Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

smdo_tsp

.pdf
Скачиваний:
17
Добавлен:
10.12.2018
Размер:
479.94 Кб
Скачать

sn = τ1 + τ2 + ... + τn - моменты восстановления,

N (t ) = max {n : sn < t}.

Процесс накопления. Пусть, например, w i

- стоимость замены при

i м отказе оборудования. Тогда w(t)- полная стоимость замен за время t -

N(t )

может быть получена по формуле w(t) = w i , где N(t) определено выше.

i =1

Процесс резервирования. Простейший случай - резервирование без восстановления. Имеется основной прибор с интенсивностью отказов λ . При выходе из строя он заменяется на один из резервных. Ожидающие резервные приборы могут находиться в состояниях:

нагруженный резерв – резервирующий прибор находится в работе, как и основной, интенсивность его отказов равна интенсивности отказов основного прибора λ ;

облегченный резерв – ожидающий прибор не полностью выполняет все требуемые функции, степень износа его ниже, чем у основного, поэтому интенсивность отказов за время ожидания в резерве меньше, чем у основного;

ненагруженный резерв – интенсивность отказов равна нулю (до подключения вместо выбывшего из строя узла).

11

 

Образцы решения типовых заданий

 

Функции со случайными параметрами

Пусть f0 (t),

f1 (t), f 2 (t), … - обычные неслучайные функции, а

u1 , u2 , … -

случайные величины (случайные параметры), тогда

X(t) = f0 (t)+ u1f1 (t)+ u2f2 (t)+ ... - случайная функция, а при заданных u1, u2 ... - некоторая реализация СП.

Набор типовых заданий

1)Построить область возможных траекторий СП ( uk распределены на конечных интервалах).

2)Вычислить и построить график математического ожидания СП.

3)Вычислить дисперсию, среднее квадратическое отклонение, корреляционную функцию СП.

4)Составить прогноз X(t 2 ) по заданному X(t1 ).

Пример 1.

 

Задан случайный процесс X(t) функцией со

случайными параметрами u1 и u2

:

 

 

 

 

 

 

 

 

 

 

 

X(t) = 3 + u t +

u2

,

t ³ 0 .

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

t +1

 

 

 

 

 

 

Известны числовые характеристики случайных параметров :

u1 [− 2;2],

ξ1 = 1 ,

 

 

D1 = 2.25 ,

 

 

 

u

 

[0;3],

ξ

 

= 1 ,

 

 

D

 

= 1 ,

ρ =

1

.

2

2

 

 

2

 

 

 

 

 

 

 

 

 

3

 

Выполнить типовые задания для этого процесса.

1) Область возможных траекторий

X

 

(t) = 3 + 2t +

3

 

,

X

 

 

(t) = 3 − 2t ,

max

t + 1

min

 

 

 

 

 

 

 

 

3 - 2t £ X (t ) £

3 + 2t +

 

3

.

 

 

t + 1

2) Математическое ожидание СП

m x (t) = 3 + ξ1 t +

ξ

2

 

= 3 + t +

1

.

 

 

 

t +

 

 

 

1

t + 1

Изобразим результаты расчета на графике (рис. 1).

3) Вычислив корреляционный момент параметров u1 и u2 :

ρ =

Κ

 

 

 

 

 

 

3

 

σ2 = 1,

,

σ1 = D1

= 2.25 = 1.5 =

,

σ1σ2

 

 

 

 

 

2

 

 

K = ρσ1σ2 = 13 × 32 ×1 = 12 ,

12

центрируем случайный процесс :

 

 

 

 

 

 

 

 

0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

u 2 − ξ2

 

 

 

 

 

 

 

 

 

 

 

X(t) = X(t) m x (t) = (u1 − ξ1 )t +

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

t + 1

 

 

 

 

 

 

 

 

 

и найдем корреляционную функцию СП:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Κ

 

 

(t

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0

 

 

 

0

 

 

 

=

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

x

1

, t

2

) = M X(t

1

)X(t

2

)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

t

1

 

 

 

 

 

 

 

 

t 2

 

 

 

 

 

 

 

 

 

 

2

1

 

