- •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
если рассматривать два входных сигнала: X1 =X и
X |
dX |
и |
использовать |
форму |
2 |
dt |
|
|
|
|
|
|
|
|
|
|
|
|
|
Y 0 k1 X 1 k2 X 2 . |
|
|||
|
Формулы для расчета коэффициентов ста- |
|||
тистической линеаризации типовых нелинейных |
||||
звеньев приводятся в справочных разделах [2, 32, |
||||
33]. |
|
|
|
|
|
Отметим в итоге, что коэффициенты стати- |
|||
стической линеаризации оказываются функциями |
||||
статистических характеристик |
входных |
сигналов нелинейного звена. Для |
||
звена с одним входом 0 , k0 и k1 зависят от mx |
и σx. Для звена с нескольки- |
|||
ми входами 0 и n коэффициентов k i |
зависят от вектора математических |
ожиданий входных сигналов и матрицы моментов (4.12).
4.4. Расчет установившегося случайного процесса в нелинейной стационарной системе
Замена нелинейного звена линеаризованной моделью позволяет использовать принцип суперпозиции - провести раздельный анализ преобразования системой детерминированных и случайных составляющих входных сигналов. Особенность применения принципа суперпозиции на основе статистической линеаризации состоит в том, что для случайных составляющих нелинейное звено заменяется безынерционным звеном с коэффициентом k 1 , а для детерминированных - безынерционным звеном с коэффициентом
k 0 (при нечетной нелинейности) или постоянным сигналом 0 . Определяемые по (4.19)-(4.22) коэффициенты статистической линеари-
зации оказываются функциями моментов распределения сигналов на входе нелинейности, которые, в свою очередь, вычисляются через передаточные функции системы, включающей в себя линеаризованное звено, то есть зависят от коэффициентов статистической линеаризации. Вследствие этого расчет стационарного процесса в статистически линеаризованной системе сводится к решению системы нелинейных алгебраических уравнений, требующему применения численных методов.
Рассмотрим пример такого расчета для системы, структурная схема которой приведена на рис. 42, статическая характеристика нелинейного звена - на рис. 40.
120
Передаточная функция линейной части |
|
||||
Wл ( p) |
kл |
|
|
. |
|
p Tp |
1 |
||||
|
|
Задающее воздействие изменяется по закону g=vt. На входе действует случайная помеха F(t) в виде белого шума с нормальным законом распределения, нулевым математическим ожиданием и спектральной плотностью S0 . Требуется определить математическое ожидание и среднеквадр атическое
отклонение сигнала ошибки в установившемся процессе. |
|
Выделим детерминированную и случайную составляющие |
сигнала |
|
|
ошибки: X t g t Y t mx (t) X t . С учетом характера |
входных |
сигналов и в соответствии с принципом суперпозиции составляющие сигнала ошибки в линеаризованной системе будут определяться следу ющим образом:
m (t)= x , x g у ст X t Y t .
Для расчета детерминированной составляющей сигнала ошибки после линеаризации используется структурная схема (рис. 43,а), а для расчета центрированной случайной составляющей - структурная схема (рис. 43,б), где
k |
k 1 k |
2 |
|
1 |
1 |
||
|
|
|
|
1 |
|
2 |
|
|
|
|
k0
2 1 x
|
|
2c |
|
|
|
mx |
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
k0 (mx |
, x ) , |
|
|
||||||||||
|
mx |
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
1 |
2 |
|
|
2 |
|
|
x mx 2 |
|
|
|
|
|
|
2 |
|
|
|
|
|
|
2 |
|
|
|||||||
|
4 |
mx |
|
|
|
|
|
e |
2 x |
=k1 (mx,σx). |
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
x |
|
|
|
|
2 |
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
121
При расчете детерминированной составляющей передаточная функция замкнутой системы по ошибке имеет вид:
Фx ( p) |
Tp2 |
p |
. |
|
Tp2 p k0kл |
||||
|
|
В результате: mx |
v |
mx k0 |
. |
|
|
||||
k0kл |
||||
|
|
|
Среднеквадратическое отклонение сигнала ошибки определяется через дисперсию выходного сигнала и основную передаточную функцию замкнутой системы, которая в рассматриваемом примере примет вид:
p |
k1kл |
|
. |
Tp2 p k k |
|
||
1 |
л |
||
В результате: |
|
|
|
|
|
|
|
1 |
|
|
j |
|
2 S |
|
k1k‘ S0 |
|
|
2 |
D |
y |
|
|
|
|
|
|
d |
, σ |
||||
|
|
|
|
|||||||||||
|
|
|
|
|
||||||||||
x |
|
|
|
2 |
|
|
|
|
0 |
2 |
|
|||
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
При заданных k л , T и c для расчета характеристик решить систему нелинейных алгебраических уравнений:
x= σx(k 1 ).
