- •1. ОБЩАЯ ХАРАКТЕРИСТИКА ЗАДАЧ МОДЕЛИРОВАНИЯ И ИСПЫТАНИЙ СИСТЕМ УПРАВЛЕНИЯ
- •1.1. Основные особенности моделирования систем с учетом реальных условий их применения
- •1.2. Основные свойства и характеристики моделей
- •1.3. Особенности моделирования и испытаний сложных систем
- •1.4. Показатели эффективности систем
- •2. КЛАССИФИКАЦИЯ МОДЕЛЕЙ СИСТЕМ УПРАВЛЕНИЯ
- •2.1. Классификация моделей по способу физической реализации
- •2.2. Классификация моделей по форме математического описания
- •2.3. Детерминированные конечные автоматы и их применение при построении моделей сложных систем
- •2.4. Вероятностные автоматы и марковские цепи
- •2.5. Модели с дискретными состояниями и непрерывным временем
- •2.6. Алгоритмы реализации моделей
- •3. МЕТОД СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ
- •3.1. Теоретические основы метода статистического моделирования
- •3.2. Понятие оценки. Свойства оценок
- •3.3. Точность оценок и определение необходимого количества опытов
- •3.4. Пример использования метода Монте-Карло
- •3.5. Способы построения генераторов случайных чисел
- •3.5.1. Аппаратные способы построения генераторов случайных чисел
- •3.5.2. Программные способы построения генераторов случайных чисел
- •3.6. Методы восстановления закона распределения по результатам статистического моделирования
- •3.6.1. Параметрические методы восстановления закона распределения
- •3.6.2. Непараметрические методы восстановления закона распределения
- •3.7.1. Критерий согласия Пирсона
- •3.7.2. Критерий согласия Колмогорова
- •3.7.3. Другие задачи проверки статистических гипотез, виды критериев и их характеристики
- •3.8. Пример статистической имитационной модели системы со случайными параметрами
- •3.9. Моделирование случайных векторов
- •3.9.1. Метод условных распределений
- •3.9.2. Методы преобразования случайных координат
- •3.9.3. Метод Неймана
- •4.1. Основные формы описания непрерывных случайных процессов
- •4.2. Спектральный метод расчета установившегося случайного процесса в линейной стационарной системе
- •4.3. Статистическая линеаризация нелинейной стационарной системы
- •4.4. Расчет установившегося случайного процесса в нелинейной стационарной системе
- •4.5. Определение характеристик нестационарных случайных процессов методом весовых функций
- •4.7. Моделирование нестационарных случайных процессов в нелинейных системах методом динамики средних
- •4.8. Построение моделей случайных процессов в дискретных системах
- •4.9. Методы моделирования случайных процессов с заданными характеристиками
- •4.9.1. Метод формирующего фильтра
- •4.9.2. Метод скользящего суммирования
- •4.10. Пример статистической имитационной модели системы со случайными параметрами при действии случайной помехи
- •5. СПОСОБЫ СНИЖЕНИЯ ТРУДОЕМКОСТИ СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ
- •5.1. Основные методы уменьшения дисперсии оценки
- •5.1.1. Метод выделения главной части
- •5.1.2. Метод существенной выборки
- •5.1.3. Метод расслоенной выборки (выборка по группам)
- •5.2. Комбинированные методы получения оценок
- •5.2.1. Оценка статистической характеристики сложной математической модели с использованием результатов аналитического упрощенного исследования
- •Литература
- •СОДЕРЖАНИЕ
определяют по (3.32) расчетное значение статистического критерия w* . Ос-
новная гипотеза принимается при выполнении условия |
w |
w |
и откло- |
|
|
0,5 |
|
няется в противном случае.
Рекомендации по определению необходимого объема выборки при заданной вероятности ошибок второго рода приводятся, например, в [12]. Там же содержится большой набор статистических критериев для пр оверки других вариантов параметрических гипотез.
Задача проверки однородности случайных выборок возникает, когда в распоряжении исследователя имеются результаты двух или более самосто я- тельных статистических экспериментов и желательна их совместная обр аботка. В таком случае необходима проверка гипо тезы о принадлежности имеющихся выборок к одной и той же генеральной совокупности. Для пр оверки таких гипотез применяются критерии однородности Смирнова-Колмогорова, Вилкоксона и др.
Критерий однородности Смирнова-Колмогорова по своей форме аналогичен критерию согласия Колмогорова. При проверке гипотезы об однородности двух случайных выборок x1,x2,…,xn и y1,y2,…,ym в качестве меры
|
|
|
|
x F |
x |
|
, где |
|
расхождения рассматривается величина |
|
m,n |
max |
F |
|
|||
|
|
x |
x,n |
y,m |
|
|
|
|
|
|
|
|
|
|
|
|
Fx,*n и Fy,*m - статистические функции распределения, определенные соответственно по первой и второй выборкам. Далее используется закон распреде-
ления Колмогорова (табл. 10) для случайной величины |
mn |
. |
|
||
|
m n |
3.8. Пример статистической имитационной модели системы со случайными параметрами
Рассмотрим модель процесса самонаведения в вертикальной плоскости летательного аппарата (ЛА) с радиолокационным координатором на некоторый объект (цель), в условиях однократного воздействия помехи типа ло ж- ной цели. Целью моделирования является оценка точности системы.
