- •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
|
|
d 21 |
|
a a a |
|
|
a |
|
|
b b G , |
||||||||||||
|
|
|
|
21 |
22 |
|||||||||||||||||
|
|
|
|
dt |
21 |
11 |
11 |
12 |
22 |
|
12 |
|
2 |
1 |
|
21 |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
d 22 |
a a a |
|
|
a |
|
|
b2G |
, |
|||||||||||
|
|
|
|
22 |
22 |
|||||||||||||||||
|
|
|
|
dt |
21 |
12 |
21 |
12 |
22 |
|
22 |
|
|
2 |
22 |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
где 11 |
Dx1 |
Dy , |
22 |
Dx2 |
Dy' – |
дисперсии |
|
фазовых переменных, |
||||||||||||||
12= 21 |
– |
корреляционные |
моменты |
|
|
связи |
|
|
фазовых переменных, |
G11=G12=G21=0, G22=G(t). Отметим совпадение правых частей 2-го и 3-го
уравнений. Учитывая это обстоятельство, равенство 12 |
и 21 и условия зада- |
|||||||||||||||||||||||||
чи, получим в итоге: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
d 11 |
2 |
|
|
, |
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
21 |
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
dt |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
d 21 |
|
a2 |
|
|
|
|
a1 |
|
|
|
|
, |
(4.34) |
|||||||||
|
|
|
|
|
|
|
|
|
21 |
22 |
||||||||||||||||
|
|
|
|
dt |
|
|
|
|
a0 |
11 |
|
|
|
a0 |
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
d |
22 |
2 |
a |
2 |
|
|
|
|
2 |
|
a |
|
|
|
|
b2 |
|
|
|
||||||
|
|
|
|
|
|
|
|
1 |
|
|
|
0 |
G . |
|
||||||||||||
|
|
|
|
|
|
21 |
|
|
|
|
22 |
|
|
|||||||||||||
|
dt |
a |
|
|
|
|
|
a |
|
|
|
a2 |
0 |
|
||||||||||||
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
0 |
|
|
|
|
|
Для определения законов изменения математического ожидания и дис- |
||||||||||||||||||||||||||
персии выходного сигнала системы |
|
необходимо |
решить системы уравне- |
|||||||||||||||||||||||
ний (4.33) и (4.34) при заданных начальных значениях mx1 my , |
mx2 my' , |
11, 21 и 22, законах изменения параметров системы и входного сигнала каким-либо численным методом.
Достаточно простое аналитическое решение может быть получено только в стационарном случае для установившегося процесса. Тогда в (4.33) и (4.34) производные можно положить равными нулю, и результат находится решением систем линейных алгебраических уравнений:
|
|
|
b m |
|
0, |
|
|
|
b2G |
|
|
b2G |
|
|
0 . |
|||
m |
|
0 u |
, m |
|
D |
|
0 0 |
, D |
|
0 0 |
, |
|
||||||
|
y |
|
a2 |
y' |
|
|
y |
|
2a1a0 |
y' |
|
2a1a2 |
12 |
21 |
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
4.7.Моделирование нестационарных случайных процессов в нелинейных системах методом динамики средних
Уравнения метода динамики средних получены на основе линейной м о- дели системы в виде (4.27). Тем не менее этот метод в аналогичной фо рме
129
может быть применен и к нелинейной системе в сочетании с методом статистической линеаризации. Для этого модель нелинейной системы должна быть представлена в канонической форме:
|
dXi t |
i t, X1 |
t , X 2 |
t ,..., X n t bi t Ui t , i=1,2,...,n, |
(4.35) |
|
|
dt |
|
||||
|
|
|
|
|
||
где i – нелинейные функции; |
Xi – фазовые переменные системы; |
Ui – |
входные сигналы – белые шумы с математическими ожиданиями mui t и
матрицей интенсивностей (4.13). При такой форме модели входными сигналами нелинейностей являются фазовые переменные системы, которые будем рассматривать в виде сумм математических ожиданий и центрир ованных случайных составляющих:
.
