мальным значениям параметров; Уг = U — т1— отклонение па раметра от оптимального значения; I — число параметров;
Bt = (даJdUi)m-, Си = 0,5 (PaldU, dU,)m.
Применяя к выражению (8.76) операцию математического ожи дания, получаем среднее значение второго условного начального момента
M[a(V)] = a ( m ) + £ CuK ih |
(8.77) |
г, i=i |
|
где Кц — корреляционный момент связи i и /-го параметров. |
Если |
параметры некоррелированы, то из выражения (8.77) следует формула
M [a(V)] = |
a ( w ) + S CuDt, |
(8.78) |
|
|
i=1 |
|
где D t — дисперсии |
случайных параметров. |
|
Из формулы (8.78) |
следует, |
что среднее значение второго началь |
ного момента больше его минимального значения а (т ). Действи- ' тельно, так как второй начальный момент ошибки имеет минимум, то в этой точке вторые производные являются положительными ве личинами Сн >■ 0. Дисперсии параметров также неотрицательные величины, поэтому сумма в (8.78) является положительной величи ной, что и доказывает неравенство М [a (V) ] > а (т).
Вычислим второй безусловный начальный момент критерия ка чества (8.76). Для этого возведем это выражение в квадрат и при меним операцию математического ожидания. В результате получаем
M [a2(K )]= a ’-(m )+ £ |
BtB,M [У£, V,] + |
|
|
*. /=1 |
|
+ |
S |
CijCkhM(VlViVkVh] + |
i, |
/. k, ft=1 |
|
|
+ 2a (m) % CUM [VtVf] + |
. £ |
BfijkM [VtVjVk]. (8.79) |
i. /=i |
|
|
i, i, |
*=1 |
Для нормального закона распределения вероятности параметров
имеют место |
соотношения |
|
|
|
М [ В |
д |
= 0; |
м [Vtv y kv h] = |
K u Kkh + |
/с а + K ihK ik, |
поэтому из |
выражения (8.79) получаем |
|
|
|
M [a2(F)] = a2(m) + |
i, |
£ |
+ |
|
|
|
|
/=1 |
|
+ |
|
S |
с £/с ЛЙ[/с,-Дм + |
а д * |
+ Д /Д /,] + |
|
|
/> й. л=1 |
|
|
|
|
|
|
+ 2a (m) £ |
С;Д г/. |
(8.80) |
|
|
|
/=1 |
|
|
При некоррелированных параметрах данная формула упрощается II принимает вид
i |
|
I |
М [ а 2 ( V ) ] = а (2т) + Е |
Я ?А + |
£{ С и С п + 2С 2и ) А А + |
/=1 |
I, |
/=Л |
|
/ |
|
4 - 2а ( т ) S |
C A |
|
/=1 |
Дисперсию условного момента (8.76) получим вычитанием из соотношения (8.80) квадрата безусловного математического ожида ния. Возводя выражение (8.77) в квадрат и вычитая его значение из уравнения (8.80), получаем
Dа |
|
1 |
|
|
I |
|
. /=i |
|
|
|
i |
|
|
|
у |
[KutKjh |
K i h K j k \. |
(8.82) |
I-. /, к. /1=1Cifikh |
|
|
Для некоррелированных параметров безусловная дисперсия
критерия качества |
|
|
Da = S B)Dt |
2 S |
(8.83) |
/ = 1 |
i, /=i |
|
Ухудшение качества системы за счет случайного разброса пара метров можно оценить по увеличению средней квадратической ошибки, вычисляемой по формуле
1] = у М [а2 (У)] — а2 (т). |
(8.84) |
Эта величина характеризует только влияние разброса параметров.
. Изложенное показывает, что методы теории чувствительности заключаются в построении для критерия качества автоматической системы ряда Тэйлора и вычислении безусловных характеристик точности системы. Наибольшую сложность и трудоемкость при этом имеют способы вычисления коэффициентов В;, Си ряда Тэйлора. Изложению этих способов посвящен следующий параграф.