ошибки необходимо
mx=mx(k 0 ),
σx=σx(k 1 ), k 0 =k 0 (mx,σx),
k 1 =k 1 (mx,σx),
например, методом последовательных приближений.
122
4.5. Определение характеристик нестационарных случайных процессов методом весовых функций
Область применения рассмотренного спектрального метода ограничена анализом установившихся случайных процессов в стационарных системах при стационарных воздействиях. Одним из возможных методов опр еделения характеристик нестационарных случайных процессов в системах управления является метод весовых функций.
Если известна весовая функция системы w(t,τ), то выходной сигнал Y(t) при заданном входном сигнале G(t) и нулевых начальных условиях определяется следующим соотношением (интегралом свертки) [3]:
t |
|
Y t w t, G d , |
(4.23) |
0 |
|
справедливым как для детерминированных процессов, так и для реализаций случайных процессов в системе.
Усреднив левую и правую части соотношения (4.23) по множеству реализаций, получим соотношение для определения математического ожидания выходного сигнала:
t |
|
my t w t, mg d , |
(4.24) |
0 |
|
где mg(τ) – математическое ожидание нестационарного входного сигнала. Аналогично может быть определена корреляционная функция:
t |
t |
|
K y t1, t2 1 |
2 w t1, w t2 , ' Kg , ' d d ' , |
(4.25) |
0 0 |
|
где Kg(τ, τ’) – корреляционная функция нестационарного входного сигнала. При t1 = t2 из (4.25) получается соотношение для дисперсии:
t t |
|
Dy t K y t, t w t, w t, ' Kg , ' d d ' . |
(4.26) |
0 0 |
|
Особый практический интерес представляет определение характер истик переходного процесса в стационарной системе при стационарном входном сигнале. Такой процесс является нестационарным, и для него, как частного случая, из (4.23)-(4.26) вытекают следующие соотношения:
123
t |
|
t |
Y t w t G d w G t d , |
||
0 |
|
0 |
|
|
t |
|
my t mg w d , |
|
|
|
0 |
t |
t |
|
K y t1,t2 1 |
2 w w ' K g t 2 t1 ' d d ' , |
|
0 0 |
|
|
|
t |
t |
Dy t K y t, t w w ' Kg ' d d ' , |
||
|
0 0 |
|
где w(τ) – весовая функция |
стационарной системы; mg=const – |
математическое ожидание стационарного входного сигнала; Kg(τ – τ’) –
корреляционная функция стационарного входного сигнала.