Xi t mx t X i t
i
После статистической линеаризации содержащихся в уравнениях (4.35) n нелинейностей модель примет вид
|
|
|
dXi t |
|
n |
|
|
|
|
|
|||
|
|
|
i0 kij X j t bi t Ui t , |
i=1,2,...,n, |
(4.36) |
||||||||
|
|
|
dt |
|
|
|
|||||||
|
|
|
|
|
|
|
j 1 |
|
|
|
|
|
|
где i0 |
|
|
_ |
|
|
|
|
|
|
|
|
|
|
i0 t, mx , |
x – средние статистические характеристики нелиней- |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ностей, |
kij |
|
|
|
|
|
_ |
коэффициенты усиления нелинейностей |
по |
||||
kij t, mx |
, x – |
||||||||||||
|
|
|
|
|
|
|
|
входных сигналов, mx mx ,mx ,...,mx – |
|||||
случайным |
составляющим |
||||||||||||
|
|
|
|
|
|
|
|
|
1 |
2 |
|
n |
|
|
|
|
|
|
|
|
|
|
_ |
|
|
|
|
вектор |
математических ожиданий фазовых переменных; x |
|
ij |
– мат- |
|||||||||
рица корреляционных моментов связи фазовых переменных вида (4.12). |
|
||||||||||||
Коэффициенты статистической линеаризации i 0 |
и kij |
определяются |
|||||||||||
для каждой нелинейности i |
на основе (4.22) или других полученных в под- |
||||||||||||
разд. 4.3 соотношений. |
|
|
|
|
|
|
|
|
|
После усреднения уравнений (4.36) по множеству реализаций получим
систему уравнений для определения математических ожиданий фазовых переменных:
dmx |
t |
|
|
|
|
|
|
||
i0 |
t, mx , x bi t mu t , |
i=1,2,...,n. |
(4.37) |
||||||
i |
|
|
|||||||
|
|
|
|
|
|
|
|
dt |
i |
|
|
130 |
|
После вычитания уравнений (4.37) из соответствующих уравнений (4.36) получим систему уравнений для центрированных случайных соста вляющих фазовых переменных:
|
|
|
|
|
||
d X i t |
n |
|
|
|
||
kij t, mx , |
|
x X j t bi t U i t , i=1,2,...,n. (4.38) |
||||
|
||||||
dt |
|
|||||
j 1 |
|
|
|
Теперь, выполнив преобразования, аналогичные примененным к системе (4.30), получим систему уравнений для корреляционных моментов свя-
зи фазовых переменных: |
|
|||||||
|
d ij t |
n |
|
|||||
|
|
|
kil t, mx , |
|
x lj t k jl t, mx , |
|
x li t bi t bj t Gij t , |
|
|
|
|
|
|
||||
|
dt |
|||||||
|
l 1 |
|
||||||
|
|
|
|
|
i=1,2,...n; j=1,2,...n. |
(4.39) |
Полученные системы уравнений (4.37) и (4.39) справедливы как для стационарных, так и для нестационарных систем и формально аналогичны уравнениям динамики средних линейной системы (4.29), (4.32). Но здесь коэффициенты уравнений i 0 и kij, в отличие от aij, зависят от текущих значений решений уравнений. То есть, в строгом смысле, уравнения (4.37) и (4.39) являются нелинейными. Поэтому для их решения даже в простейших случаях требуется применение численных методов. При этом на каждом шаге интегрирования необходимо определять новые значения коэфф ициентов i 0 и k ij путем решения систем нелинейных уравнений для определения коэффициентов статистической линеаризации с учетом текущих значений mxi и θij.
4.8. Построение моделей случайных процессов в дискретных системах
Для описания случайных процессов в дискретных системах используются те же характеристики, как и для непрерывных систем, но здесь вм есто непрерывного времени они рассматриваются как функции дискретного аргумента n. Ограничимся рассмотрением одномерного случайного процесса.
Математическое ожидание случайного процесса рассматривается в форме mx(n)=M X(n) , если процесс наблюдают в дискретные моменты времени t=nT0 (T0 - шаг дискретизации времени, n - целое число), или mx(n, )==M X(n, ) , если процесс наблюдают в смещенные моменты времени t=(n + )T0 ( - смещение, 0 1).
Корреляционная функция определяется в форме
131
K |
|
n,n |
M |
|
|
|
|
M X n m |
n X n |
m |
n |
x |
|
X n X n |
|
||||||||
|
1 |
|
|
1 |
|
x |
1 |
x |
1 |
||
|
|
|
|
|
|
|
|
|
|
|
|
или соответственно |
|
|
|
|
|
|
|
|
|||
Кx(n, ,n1, 1)=M[(X(n, )-mx(n, ))( X(n1, 1)- mx(n1, 1))]. |
|
||||||||||
Значение корреляционной функции при n=n 1 |
и = 1 дает дисперсию |
случайного процесса:
Кx(n,n)=Dx(n), Кx(n, ,n, )=Dx(n, ).
Для стационарного процесса mx(n, )=mx=const, Kx(n, ,n1, 1)=Kx(n1-n). Аналогичные замены аргументов выполняются для функций ПРВ и
ФРВ, а также для всех средних характеристик многомерных случайных процессов.
Все рассмотренные методы построения моделей случайных проце ссов применимы и для дискретных систем с некоторыми отличиями, обусло вленными особенностями их описания:
-вместо дифференциальных уравнений используются разностные;
-вместо преобразования Лапласа используется z-преобразование и да-
лее для применения частотных и спектральных методов - w-преобразование, переход к псевдочастоте и так далее.
Рассмотрим особенности построения моделей случайных проце ссов в дискретных системах на примере метода весовых функций.
Весовая функция нестационарной дискретной системы определяе тся в виде w(n, ,k), где n,k - целые числа, - смещение (0 1). Для стационарной системы: w(n-k , ) или w(n, ), считая формально k=0.
При заданном входном сигнале G(n) и известной весовой функции выходной сигнал дискретной системы определяется конечной суммой:
n |
|
Y n, w n, , k G k , |
(4.40) |
k 0
являющейся аналогом интеграла свертки (4.23) для непрерывной системы. Здесь G и Y - реализации случайных процессов.
Усреднив (4.40) по множеству реализаций, получим формулу для о пределения математического ожидания выходного сигнала:
n |
|
my n, w n, , k mg k . |
(4.41) |
k 0
Для корреляционной функции также имеет место соотношение, анало-
гичное (4.25),
132