- •Объект асутп
- •1. Классификационные признаки асутп сушильной установи:
- •2.2. Преимущества использования сетей
- •2.3. Архитектура сетей
- •Построение асутп на базе концепции открытых систем Особенности асутп
- •Работа сети
- •3.3. Взаимодействие уровней модели osi
- •3.4. Описание уровней модели osi
- •У р о в е н ь №2. Канальный уровень(Date link)
- •У р о в е н ь 3. Сетевой уровень (Network)
- •У р о в е н ь 4. Транспортный уровень (Transport)
- •У р о в е н ь 5. Сеансовый уровень (Session)
- •У р о в е н ь 6. Представительский уровень (Presentation)
- •У р о в е н ь 7. Прикладной уровень (Application)
- •Передача данных
- •Типы, разрядность и быстродействие шин пк
- •Сравнение кабелей
- •Работа протоколов
- •Стеки протоколов
- •Модель osi и уровни протоколов
- •Сетевые архитектуры
- •Адрес назначения и исходный адрес
- •Контрольная последовательность кадра
- •Характеристика топологии 10 Base 2
- •К современным локальным сетям Производительность
- •Надежность и безопасность
- •Расширяемость имасштабируемость
- •Прозрачность
- •Поддержка разных видов трафика
- •Управляемость
- •Совместимость
- •Функциональные задачи асутп Классы асу тп
- •Назначение алгоритмов контроля
- •Аналитическая градуировка и коррекция показаний датчиков
- •Фильтрация и сглаживание
- •. Интерполяция и экстраполяция
- •Статистическая обработка экспериментальных данных
- •. Методы определения функций корреляции
- •Контроль достоверности исходной информации
- •Проверка выполнения неравенств
- •Задачи характеризации
- •Архитектура асутп Задачи проектирования
- •Место программируемого контроллера в асу предприятия
- •Классификация плк
- •Мощный плк
- •Адекватность функционально-технологической структуре объекта
- •Линейки контроллеров от основных производителей
- •Специализированные модули контроллеров для асутп
- •Системы противоаварийной защиты
- •В асутп
- •Необходимость применения
- •Противоаварийной защиты
- •Назначение системы паз в асутп
- •Обеспечение системы паз
- •Обеспечение надежности в системе паз
. Методы определения функций корреляции
Задача экспериментального определения функций корреляции является одной из наиболее важных и широко распространенных на практике исследования случайных процессов. Разработаны многочисленные методы определения корреляционных функций. Рассмотрим наиболее распространенные из этих методов.
Мультипликационный метод является основным методом экспериментального определения функций корреляций. В случае дискретных наблюдений оценки корреляционной функции вычисляют по формуле
.(9.4.36)
При этом предполагается, что m1{x} иm1{y} известны и равны нулю. Рассмотрим алгоритм машинной оперативной корреляционной обработки случайного дискретного процесса, представленный в виде последовательности {xij} выборки, по алгоритму
. (9.4.37)
Метод разложения функции корреляции в ряд. Этот метод также имеет широкое распространение. Чаще всего используется разложение по ортогональным полиномам ЛаггераLn().
Известно, что автокорреляционная функция может быть представлена в виде ряда
, (9.4.38)
где ;
.
Таким образом, задача получения коэффициентов bnможет быть решена путем усреднения по времени произведений исходной реализацииx(t)и этой же реализации, пропущенной через линейный фильтр с весовой функцией:
,
что соответствует передаточной функции фильтра:
.
По найденным значениям можно определить искомую функцию корреляции
(9.4.39)
где k – число фильтров Лаггера (k =5…6).
Основным достоинством указанного метода является отсутствие элементов задержки.
Иногда может оказаться удобным и разложение в ряд Маклорена. В этом случае
(9.4.40)
где
Этот метод удобен в тех случаях, когда могут быть непосредственно измерены производные случайного процесса.
Метод, основанный на использовании двумерной плотности вероятности, позволяет вычислить из соотношения
(9.4.41)
где f(x,y,τ) –двумерная плотность вероятности процессовy(t +τ)и x(t).
Следовательно, для определения оценки корреляционной функции необходимо иметь оценку двумерной плотности вероятности.
Метод дискретных апериодических выборок использует следующее соотношение для корреляционной функции:
(9.4.42)
где ti- моменты времени, в которых процессx(t)пересекает уровень η, т.е.x(ti) =η, η – константа, принимающая любые значения, кроме нуля.
Для нормальных случайных процессов показано, что существует оптимальное значение константы η, равное , при котором ошибка в вычислении функции корреляции за конечное время анализа минимальна
. Методы определения спектральной плотности
Спектральная плотность S(ω) позволяет судить о частотных свойствах случайного процесса. Она характеризует его интенсивность на различных частотах, или, иначе, среднюю мощность, приходящуюся на единицу полосы частот.
Поскольку спектральная и корреляционная функция случайного стационарного процесса связаны прямым и обратным соотношениями Винера-Хинчина то при изучении частотных свойств процесса достаточно определить любую их этих функций. Однако в ряде случаев определение S(ω) является более предпочтительным.
(9.4.43)
Алгоритмы определения спектральной плотности можно разделить на четыре основные группы:
алгоритмы, построенные на принципе узкополосной фильтрации;
алгоритмы, использующие преобразование Фурье от реализации случайного процесса;
алгоритмы, использующие аппроксимацию ортогональными полиномами;
алгоритмы, основывающиеся на преобразовании Фурье от корреляционной функции.
Различают также методы получения спектральных характеристик последовательного действия, в которых анализ происходит последовательно на каждой частоте, и параллельного действия, которые позволяют анализировать параллельно во времени для нескольких значений частот. При этом следует отметить, что время изменения для последовательного метода значительно больше, чем для параллельного