
- •Приложение. Основные понятия теории вероятностей 124 введение
- •Часть 1. Основы статистической динамики судовых конструкций Глава 1. Математические модели и характеристики случайных функций. Стационарные процессы
- •1.1. Основные понятия и определения
- •1.2. Каноническое разложение и спектральное представление случайной функции.
- •1.3. Спектральная плотность
- •1.4. Эргодическое свойство стационарных случайных функций
- •1.5. Сложение случайных процессов
- •1.6. Моделирование внешних воздействий методом неканонических разложений стационарных случайных функций
- •Глава 2. Морское волнение как случайный процесс
- •2.1. Основные положения. Законы распределения
- •2.2. Спектральная плотность волнения Общая характеристика волновых спектров
- •Имеющиеся данные по волновым спектрам
- •2.3. Некоторые данные о характеристиках волнения в различных морских районах
- •2.4. Группы волн
- •Глава 3. Введение в статистическую динамику судовых конструкций. Линейные задачи статистической динамики
- •3.1. Вероятностные математические модели судна и судовых конструкций как динамических систем
- •4.2. Динамические характеристики линейных систем Весовая функция линейной системы
- •Передаточная функция стационарной линейной системы.
- •Частотная характеристика стационарной линейной системы.
- •4.3. Преобразование стационарной случайной функции стационарной линейной динамической системой. Спектральная плотность и дисперсия выходного процесса
- •4.4. Преобразование стационарной случайной функции линейной дифференциальной системой
- •Система, описываемая дифференциальным уравнением с постоянными коэффициентами
- •2. Система, описываемая линейными дифференциальными уравнениями с периодическими коэффициентами
- •4. Методы решения нелинейных задач статистической динамики
- •4.1. Вероятностный анализ нелинейных систем во временной и частотной областях. Параметрические и непараметрические методы оценки вероятностных распределений
- •5.2. Метод статистических испытаний
- •4.3. Метод преобразования плотности распределения вероятностей
- •4.3. Метод преобразования плотности распределения вероятностей функций случайных величин
- •4.4. Методы статистической линеаризации
- •4.5. Оценка вероятностных распределений амплитуд нелинейных колебаний судовых конструкций
- •4.6. Учет взаимовлияния спектральных составляющих морского волнения на вероятностные распределения амплитуд нелинейных колебаний судовых конструкций
- •4.6.1. Математическая модель процесса волнения.
- •4.6.2. Энергетическая характеристика случайного процесса
- •4.6.3. Метод моментов.
- •4.6.4. Метод наибольшего правдоподобия.
- •Приложение основные понятия теории вероятностей
- •1.1. Случайные события и величины
- •Из полученного соотношения следует
- •1.2. Функции распределения и числовые характеристики случайных величин
- •Вероятность попадания случайной величины на участок значений от до
- •Центрированной случайной величиной называют величину
- •1.3. Законы распределения случайных величин
- •1.4. Системы случайных величин
1.2. Каноническое разложение и спектральное представление случайной функции.
Метод канонических
разложений состоит в том, что случайная
функция
представляется в виде суммы элементарных
случайных функций
.
Последние представляют собой произведения
некоторых
случайных величин
и неслучайных функций
:
.
Таким образом,
при каноническом разложении случайная
функция
представляется в виде
,
(1.5)
где
—
математическое ожидание функции
;
Vk
—
некоррелированные случайные величины
с нулевыми математическими ожиданиями.
Корреляционная
функция
с учетом некоррелированности случайных
величин Vi
(ковариации этих величин Kij=
0 при
)
будет
(1.6)
где
—
дисперсия случайной величины Vi.
Зависимость (1.6) называется каноническим разложением корреляционной функции.
Можно показать,
что если задано каноническое разложение
корреляционной функции в виде (1.6), то
для случайной функции каноническое
разложение имеет вид (1.5), а случайные
величины Vi
имеют дисперсии
.
Поскольку
корреляционная функция
является четной функцией
,
то в достаточно большом временном
интервале от -Т до +T (рис. 1.7) ее можно
разложить в ряд Фурье по четным
(косинусным) гармоникам, а именно:
.
(1.7)
Здесь
коэффициенты разложения с учетом
четности
равны
.
