
- •Федеральное агентство воздушного транспорта
- •Вероятностно-статистические модели эксплуатации летательных аппаратов
- •Редактор л.Е. Паталова
- •Введение
- •Раздел 1. Формирование вероятностно-статистических моделей объектов эксплуатации летательных аппаратов
- •1.2. Законы распределения непрерывных случайных величин, используемые при формировании вероятностно-статистических моделей
- •2. Параметрические и непараметрические модели оценки вероятностно-статистических характеристик объектов эксплуатации
- •2.1. Формирование параметрических моделей оценки случайных характеристик объектов
- •2.2. Проверка соответствия выбранной модели экспериментальным данным с помощью критериев согласия
- •2.3. Формирование непараметрических моделей оценки случайных характеристик объектов эксплуатации
- •2.4. Непараметрические критерии согласия
- •3. Точечная и интервальная оценка характеристик случайных величин объектов эксплуатации
- •3.1. Точечная оценка характеристик случайных величин
- •3.2. Интервальная оценка характеристик случайных величин. Доверительные границы
- •3.3. Определение доверительных границ для различных законов распределения
- •3.4. Прогнозирование случайных характеристик по времени работы
- •4. Дискретные вероятностно-статистические модели объектов эксплуатации
- •4.1. Использование законов распределения дискретных случайных величин
- •4.2. Законы распределения дискретных случайных величин, используемые при формировании вероятностно-статистических моделей
- •4.3. Модели приемочного контроля
- •4.4. Определение оперативных характеристик контроля
- •4.5. Формирование моделей статистического контроля по альтернативному признаку
- •Раздел 2. Вероятностно-статистические модели процессов эксплуатации летательных аппаратов
- •5. Случайные процессы. Классификация случайных процессов
- •5.1. Процессы эксплуатации как случайные процессы
- •5.2. Классификация случайных процессов
- •5.3. Марковские случайные процессы
- •5.4. Пуассоновский процесс
- •6.2. Стационарные случайные процессы
- •6.3. Вероятностно-статистические модели на основе непрерывных Марковских процессов Определение и основные уравнения для непрерывных Марковских процессов
- •6.4. Анализ модели изменения параметров объектов.
- •7. Однородные конечные цепи Маркова
- •7.1. Определение однородной конечной цепи Маркова
- •7.2. Графическое отображение конечной цепи Маркова
- •7.3. Эргодическая цепь Маркова
- •8. Дискретные Марковские процессы с непрерывным временем
- •8.1. Потоки событий
- •8.2. Дифференциальные уравнения Колмогорова. Предельные вероятности состояний
- •8.3. Решение системы алгебраических уравнений предельных вероятностей состояний с помощью математического пакета Mathcad
- •Решение системы алгебраических уравнений с помощью встроенной функции find
- •9. Полумарковские процессы эксплуатации
- •9.1. Определение и основные свойства полумарковских процессов эксплуатации
- •9.2. Основные соотношения для полумарковских моделей
- •9.3. Примеры моделей полумарковских процессов эксплуатации
- •10. Модели процессов восстановления
- •10.1. Понятие восстановления. Классификация процессов восстановления
- •10.2. Модели процессов восстановления
- •10.3. Характеристики процессов восстановления
- •0 TBt
- •Раздел 3. Модели идентификации объектов и процессов эксплуатации ла
- •11. Анализ временных рядов показателей объектов и процессов эксплуатации
- •11.1. Временные ряды показателей эффективности процессов эксплуатации
- •11.2. Анализ временных рядов. Компонентные составляющие временного ряда
- •11.3 Выбор кривой сглаживания значений исходного ряда
- •12. Модели корреляционно-регрессионного анализа показателей объектов и процессов эксплуатации
- •12.1. Понятие корреляции и регрессии
- •12.2. Модели корреляционного анализа
- •12.3. Модели регрессионного анализа
- •12.4. Использование метода наименьших квадратов для формирования линейной модели регрессии
- •12.5. Нелинейная регрессия
- •Использование системы Mathcad для построения
- •13. Модели эксплуатации на основе метода динамики средних
- •13.1. Сущность метода динамики средних
- •13.2. Математическое описание метода динамики средних
- •13.3. Примеры применения уравнений динамики средних для решения эксплуатационных задач с использованием системы Mathcad
- •Коэффициенты для распределения Вейбулла
- •Значение гамма - функции
- •Значения (критерий Колмогорова)
- •Коэффициенты для определения доверительных границ среднего квадратического отклонения
- •Литература
- •Раздел 1. Формирование вероятностно-статистических моделей объектов эксплуатации летательных аппаратов ……………………………………………….4
- •Раздел 2. Вероятностно-статистические модели процессов эксплуатации летательных аппаратов………………………………………………………………...42
- •Раздел 3. Модели идентификации объектов и процессов эксплуатации ла…………………………………………………………………………………77
8.2. Дифференциальные уравнения Колмогорова. Предельные вероятности состояний
Для
случайных Марковских процессов с
дискретными состояниями и непрерывным
временем в графе состояний у стрелок
переходов из состояния в состояние
указываются плотности вероятности
переходов
.
