- •В.И. Королев, в.В. Сахаров, о.В. Шергина оценка параметров, моделирование динамических систем и электрических цепей в среде matlab
- •Санкт-Петербург
- •Рецензенты:
- •Isbn 5-88964-073-X © Королев в. И.,
- •Содержание
- •1. Идентификация параметров моделей систем на основе квадратичных методов оценивания………..……………………………………………………………........................... 11
- •Модели установившихся режимов в электрических цепях и
- •4. Модели пространства состояний в электрических цепях и
- •5. Системы и цепи под воздействием параметрических возмущений: численные и
- •6. Моделирование динамических систем и электрических цепей средствами
- •8. Моделирование технологических процессов в системах с помощью
- •Введение
- •Идентификация параметров моделей систем на основе квадратичных методов оценивания
- •Линейные модели систем Рассмотрим систему линейных уравнений
- •Рассмотрим линейное уравнение
- •Для существования точного решения уравнения (1.1) должно выполняться условие
- •1.2. Переопределенные системы уравнений. Метод наименьших квадратов
- •Введем векторы
- •1.3. Оценивание параметров периодических сигналов по экспериментальным данным
- •Таким образом, требуется оценить амплитуды и фазы
- •Разделив период t на 24 равных интервала, мы получим . Так как , то каждому будет соответствовать угол (в градусах).
- •1.4. Рекуррентный метод оценивания параметров моделей
- •1.5.Алгоритм оценивания параметров моделей в условиях ограничений
- •Минимальное значение (1.43) соответствует условию
- •1.6. Нормы оценивания параметров в теории инверсных систем
- •1.7. Оценивание параметров по критерию минимума среднего абсолютного значения остатков
- •Уравнение измерителя
- •1.8. Нелинейное оценивание параметров моделей в режиме прямых вычислений
- •1.9. Алгоритм ортогонализации в оценке параметров динамических систем
- •Рассмотрим нелинейную дискретную модель системы
- •2. Модели установившихся режимов в электрических цепях и системах
- •2.1. Пример модели цепи постоянного тока
- •Пример модели цепи переменного тока
- •2.3.Несимметричные режимы в трехфазных электрических цепях: метод симметричных составляющих
- •2.4. Модель многоузлового разветвления русла в стационарном режиме. Аналогии с электрической цепью
- •2.5. Модель твердого тела с двумя неподвижными точками
- •2.6. Многопродуктовая модель экономики: межотраслевой баланс
- •2.7. Модель оценки элементов матрицы преобразования
- •3. Динамические звенья и системы под воздействием гармонических сигналов
- •3.1.Построение частотных характеристик простых динамических звеньев
- •3.2.Резонанс в динамических системах
- •3.4. Резонанс в электрических цепях
- •3.4. Режим биений
- •4. Модели пространства состояний в электрических цепях и системах
- •4.1. Понятие состояния
- •4.2. Уравнения состояния для электрических цепей
- •4.3. Приведение к резистивной форме моделей электрических цепей с одним накопителем энергии
- •4.4. Определение коэффициентов дифференциальных уравнений моделей электрических цепей с двумя накопителями энергии
- •4.5. Электрическая цепь с четырьмя накопителями энергии
- •4.6. Примеры составления уравнений состояния rlc -цепей в матричной форме
- •Исходная цепь
- •Краткие сведения о решателях дифференциальных уравнений
- •5.2. Об аналитическом решении дифференциальных уравнений
- •5.3.Матричная форма решения уравнений состояния динамических систем
- •Моделирование динамических систем с двумя накопителями энергии при параметрических возмущениях Для определенности рассмотрим модель динамической системы с двумя накопителями энергии:
- •Моделирование –цепей. Аналитические решения
- •Сопротивления ,
- •Переходный процесс в -цепи под воздействием синусоидального входного сигнала
- •Системы, находящиеся под воздействием периодических сигналов прямоугольной формы
- •Динамические системы с двумя накопителями энергии
- •Корни комплексно-сопряженные.
- •Кратные корни.
- •Вещественные неравные корни
- •Динамические системы с тремя накопителями энергии
- •6. Моделирование динамических систем и электрических цепей средствами символьной математики
- •6.1. Символьные выражения и алгебра
- •6.2. Алгебраические и трансцендентные уравнения. Расчет цепи постоянного тока
- •Символьной алгебры
- •6.3. Символьное дифференцирование и интегрирование
- •6.4. Решение дифференциальных уравнений в символьной форме
- •6.5. Моделирование переходных процессов в электрических цепях средствами пакета символьной математики
- •6.6. Операторный метод расчета переходных процессов с использованием пакета символьной математики
- •7. Модели детерминированного хаоса и их применение
- •7.1. Дискретные динамические модели первого порядка со сложной динамикой
- •7.2. Программное обеспечение и моделирование нелинейных дискретных систем. Хаос
- •7.3. О применении нелинейных моделей систем для получения псевдослучайных хаотических последовательностей
- •Моделирование технологических процессов в системах с помощью нейронных сетей
- •8.1.Общие положения
- •8.2. Последовательность операций при создании нейронной сети в среде matlab ( Neural Networks Toolbox)
- •3. Оценка погрешности нейронной модели. Для оценки используется функция моделирования, где в скобках, согласно синтаксису, приводятся сеть и входной сигнал:
- •Моделирование уровней воды в водной коммуникации на основе нейронных сетей
- •В водной коммуникации
- •8.4. Применение нейронной сети для определения химического состава песчано – гравийной смеси
- •Моделирование технологического процесса оценки и прогноза рыночных факторов, воздействующих на работу предприятия и бизнес в классе нейронных сетей
- •Библиографический список
- •Оценка параметров, моделирование динамических систем и электрических цепей в среде MatLab
- •165300, Г. Котлас, ул. Невского, 20.
