция. На рис. 4.1 изображена структурная схема рассматриваемой системы. Предпо ложим, что функция ср является гладкой дифференцируемой и воз можна ее линеаризация:
ср (X) = ср (щх) + ср' (пгх) Х°. |
(4.15) |
Подставляя выражение (4.15) в уравнение (4.14) |
и отделяя мате |
матические ожидания и центрированные составляющие, получим уравнения для математических ожиданий
Fi (р) гпу = Н 1 (р) ср (mx); F2 (р) пгх = Я2 (р) |
[пги — т„\ |
(4.16) |
|
и уравнения для центрированных составляющих |
|
|
|
F± (р) К° = Я, (р) ср' (т,) Х°; |
F2(р) X» = Я2 (р) [У0 - П . |
(4.17) |
|
Если нелинейность нечетная, |
то можно принять 4>(mx)= k 0(tnx) X |
||
X тх. В установившемся режиме, если такой |
в системе |
суще- |
Рнс. 4.1. Структурная схема одномерной системы
118
ствует, величина тх — const. Тогда уравнения (4.16) и (4.17) яв ляются стационарными. Пользуясь уравнением (4.16), определяем передаточные функции для ту и тх соответственно:
ф_________ Нi (s) 7/о (s) /г0 (тх)_______ .
W F, (s) F2(s) + Н, (s) Н2 (s) kB(тх) ’
ф |
/ р \ |
___ ___________________Т / 2 ( s ) Fo (s)__________________ |
|
ox( J |
F1 (s)F2(s) + Hi(s)H2(s)k0 (mx) ' |
Используя выражение для передаточной функции Ф0ЛГ (s), на основании формулы (2.31) получаем
со
тх = ^ тр Фсы (0, тх)т {иг) (/). г=о
Эту формулу следует рассматривать как уравнение относительно тх. Разрешая его любым способом, определяем тх, а затем величины /г0 (пгх) и cp' (m.v). Далее на основании той же формулы (2.13) опре деляем
СО |
|
Щ = 2 7Г < ’ (°. |
(0. |
где Фоу (0, тх) — г-я производная передаточной функции Фо,, (s,
тх) по s.
Математическое ожидание ошибки системы определяют на осно вании формулы (2.34). В данном случае
СО
Ше = £ СГт\Р (/), /■=0
где Сг — коэффициенты ошибок, определяемые формулами (2.34). Пользуясь уравнением (4.17), определяем передаточную функцию
для переменной Y 0:
Ф м |
_________Hi (s) Я 2 (s) ф' (тх) |
(4.18) |
|||
iu W |
~ Fl (s) р 2 |
(s) + Hl (s) H2 |
(s) cp' (mx) |
||
|
Заменяя s = iсо в формуле (4.18), вычисляем частотную характе ристику линеаризованной системы в установившемся режиме. Для определения дисперсии выходной переменной применим формулу
(2.41):
СО |
|
Dy = J | Фад (ив) |* SN(со) dco. |
(4.19) |
Интеграл в формуле (4.19) вычисляют при помощи таблиц (при ложение 2), если спектральная плотность SN(со) представлена дробно рациональной функцией частоты, а подынтегральное выражение приведено к выражению (2.45).
Так как в рассматриваемом случае полезный сигнал является неслучайным, то дисперсия ошибки совпадает с дисперсией выходной переменной D в = Dy.
119