 

 

 

 

 

1

 

 

= M (u1

- ξ1 )

t1t 2

+ (u1 - ξ1 )(u 2 - ξ2 )

 

 

 

 

 

 

 

 

+

 

 

 

 

 

 

 

 

+ (u 2

- ξ

2 )

 

 

 

 

 

 

×

 

 

=

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

+ 1

 

 

 

t1 +

 

 

 

 

 

 

 

 

 

 

 

t1 + 1 t 2 + 1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

t 2

 

 

 

 

1

 

 

 

 

 

 

 

 

 

 

 

= D 1 t

1 t 2 + K

t

 

1

 

 

 

 

 

+

 

 

 

 

 

t

 

2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

 

×

 

 

 

 

 

 

1

 

=

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

+ D 2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

t 1 + 1 t 2 + 1

 

 

 

 

 

 

 

 

 

 

 

 

t 2

 

+ 1

 

 

 

 

 

t 1 + 1

 

 

 

 

 

 

 

 

 

 

 

=

9

t

1 t 2 +

1

 

 

t

1

 

 

 

 

 

+

 

 

 

 

 

t

2

 

 

 

 

 

 

 

+

 

 

1

 

×

1

.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

+ 1

 

 

 

 

 

 

t 1 +

 

 

 

 

 

 

 

 

 

t 1 + 1 t 2 + 1

 

 

 

 

2

 

 

 

 

 

 

2 t 2

 

 

 

 

 

 

 

1

 

 

 

 

 

 

 

 

 

K x (t 1 , t 2 ) =

 

 

9

 

 

 

 

 

 

 

 

 

 

+

t 12 + t 1 + t 22

+ t 2

+ 2

 

 

 

 

 

 

 

 

 

t 1 t 2

 

 

 

 

 

2

 

(t 1

+ 1 )(t 2

+ 1 )

.

 

 

 

 

 

 

2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

X

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

20

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Xmax (t)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

15

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

10

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

mx (t)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

5

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

t

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2

 

 

 

 

3

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

-5

 

 

 

 

 

1

 

 

 

 

 

 

 

 

 

 

 

 

 

4

 

 

 

 

 

 

 

5

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Xmin (t)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

-10

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Рисунок 1

Найдем дисперсию и среднее квадратическое отклонение СП :

Dx (t) = K x

(t, t) =

9

t 2

+

t 2 + t + 1

,

 

2

 

 

 

 

 

 

 

 

 

 

 

(t + 1)2

σ x

(t ) =

D x

(t )

=

 

 

9

t 2

+

t 2 + t + 1

 

.

2

 

 

 

 

 

 

 

 

 

(t + 1)2

4) Пусть известно:

X(1) = 4 , составить прогноз для X(2).

Используя уравнение линейной регрессии двумерной случайной величины

13

Y = M[Y]+ K (X M[X]),

Dx

запишем уравнение линейной регрессии случайной величины X(2) на случайную величину X(1) :

X(2) = m x

(2) +

Κ x

(1,2)

(X(1)m x

(1)).

D x (1)

 

 

 

 

 

Вычислим с помощью этого уравнения прогноз:

 

 

 

1

 

 

9

×1 × 2 +

1 + 1 + 4 + 2 + 2

 

 

 

 

1

 

 

 

 

 

2

 

2 × 2 × 3

 

 

 

 

 

 

 

 

 

 

 

 

 

 

X(2) = 3

+ 2

+

 

 

+

 

 

 

 

 

4

- 3

+ 1 +

 

 

= 4,396 .

 

 

 

9

 

1 + 1 + 1 + 1 + 2

 

 

 

 

 

 

3

 

 

×1 ×1 +

 

 

 

 

 

2

 

 

 

 

 

 

 

 

 

2

 

2 × 2 × 2

 

 

 

 

 

 

 

 

Процессы размножения и гибели

Некоторая система (физическая, биологическая, экономическая) может находиться в одном из состояний: E0 , E1, E2 , ....(индекс - число элементов в

системе). В случайные моменты времени система может совершать переход в соседнее состояние. Интенсивности переходов (среднее число переходов в единицу времени) :

λk

-

интенсивность переходов из состояния Ek

в

Ek +1

(интенсивность

 

 

размножения),

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

νk

-

интенсивность переходов из состояния Ek

в

Ek −1

(интенсивность

 

 

гибели).