Потоки событий, переводящие систему из
одного состояния в другое, являются
пуассоновскими.
Пусть
система имеет конечное число дискретных
состояний
.
Схема случайного процесса представляет
собой ступенчатую кривую (рис. 8.2), причем
на рис. 8.2 изображен один из возможных
вариантов, одна из возможных реализаций
процесса.
Рис. 8.2.
Смена состояний в процессе происходит в некоторые случайные моменты времени, распределение которых подчиняется экспоненциальному закону.
Для
любого момента времени
вероятность обозначенных выше состояний
есть
,
при этом соблюдается условие нормировки
.
Чтобы
найти все вероятности состояний
,
необходимо решить систему дифференциальных
уравнений Колмогорова.
.
(8.3)
Здесь сумма первых чисел означает сумму потоков вероятностей, идущих в данное состояние, а второй – сумму потоков вероятностей, идущих из данного состояния.
Если
предельные вероятности состояний
системы существуют, то имеет место
установившийся режим, для которого
производные будут равны нулю. В этом
случае система дифференциальных
уравнений Колмогорова превращается в
систему
алгебраических уравнений.
Совместно с нормированным условием
эти уравнения дают возможность вычислить
все предельные вероятности состояний
.
8.3. Решение системы алгебраических уравнений предельных вероятностей состояний с помощью математического пакета Mathcad
Пусть
имеется исходная система n
линейных
алгебраических уравнений относительно
n
неизвестных:
.
Матрица:
называется матрицей системы.
Матрица
называется матрицей правых частей системы.
Решение системы алгебраическихуравнений может быть получено методом Крамера, с помощью обратной матрицы или с помощью встроенной функции find.
Для конкретности рассмотрим систему уравнений, составленную по графу состояний, изображенному на рис. 8.3.
Система алгебраических уравнений
для этого графа состояний будет иметь
а21 а12 а13 следующий вид :
-(a12
+
a13
)P1
+ a21P3
= 0
а32 a12P1 – a21P2 + a12P3 = 0
Рис.8.3 a13P1 – a32P3 = 0
Если добавить к этой системе нормировочное условие Р1 + Р2 + Р3 = 1 ,
то одно из уравнений системы можно исключить (целесообразно исключить самое громоздкое) и решать систему одним из указанных выше методов.
Пусть, например, исключено второе уравнение. Имеем следующую исходную систему уравнений:
- (а12 + а13)Р1 + а21Р3 = 0
а13Р1 – а32Р3 = 0 (8.4)
Р1 + Р2 + Р3 = 1
Решение системы уравнений методом Крамера
Обозначим матрицу коэффициентов левых частей исходной си стемы уравнений символом А, а матрицу правых частей символом В.
Далее записывается следующий текст:
ORIGIN := 1
А:=B:=
Далее
определяется значение детерминанта
.
Заменяя последовательно столбцы матрицы А значениями величин строк матрицы В, определяем значения детерминантов D1, D2, D3:
D1=…
D2=…
D3=…
Значения неизвестных P1, P2 и P3 определяются по формулам:
Решение системы алгебраических уравнений с помощью обратной матрицы
Обратная
матрица формируется с помощью панели
Matrix
путем вызова
операции