Загребаев Методы обработки статистической информации в задачах контроля 2008
.pdfПодставляя явный вид Y (iω) , получим
|
|
Y1 = |
f0 |
A(ω) exp(i[ωt + ϕ(ω)]). |
|
|
2 |
||
|
|
|
|
|
|
Аналогичным образом для входного воздействия X2 = |
|||
= |
f0 |
exp(−iωt) найдем |
|
|
2 |
|
|
||
|
|
|
|
Y2 = f20 A(ω)exp (−i[ωt + ϕ(ω)]).
Складывая Y1 и Y2 , получим следующий результат:
Y =Y1 +Y2 = f20 A(ω)[exp(iωt) exp(iϕ(ω)) + exp(−iωt) exp(−iϕ(ω))]=
= f20 A(ω) cos[ωt + ϕ(ω)].
Это выражение показывает, что вынужденные колебания, вызываемые в линейной динамической системе гармоническим воздействием, являются также гармонической функцией времени, отличающейся от входного воздействия лишь амплитудой и фазой (но с той же частотой).
Функция A(ω) называется амплитудной частотной характеристикой, ϕ(ω) – фазовой частотной характеристикой. P(ω) – вещественная частотная характеристика, Q(ω) – мнимая частотная характеристика.
Перейдем теперь к случаю, когда X (t) – случайная функция на интервале (0 ÷T ), т.е.
∞
X (t) = ∑ Wk exp(iωkt) .
k=−∞
Рассмотрим отдельное слагаемое этой суммы
Xk (t) =Wk exp(iωk t) .
Реакция системы на это воздействие будет
Yk (t) =WkY (iωk )exp(iωk t) .
131
Так как рассматриваем линейную систему, то согласно принципу суперпозиции реакция системы на сумму воздействий равна сумме реакций на каждое воздействие, т.е.
D |
|
∞ |
Y (t) |
= |
∑ WkY (iωk ) exp(iωkt) . |
|
|
k=−∞ |
Или, обозначая WkY (iωk ) =Uk , получим: |
||
D |
|
∞ |
Y (t) = ∑ Uk exp(iωkt) ,
k=−∞
где Uk – некоррелированные случайные величины с математическими ожиданиями, равными нулю.
Определим спектр этого разложения. Для этого найдем D[Uk ]:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
2 |
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
D[Uk ]= M Uk Uk |
= M |
|
WkY (iωk ) |
|
|
|
= M |
|
Wk |
|
|
|
Y (iωk ) |
|
= |
||||||||||||||||
|
|
|
|
|
|
||||||||||||||||||||||||||
|
= |
|
Y (iω |
) |
|
2 M |
|
W |
|
2 |
= |
|
|
|
Y (iω |
) |
|
2 D . |
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
k |
|
|
|
|
|
|
k |
|
|
|
|
|
|
k |
|
|
|
|
k |
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Таким образом, при преобразовании стационарной случайной функции X (t) , заданной на интервале от 0 до T линейной систе-
мой, каждая из ординат ее спектра умножается на квадрат модуля передаточной функции системы при данной частоте. Таким образом, при прохождении стационарной случайной функции через линейную стационарную систему ее частотный состав изменяется: некоторые частоты могут усиливаться, а некоторые – ослабляться (фильтроваться).
2.5.Примеры применения теории случайных функций
вфизике реакторов
2.5.1.Результаты статистической обработки реальных данных энергоблока с реактором РБМК (закон распределения, корреляционная функция
плотности потока нейтронов)
С целью обеспечения данными системы мониторинга параметров безопасности энергоблоков с реакторами РБМК-1000 в Кризисном центре концерна «Росэнергоатом» и в Локальном кризис-
132
ном центре Курской АЭС внедрено математическое обеспечение системы подготовки и передачи данных о состоянии реакторных установок.
Созданное программное обеспечение позволяет, помимо решения своих «штатных» задач, решать и задачи научного, перспективного характера, поскольку предоставляет исследователю детальную информацию о поведении в пространстве и времени важнейших параметров ядерного реактора. Поскольку решение задач идентификации часто требует знание законов распределения и моментных функций исследуемых параметров, то представляет интерес получения этих данных в реальном режиме эксплуатации реактора.
Приведенные ниже результаты получены при статистической обработке суточного файла состояния первого энергоблока Курской АЭС. Информация о параметрах снималась с периодичностью 2 – 3 мин. Целью статистической обработки было получение законов распределения, временных и пространственно-временных корреляционных функций [7].