Выражение (8.76) в общем случае можно не рассматривать как ряд Тэйлора, и, следовательно, не обязательно трактовать коэффи циенты В;, Сц как частные производные от критерия качества по параметрам в точке разложения. Это выражение в общем случае можно считать одним из видов аппроксимации истинной зависимости критерия качества от параметров. Поэтому вычисление коэффи циентов аппроксимирующей функции будет зависеть от вида аппро ксимации.
Как известно, существуют следующие способы аппроксимации: аппроксимация в точке; аппроксимация в ряде точек и аппрокси мация в области [12, 61, 72].
При аппроксимации в точке истинная и приближенная функции совпадают точно только в одной выбранной точке. К этому виду аппроксимации и относится способ разложения критерия качества
в ряд Тэйлора по параметрам. Аппроксимация в ряде точек преду сматривает совпадение функций в нескольких, определенным обра зом выбранных точках (узлах). При аппроксимации в области истин ная и приближенная зависимости в определенной области измене ния аргумента отличаются не более чем на фиксированную величину. В следующем параграфе рассматриваются способы вычисления коэф фициентов разложения (8.76) при аппроксимации в одной точке.
8.7. Вычисление коэффициентов
Для вычисления коэффициентов выражения (8.76), рассматри ваемых как частные производные от критерия качества по параме трам, можно применить два способа. Первый из них заключается в дифференцировании по параметрам исходных уравнений автома тической системы. Полученные уравнения для частных производ ных переменных системы по параметрам следует рассматривать как дополнительные уравнения, описывающие работу автоматической системы. Для определения критерия качества и производных от него по параметрам можно применить изложенные ранее методы (см.
гл. 2, 4, 6 и 8).
Второй способ вычисления производных критерия качества по параметрам заключается в использовании приращений: производ ная приближенно равна отношению приращения функции к при ращению аргумента. Рассмотрим последовательно оба способа.
Пусть нелинейные автоматические системы описываются диффе
ренциальными уравнениями |
вида |
|
|
|
|
|
Yt = v t (t,Y, |
U ) + |
Е М * . U )N ,■((), |
|
(8.85) |
|
|
|
|
i=i |
|
|
|
где |
У,- — переменные |
системы; |
<pt. (.) — нелинейные |
функции, |
дифференцируемые по вектору параметров U\ |
Ьц {t, |
U) — коэффи |
циенты, дифференцируемые по вектору параметров U\ |
N,- (t) — вход |
ные |
возмущения. |
соотношение (8.85) |
по k-му |
параметру. |
Продифференцируем |
Меняя местами дифференцирование по времени и по параметру, получаем
d |
dYt |
_<3Ф,■(/, V, U) |
, |
\ л |
.дЬц((, U) |
д, /л |
(8.86) |
dt |
' dUk |
dUk |
1 |
Z j |
dUk |
i K> |
/=i
Данное уравнение необходимо решать при нулевых начальных условиях совместно с уравнением (8.85). Это следует из того, что производная нелинейной функции по параметру зависит от значения вектора переменной Y .
Продифференцируем уравнение (8.86) по /г-му параметру. В ре зультате получаем
d |
d2Y t |
д2Ф,- (t. К, V) |
, |
2 |
д2Ьц (t, U) |
(8.87) |
dt |
' dUk dUh |
dUk dUh |
т |
dUk dUh М О ; |
|
|
|
|
i=i |
|
|
это уравнение также зависит от переменных У., поэтому его необхо димо решать совместно с уравнением (8.85).