Пример. Определим математическое ожидание и дисперсию выходного
сигнала апериодического звена первого порядка при входном сигнале в виде белого шума: Kg(τ) = G0δ(τ), с mg = const при нулевых начальных услови-
ях:
|
|
|
|
|
|
|
|
w |
k |
e T 1 , |
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
T |
|
|
|
|
|
|
|
|
|
|
t |
|
|
|
|
1 e t T 1 t , |
|||||||
m |
|
t m |
|
k |
e T d km e T |
t |
km |
|||||||||
y |
g |
|
||||||||||||||
|
|
T |
|
|
g |
|
0 |
|
g |
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
0 |
t t |
k 2 |
|
|
|
|
|
|
|
|
||
|
|
|
|
e T e 'T G ' d d ' . |
|
|||||||||||
|
|
D |
|
t |
|
|||||||||||
|
|
|
|
|
||||||||||||
|
|
|
y |
|
|
|
T 2 |
|
|
|
0 |
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
0 0 |
|
|
|
|
|
|
|
|
|
Учитывая свойство δ-функции
u ' ' d ' u ,
для дисперсии получим:
|
t |
t |
k 2 |
|
2 |
T G d |
k 2G |
D |
|
|
e |
|
0 |
||
T 2 |
|
|
|||||
y |
|
|
|
0 |
2T |
||
|
|
|
|
|
|||
|
|
0 |
|
|
|
|
|
|
e |
2t |
|
1 |
|
T 1 t . |
|
|
|
|
|
124
Рассмотренный пример относится к числу простейших. Вычисления, очевидно, усложнятся, если рассматривать систему более высокого порядка или определять корреляционную функцию. Для нестационарной системы аналитические решения достаточно сложно получить даже для простейших случаев.
4.6. Моделирование нестационарных случайных процессов в линейных системах методом динамики средних
Рассмотрим линейную нестационарную систему, описываемую ура в- нениями:
dxi t |
n |
|
||
aik t xk t bi t ui t , i=1,2,...,n, |
(4.27) |
|||
dt |
|
|||
k 1 |
|
где aik(t), bi(t) – известные функции времени; xi(t) – фазовые переменные; ui(t) – входные сигналы. Аналогичная система уравнений будет справедлива для случайного процесса, вызванного действием на систему слу чайных входных сигналов. Ограничимся случаем, когда входные сигналы – коррелированные (статистически зависимые) белые шумы:
dXi t |
n |
|
||
aik t X k t bi t Ui t , i=1,2,...,n, |
(4.28) |
|||
dt |
|
|||
k 1 |
|
где Xi(t) – случайные фазовые переменные; Ui(t) – белые шумы с матема- |
|
тическими ожиданиями mui t и матрицей интенсивностей (4.13): |
Gij t , |
i=1,2,...,n, j=1,2, ...,n.
Система (4.28) позволяет определять отдельные реализации случайного
процесса в системе, |
|
описываемого вектором |
фазовых переменных |
||||||
X(t)=(X1(t),X2(t),…,Xn(t)). Усреднив |
уравнения (4.28) по множеству реали- |
||||||||
заций, получим систему уравнений для математических ожиданий: |
|
||||||||
|
dmx |
t |
|
n |
t mx |
t bi t mu t , |
i=1,2,...,n. |
(4.29) |
|
|
i |
|
|
aik |
|||||
|
dt |
|
|
|
k 1 |
k |
i |
|
|
|
|
|
|
|
|
|
|
||
Решением системы (4.29) |
при заданных начальных условиях |
mx 0 , |
|||||||
|
|
|
|
|
|
|
|
|
i |
i=1,2,...,n, могут быть определены законы изменения во времени матем атических ожиданий всех фазовых переменных системы.
Как было указано выше, для получения полного представления о пр о- цессе в системе желательно получить матрицу корреляционных функций (4.10). В связи со сложностью такой задачи обычно ограничиваются опр еде-
125
лением дисперсий фазовых переменных. В рамках метода динамики средних это удается сделать на основе системы уравнений для корреляционных моментов фазовых переменных
|
|
t M |
|
|
|
|
|
, |
ij |
|
X |
t X |
j |
t |
|||
|
|
i |
|
|
|
|||
|
|
|
|
|
|
|
|
|
образующих матрицу (4.12).