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

λ k −1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

λk

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

λ k+1

 

 

 

 

 

 

 

Ek−1

 

 

νk

 

Ek

 

ν k +1

Ek+1

 

ν k + 2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Рисунок 2

 

 

 

 

 

 

Вероятности состояний pk (t) удовлетворяют системе уравнений

 

p

(t) = ν p

1

(t) − λ

0

p

0

(t)

 

 

 

 

 

 

 

 

 

 

 

 

0

1

 

 

 

 

 

 

 

+ λ1 )p1 (t)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

p1 (t) = ν2p 2 (t) + λ0p0 (t) (ν1

 

 

 

 

 

 

 

 

 

 

 

. . . . . .

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

(t) (νk + λk )pk

 

 

 

 

(1)

 

 

(t) = νk+1pk +1 (t) + λk −1pk −1

(t)

 

 

 

 

 

 

 

 

 

pk

 

 

 

 

 

 

 

 

 

. . . . . .

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

14

В общем случае решение задачи Коши для pk (t) представляет серьезную

математическую проблему. Для приближенного решения этой задачи можно применять различные методы, например с использованием рядов Маклорена [5].

Пример

2.

Система

находится в состоянии Ek . Заданы

интенсивности

переходов λm

и νm . Оценить вероятности состояний

системы через малый промежуток времени t . Малым промежутком времени считаем такой, при котором выполняется неравенство

 

 

 

 

 

 

 

 

t <

 

 

 

 

 

 

1

 

 

.

 

 

 

 

 

 

 

 

 

 

 

 

 

max λ

k

+ max ν

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

k

 

 

 

 

 

Записываем разрешающую систему (1) в окрестности “k” :

 

p

− 2

(t) = ν

p

k −1

(t)+ λ

k −3

p

k

−3

(t)(ν

k - 2

+ λ

k

− 2

)p

k − 2

(t),

k

 

k −1

 

 

 

 

 

 

 

 

 

 

 

 

pk −1 (t) = νk pk (t)+ λk − 2pk − 2

(t)

(νk -1 + λk −1 )pk −1 (t),

 

 

(t) = νk +1pk +1 (t)+ λk −1pk −1(t)(νk + λk )pk (t),

 

 

 

pk

 

 

 

+1(t) = νk + 2pk + 2 (t)+ λk pk (t)(νk +1 + λk +1 )pk +1 (t),

 

pk

 

+ 2 (t) = νk + 3pk + 3 (t)+ λk +1pk +1(t)(νk + 2 + λk + 2 )pk + 2 (t).

pk

Учитывая малость

t , полагаем :

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

pm ≡ 0,

 

m k

 

> 2 ,

 

 

 

λk+2 = 0 ,

 

νk−2 = 0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

(система не может за малый промежуток времени совершить более двух переходов). Бесконечная система дифференциальных уравнений примет усеченный конечный вид:

pkpkpkpkpk

− 2 (t) = νk −1pk −1(t)− λk − 2pk − 2 (t),

 

−1(t) = νkpk (t)+ λk − 2pk − 2 (t)(νk -1 + λk −1 )pk −1(t),

 

(t) = νk +1pk +1(t)+ λk −1pk −1(t)(νk + λk )pk (t),

(2)

+1(t) = νk + 2pk + 2

(t)+ λk pk (t)− νk +1pk +1(t),

 

+ 2 (t) = λk +1pk +1

(t)(νk + 2 + λk + 2 )pk + 2 (t).

 

Точное решение даже усеченной разрешающей системы (2) в общем случае связано с поиском корней характеристического уравнения 5-й степени. Поэтому только в отдельных случаях можно получить точную картину поведения вероятностей.

Рассмотрим алгоритм приближенного решения задачи методом рядов.

1)Вводим вектор P(t) = {pk −2 (t),..., pk +2 (t)}, записываем для него частичную сумму ряда Маклорена:

P( t) P(0) + P (0)

t + 2 P (0)(

t)

 

.