Для вычисления коэффициентов ряда Тэйлора необходимо знать значения производных в точке, соответствующей математическим ожиданиям всех параметров. Поэтому уравнения (8.85), (8.86), (8.87) решают совместно при математических ожиданиях параме тров Ui = mv
В частном случае линейных систем уравнение (8.85) принимает
вид |
|
|
Y , = l 1ai i (t,U )Y j + |
S Ьц (t, U) Nj (t). |
(8. 88) |
/=i |
i=i■ ' |
|
Соответственно уравнения (8.86) и (8.87) преобразуются к сле дующему виду:
|
d |
дУ; |
V |
* |
и |
г r\ dYi I |
|
|
w |
m |
= L |
a'iV. "> зщ + |
|
|
п |
|
/=i |
|
|
|
|
|
|
U) |
|
|
|
|
|
бац {t, |
|
|
|
|
|
+ Е |
dUk |
|
|
|
|
|
|
/=i |
|
|
|
|
|
|
|
d |
&Yl |
|
|
|
d2Yi |
f |
|
dt dUk dUh |
/-i |
'I ' |
’ |
' dUkdUn |
|
|
п
дан (t, U)
- 2 - dUh
/= i
п
|
|
Li |
д-ац (t, U) Y |
, |
|
' |
dUkdUh |
' _1~ |
|
|
/=i |
|
|
d |
_i_ |
V d"b‘i V ’ u \ N |
■(t) |
'h |
i |
LJ |
dUkdUh |
i [ >' |
/=i
Из уравнений (8.89), (8.90) следует, что частные производные по параметрам можно рассматривать как выходные переменные неко торой дополнительной системы. Входными сигналами этой дополни тельной системы являются выходные переменные исходной автома тической системы. Если принять эту трактовку частных производ ных, то достаточно легко можно определить частные производные от моментов переменных автоматической системы с использованием изложенных в предыдущих главах методов анализа. Покажем это на примере первых двух моментов.
По определению математического ожидания имеем
тв1 (0 = MI Y, (*)], |
(8.91) |
где М — оператор математического ожидания. Дифференцируем это выражение по /е-му случайному параметру. В результате полу чаем
дтУ 1 - м |
Гак''(/)1 |
(8.92) |
dUk — |
L dUk J |
|
Поскольку производная в правой части есть выходная перемен ная системы (8.86), решаемой совместно с системой (8.85) [или соот ветственно систем (8.88), (8.89)], то математическое ожидание можно вычислить на основе изложенных выше методов. Аналогично опреде ляют вторую производную математического ожидания по k-му и /г-му параметрам:
|
д-'п!П ( 0 |
м Г d-Y; ( 0 1 |
(8.93) |
|
dUk dUh |
L dUk dUn . |
|
|
Рассмотрим производные от ij-го корреляционного момента пе ременных:
дв |
|
|
|
|
о |
< |
|
LL |
= М |
__i уО |
|
I уи |
dUk |
(8.94) |
dUk |
|
дик г ' |
"Г r i |
|
Вторые производные |
|
|
|
|
|
д Ю ц _ М |
Г э-уЧ |
|
V» |
дУЧ |
дУ°. |
дик dUh |
dUk |
L.+ |
дик дик |
|
|
dUh |
|
|
дУЧ |
дУЧ |
|
д2У°, |
(8.95) |
+ |
_ |
__ L _1_ V - |
________ |
dUk ' |
dUk Г |
1 |
dUk dUn |
Производные от выходных переменных системы есть переменные дополнительных систем. Поэтому моменты первого и второго поряд ков по формулам (8.92)—(8.95) вычисляют точно так же, как и для обычных автоматических систем, описание работы которых дается уравнениями (8.85), (8.86), (8.87) и уравнениями (8.88), (8.89), (8.90)
для линейных систем.
Применительно к нелинейным системам с использованием методов статистической линеаризации и уравнений для моментов данная процедура рассмотрена в [25]. Для линейных систем с использова нием метода весовых функций процедура вычисления частных про изводных от моментов по параметрам разработана в [24].
Рассмотрим теперь основанный на приращениях способ вычисле ния производных от моментов по параметрам. Для определенности рассуждения проведем для второго начального момента, представ
ленного формулой |
|
|
|
|
|
a(V) = a(m) + £ |
BiVi + |
' S |
C^V.Vj, |
(8.96) |
/=1 |
_ |
i. /=1 |
|
|
где V[ = Ut — 'ml — центрированные значения |
параметров. |
|
Дадим k-му параметру приращение |
Vk = |
Аь |
а остальные па |
раметры будем считать равными своим математическим ожиданиям.
