- •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
2.3 Стационарные случайные процессы
По степени зависимости статистических характеристик от времени случайные процессы делятся на стационарные и нестационарные.
Стационарным в широком смысле слова называют процесс , математическое ожидание которого постоянно, а корреляционная функция зависит только от разности аргументов.
Стационарные случайные процессы, для которых статистические характеристики, полученные путем осреднения по времени одной реализации в большом интервале времени приближенно совпадают с характеристиками, полученными осреднением по множеству реализаций, называются эргодическими. Для стационарной эргодичной случайной функции при .
Для эргодического случайного процесса
; (2.25)
; (2.26)
. (2.27)
При корреляционная функция равна дисперсии случайной функции
. (2.28)
Под временем корреляции понимают интервал времени , начиная с которого и практически некоррелированы, .
Для сопоставления корреляционных функций их нормируют,
. (2.29)
Взаимная корреляция функций двух случайных процессов:
. (2.20)
2.4 Основные свойства корреляционной функции и спектральной плотности стационарных случайных процессов
Двухстороннее преобразование Фурье корреляционной функции называется спектральной плотностью
; (2.22)
. (2.22)
Спектральная плотность является положительной функцией во всем диапазоне частот.
Так как , а - четная функция, то
. (2.23)
Аналогично . (2.24)
и - четные функции своих аргументов, .
Если монотонно убывает, то и спектральная плотность монотонно убывает.
Чем быстрее убывает корреляционная функция, тем шире спектральная плотность и наоборот.
Наличие колебаний корреляционной функции свидетельствует о наличии периодической составляющей в случайном процессе.
Если , то случайная функция содержит постоянную составляющую «».
Для центрированной случайной величины
(2.25)
Для взаимной корреляционной функции и ее спектральной плотности справедливы соотношения:
(2.26)
(2.27)
2.5 Прохождение случайных воздействий через линейную сау
Если известна импульсная переходная функция линейной САУ , то реакция ее на входное воздействие будет . Кроме того, известно, что . Найдем связь математических ожиданий входной и выходной величин линейной САУ.
, поскольку
- есть коэффициент усиления линейной части и численно равен площади импульсной переходной функции.
Таким образом, . (2.28)
Теперь найдем связь между спектральными плотностями входной и выходной величин. Для этого рассмотрим
Здесь .
Здесь . Таким образом,
(2.29)
где - амплитудно-частотная характеристика линейной САУ; - функция, комплексно сопряженная с .
Зная спектральную плотность входного сигнала, можно определить корреляционную функцию выходного.
(2.30)
Из выражения (2.30) следует, что дисперсия выходной величины равна
. (2.32)
Пример.
Пусть на вход системы действует сигнал с постоянной спектральной плотностью .
Необходимо найти дисперсию выходного сигнала.
;
.
- эффективная полоса пропускания системы, приближенно равна частоте, при которой .
Если известна эффективная полоса пропускания системы, а входной сигнал слабо меняется в этом диапазоне, то дисперсию можно приближенно считать по формуле:
. (2.32)
Найдем связь между спектральной плотностью входного сигнала и взаимной спектральной плотностью входного и выходного.
(2.33)
. (2.34)
Это позволяет, используя пассивный эксперимент, определять АФХ исследуемой линейной системы.