Законы распределения поканальной мощности и расхода теплоносителя
На рис. 2.10 и 2.11 в качестве примера показаны гистограммы распределения мощности для каналов в центре активной зоны и на краю соответственно.
Как видно из рис. 2.10 и 2.11, закон распределения мощностей различен. Анализ результатов обработки данных для всех каналов активной зоны выявил следующие закономерности.
Закон распределения поканальной мощности наиболее близок к нормальному в средней части активной зоны.
На нормальность закона распределения мощности в канале влияют расположенные рядом поглотители: закон распределения мощности близок к нормальному только в каналах, рядом с которыми расположены дополнительные поглотители (датчики, регулирующие стержни).
На краях активной зоны практически нет каналов с нормальным законом распределения мощности.
Анализ гистограмм распределения поканальных расходов показал, что в целом распределение поканального расхода теплоносителя во времени нельзя считать нормальным (гипотеза о нормаль-
133
ности закона распределения проверялась во всех случаях по критерию Пирсона при уровне значимости 0.05). Это характерно как для каналов, расположенных в центре активной зоны, так и для каналов, расположенных по краям. Однако так же, как и для поканальной мощности, существуют каналы, в которых закон распределения расхода теплоносителя близок к нормальному. Установлены следующие факты.
|
0,25 |
|
|
|
|
|
|
|
|
0,6 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,20 |
|
|
|
|
|
|
|
|
0,5 |
|
|
|
|
|
|
|
|
Относительная частота |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Относительная частота |
0,4 |
|
|
|
|
|
|
|
|
|
0,15 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
0,3 |
|
|
|
|
|
|
|
|
||
0,10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
0,2 |
|
|
|
|
|
|
|
|
||
0,05 |
|
|
|
|
|
|
|
0,1 |
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,00 |
|
|
|
|
|
|
|
|
0,0 |
|
|
|
|
|
|
|
|
|
2,18 |
2,19 |
2,20 |
2,21 |
2,22 |
2,23 |
2,24 |
2,25 |
|
|
|
|
|
|
|
|
|
|
|
|
0,815 |
0,820 |
0,825 |
0,830 |
0,835 |
0,840 |
0,845 |
0,850 |
0,855 |
||||||||
|
|
|
Мощностьканала, МВт |
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
Мощностьканала, МВт |
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Рис. 2.10. Гистограмма распределения |
Рис. 2.11. Гистограмма распределения |
|||||||||||||||||
|
мощности в канале в центре |
|
|
мощности в канале на периферии |
||||||||||||||
|
|
активной зоны |
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
активной зоны |
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
На нормальность закона распределения расхода теплоносителя в канале влияют расположенные рядом поглотители: закон распределения расхода теплоносителя близок к нормальному только в каналах, рядом с которыми расположены поглотители (датчики, регулирующие стержни).
Закон распределения расхода теплоносителя в канале существенно не зависит от закона распределения мощности.
Распределение поканального расхода теплоносителя с большей степенью вероятности можно считать нормальным, нежели закон распределения поканальной мощности.
На погрешность определения закона распределения поканальной мощности и поканального расхода теплоносителя наибольшее влияние оказывают погрешности определения статистической оценки математического ожидания и дисперсии при выравнивании
134
статистических рядов. Были рассчитаны погрешности определения статистической оценки математического ожидания и дисперсии, которые как для поканальной мощности, так и для поканального расхода составили 4 %.
Определение временных автокорреляционных функций поканальной мощности и расхода
На рис. 2.12 и 2.13 показаны нормированные автокорреляционные функции поканальной мощности реактора и расхода через канал соответственно.
Рис. 2.12. Нормированная |
Рис. 2.13. Нормированная |
корреляционная функция расхода |
|
автокорреляционная функция |
теплоносителя через канал |
мощности канала |
|
На рис. 2.12 присутствует ярко выраженный пик, соответствующий времени порядка 10 ч и, по-видимому, отражает факт обратной связи по ксенону.
Представленная на рис. 2.13 временная автокорреляционная функция расхода теплоносителя не имеет каких-либо ярко выраженных пиков при данной скважности измерений (примерно
2 мин).
135
Погрешность при определении автокорреляционной функции поканальной мощности и поканального расхода составила 8 %.