Обозначим |
значение второго |
начального |
момента, |
вычисленного |
с учетом приращения только одного k-vo параметра, |
через a (А*). |
Очевидно, |
что формула |
(8.96) |
для |
этой величины примет вид |
|
а (А*) |
= а (т) + |
Вк Ак + |
Скк А*. |
(8.97) |
Далее дадим этому k-му параметру отрицательное приращение
—Ak и вычислим второй начальный момент при математическом ожи дании всех остальных параметров. В соответствии с формулой (8.96) будем иметь
а (—д а) = а М — Bk Ak + Ckk д а- |
(8.98) |
Вычитая из равенства (8.97) соотношение (8.98) и деля получен ную разность на удвоенное приращение, получаем величину коэффи циента
|
Вь |
а (Д^) — « ( — Дк) |
(8.99) |
|
2Л* |
|
|
|
Если имеется алгоритм вычисления второго начального момента при фиксированных значениях параметров, то правая часть соотно шения (8.99) определяется двукратным повторением вычислений величины а при положительном и отрицательном приращении k-то параметра.
Для определения коэффициентов Ckk необходимо сложить ра венство (8.97), (8.98), из полученной суммы вычесть 2а (пг) и резуль тат поделить на удвоенное приращение:
_ а (Ак) + « (—Aft) — 2а ("О
Скк — 2Д*
Нетрудно показать, что коэффициент Ckh можно формуле
а (Ак , А;,) — а ( Ak) — « (Ah) - f а М
ГиА/1— 2А/[Ал
(8. 100)
вычислить по
( 8. 101)
Формулы (8.99), (8.100), (8.101) дают приближенные значения производных. Точность вычисления зависит от вида функциональной зависимости второго начального момента от параметров и величины приращения Ак. Обычно в качестве приращения берут величину среднего квадратического отклонения параметров. Существуют ре комендации по выбору величины приращения, равной двум средним квадратическим отклонениям [48].
Рассмотренный способ определения производных достаточно эффективен как по точности вычисления, так и по его трудоемкости, поэтому он получил широкое распространение на практике.
8.8. Применение статистической линеаризации
Случайные параметры входят в систему, как правило, неадди тивно. Поэтому, как было уже сказано, система со случайными па раметрами является нелинейной. Предположим, что уравнения ее движения приведены к виду
(/г = 1, . . ., п)
|
|
|
|
|
|
где фА— в общем случае |
произвольные |
нелинейные |
функции; |
Ук — переменные системы; |
0 — случайные параметры |
(величины); |
Хк (t) — случайные |
функции — белые |
связанные шумы со взаим |
ными корреляционными |
функциями |
|
|
|
' KXpXq (t, t ) |
= М [Х°р (0 X°q (Г)] = |
Gpq (t) б ( t - t ) . |
: |
{р, q = \ , . . |
п) |
|
|
Для анализа рассматриваемых систем, имеющих гладкие диффе ренцируемые нелинейности, может быть применен метод обычной линеаризации. При наличии в системе существенных нелинейно стей следует воспользоваться методом статистической линеаризации. Однако все методы линеаризации при наличии множительных эле ментов дают удовлетворительные результаты при малых уровнях дисперсий случайных параметров.
