Файл: Химмельблау Д. Анализ процессов статистическими методами.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 09.04.2024
Просмотров: 628
Скачиваний: 2
832 |
Глава 12 |
Кроме того, умножая уравнение (12.3.1) на Y (t + т) и выполняя необходимые преобразования, можно показать, что
STY |
(СО) = H g (со) ||2 s x x (со), |
(12.3.9) |
однако это соотношение не содержит какой-либо информации о фазе передаточной функции — она теряется, когда берется абсолютное значение g (со); следовательно, это соотношение имеет ограниченное применение.
|
Х,(і). |
|
|
• У, (t) |
|
|
|
X2(t). |
Процесс |
|
Y2(t) |
Y(t) |
|
|
X(t) Х3М- |
|
|
•Y3(t) |
|
|
|
т.д |
|
|
и т.д. |
|
|
Ф |
if т. 12.3.3. Процесс с |
несколькими входными |
и выходными |
сигналами. |
||
|
Введя несколько дополнительных определений, можно записать |
|||||
соотношение, аналогичное (12.3.8), |
для матричной передаточной |
|||||
функции g (со), определяемой формулой |
(12.3.3) |
для |
процесса |
|||
с |
сосредоточенными |
параметрами |
(или |
ряда |
таких |
процес |
сов) с несколькими входными сигналами (фиг. 12.3.3). Предпо ложим, что вектор X (t) входных сигналов имеет п составляющих,
а вектор Y (t) выходных |
сигналов имеет m составляющих. Кроме |
|
того, |
необходимо ввести |
три матрицы спектральной плотности: |
sx |
(со) — матрица спектральной плотности входного сигнала, |
Su (со) — спектральная плотность і-го входного сигнала, a Sjf (со) —
взаимная спектральная |
плотность |
г-го и /'-го входных |
сигналов; |
||
s Y |
(со) — матрица спектральной |
плотности выходного |
сигнала, |
||
su (со) — спектральная плотность і-го выходного сигнала, a |
S J J ( C Ö ) — |
||||
взаимная спектральная |
плотность |
і-го и /-го выходных |
сигналов; |
||
sXY |
(со) — матрица |
взаимной спектральной плотности |
вход |
ного и выходного сигналов, ô\fY |
(со) — взаимная спектральная |
|||||
плотность |
і-го входного и і-го выходного сигналов, |
Sjfy (со) — |
||||
взаимная |
спектральная плотность |
і-го входного и /-го |
выходного |
|||
сигналов. |
|
|
|
|
|
|
Тогда, |
обобщая одномерный анализ, получаем |
|
||||
|
sY |
(to) = |
g* |
(со) "sXY (со) = |
g* (со) s* (со) g? (со), (12.3.10) |
|
S*Y |
( 0 ) = |
s* |
(со) gT (со), |
|
(12.3.11) |
где g* (со) — комплексно-сопряженная матрица g (со), а Т обо значает транспонирование. Передаточная матрица g (со) вычис ляется из соотношения
g (со) = {[s* (со)]-1 & (а>)}т |
(12.3.12) |
834 Глава 12
щади этого пика. Последовательность элементов с,, определяю
щих, будет ли в следующем интервале At |
входной сигнал равен |
+ а или —а, можно вычислить с помощью |
линейного рекуррент |
ного соотношения, рассматриваемого в статье Цирлера [7], а также в книге Петерсона [8].
Ф и г . 12.3.4. Псевдослучайный входной сигнал с требуемой автокорреляцион ной функцией .
а — идеальный периодический двоичный сигнал для М=19 и соответствующая автокор
реляционная функция; б — графическое изображение формулы (12.3.5) при периодиче ском двоичном входном сигнале.
