- •Гоу впо Кубанский государственный технологический университет
- •Печатается по решению Редакционно-издательского совета КубГту
- •1 Цифровые системы управления
- •1.1 Способ управления с помощью эвм
- •1.2 Решетчатые функции и разностные уравнения
- •1.3 Условие устойчивости линейных импульсных систем, описанных разностными уравнениями
- •1.4 Дискретное преобразование Лапласа
- •1.5 Определение периода квантования при дискретном измерении без потери информации непрерывного сигнала
- •1.6 Основные свойства -преобразования
- •1.7 Дискретная передаточная функция
- •1.8 Получение оригинала из уравнений в конечных разностях и с помощью -преобразования
- •1.9 Цифровые аналоги типовых законов управления
- •1.10 Анализ цифровых систем управления
- •1.11 Анализ устойчивости цифровых систем.
- •1.12. Аналитический синтез алгоритма управления цифрового вычислительного устройства
- •1.13. Алгоритм цифрового управления по критерию быстродействия
- •1.14 Особенности реализации цифровых законов управления при использовании сервомоторов постоянной скорости
- •2.2 Характеристики случайных процессов
- •2.3 Стационарные случайные процессы
- •2.4 Основные свойства корреляционной функции и спектральной плотности стационарных случайных процессов
- •2.5 Прохождение случайных воздействий через линейную сау
- •2.6 Анализ систем регулирования при стационарных случайных воздействиях
- •2.7 Синтез сау при заданной структуре
- •2.8 Фильтр Винера - Колмогорова
2.2 Характеристики случайных процессов
Случайной функцией некоторой независимой переменной называют функцию, значение которой является случайной величиной. Если независимой переменной является время , случайная функция называется случайным или стохастическим процессом. Функция, полученная в результате опыта неслучайна, поскольку закон ее известен. Случайность проявляется в непредсказуемости результатов другого опыта. Совокупность всех реализаций (результатов опыта) представляют случайную функцию или процесс. Для характеристики случайных процессов служат моменты случайной функции или ее многомерные функции распределения вероятности и плотности вероятности.
Функцией распределения вероятности (интегральный закон распределения) называют вероятность того, что случайная величина примет значение меньше некоторого фиксированного значения
(2.2)
где - символ вероятности.
Соответственно одномерная плотность вероятности есть производная от функции распределения вероятностей
. (2.2)
Величина показывает вероятность того, что случайная величина находится в интервале до . Если рассмотреть пару значений , полученных в момент времени и , то двумерный закон распределения вероятности
, (2.3)
выражает вероятность того, что в момент времени , а в момент времени .
Двумерная плотность вероятности может быть определена так:
.
Она показывает вероятность того, что в момент времени значение случайного процесса находится в пределах , а в момент - в пределах .
Значение , взятые в различные моменты времени
независимы друг от друга. Вероятность совпадения событий, заключающихся в нахождении и между и , в момент времени и между и в момент времени равна произведению вероятностей каждого из этих событий, поэтому
Хотя многомерные законы распределения случайных процессов полнее характеризуют процесс, но они громоздки, с ними трудно работать. На практике пользуются одно - или двумерным законом распределения. Например, марковские процессы полностью характеризуются двумерным законом (двумерной плотностью вероятности). Вероятность нахождения в заданном интервале от до в момент зависит только от состояния в предшествующий момент и не зависит от состояния в другие ранее предшествующие моменты.
Свойства плотности распределения вероятности:
.
Математическим ожиданием случайной величины называется среднее значение бесконечного множества реализаций , вокруг которого группируются все реализации данного процесса. Это неслучайная величина (функция).
. (2.4)
называется центрированной случайной функцией, .
Для практических расчетов используется формула
. (2.5)
Здесь не истинное значение, а оценка из-за конечного значения ;
- значение случайной функции -й реализации в момент времени .
Степень разброса реализаций относительно характеризуется дисперсией случайного процесса, являющейся неслучайной и неотрицательной функцией
(2.6)
Среднеквадратическое отклонение - СКО равно
.
В общем случае и являются функциями времени и определяются для каждого момента как средние по множеству
, (2.7)
где - число реализаций, берется для получения несмещенной оценки, которая исключает систематическую погрешность из-за использования не истинного значения математического ожидания, а его оценки .
Связь между значениями случайного процесса в различные моменты времени устанавливается с помощью корреляционной функции, определяемой как математическое ожидания произведения значений центрированной случайной функции, взятой для двух моментов времени и :
(2.8)
где - двумерная плотность вероятности.
При .
Здесь мы опускали точки над случайной функцией, предполагая ее центрированное значение.
Основные свойства корреляционной функции:
является четной функцией, .
не зависит от аддитивной детерминированной составляющей в случайном процессе.
. (2.9)
где - центрированная случайная величина.
Если в случайный процесс детерминированная функция входит сомножителем, то его корреляционная функция определяется выражением:
, ;
(2.20)
Взаимной корреляционной функцией случайных функций и является математическое ожидание произведения эти центрированных функций, взятых в различные моменты времени и .
(2.22)
Взаимная корреляционная функция не обладает свойством симметрии относительно аргументов (не является четной).
.
Если случайная функция состоит из суммы двух некоррелированных (несвязанных, независимых) случайных функций, то выполняется условие:
, (2.22)
где .
Для математического ожидания справедливы соотношения: математическое ожидание суммы случайных функций равно сумме математических ожиданий каждой из них
; . (2.23)
если случайная функция имеет в качестве сомножителя детерминированную функцию, то
, (2.24)
где .