7. Модели детерминированного хаоса и их применение
7.1. Дискретные динамические модели первого порядка со сложной динамикой
Прежде всего, мы рассмотрим модели, описываемые разностными уравнениями первого порядка, с которыми приходится встречаться в биологических, экономических, технических и социальных системах. Несмотря на то, что уравнения имеют достаточно простой вид и описывают детерминированные процессы, в динамическом поведении моделей наблюдаются самые разнообразные режимы. Это обстоятельство требует сосредоточения особого внимания на выборе структуры и параметров моделей, адекватных поведению реальных объектов и систем [37].
Изучение динамических свойств дискретных моделей, представляемых разностным нелинейным уравнением первого порядка, обычно сводилось к определению условий устойчивости путем линеаризации при допущении условия, что модель подвергается малым возмущениям, приводящим к малым приращениям координат состояния. Однако дальнейшие исследования показали, что простейшие нелинейные разностные уравнения обладают широчайшим спектром поведения – от устойчивости точек, через каскад устойчивых циклов – к режиму детерминированного хаоса, а затем к стохастическому режиму [51].
Для эффективного использования моделей данного класса следует остановиться кратко на обзоре результатов исследований в этом направлении.
Мы остановимся на рассмотрении особенностей поведения нелинейной модели
, n=0,1,…. (7.1)
где f(.) – нелинейная функция. Предположим, что эта функция не аналитическая, т.е. она не может быть разложена в ряд.
В приложениях к моделям биологических популяций переменная состояния x имеет тенденцию роста на последующем шаге для малых значений на предыдущем, и тенденцию уменьшения – для больших x. В начале координат f(0)=0; функция монотонно возрастает в диапазоне 0<x<A ( f(x) достигает максимума в точке x=A); монотонное уменьшение происходит при значениях x>A. Функция может содержать один, либо несколько параметров, вариация которых оказывает существенное влияние на поведение (7.1). Иначе говоря, наблюдается высокая чувствительность модели к изменению параметров «настройки». Эти параметры, безусловно, имеют биологическую, экономическую, либо социологическую интерпретацию. Наиболее часто встречающиеся модели вида (7.1) содержат квадратичную нелинейность
, t=0,1,….. (7.2)
Это логистическое разностное уравнение. В пределе, когда b=0, с помощью (7.2) описывается чисто экспоненциальный рост популяции (для a>1). Для квадратичная нелинейность определяет функцию, обладающую свойством строгой выпуклости. Крутизна функции зависит от параметра . Вместо (7.2) часто используется ее каноническая форма, которая получается путем подстановки /a; t=n :
(7.3)
В дальнейшем мы будем также использовать запись (7.3), в которой a=4·r:
, (7.4)
поскольку в этом случае диапазон вариации r можно установить неравенство 0<r<1.Практические соображения, связанные с невозможностью получения отрицательных значений популяций на любом шаге, определяют ограничения диапазона изменения переменной состояния 0<x<1. В этой связи следует также отметить, что максимум f(x) соответствует x=0,5 и равен a/4. Уравнение (7.3) поэтому обладает нетривиальными свойствами, если а4. Кроме того, все траектории сходятся в точке х=0, если а1. Для уравнения (7.4) аналогичные свойства обеспечиваются при r1 и r.
В математической теории экологических процессов часто используется уравнение
. (7.5)
Оно также может быть отнесено к классу нелинейных систем (7.1). Модель (7.5) также описывает поведение популяции, соответствующее простому экспоненциальному росту при низких плотностях, и тенденцию к уменьшению численности популяции при высоких плотностях. Поведение модели весьма чувствительно к изменению параметра r. С помощью (7.5) принято описывать процессы роста популяций, вызывающих эпидемические болезни с высокими значениями плотности. Условия адекватности обеспечиваются, прежде всего, за счет экспоненциальной составляющей нелинейной функции.
Конечно, моделями (7.2) и (7.5) список динамических систем, простых в аналитическом описании, но сложных в поведении, ввиду большого разнообразия динамических свойств при неизменных структурах, вовсе не ограничивается [35] . В этой же работе, а также в работах [46], [47] можно найти большое число различных приложений, свидетельствующих (по названию последней работы) о важном научном направлении, связанном с изучением хаотических процессов и фракталей.