В табл. 12.3.1 приведена программа на языке Ф О Р Т Р А Н для вычисления псевдослучайных сигналов + 1 и — 1 , подобных после довательности, изображенной на фиг. 12.3.4. Другими возможны ми входными сигналами являются псевдослучайные телеграфные сигналы, подобные изображенным на фиг. 12.3.4, но изменяющиеся от + 1 до —1 в случайные интервалы времени, задаваемые рас пределением Пуассона. Автокорреляционная функция для этой совокупности представлена в первой строке фиг. 12.3.2. Еще одним возможным сигналом является случайная двоичная после довательность, также аналогичная изображенной на фиг. 12.3.4
|
|
|
Получение |
оценок |
в |
частотной |
области |
835 |
|||
|
|
|
|
|
|
|
|
|
|
|
Таблица 12.3.1 |
Программа на |
я з ы к е |
|
Ф О Р Т Р А Н |
|
д л я вычисления |
п се в д о с л у ч а й н ы х |
|||||
|
|
|
|
|
|
в х о д н ы х |
сигналов |
|
|
|
|
|
Программа |
для |
|
случайных |
входных и |
выходных |
|
сигналов |
|||
С $ $ $ |
N X — число |
цифр |
в последовательности |
|
|
||||||
|
DIMENSION |
ІА |
(3000) |
|
|
|
|
|
|||
4 |
R E A D 100, |
N X |
|
|
|
|
|
|
|
||
100 |
FORMAT |
(15) |
|
|
|
|
|
|
|
||
|
IF (NX) |
2,2,3 |
|
|
|
|
|
|
|
||
3 |
PRINT 101, |
N X |
|
|
|
|
|
|
|
||
101 |
F O R M A T |
(23H |
T O T A L NO. OF ELEMENT S = |
, |
15//) |
||||||
|
IZ = |
- 1 |
|
|
|
|
|
|
|
|
|
|
DO |
5M = |
1, |
N X |
|
|
|
|
|
|
|
|
I A |
(M) = |
IZ |
|
|
|
|
|
|
|
|
5 |
CONTINUE |
|
|
|
|
|
|
|
|
||
|
Y = 0,5* |
FLOAT |
|
(NX) |
|
|
|
|
|
||
|
L A = 1 |
|
|
|
|
|
|
|
|
|
|
|
IZ = |
1 |
|
|
|
|
|
|
|
|
|
|
A = |
1,0 |
|
|
|
|
|
|
|
|
|
1B = A * A
X = FLOAT (NX)
|
D = AMOD (В, |
X ) |
|
|
|
|||
|
ID = |
I F I X |
(D + |
0,5) |
|
|
|
|
|
I A |
(ID) = |
IZ |
|
|
|
|
|
|
L A = L A + 1 |
|
|
|
|
|||
|
A = FLOAT (LA) |
|
|
|
||||
|
IF ( Y — A —0,001) |
6,6,1 |
|
|
||||
6 |
102, (IA (M), M = |
l , |
M X ) |
|||||
102 |
FORMAT |
(10 |
(10X, |
1515/)/) |
|
|||
|
PUNCH 103, (IA (M), M = |
l , |
N X ) |
|||||
103 |
FORMAT |
(1515) |
|
|
|
|||
|
GO |
TO |
4 |
|
|
|
|
|
2 |
CALL |
E X I T |
|
|
|
|
||
|
END |
|
|
|
|
|
|
и отличающаяся от нее тем, что изменение сигнала от + 1 к —1 происходит через дискретные случайно выбранные интервалы At. Автокорреляционная функция и спектральная плотность для этого случая приведены во второй строке фиг. 12.3.2. Кинг и Вудберн [9]'показали, как осуществлять выбор периода Т входного сигнала, интервала между измерениями и длительности основ ного двоичного сигнала At, т. е. как планировать эксперимент, чтобы оптимизировать определитель, рассмотренный в разд. 8.4.
Наконец, может быть задан следующий вопрос: можно ли оценить передаточную функцию на основе зарегистрированных данных о нормальной работе установки? Хотя в принципе такое оценивание возможно, на практике оцо часто оказывается невы полнимым, по следующим причинам. Во-первых, обычно входное воздействие на процесс может не быть стационарной случайной величиной. Во-вторых, вследствие применяемого способа обработ-
836 |
Глава 12 |
ки данных сведения о нормальной работе установки обычно не являются достаточно точными и не позволяют получить требуемую информацию. Оснащение установки соответствующими приборами позволяет преодолеть это затруднение, но может потребовать больших расходов. Третьей проблемой является большая про должительность регистрации данных, что необходимо для ослабле ния корреляции между шумом процесса и детерминированной частью входного сигнала.
Х(і) X,(t)
Процесс
Регулирующее устройство
Ф it г. 12.3.5. Регулируемый процесс со случайным входным сигналом .
Более серьезным недостатком является то, что входной сигнал, кроме случайной составляющей, может содержать контролируе мые изменения, которые необходимо учитывать при корреляцион
ном анализе. Рассмотрим, например, |
регулируемый |
процесс |
||||
(фиг. 12.3.5). Входной сигнал содержит некоторую составляющую |
||||||
ошибки |
г (г*), |
обусловленную |
наличием |
соединительного |
звена, |
|
содержащего |
регулятор. Следовательно, |
теперь член % {X (t — |
||||
— т) e (t)} в соотношении (12.3.4) не обращается в нуль и должен |
||||||
быть сохранен. При некоторых частных |
допущениях относитель |
|||||
но e (t) |
оказалось |
возможным |
разделить автокорреляционную |
|||
функцию |
R X Y |
(т) на две составляющие, |
одна из которых не испы |
|||
тывает возмущений |
[10]. Однако до сих пор не решен |
вопрос, |
как обрабатывать данные при более реальной ошибке e (t) [11, 121.
12.3.3. Получение оценок спектральных |
плотностей |
Для оценивания передаточной функции |
с помощью фор |
мул (12.3.8), (12.3.9), (12.3.12) или (12.3.13) необходимо иметь
оценки средней |
по ансамблю спектральной плотности S |
X Y (<Й) |
и, возможно, s x x |
(со). Хотя эти оценки можно определить |
по |
выборочным средним, как показано в гл. 2, они обычно вычис ляются с помощью средних по времени. В случае средних по времени используются данные, записанные на одной временной диаграмме, а не совокупность наблюдений, зарегистрированных на различных диаграммах. Средние по времени будем обозначать угловыми скобками ( ), если без этого их смысл не ясен из текста'. Использование средних по времени является менее мощным мето-