Применим статистическую линеаризацию нелинейностей. На основании формулы для многомерной нелинейности запишем
Ф а = Фа о + t |
k kiY°i + S lkhVh, |
(8.103) |
;=i |
/i=i |
|
(k |
n) |
|
где Vh — Uh — tnh — отклонение |
случайного параметра |
от сред |
него значения. |
|
|
Согласно формулам статистической линеаризации статистические
характеристики cpA0 и коэффициенты kki |
зависят от вероятностных |
моментов первого и второго порядков входных функций |
Y к и слу |
чайных параметров |
Vk: |
|
|
|
|
|
|
ф*о |
= Фао (*, |
ту, т „ , |
0, |
Q, |
£>); |
(8.104) |
|
&А,’ |
kki |
Шу* |
Q» |
k)), |
|
^A/i |
^ А Л ( ^ » |
Mm |
Q » |
D), |
|
где my, tnu— совокупность математических ожидании |
переменных |
Y, |
U, а 0 и Q — матрицы корреляционных моментов связи перемен |
ных Y и U\D — матрица корреляционных моментов связи случайных |
параметров U. В формулах (8.104) приняты следующие обозначения |
для |
вероятностных |
моментов: |
|
|
|
|
|
myk(t) = M[Yk (t)Y, т и/ = |
М[Д,]; |
|
|
Qpq(t) = |
М [Y°p (t) Y'q (/)]; |
Dvh= |
M [VvVH]\ |
|
Qvl (t) = M [VvY°i (/)].
Моменты mul и Dvh должны быть заданы. Подставляя выражения (8.103) в уравнения (8.102) получим систему
Yk = фас + S kkiY°i + S hhVh + Х к. |
(8.105) |
i= l |
h= 1 |
|
(к = |
1........п) |
|
Применяя операцию математического ожидания, из системы (8.105) выделяем уравнения для математических ожиданий переменных:
тУк = |
ср/;0 + |
т.ч.. |
(8.106) |
(/е = |
1, .... |
п) |
|
Вычитая почленно уравнения (8.106) из уравнения (8.105), полу чим линейные уравнения для центрированных составляющих:
y°k — \ j kkiYi |
/1=1 |
I k h V h X k ’ |
(8.107) |
i=l |
|
|
(k= 1, • • •> п)
На основании системы уравнений (8.107) можно получить уравне ния для корреляционных моментов 0/,,р, Qvl. Для этого воспользуемся процедурой преобразования, уже примененной в гл. 2, п. 6. В ре зультате получим
п I "1
[kitflip + kpfiik] + |
/1=1 |
UkhQhp + lphQ.hk\ + Gkp, |
i= I |
n |
l |
|
(8.108) |
|
|
|
Q v k — |
iLl k k iQ k i + |
ll=i |
k t P v h ■ |
|
i—\ |
|
|
(k, p = |
1 ,.. ., П, |
v = |
1, . . ., t) |
Присоединяя к уравнениям (8.107), (8.108) формулы (8.104), получим систему уравнений для определения математических ожи даний и корреляционных моментов переменных Yк. Интегрируя их при заданных начальных условиях, определяем искомые вероят ностные характеристики.
Линеаризованная система уравнений (8.107) позволяет также со ставить уравнения для корреляционных функций переменных. Эти уравнения могут быть составлены аналогично тому, как это сделано в гл. 2, п. 6 или в гл. 4, п. 5.
Уравнения (8.106) и (8.108) могут быть использованы для оценки устойчивости решений для моментов.
Если в системе существует установившийся режим, то постоянные значения вероятностных моментов для этого режима можно опреде лить из уравнений (8.106) и (8.108), если приравнять их правые части к нулю. В результате получим систему нелинейных (8.106) и линей ных (8.108) уравнений для моментов. Их решение может быть полу чено любыми известными способами.
Уравнения (8.107) могут быть использованы также для определе ния спектральных плотностей переменных Yk в установившемся
режиме на основании |
формул |
|
Ч и = |
Ц |
CV , М (IV v (-»■“>) %> |
(8-109) |
|
/./=1 |
|
где Ф|/Ад-г (/со)— частотная характеристика системы от входа |
х1 к вы |
ходу Ук> определяемая |
по |
уравнениям (8.107). |
|
Г л а в а 9 |
С Т О Х А С Т И Ч Е С К И Е СИСТЕМ Ы |
9.1. Формирующий фильтр
Рассмотрим задачу построения формирующего фильтра, обеспечи вающего получение случайного процесса с одномерной плотностью вероятности, принадлежащей к классу зависимостей, описываемых уравнением Пирсона [62], Как известно [39], класс законов распре деления вероятности, описываемых уравнением Пирсона, очень ши рок и включает следующие законы: нормальный, %2, Стьюдента, Фишера, Парето, бэта и др.