Движение ЛА (в наиболее упрощенном виде) описывается линеаризованной системой дифференциальных уравнений [14]:
d |
K K , |
d |
z , |
|
|
|
|||
dt |
dt |
|||
|
|
92
|
|
|
|
|
d z |
|
L L M |
|
|
N |
|
, |
|
|
||||||||||||
|
|
|
|
|
|
dt |
|
z |
в |
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
d |
в |
|
|
kрп |
|
|
1 |
|
|
|
dy |
|
v , |
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
, |
|
|
ла |
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
в |
|
|
|
|
|
|
||||||||
|
|
|
|
dt |
Tрп |
|
|
Tрп |
|
|
|
|
dt |
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
dyц |
v |
|
, |
|
dD |
v |
|
|
v . |
|
(3.33) |
|||||
|
|
|
|
|
|
|
|
|
|
|
|
ц y |
|
|
ц x |
|
||||||||||
|
|
|
|
|
|
|
|
|
|
dt |
|
|
|
|
dt |
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
В уравнениях (3.33) использованы следующие обозначения пер еменных |
||||||||||||||||||||||||||
состояния модели (рис. 34, 35): - угол наклона траектории ЛА; |
- |
угол |
||||||||||||||||||||||||
тангажа |
ЛА; z |
- |
скорость |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
изменения угла тангажа ЛА; |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
в - угол отклонения рулей |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
высоты ЛА; yла - высота ЛА; |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
yц - высота цели; D - горизон- |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
тальная |
проекция |
дальности |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
"ЛА - цель". |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Постоянные |
коэффици- |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
енты и |
параметры |
модели: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
K,L,M ,N - аэродинамиче- |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
ские коэффициенты; |
Tр п,k р п - |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
постоянная времени и коэф- |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
фициент |
передачи |
|
рулевого |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
привода; |
v |
- скорость ЛА; |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
v цx,vцy |
- |
горизонтальная |
|
|
и |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
вертикальная проекции скорости цели.
Сигнал управления ЛА формируется в виде = ст+ сн, где ст=i1 i2 z - сигнал стабилизации; i1,i2 - коэффициенты передачи автопилота; сн=- k сн( к ) - сигнал самонаведения по методу погони; kсн - коэффициент самонаведения; к - измеренный координатором угол наклона линии визир о- вания цели.
Будем учитывать только детерминированные ошибки измерения, об у- словленные наличием ложной цели.
При отсутствии ложной цели угол наклона линии визирования цели измеряется точно:
93
к ц yц yла .
D
При наличии ложной цели, если в пределах диаграммы направленности антенны координатора находятся обе цели (рис. 35,а), координатор на основе суммарного сигнала измеряет угловое положение некоторого эффективного центра отражения (ЭЦО):
|
|
|
|
|
yэцо yла |
, |
y |
|
y |
|
y |
|
y |
|
|
|
|
sц |
|
, yлц=const, |
к |
эцо |
|
эцо |
лц |
ц |
лц |
s |
|
s |
|
||||||||||
|
|
|
D |
|
|
|
|
|
ц |
лц |
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
где sц и sл ц - интенсивности радиолокационного сигнала соответственно истинной и ложной целей.
После выхода за пределы диаграммы направленности одно й из целей (разрешения целей) координатор измеряет соответственно угловое положение истинной цели (рис. 35,б) к= ц или ложной цели (рис. 35,в):
к лц yлц yла .
D
94
Для построения модели процесса наведения с учетом действия ра с- сматриваемой помехи дополним уравнения (3.33) моделью смены дискретных состояний системы управления, выделив их по признаку различия сигнала управления .
Множество состояний будет иметь вид X=(x1,x2,x3,x4), где x1 - наведение на истинную цель: сн=-k сн( ц );
x2 - наведение на ЭЦО: сн=-kсн( эцо );
x3 - наведение на ложную цель: сн=-k сн( лц );
x4 - отсутствие сигнала самонаведения (координатор работает в режиме
поиска цели): сн=0.
Логика смены состояний описывается графом на рис. 36,а и для случая однократного появления ложной цели иллюстрируется схемой на рис. 36,б.
На рис. 36,б отмечены моменты времени: t0 - начала моделируемого процесса наведения, t1 - появления ложной цели, t2 - разрешения целей, t3 - селекции ложной цели и переключения координатора в режим поиска цели, t4 - повторного захвата на сопровождение истинной цели, T - окончания процесса наведения.
Таким образом, на интервале времени [t0 ;T] могут иметь место следующие последовательности состояний, или фаз движения системы:
u1: x1;
u2: x1 x2 x1 ;
95
u3: u4: u5:
x1 x2 x3 ;
x1 x2 x3 x4 ;
x1 x2 x3 x4 x1 .
