- •Оглавление
- •Введение
- •Априорный анализ динамических систем Прохождение случайного сигнала через линейную систему
- •Эволюция фазового вектора системы
- •Эволюция ковариационной матрицы фазового вектора системы
- •Статистическая линеаризация
- •Первый способ
- •Второй способ
- •Вычисление коэффициентов линеаризации
- •Неоднозначность в нелинейных звеньях
- •Нелинейное звено, охваченное обратной связью
- •Моделирование случайных процессов
- •Формирующий фильтр
- •Моделирование белого шума
- •Оценивание статистических характеристик динамических систем методом Монте-Карло
- •Точность оценок
- •Нестационарные динамические системы
- •Стационарные динамические системы
- •Апостериорный анализ динамических систем
- •Фильтр Калмана Модель движения
- •Использование калмановской фильтрации в нелинейных задачах
- •Метод наименьших квадратов
- •Построение оценок
- •Прогноз
- •Использование метода наименьших квадратов в нелинейных задачах
- •Построение матрицы Коши
- •Моделирование измерений
- •Гауссовские случайные величины
- •Случайные векторы
- •Интеграл вероятностей
- •Полиномы Чебышева
- •Интегрирование обыкновенных дифференциальных уравнений
- •Методы Рунге-Кутты
- •Точность результатов численного интегрирования
- •Вложенный метод Дормана-Принса 5(4) порядка
- •Управление длиной шага интегрирования
- •Плотная выдача
- •Московский авиационный институт (Государственный технический университет) Кафедра «Информационно - управляющие комплексы»
- •Пояснительная записка к Курсовому проекту «Релейный самонастраивающийся контур» по курсу «Основы статистической динамики комплексных информационных систем»
- •Москва 2003
- •Титульный лист
- •Раздел «Оглавление»
- •Раздел «Введение»
- •Раздел «Теория»1
- •Раздел «Алгоритм»2
- •Раздел «Программа»3
- •Раздел «Результаты»4
- •Раздел «Выводы»
- •Раздел «Список использованных источников»
- •Приложения
- •Литература
Неоднозначность в нелинейных звеньях
Р ассмотрим петлевую нелинейность, изображенную на рисунке. При и функция однозначна, но при значение функции зависит от знака производной аргумента. При увеличении значения аргумента ( ) , а при уменьшении ( ) – .
Т.о., учитывая зависимость нелинейной функции от производной аргумента, интегралы для определения коэффициентов линеаризации запишутся несколько сложнее:
; ; .
На участках однозначной функциональной зависимости интегралы по в бесконечных пределах могут быть взяты и т.о. на этих участках мы получим исходные выражения для коэффициентов линеаризации с и в подынтегральных выражениях.
На участке интегралы по распадаются на два. Так, например, как в интеграле для определения :
.
В случае если функция является симметричной относительно плоскости (например, гауссовской с нулевым математическим ожиданием по аргументу ), то справедливым окажется следующее соотношение:
,
и, т.о., запись интеграла на интервале несколько упростится:
.
Окончательно для рассмотренного примера получим:
Вычисление двух оставшихся интегралов для , рассчитанных по первому и второму способам линеаризации, может быть выполнено по аналогии с рассмотренным выше примером.
Нелинейное звено, охваченное обратной связью
П усть входной случайный сигнал является гауссовским. В результате преобразования входного сигнала нелинейным звеном выходной сигнал уже не сможет оставаться гауссовским. А в случае если нелинейное звено, подлежащее статистической линеаризации, охвачено обратной связью, в формирование сигнала на входе в нелинейное звено вносит вклад не только входной гауссовский сигнал системы , но и выходной негауссовский сигнал .
В результате линеаризации звена возникнет ситуация, когда статистические характеристики сигнала на входе в нелинейное звено зависят в т.ч. и от результатов линеаризации.
Структурная схема системы, полученной в результате линеаризации, приобретет вид, изображенный на рисунке.
Д ля наглядности перерисуем схему так, чтобы выходным сигналом стал сигнал (вход в нелинейное звено).
Статистические характеристики выходного сигнала, необходимые для построения значений коэффициентов линеаризации, могут быть построены на основе использования следующих соотношений (см. раздел «Прохождение случайного сигнала через линейную систему»):
; ,
где:
– частотная характеристика системы с учетом результатов линеаризации; и – математическое ожидание и спектральная плотность входного сигнала системы .
В общем случае, когда на систему воздействует более одного случайного процесса , а система содержит более одного нелинейного звена с входными сигналами , необходимо построить множество передаточных функций от каждого входа к каждому выходу системы .
Окончательные соотношения для вычисления статистических характеристик сигналов имеют вид:
; .
Дисперсии компонент вектора могут быть вычислены при помощи интегрирования в бесконечных пределах по диагональных элементов матрицы :
.
Моделирование случайных процессов
Моделирование случайного процесса с заданными наперед математическим ожиданием и корреляционной функцией (или соответствующей ей спектральной плотностью ) выполняется на основе преобразования белого шума (с постоянной спектральной плотностью ) линейным динамическим звеном, именуемым формирующим фильтром, с передаточной функцией , подлежащей определению из соотношения:
.