(3)

 

 

 

 

 

1

 

 

′′

 

2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

15

2) Используя уравнения

(2), находим

 

 

 

′′

по формуле (3)

 

 

 

P (0),

P (0) и

получаем приближенное распределение вероятностей через время t .

Пример. 3. Дано:

p3 (0) = 1, νk = 2 ,

λk = k ,

t = 0,1.

Найти вероятности состояний системы через время t .

 

Решение. Вычислим производные вероятностей состояний

p (t) = 2p (t) p (t),

 

 

2

1

 

 

1

 

p2

(t) = 2p3

(t) +p1(t) − 4p2

(t),

p3

(t) = 2p4

(t) + 2p2 (t) − 5p3 (t),

 

(t) = 2p5 (t) + 3p3(t) − 6p4 (t),

p4

 

(t) = 4p4 (t) − 2p5 (t).

 

p5

 

 

′′

2

 

 

 

 

 

p1(t) = 2p

 

(t)p1(t),

 

 

 

 

 

′′

(t) = 2p

3

 

 

(t),

p2

 

 

(t)+ p1(t)− 4p

2

 

′′

4

 

 

(t),

p3

(t) = 2p

 

 

(t)+ 2p2 (t)

5p3

 

′′

 

 

 

 

 

 

 

p4

(t) = 2p5

(t)+ 3p3

(t)− 6p4 (t),

 

′′

 

 

(t).

 

 

 

 

p5

(t) = 4p

4

(t)− 2p5

 

 

 

 

Учитывая, что p 3 (0) = 1, запишем вектор вероятностей при t = 0:

P (0 ) = {0; 0; 1; 0; 0}.

Подставляя его компоненты в формулы для производных, найдем:

P ′(0 ) = {0;2;− 5;3;0} и P ′′(0 ) = {4;− 18 ;35 ;− 33 ;12 }.

Теперь есть вся информация для получения результата по формуле (3) :

P (0.1) = {0; 0;1; 0; 0} + 0,1{0; 2; − 5; 3; 0}+ 0,005 {4; − 18; 35; − 33;12} =

= {0.02 ; 0.11; 0.675 ; 0.135 ; 0.06 }

Ответ: Вероятности состояний системы через время 0.1 таковы:

p1 = 0.02 , p 2 = 0.11 , p3 = 0.675 , p 4 = 0 .135 , p5 = 0.06 .

Процесс резервирования

Рассматривается простейшая модель резервирования без восстановления. Имеются основной прибор и один или два резервных прибора. При выходе из строя основного прибора он заменяется резервным и так до тех пор, пока все приборы не выйдут из строя. Этот момент означает, что система потеряла работоспособность. Один из основных вопросов теории резервирования – надежность систем. Надежность можно оценить, например, математическим ожиданием времени жизни системы (периода работоспособности), вероятностью работоспособности системы в данный момент времени.

Обозначим:

λ1 - интенсивность отказов основного прибора, а также резервного после момента замены им основного прибора.

16

λ2 - интенсивность отказов первого резервного прибора;

λ3 - интенсивность отказов второго резервного прибора;

резервный прибор может находиться:

внагруженном состоянии - λ k = λ1 ,

воблегченном резерве - 0 < λ k < λ1 ,

вненагруженном состоянии - λ k = 0 ;

p k (t) - вероятность того, что в момент времени t в системе имеется k приборов (функционирующий прибор плюс резервные приборы).

Разрешающая система имеет цепной характер :

p′3 (t)+ (λ1 + λ 2 + λ3 )p3 (t) = 0,

p3 (0) = 1,

 

 

 

(t) + (λ1 + λ 2 )p2 (t) = (λ1 + λ 2 + λ3 )p3 (t),

pk (0) = 0,

 

p′2

(4)

(t)+ λ1p1 (t ) = (λ1 + λ 2 )p2 (t),

(k < 3).

p1

 

 

 

(t) = 1 − p3 (t) − p2 (t) − p1(t).