Вычитая уравнения (4.29) из соответствующих уравнений (4.28), получаем систему уравнений для центрированных случайных составляющих фазовых переменных и входных сигналов:
|
|
|
|
|
||
d X i t |
n |
|
|
|
||
aik t X k t bi t U i t , i=1,2,...,n. |
(4.30) |
|||||
dt |
|
|||||
k 1 |
|
|
|
Найдем теперь производные корреляционных моментов, используя линейность операций дифференцирования и усреднения:
d ij t |
|
|
t |
|
|
|
|
||
|
|
|
|
|
|||||
M |
d X i |
X j |
|
M X i |
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
dt |
dt |
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
d X j t |
|
||
|
|
|
|
|
|
, i=1,2,...,n; j=1,2,...,n. (4.31) |
|
dt |
|
||
|
|||
|
|
|
Подставим в (4.31) выражения для производных центрированных состав-
ляющих (4.30): |
t |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
d |
ij |
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
M |
|
|
|
a |
t X k t X j |
t |
b t U i t X j |
t |
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
dt |
|
|
|
|
ik |
|
|
i |
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
k 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
t |
|
|
|
|
|
|
|
|
|
|
|
|
M |
|
a |
jk |
t X k t X i t b |
t U j t |
X i |
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
j |
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
k 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
n |
a |
t |
|
|
t a |
|
t |
|
t b |
|
|
|
|
b |
|
|
|
|
|
|
|||||||
|
kj |
jk |
ki |
t M U i t |
X j |
t |
t M U j |
t X i t . |
||||||||||||||||||||
|
ik |
|
|
|
|
|
|
|
|
|
|
i |
|
|
|
|
j |
|
|
|
|
|
|
|||||
|
k 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Для случая, когда входные сигналы Ui(t) – белые шумы – справедливы следующие соотношения [32]:
|
|
|
|
|
|
1 |
|
|
M U |
t X |
j |
t |
|
|
b |
t G t , |
|
|
||||||||
|
i |
|
|
|
2 |
j |
ij |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
M U |
j |
t X |
t |
|
|
b |
t G |
ji |
t . |
|
|
||||||||||
|
|
i |
|
|
2 |
i |
|
|
||
|
|
|
|
|
|
|
|
|
|
В итоге с учетом симметричности матрицы интенсивностей Gij(t)=Gji(t) |
|||
получим: |
|
||
|
d ij t |
n |
|
|
|
|
aik t kj t a jk t ki t bi t bj t Gij t , |
|
dt |
||
|
k 1 |
||
126 |
|
|
|
(4.32)
Для системы n порядка матрица моментов содержит n2 элементов, которые могут быть определены решением n2 уравнений (4.32) при заданных начальных условиях ij(0), i=1,2,...,n; j=1,2,...,n. Но благодаря симметричности матрицы моментов количества независимых переменных ij и незави-
симых уравнений в (4.32) оказываются равны n(n 1) .
2
Необходимо отметить, что даже если требуется определить только дисперсии одной или нескольких фазовых переменных, необходимо совм естно
решать все |
n(n 1) |
уравнений (4.32). |
|
|
|
|
|
||||||||
|
|
|
|
|
|
||||||||||
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Пример 1. Апериодическое звено 1-го порядка описывается дифферен- |
|||||||||||||||
циальным уравнением |
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
dx |
|
1 |
x |
k |
|
u . |
|||||
|
|
|
|
dt |
T |
T |
|||||||||
|
|
|
|
|
|
|
|
|
|
||||||
В соответствии с (4.29) уравнение для математических ожиданий имеет |
|||||||||||||||
идентичный вид: |
|
dmx t |
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
1 |
|
mx t |
|
k |
mu t . |
||||||
|
|
|
dt |
|
T |
|
|
T |
|||||||
|
|
|
|
|
|
|
|
|
|
|
Получим уравнение для дисперсии, учитывая единственную фазовую переменную X1 = X и единственный входной сигнал в форме белого шума
U1 = U с интенсивностью G(t): |
|
|
|
|
|
|
|
|
|
|
|||
n = 1, D |
t |
|
t , |
a |
1 |
, b |
k |
, |
|||||
x |
11 |
|
|
11 |
T |
|
1 |
T |
|
||||
|
dDx t |
|
|
|
|
|
|
|
|||||
|
|
2 |
Dx t |
k |
G t . |
|
|||||||
|
|
dt |
|
T |
T |
|
|||||||
|
|
|
|
|
|
|
|
|
При заданных mu(t), G(t) и начальных условиях mx(0), Dx(0) интегрированием полученных уравнений определяются mx(t) и Dx(t). В частности, при mx(0)=Dx(0)=0, mu(t)=mu=const и G(t)=G0=const получим решение аналитически:
m |
t km |
1 e t T 1 t , |
D t |
k 2G0 |
1 e 2t T 1 t , |
||
|
|||||||
x |
u |
|
x |
2T |
|
|
|
|
|
|
|
|
|
|
что совпадает с результатами, полученными для аналогичного примера м е- тодом весовых функций.