Определение пространственных корреляционных функций
иобластей сильной и слабой коррелированности
вактивной зоне
Пространственная автокорреляционная функция поканальной мощности реактора для каналов с законом распределения мощности близким к нормальному закону показана на рис. 2.14 и 2.15.
Рис. 2.14. Автокорреляционная функция мощности для канала в центре активной зоны
Рис. 2.15. Автокорреляционная функция мощности для канала на периферии активной зоны
Из анализа полученных в результате эксперимента графиков автокорреляционных функций, а также графика распределения дисперсии мощности по активной зоне, можно сделать вывод, что области коррелированности в активной зоне реактора качественно совпадают с областями перекоса поля нейтронов.
На рис. 2.16 показана пространственная автокорреляционная функция поканального расхода теплоносителя для каналов с законом распределения мощности, близким к нормальному закону.
На основе полученных в результате эксперимента данных можно сделать вывод, что области коррелированности для поканального расхода теплоносителя качественно совпадают с областями кор-
136
релированности для поканальной мощности, но степень коррелированности на порядок меньше.
Погрешности при определении автокорреляционной функции поканальной мощности и поканального расхода составили 9 %.
Автокорреляционная функция расхода для канала;316
0,0538839 0
Рис. 2.16. Автокорреляционная функция расхода для канала
вцентре активной зоны
2.5.2.Экспериментальное определение естественных функций реактора и их связь с собственными функциями
Опишем методику построения приближенного канонического разложения случайной функции плотности потока нейтронов в реакторе [3, 4, 5, 10]. Пусть в моменты времени t1, ..., t j , ..., tM в N
точках по объему активной зоны с координатами r1, ..., rN известны показания внутриреакторных датчиков C1 (t), ..., CN (t ). Тогда в
каждый момент времени по показаниям датчиков можно восстановить очередную реализацию плотности потока нейтронов, пользу-
137
ясь, например, методом наименьших квадратов. При этом, задавшись некоторым набором координатных функций Ψi (r ) (например, для высотного распределения принято использовать гармони-
ческие функции Ψi (z)= sin iHπ z ), будем искать оценку функции
ϕ(r, t) в следующем виде:
n |
|
ϕˆ (r , t)= ∑Ai (t) Ψi (r )= AТ (t)Ψ(r ). |
(2.5.1) |
i=1
Сведем полученные коэффициенты аппроксимации в следующую таблицу:
Момент времени |
|
|
|
|
Значения амплитуд |
|
|
||||||
t |
|
|
|
|
|
A1, ..., An |
|
|
|
|
|
|
|
t1 |
|
|
|
A1(t1) |
|
|
... |
|
|
An(t1) |
|
|
|
... |
|
|
|
... |
|
|
... |
... |
|
|
|||
tj |
|
|
|
A1(tj) |
|
|
... |
|
|
An(tj) |
|
|
|
... |
|
|
|
... |
|
|
... |
... |
|
|
|||
tM |
|
|
|
A1(tM) |
|
|
... |
|
|
An(tM) |
|
|
|
|
|
|
|
M |
(t j ) |
|
|
|
|
|
M |
(tj ) |
|
Среднее |
|
|
|
∑ A1 |
|
… |
|
|
|
∑An |
|||
по времени |
|
|
|
j =1 |
|
|
|
|
|
j=1 |
|
|
|
A1 = |
|
|
An = |
|
|
||||||||
|
|
|
|
|
|||||||||
M |
|
|
|
M |
|||||||||
|
|
|
|
|
|
|
|
|
|
Если теперь обработать данные таблицы на предмет определения корреляционных моментов между амплитудами, т.е. расчета величин
|
M |
(Ai (tp )− |
Ai )(Aj (tp )− |
|
j ) |
|
ˆ |
∑ |
A |
|
|||
p=1 |
|
|
|
|
, |
|
Kij = |
|
|
|
|
|
|
|
|
M |
||||
|
|
|
|
то оказывается, что корреляционная матрица амплитуд
|
K |
K |
|
|
11 |
1n |
|
K = |
|
|
|
|
|
|
|
Kn1 |
Knn |
может существенно отличаться от диагональной. Иными словами, коэффициенты при выбранных координатных функциях оказыва-
138