 

 

p0

 

 

 

Если резервный прибор всего один, то система становится проще :

p′2

(t) + (λ1 + λ 2 )p2 (t) = 0,

p1

(t) + λ1p1 (t) = (λ1

+ λ 2 )p2 (t),

p

0

 

(t) = 1 − p

2

(t) − p

(t).

 

 

 

1

 

p2 (0) = 1,

 

pk (0) = 0,

(5)

(k < 2) .

 

Решив систему уравнений, можно найти основные параметры:

1 − p0 (t) − вероятность рабочего состояния в момент времени t ,

tp′ (t)dt − математическое ожидание времени жизни.

0

0

Пример 4. Резервируется ответственный узел (устройство) некоторого агрегата, системы. Частота отказов основного устройства - 2 (в ед. времени). Имеются два резервных устройства: одно в облегченном резерве, с частотой отказов 1 (в ед. времени), а второе резервное - в ненагруженном состоянии. После отказа любого из устройств одно из двух оставшихся будет функционировать как основное, а другое будет в облегченном резерве. Устройство, оставшееся затем в одиночестве, функционирует как основное. При выходе из строя и этого устройства считается, что данный агрегат прекратил свое существование (работоспособность). Вычислить среднее время функционирования агрегата (до выхода из строя).

В данном случае имеем: λ1 = 2 , λ2 = 1, λ3 = 0 . Запишем с этими параметрами систему уравнений (4):

17

p′3

 

(t)+ 3p3

(t) = 0,

 

 

 

p′2

(t)+ 3p2

(t) = 3p3 (t),

 

(t)+ 2p1(t) = 3p2

(t),

 

p1

 

p

 

(t) = 1− p

3

(t)− p

2

(t)− p (t) .

0

 

 

 

 

1

p3 (0) = 1, pk (0) = 0, (k < 3).

1) С учетом начального условия p3 (t) = e−3t .

2) Второе уравнение p′2 (t)+ 3p2 (t) = 3e−3t имеет резонансную правую часть

и частное решение : p2 (t) = 3te−3t .

3)Решив третье уравнение системы p1(t) + 2p1(t) = 9te−3t , получим :

p1 (t) = 9(e−2t (t + 1)e−3t ).

4) Находим вероятность гибели агрегата (потери работоспособности) : p0 (t) = 1 − p1 (t) − p 2 (t) − p3 (t) = 1 − 9e−2 t + (6t + 8)e−3t .

Примечание. При правильном решении задачи p0 (t) должно быть монотонно возрастающей функцией. Проверим полученное решение на монотонное возрастание:

p

(t) = 18e

−2 t

− 18(t + 1)e

−3t

= 18e

−3 t

(e

t

− t − 1)> 0 .

0

 

 

 

 

5)Вычислим математическое ожидание времени выхода из строя последнего устройства (среднее время жизни изучаемого объекта) :

 

 

 

 

 

 

1

2

 

1

 

 

 

 

 

 

 

 

 

 

M[τ] =

tp′

(t)dt =18

(te−2t

(t

2 + t)e

−3t )dt =18

 

 

+

 

 

 

 

 

 

0

 

 

 

 

 

 

27

 

 

 

 

0

 

 

0

 

 

 

4

 

9

 

 

 

 

 

 

 

 

 

 

 

 

 

Сравним 76 с работой узла без резервирования:

M[τ] = te − 2 t dt = 1 . 2

0

Резервирование увеличило среднее время жизни в 2,33 раза.

Цепи Маркова с дискретным временем

=7 .

6

Некоторая система может находиться в одном из состояний: E1, E 2 , ...E n . В определенные моменты времени система может перейти с некоторой вероятностью в другое состояние. Отрезки времени между моментами переходов называют обычно «шаги»: на первом шаге система

находилась в состоянии E1 , на втором - в состоянии E 2

и т.д. Обычно

обозначают:

 

pi (k)

- вероятность того, что на k -м шаге система находится в состоянии

 

Ei ;

 

pij (k)

- вероятность того, что система, находившаяся на

k -м шаге в

 

состоянии Ei , перейдет на следующем шаге в состояние E j .