Переход из x1 в x2 возможен только в момент времени t1 и происходит с вероятностью p12. Момент t2 и соответствующий ему переход определяются изменением текущих координат моделируемых объектов. Интервалы времени t3 -t2 и t4 -t3 - непрерывные случайные величины, распределенные по экспоненциальному закону.
Таким образом, построенная модель реализует схему ДРС (подразд. 2.2). Отметим также, что система (3.33) после подстановки в правую часть четвертого уравнения выражений для оказывается нестационарной.
Точность системы характеризуется величиной конечной ошибки :
= (T)=y ц(T)-y л а(T), |
(3.34) |
где T определяется из условия D(T)=0.
Все параметры модели, включая начальные условия, можно разбить на четыре группы:
1. Детерминированные (фиксированные) параметры, характеризу ющие
элементы системы управления ЛА: K, L, M, N, Tрп, k рп, v, i1, i2, kсн, sц, .
2. Связанный параметр, определяемый в процессе моделирования:
t2 -t1 .
3.Случайные параметры, характеристики распределения которых оп-
ределяются предшествующими процессами в системе: t0 , начальные условия0, 0, z0, в0, yла0, D0, для уравнений (3.33), интервалы и . В эту группу включим также дискретный параметр с двумя возможными значениями (0 при отсутствии перехода в x 2 в момент t1 и 1 при наличии такого перехода).
4. Неопределенные параметры, характеризующие исследуемые условия применения системы: yц0, vцx, vцy, yлц, sлц, t1.
Таким образом, модель является стохастической, и для показателя качества (3.34) могут быть определены только средние характеристики.
Ограничимся оценкой математического ожидания конечной ошибки системы.
В условиях случайности и неопределенности ряда параметров в общем случае могут быть получены условные оценки m , соответствующие конкретным значениям неопределенных параметров и ко нкретным законам
96
распределения случайных параметров модели. Рассматриваемая модель нестационарной ДРС допускает только имитационное моделирование.
Пусть для моделируемой ситуации заданы:
-фиксированные значения yц0, vцx, vцy, yлц, sлц, t1;
-законы распределения случайных параметров, которые считаются ста-
тистически независимыми:
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
D0 |
D0 max , |
|
f D0 |
|
|
|
|
|
|
|
|
|
при |
D0 min |
|||||||||
|
|
D |
|
|
|
|||||||||||||||
D |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
0 max |
|
|
0 min |
|
|
|
|
|
|
|
|
|
|
|
||||
|
0 |
при |
|
D |
D |
|
|
|
или |
D D |
; |
|||||||||
|
|
|
|
|
|
|
|
0 |
|
0 min |
|
|
|
|
|
0 |
0 max |
|
||
|
|
|
|
|
|
|
|
e |
3 3 |
при |
|
|
|
|
0, |
|
|
|||
|
|
f 3 |
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
3 |
0 |
при |
|
|
|
|
3 |
|
|
|
||||||
|
|
|
|
|
|
|
|
|
3 |
0; |
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
e |
4 4 |
|
при |
|
|
0, |
|
|
||||
|
|
f 4 |
|
4 |
|
|
|
4 |
|
|
||||||||||
|
|
|
|
|
|
|
|
|
4 |
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
0 |
при |
|
0; |
|
|
P( =1)=p12, P( =0)=1-p12;
- для остальных случайных параметров фиксированные значения. Процедура статистического имитационного моделирования и оценки
m для заданной ситуации будет выглядеть следующим образом.
Должны быть получены n реализаций процесса наведения, начиная с t0, путем численного интегрирования на ЦВМ модели (3.33) с учетом смены дискретных состояний системы (серия опытов объемом n).
Перед каждым i-м опытом с помощью стандартного генератора случайных чисел , распределенных по равномерному закону в интервале [0; 1], "разыгрываются" значения случайных параметров модели:
(D0 )i =D0min+(D0max - D0min) 4i-3,
|
|
|
|
|
1 |
|
ln 1 |
|
, |
||||
3 |
|
|
4i 2 |
||||||||||
|
i |
|
|
|
3 |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
1 |
ln 1 |
|
, |
||||
4 |
|
|
|
4i 1 |
|||||||||
|
i |
|
|
|
4 |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
||||
i |
|
1 |
при |
4i |
p12, |
||||||||
|
|
|
|
|
|
|
4i |
p12, |
|||||
|
|
|
0 |
при |
|||||||||
и рассчитывается значение Ti |
|
D0i |
v vцx |
. |
|
|
|||||||
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
97 |
Укрупненная блок-схема получения i-й реализации процесса наведения представлена на рис. 37. В процессе моделирования определяется (t2)i, как момент, когда в первый раз окажется выполнено одно из условий: 1> или2> (рис. 35,б,в), - и определяется дальнейшее развитие процесса: переход x2 x1 при 2> или переход x2 x3 при 1> . После определения (t2)i
раcсчитываются (t3)i=(t2)i+( 3)i и (t4)i=(t3)i+( 4)i. В качестве результата i- го опыта регистрируется i = yц(Ti) - yла(Ti)
98