- •1 Лекция 1. Понятие моделирования. Цели моделирования
- •2 Лекция 2. Основные термины в математическом моделировании. Виды математических моделей
- •2.1 Основные термины в математическом моделировании
- •2.2. Основные виды математических моделей
- •3 Лекция 3. Этапы процесса моделирования. Общие принципы построения моделей
- •3.1 Этапы процесса моделирования
- •3.2 Общие принципы построения моделей
- •4 Лекция 4. Аналитические методы определения характеристик объектов
- •4.1 Основные уравнения динамики
- •4.2 Упрощение уравнений динамики
- •4.3 Линеаризация уравнений
- •5 Лекция 5. Аналитические методы моделирования объектов с сосредоточенными параметрами
- •6 Лекция 6. Примеры моделирования объектов с сосредоточенными параметрами
- •7 Лекция 7. Объекты с сосредоточенными параметрами. Динамика теплообменных процессов
- •8 Лекция 8. Аналитические методы определения характеристик тепловых объектов
- •9 Лекция 9. Моделирование объектов с распределенными параметрами
- •10 Лекция 10. Общие сведения о проблеме идентификации
- •10.1 Основные понятия
- •10.2 Классификация методов идентификации
- •11 Лекция 11. Постановка задачи идентификации
- •11.1 Объект идентификации
- •11.2 Постановка задачи идентификации
- •12 Лекция 12. Идентификация линейных динамических объектов. Прямые методы
- •12.1 Прямые методы определения динамических характеристик
- •12.2 Идентификация с помощью переходной функции
- •13 Лекция 13. Идентификация линейных динамических объектов. Прямые методы
- •13.1 Графическая идентификация с помощью переходной функции процессов второго порядка
- •13.2 Графическая идентификация с помощью импульсной переходной функции
- •13.3 Идентификация с помощью частотной характеристики
- •14 Лекция 14. Параметрическая идентификация линейных объектов
- •14.1 Статические детерминированные линейные модели
- •14.2 Динамические детерминированные модели
- •15 Лекция 15. Непараметрическая идентификация линейных динамических объектов. Корреляционные функции
- •15.1 Общий подход к определению непараметрической модели
- •15.2 Определение корреляционных функций сигналов
- •16 Лекция 16. Непараметрическая идентификация линейных динамических объектов. Уравнение Винера-Хопфа
- •16.1 Уравнение Винера-Хопфа для определения импульсной переходной функции
- •16.2 Алгебраический метод решения уравнения Винера-Хопфа
- •17 Лекция 17. Методы идентификации, основанные на
- •17.1 Краткие сведения об аппроксимации функций
- •17.2 Сглаживание дискретных значений импульсной переходной функции
- •17.3 Метод идентификации, основанный на предварительной аппроксимации импульсной переходной функции
- •18 Лекция 18. Методы идентификации, основанные на аппроксимации характеристик объектов и сигналов
- •18.1 Метод идентификации, основанный на совместной аппроксимации импульсной переходной и корреляционных функций
- •18.2 Метод идентификации, основанный на аппроксимации сигналов
- •19 Лекция 19. Идентификация нелинейных объектов
- •19.1 Особенности идентификации нелинейных динамических объектов
- •19.2 Методы идентификации, основанные на линеаризации характеристик объектов
- •19.3 Идентификация нелинейных функций априорно известного вида
- •19.4 Идентификация объекта с нелинейностями общего вида
- •20 Лекция 20. Алгоритмы предварительной обработки и оценки идентичности
- •20.1 Алгоритмы оценки стационарности и линейности объекта
- •20.2 Количественная оценка степени идентичности модели реальному объекту
- •Список литературы
15.2 Определение корреляционных функций сигналов
Для оценок корреляционных функций надо выполнить большое число экспериментов, записать в каждом из них реализации случайной функции, затем в каждом сеченииt определить среднее значение случайной функции. То есть определить среднее по реализациям.