Остановимся кратко на анализе динамических свойств процессов, описываемых уравнением (7.1). Прежде всего отметим, что возможно определить равновесные значения (или «фиксированные точки») для переменной состояния Х, если положить в установившемся режиме Xn+1=Xn=X*. В этом случае (7.1) становится алгебраическим нелинейным уравнением
, (7.6)
что соответствует нулевому значению роста популяции. Для решения (7.6) можно использовать графические методы, отображающие Xn в состояние Xn+1 , которые представляются точками пересечения нелинейной функции с прямой, определяющей равенство Xn= Xn+1 (при одинаковых масштабах по осям абсцисс и ординат – это прямая в первом квадранте в декартовой системе координат под углом 450 и проходящая через начало координат). Для простой строго выпуклой функции с одним максимумом, представляемой уравнениями (7.3) и (7.5), существуют две таких точки: тривиальное решение Х=0 и нетривиальное решение Х* (которое для модели (8.3) равно X*=1-).
Следующий вопрос, также связанный с устойчивостью модели в точке X*, состоит в оценке ее поведения, если тангенс угла наклона нелинейной характеристики в точке пересечения с вышеупомянутой прямой будет изменяться.
Наклон можно определить с помощью простого соотношения
(7.7)
Из (7.7) следует, что если наклон поддерживается в диапазоне от 450 до -450 (т.е. значения изменяются на интервале от 1 до -1), точка равновесия X* будет устойчивой. Она будет обладать свойством притяжения, т.е. являться аттрактором для любой из наблюдаемых траекторий. В частности, модель (7.3) с наклоном будет обладать свойством притяжения всех траекторий к точке в начале координат в интервале x1, если и только если 1а3. За пределами этого интервала параметр а определяет совершенно иные свойства модели.
Заметим, что координата состояния на (n+2)-ом интервале, согласно (7.1), равна
(7.8)
Используя вместо (7.8) выражение, соответствующее установившемуся режиму, мы получим алгебраическое уравнение
(7.9)
Пересечение кривой с прямой линией теперь будет происходить в двух точках, т.е. будет порождаться двухпериодический процесс. Если наклон характеристики (7.9), определяемый по уравнению (7.7),
(7.10)
находится в интервале л(2), что соответствует углу наклона от 00 до 450, будет наблюдаться устойчивый режим при нетривиальном решении (7.9). Если же углы наклона нелинейной характеристики в точке пересечения с прямой будут таковы, что по абсолютному значению |л(2)|, в системе (7.9) установятся двухпериодические колебания. Базовая точка при этом, соответствующая режиму л(1), является неустойчивой. В частности, двухпериодический цикл можно наблюдать в системе (7.3), если а=3.414. Тогда кривая пересекает прямую (т.е. получается решение (7.9)) в трех точках. Между точками, соответствующими устойчивому двухпериодическому процессу, лежит базисная фиксированная точка, в которой процесс неустойчив.
Дальнейшее увеличение параметра а порождает неустойчивость двухпериодического процесса и устойчивый четырехпереодический цикл, а затем порождает также устойчивые циклы с периодами 8,16,32,64,…,2n. Иначе говоря, каждый предшествующий процесс с периодом к с увеличением а становится неустойчивым, одновременно бифурцирует, в результате возникает устойчивый цикл периода 2к. Наконец, возникает режим детерминированного хаоса, который далее (при значениях а, близких к 4) будет иметь настолько «узкие» границы («окна») сохранения устойчивого t-периодического процесса, что они могут быть сравнимы с погрешностью «машинного нуля». В этом случае хаотический процесс практически становится стохастическим.
В хаотическом режиме модель обладает рядом интересных свойств. Например, при незначительном изменении начальных условий траектории процессов могут с течением времени сильно расходиться. Следовательно, даже по простой модели с точно определенными коэффициентами невозможно предсказать длительное поведение с малой погрешностью. Этот феномен, исследуя метеорологические процессы, Лоренц назвал «эффектом бабочки». Он утверждал, что если даже атмосферные явления удалось бы описать с помощью детерминированной системы уравнений со всеми известными параметрами, колебания крыльев бабочки порождали бы начальные условия, которые в хаотическом режиме не позволили бы точно предсказать процессы на большом временном интервале. При изменении же коэффициентов и начальных условий процессы становятся практически стохастическими.
Классическим примером хаотических систем в гидромеханике являются турбулентные течения и влияние на них изменения параметра – числа Рейнольдса [4]. Система детерминированных уравнений Навье-Стокса, описывающих движения жидкости, при изменении параметра (числа Рейнольдса) позволяет получить резкие переходы из одного состояния в другое (например, переход от ламинарного течения к турбулентному и наоборот) [7]. Кроме традиционных уравнений Навье-Стокса, в работах Белоцерковского О.М. отмечается возможность использования моделей класса (7.1) для описания динамики турбулентности течений, что обеспечивается богатым спектром динамического поведения моделей и возможностью использования процедур пригонки их параметров к экспериментальным данным.