ются коррелированными. Интуитивно понятно, что этот факт означает неудачный выбор системы координатных функций. Если проводить аналогию с разложением функции в обычном математическом анализе, то это говорило бы о том, что выбранная система функций не является линейно независимой. Рассуждая с информационных позиций, можно представить себе, что информация о величине, например, первой гармоники, содержится не только в амплитуде первой гармоники, но и в остальных амплитудах. В теории
случайных функций известна процедура перехода от вектора A с
коррелированными составляющими к вектору A с некоррелированными составляющими [11]. Названная процедура аналогична
процедуре ортогонализации Грама − Шмидта, в ней исходный век-
G
тор A представляется в виде:
G |
G |
G |
(2.5.2) |
A = mA + Λ A , |
а элементы треугольной матрицы перехода Λ как раз и находятся из условия некоррелированности его координат. Если составить систему уравнений следующего вида:
K (Ai , Aj )= 0, i, j = |
|
, i < j , |
(2.5.3) |
1, n |
то, решив ее, можно получить рекуррентные выражения для вычисления элементов матрицы Λ :
1 |
0 |
|
|
|
0 |
|
|
||
a |
1 |
0 |
|
|
0 |
|
|
||
|
21 |
|
|
|
|
|
|
|
|
|
|
a32 |
1 0 |
|
|
|
, |
(2.5.4) |
|
Λ = a31 |
|
|
0 |
||||||
|
# |
|
|
|
|
|
# |
|
|
|
# |
|
|
|
|
|
0 |
|
|
|
|
a |
|
|
a |
|
|
|
|
a |
n2 |
|
nn−1 |
1 |
|
|
|||
|
n1 |
|
|
|
|
|
|
139
где
|
|
|
|
K (A1, Ai ) |
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
DA |
|
|
|
|
|
|
|
|
|
|
|
||||
ai1 |
= |
|
|
|
, i |
= 2, n; |
|
|
|
||||||||||
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
j−1 |
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
D |
Aj |
= DA |
j |
− ∑a2jk DA , j = |
1, n |
; |
|
|
|
||||||||||
|
|
|
|
|
|
k =1 |
|
|
k |
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
1 |
|
|
|
|
|
|
|
|
j−1 |
|
|
|
||||
aij = |
|
|
K (Ai , Aj ) |
− ∑aik a jk DA |
, i = |
||||||||||||||
|
D |
|
|
||||||||||||||||
|
|
|
|
Aj |
|
|
|
|
|
|
|
k =1 |
k |
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(2.5.5)
3, n, j = 2, i −1.
Из приведенных соотношений видно, что матрица перехода Λ
определяется статистическими характеристиками вектора A (а именно, его математическим ожиданием и корреляционной матрицей), оценки которых могут быть найдены по результатам описанного выше статистического эксперимента (то есть по набору реали-
заций вектора амплитуд A ). Подставив (2.5.4) в (2.5.2), получим:
ϕˆ (r )= AT Ψ(r )= (mA + Λ A)T Ψ(r )= mAT Ψ(r )+ AT (ΛT Ψ(r ))=
|
|
|
= mAT Ψ(r )+ AT Ψ(r )= |
|
|
|
|
|
|
||||||||||||
= Ψ0 (r )+ A1 Ψ1 (r )+ A2 Ψ2 (r )+... + An Ψn (r ), |
(2.5.6) |
||||||||||||||||||||
где |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Ψ0 |
(r )= mAT Ψ(r ); |
|
|
(r )+... + a |
|
|
|
|
(r ); |
|
|||||||||||
Ψ |
1 |
(r )= Ψ |
(r )+ a Ψ |
2 |
n1 |
Ψ |
n |
|
|||||||||||||
|
|
1 |
|
|
21 |
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
(r )= Ψ |
|
(r )+ a |
Ψ |
|
(r )+... + a |
|
Ψ |
|
(r ); |
|
|||||||||
Ψ |
|
|
|
|
|
(2.5.7) |
|||||||||||||||
|
2 |
|
|
2 |
|
|
32 |
|
3 |
|
|
|
|
n2 |
|
|
n |
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Ψ |
n−1 |
(r )= Ψ |
n−1 |
(r )+ a |
|
|
|
Ψ |
n |
(r ); |
|
|
|
|
|
|
|
||||
|
|
|
|
|
nn−1 |
|
|
|
|
|
|
|
|
|
|||||||
Ψ |
n |
(r )= Ψ |
n |
(r ). |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Из выражения (2.5.6) видно, что коэффициентами аппроксимации реализации случайной функции ϕ(r ) набором функций
{ Ψk (r )} являются координаты вектора A с некоррелированными составляющими. Это означает, что функции { Ψk (r )}, определяе-
140