Формирующий фильтр описывается линейным дифференциальным
уравнением первого порядка |
|
Y + (а + Z (t)) Y = kN (t). |
(9.1) |
Входными сигналами фильтра являются случайные функции Z (t) и N (^-гауссовскйе коррелированные белые шумы с математическими ожиданиями mz (i), mN (t), интенсивностями Gz, GN и взаимной интенсивностью GZN.
Покажем, что выбором значений интенсивностей белых шумов можно получить случайный процесс Y (t) с одномерной плотностью вероятности, принадлежащей семейству кривых Пирсона. Для этого вычислим коэффициенты сноса и диффузии и составим уравнение для плотности вероятности выходной переменной уравнения (9.1).
В соответствии с формулами (8.25) и (8.26) для |
данного |
случая |
а1Х = —a; Z1X = —Z; |
Ьц = к, при этом получаем |
|
А1 = — (а-\- |
---- g -G ^ + |
lfem"; |
(9.2) |
2 5 г1 = |
Gzy2 — 2kGZNy + k2GN. |
|
(9.3) |
Из этих формул следует, что апериодическое звено, описываемое уравнением (9.1), является примером физической системы, для ко торой коэффициент сноса является линейной функцией переменной у, а коэффициент диффузии — квадратичной функцией этой же пере
менной |
[37]. |
|
|
|
|
|
Подставляя коэффициенты сноса и диффузии в уравнение (8.13) |
для одномерной плотности вероятности, получаем |
|
§ |
■ |
= |
{ [ |
( |
“1e z +) ■y ™z+ 4—- kг a z “ |
|
|
|
+ - r : i p - |
I P |
V - 2W y + Ж » 1f\. |
(9.4) |
Рассмотрим установившееся решение этого уравнения при dfldt = 0. Полагая, что при бесконечном значении аргумента одно мерная плотность вероятности и ее производная обращаются в нуль, получим из выражения (9.4) линейное дифференциальное уравнение первого порядка относительно стационарного значения плотности
вероятности, которое представляет собой уравнение |
|
Пирсона: |
|
|
0. |
|
(9.5) |
Решение уравнения (9.5) имеет вид |
|
|
(9.6) |
f(y, |
оо) — С ехр |х (*/)}, |
|
где С — нормировочная |
постоянная, а |
функция |
|
|
а+ш/ |
+ 2 km" ■ |
|
.ZN |
In 12В, |
k (а + mz ) G |
X |
,Gzu — kGZN
к (у) -■ |
|
|
x г г arclg |
v t |
при A > |
0 |
а+нЦ |
|
|
(9.7) |
|
|
|
k (a + mz ) G'ZN |
|
In I 2B, |
a* |
|
km" |
|
|
|
|
|
X |
|
|
|
|
|
X Gz y — kGZN |
при A = 0, |
где |
|
A = k2 {GNGZ — GZN). |
|
|
(9.8) |
|
|
|
|
Общий вид графика плотности вероятности при |
А >• 0, |
tnN = |
= mz = 0, |
GZN > 0, |
а > |
0 приведен на рис. 9.1. |
Функция |
имеет |
максимум, |
смещенный в |
область |
отрицательных |
у |
при GZN >• 0 |
и положительных у |
при GZN < 0 . |
При |
уменьшении |
корреляцион |
ной связи между аддитивным и мультипликативным возмущением происходит деформация кривой распределения и при GZN = 0 максимум расположен в точке у — 0 (см. рис. 9.2).
Несимметрия кривой плотности вероятности при GZN =j=0 при водит к появлению математического ожидания переменной у. С физи ческой точки зрения это объясняется нелинейным эффектом детекти рования, возникающим в линейной системе с аддитивным и мульти пликативным возмущением при наличии корреляции между ними.
Рис. 9.1. График плотности вероят |
Рис. 9.2. График плотности |
ности |
вероятности |