127
Пример 2. Система 2-го порядка описывается уравнением
a |
t |
d 2 y t |
a |
t |
dy t |
a |
|
t y t b u t . |
|
|
2 |
||||||
0 |
|
dt2 |
1 |
|
dt |
0 |
||
|
|
|
|
|
|
Требуется определить математическое ожидание и дисперсию выхо дного сигнала при действии на входе белого шума с характеристиками mu(t), и
G(t).
Введем фазовые переменные x1 = y, |
x2 |
|
dy |
и перейдем к системе |
|||||||||||||||||||
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
dt |
|
|
|
|
|
||
уравнений в нормальной форме: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
dx1 |
|
a x a x b u , |
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
dt |
|
11 |
1 |
12 |
2 |
|
1 |
1 |
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
dx2 |
a |
|
x a |
|
x |
|
b u |
|
, |
|
|
|
|
|
||||||||
|
|
21 |
22 |
2 |
2 |
|
|
|
|
|
|||||||||||||
|
|
dt |
|
1 |
|
|
|
2 |
|
|
|
|
|
|
|
|
|||||||
|
|
t |
|
|
|
|
|
|
t |
|
|
|
|
|
t |
|
|
||||||
где a11=0, a12=1, a |
a2 |
, |
a |
a1 |
, |
b1=0, b |
b0 |
, u1=0, |
|||||||||||||||
21 |
|
|
|
a0 |
t |
|
22 |
|
|
a0 |
t |
|
|
|
2 |
a0 |
t |
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
u2=u(t).
В соответствии с (4.29) получим систему уравнений для определения математических ожиданий фазовых переменных:
dmx1 |
a m |
|
a m |
|
b m , |
|
|
x |
|||
dt |
11 x |
12 |
1 u |
||
|
1 |
|
2 |
1 |
|
|
|
|
dmx2 |
a m |
|
a |
|
m |
|
b m , |
|
|
|
22 |
x |
|||||
dt |
21 x |
|
|
2 u |
|
|||
|
1 |
|
|
|
2 |
|
2 |
|
|
|
|
|
|
|
или с учетом условий задачи:
dmx2
dt
|
dmx1 |
|
mx , |
|
|
|
|
|
|
||||
|
dt |
|
|
|
|
|
|
||||||
|
|
|
|
2 |
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
a2 |
|
m |
|
|
a1 |
m |
|
|
b0 |
m . |
(4.33) |
|
|
|
x |
|
x |
|
||||||||
|
|
a0 |
|
|
|
a0 |
|
|
a0 |
u |
|
||
|
|
|
|
1 |
|
|
2 |
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
Составим теперь уравнения для корреляционных моментов:
|
d 11 |
a a a |
|
a |
|
b2G |
, |
|
||||||||
|
|
|
21 |
21 |
|
|||||||||||
|
dt |
11 |
11 |
11 |
11 |
12 |
|
12 |
|
1 |
11 |
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
d 12 |
a a a |
|
|
a |
|
|
b b G |
, |
||||||||
|
22 |
21 |
||||||||||||||
|
dt |
11 |
12 |
21 |
11 |
12 |
22 |
1 |
2 |
12 |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
128