18

Если ввести вектор состояний P(k) = {p1(k),p2 (k),...pn (k)} и матрицу перехода

p

(k)

p (k)

...

p

(k)

11

 

12

 

1n

 

 

p21(k)

p22 (k)

...

p2n

(k)

A(k) =

 

...

...

...

,

...

 

 

(k)

pn2 (k)

...

 

 

 

pn1

pnn (k)

то получим рекуррентную формулу P(k +1) = P(k)A(k) . Цепь Маркова называют однородной, если матрица перехода не зависит от номера шага k:

A(k) = A , k .

Остановимся на однородных марковских процессах. Имеет место теорема Маркова [8, 10].

Если все элементы матрицы А положительны, то существуют пределы:

 

 

~

 

 

pi = lim pi (k) .

 

~

k →

Числа

называются предельными или финишными вероятностями

pi

состояний системы. Такая марковская цепь является эргодической, т.е.

вероятности

~

являются предельными значениями частот состояний :

pi

~

= lim

n i

 

pi

 

,

n

 

n→∞

 

где ni - число наблюдений системы в состоянии Ei за n шагов.

Для поиска предельных вероятностей нужно вычислить собственный вектор матрицы перехода, соответствующий собственному числу 1:

 

~

~

 

P = PA ,

n

~

= 1.

при дополнительном условии pi

i =1

Типовые задания

1Записать матрицу по графу системы.

2Изобразить граф системы по заданной матрице.

3Найти предельные вероятности заданной системы ( n ≤ 3 ). (Вычислить процентное соотношение времен нахождения системы в каждом из состояний).

4По заданному распределению вероятностей на k-м шаге системы вычислить распределение вероятностей на (k +1) или (k +2) шаге.

5Вычислить математическое ожидание марковского процесса с заданной матрицей и числовыми значениями начальных состояний.

Пример 5. Некоторая экономическая система в состоянии E1 получает 2000 грн. прибыли. На следующий день эта экономическая

19

система с вероятностью 0.3 может перейти в состояние E 2 и получить в этом состоянии 500 грн. прибыли или остаться в состоянии E1 . Из состояния E 2 с вероятностью 0.4 система может вернуться в E1 или перейти в состояние E3 с вероятностью 0.6. Состояние E3 означает для этой экономической системы 4500 грн. убытков. Из E3 система обязательно переходит в E1 . Все переходы возможны один раз в сутки.

Изобразить граф системы и записать матрицу ее переходов. Найти предельные вероятности для состояний данной системы, вычислить процентное соотношение времен нахождения системы в каждом из состояний. Вычислить среднюю суточную прибыль системы.

Решение. Изобразим граф этой экономической системы :

 

 

 

E1

 

 

 

 

 

 

 

0.3

 

 

1.0

 

 

 

 

 

 

 

 

 

 

0.4

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

E2

 

0.6

 

 

 

E3

 

 

 

 

Рисунок 3

 

 

 

 

 

 

 

 

 

 

0.7

0.3

0

 

 

 

 

 

 

 

 

0

0.6

 

 

 

Запишем матрицу переходов:

A = 0.4

 

 

 

 

1

0

0

.

Введем вектор

 

 

 

 

 

 

 

предельных вероятностей состояний системы:

P = {u, v, w}.

По смыслу

предельных вероятностей запишем матричное уравнение

P = PA и

преобразуем его в скалярную форму:

 

 

 

 

 

 

0.7u + 0.4v + w = u,

− 0.3u + 0.4v + w = 0,

 

− 0.3

0.4

1

 

 

 

 

 

 

=

0.3

−1

0

 

 

0.3u = v,

0.3u − v = 0,

 

 

0.6v = w;

0.6v − w = 0.

 

0

0.6

−1

 

 

 

 

 

 

 

 

 

 

Сумма всех строк определителя равна нулю, следовательно,

= 0 . Одно из

уравнений является следствием остальных. Заменим первое уравнение на основное свойство вероятностей полной группы событий:

u + v + w = 1,

 

 

.3u − v

= 0,

0

 

0

.6 v − w

= 0,

 

20

Соседние файлы в предмете Стохастические методы исследования операций