(1.8)
Рис. 1.7. Корреляционная функция на интервале от –T до +T.
Дисперсию случайной
функции, имеющей корреляционную функцию
,
заданную коэффициентами разложения
(1.8), можно определить по формуле (1.7) при
:
.
Если в качестве элементарной случайной функции принять
, (1.9)
а выражение (1.5) рассматривать как ряд Фурье, то стационарный СП может быть представлен таким каноническим разложением
.
(1.10)
Здесь Uk
и Vk
—
некоррелированные случайные величины
с нулевыми математическими ожиданиями
и одинаковыми дисперсиями
,
определяемыми по формулам (1.8).
Каноническое разложение (1.10) называют также спектральным разложением (представлением) стационарного СП.
Исходя из этих
свойств Uk
и Vk,
определим математическое ожидание,
корреляционную функцию
и дисперсию
элементарной случайной функции
;
.
Таким образом,
дисперсия случайной функции Х(t),
представленной в каноническом виде
(1.10), равна сумме дисперсий
элементарных случайных функций
,
которые являются одновременно
коэффициентами разложения корреляционной
функции стационарной случайной функции
Х(t)
в ряд Фурье:
.
(1.11)
Зная вид корреляционной функции kx(), можно получить дисперсии коэффициентов канонического разложения Vk и Uk, а также частоты k стационарного СП Х(t).
Рассмотрим спектральное разложение стационарного СП в комплексной форме. С помощью формул Эйлера для комплексных чисел
(i
—мнимая единица) элементарный
стационарный СП
вида (1.10) может быть записан в комплексной
форме
(1.12)
где
(1.13)
Горизонтальная черта над буквенными обозначениями комплексных величин означает здесь и далее операцию сопряжения.
Покажем, что
выражение (1.12) представляет собой
каноническое разложение элементарного
стационарного СП в комплексной форме,
т.е. что дисперсия
равна
,
а
-
некоррелированные случайные величины
с нулевыми математическими ожиданиями.
Из (1.13) следует, что
так как
.
Аналогично получим:
Покажем, что
случайные величины
не коррелированны. Ковариацию
этих
случайных величин определим как
математическое ожидание произведения
на комплексно-сопряженную случайную
величину
:
так как
.
Найдем дисперсию
случайной величины
как математическое ожидание квадрата
модуля
:
Аналогично,
Корреляционная функция элементарного стационарного СП (1.10) имеет вид
.
Поскольку
то
.
(1.14)
Выражение (1.14) представляет собой разложение корреляционной функции элементарного стационарного СП в комплексной форме.
Следовательно, спектральное разложение стационарного СП (1.10) в комплексной форме имеет вид
.
Здесь
учтено, что
Корреляционная функция этого СП
(1.15)
Рассмотрим, как
будет преобразовываться спектральное
разложение (1.10) при неограниченном
увеличении интервала разложения (T).
Введем в рассмотрение частотный интервал
между соседними гармониками, частоты
которых равны
и
.
Представим разложение (1.10) в таком виде:
.
Рассмотрим предел этого выражения при 0. Введем обозначения:
.
Тогда при T (0 и k0) получим интегральное каноническое представление стационарного СП:
,
где V() и U() —случайные функции непрерывного аргумента - частоты.
Такая модель
случайного процесса
часто используется при решении прикладных
проблем теории случайных функций. В
этой теории 1
показывается, что случайные функции
V()
и U()
представляют собой специфический
процесс (белый шум) с характеристиками
,
где Sx() —некоторая неотрицательная функция частоты , называемая спектральной плотностью стационарного СП Х(t) (определение которой будет дано ниже), ( )—дельта-функция.
Интегральное представление стационарного СП может производиться и в комплексной форме с помощью интеграла Фурье:
. (1.16)
Выясним, какими
свойствами должна обладать функция
для того, чтобы стационарный СП Х(t),
корреляционная функция которого должна
зависеть от разности моментов времени,
мог бы быть представлен в таком виде.
Рассмотрим корреляционную функцию
подынтегральное
выражение которой будет зависеть от
разности моментов времени, если
корреляционная функция
равна произведению спектральной
плотности СП Х(t)
на
функцию
. (1.17)
В
этом случае после интегрирования по
в выражении для
получим