Желательно определять статистические характеристики случайных процессов в результате не многих, а одного опыта, то есть оценить в среднем по времени на [0, T].
Стационарная случайная функция, для которой среднее по времени совпадает со средним по множеству, называется эргодической (по отношению к математическому ожиданию или корреляционной функции). Гипотеза эргодичности позволяет заменить усреднение по ансамблю усреднением одной реализации по времени.
Среднее значение произведения значенийдвух случайных процессов в различные моменты времени t1 иt2 = t1 + τ называюткорреляционной (иногдаавтокорреляционной) функцией. Для стационарного случайного процесса корреляционная функция зависит лишь от τ = t2 - t1:
(15.2)
причем Rxx(τ) =Rxx(-τ) .
Корреляционная функция характеризует степень связи между значениями случайного процесса в различные моменты времени. По мере увеличения интервала времени τкорреляционная функция убывает – связь между более удаленными друг от друга во времени значениями случайного процесса уменьшается. При τ = 0 (t1 = t2) для центрированного случайного процесса значение корреляционной функции равно дисперсии.
Среднее значение произведения значений двух случайных процессов для различных моментов времени t1 и t2 = t1 + τназывают взаимнойкорреляционнойфункцией. Для стационарных случайных процессов взаимная корреляционная функция зависит только от τ = t2 - t1:
(15.3)
Взаимная корреляционная функция характеризует степень связи между значениями двух случайных процессов в различные моменты времени. С увеличением интервалаτ значение взаимной корреляционной функции также убывает.
Ввиду того, что объем измерений ограничен вместо этих функций используют их оценки:
(15.4)
где 0≤τ≤TR, TR – период времени, который определяется из условия, что при
τ > TR корреляционная функция не выходит из заданного (обычно 5%) коридора: │R(τ )│ ≤ 0.05Rmax (корреляцию меньше 5% естественно считать несущественной).
Очевидно, что TRразлично для Rxx(τ) иRxy(τ). Но так как нас интересуют динамические свойства объекта, а они отражаются в Rxy(τ), то можно считать, что TR=TRxy. Таким образом, исходная информация преобразуется к паре корреляционных функций: < ,,0≤τ≤TR>.
При вычислениях с помощью компьютеров, интервалT разбивается на N равных отрезков длиной ∆t, τ и принимают дискретные значения, кратные ∆t:
τ = k·∆t, k = 0, 1, 2, 3…, t = kt ·∆, kt =1, 2, 3…
Тогда интеграл можно заменить приближенно следующей суммой:
.
Чаще используется следующая формула:
(15.5)
k=0,1,…, N, – интервал сдвига (k=0, …, N-1), N – число измеряемых координат корреляционной функции, x – среднее значение х на интервале.
Точность определения корреляционной функции по (15.5) определяется длительностью интервала наблюденияT, максимальным временем корреляцииτmax, шагом квантования по времени ∆t, числом ординат корреляционной функции, определяемых на интервале 0<=τ<=τmax. Под максимальным временем корреляции понимается такое τ, начиная с которого
|R(τ)|<= 0,05·Rmax.
Общая схема определения корреляционной функции:
1. Реализации исследуемых случайных процессов центрируются.
2. Производится предварительный частотный анализ, в результате которого грубо оценивается высшая fmax и низшаяfmin гармоники в исследуемых сигналах.
3. Определяется максимальное время корреляции сигнала:
τmax=.
Выбирается интервал вычисления корреляционной функции в соответствии с требуемой точностью. Так, для определения корреляционной функции с точностью 2% для центрированных реализаций случайного процесса
T ≈16·τmax
На основании теоремы Котельникова выбирается шаг квантования по времени:
∆t <= .
Выбирается количество уровней квантования. Для точности 2% - 14 уровней.
4. Оценивается число вычисляемых координат .
5. Выполняется расчет по алгоритму (15.5).