Файл: Козин В.З. Методы исследований в обогащении учеб. пособие.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 28.06.2024
Просмотров: 160
Скачиваний: 1
Бремени запаздывания в этом случае складывается
из времени чистого /транспортного/ запаздывания и времени, так называемого, переходного запаздывания. Отметим, что время чистого запаздывания для этих объектов обычно невелико, и величина С0 определяет ся, главным образом, временем переходного запаздыва ния, которое при достаточно высоком порядке объекта может быть соизмерено с величиной Т0
Причинами изменения объемного расхода пульпы явля ются непостоянство питания мельниц рудой, регулирование работы классификаторов путем подачи воды, переменные циркулирующие потоки промпродуктов, непостоянство по дачи транспортной воды и т.д.
Следовательно, объекты рассматриваемого класса яв ляются нестационарными объектами, и их динамические свойства могут быть описаны лишь дифференциальными уравнениями с переменными коэффициентами. Соответ ственно при аппроксимации этих объектов звеньями пер вого порядка можно воспользоваться лишь нестационарной параметрической передаточной функцией:
w (Р,й) * Т^(4). р + і S Р °( } . /9.3/
Отмеченные особенности рассматриваемых объектов накладывают дополнительные требования к методике их описания и экспериментального исследования,
Нестационарность коэффициентов дифференциальных уравнений рассматриваемых объектов не позволяют при менять обычные методы экспериментального исследова ния динамических характеристик без соблюдения специ альных условий. Так, при использовании метода искусст венных возмущений необходимо учитывать величины'
фактических объемных расходов. Причем должно быть
снято несколько кривых переходного процесса, соответ ствующих различным объектам расходам. Методы ста тистической динамики могут дать правильные результа ты пиигь при стабилизации объемного расхода в течение всего периода снятия реализации входного и выходного параметров.
9.2 Методические особенности постановки активных экспериментов
В лабораторных условиях обычно требуют выполнения: а/ стабилизации во время опыта как факторов на выбран
ных уровнях, так и условий постановки опытов; б/ измерение результатов после окончания переходных
процессов.
Активные методы начинают широко использоваться и В промышленных условиях. Немалую роль в этом игра ют следующие достоинства методов:
а/ целенаправленный сбор информации; б/ простота обработки данных;
в/ легкость формализации процесса экспериментирования. Однако активные методы отличаются от пассивных заранее запланированным воздействием на процесс. Так как составленный план никоим образом не связан с тре буемым управлением, при осуществлении активных экспе
риментов обычно возникают дополнительные потери. Несмотря на то, что при ведении процесса рабочие
нередко предпринимают пробные воздействия, активный эксперимент рассматривается пока как нежелательный, хотя дело только лишь в том, что при планировании весь необходимый комплекс пробных воздействий осуществля ется на небольшом отрезке времени и потери становятся ааметными. Рабочий же осуществляет необходимый ему для обучения объем пробных воздействий аа длительный промежуток времени и потери на поиск затушевываются общей нестабильностью процесса.
Методика осуществления активного эксперимента от личается простотой: после того, как по известным пра вилам составлен план эксперимента, необходимо выбрать интервал времени между отдельными опытами, а также оценить влияние помех.
Так как при осуществлении активного эксперимент
та входные воздействия устанавливаются скачком на
новый уровень, для регистрации влияния этих изменений необходимо, чтобы переходный процесс, в объекте закон
чился. Следовательно, интервал времени между замерами входных и выходных величин при активном эксперименте значительно больше, чем при пассивном. Например для инерционного звена при пассивном эксперименте интервал времени между замерами входной и выходной величины равен приблизительно 0,Ѳ+0,7 постоянной времени, а при активном эксперименте он равен 3-5-3 постоянным времени. Для определения времени окончания переходного про
цесса целесообразно перед началом эксперимента снять кривую переходного процесса. Учитывая нестабильность переходных процессов, необходимо увеличить полученную длительность переходного процесса на 20-30% и резуль тат взять в качестве интервала между изменением вход ных и регистрацией выходных величин.
Одним из важнейших условий правильной постановки активных экспериментов является как можно меньшая изменчивость возмущений.
Для увеличения точности результата и снижения влия ния погрешности контроля необходимо осуществлять не сколько замеров подряд для получения одной объединен ной пробы.
9.3. Случайные процессы. Корреляционные функции.
Для непрерывных процессов характерно постоянное
изменение входных факторов и значений целевых функций. Это уже не известные нам случайные величины, а слу чайные процессы. Так как случайные процессы проте кают во времени, то они характеризуются функцией,- отражающей особенности именно этого протекания.
Случайная функция, зарегистрированная в той или иной форме по результатам опытов, называется реализа цией случайной величины. Случайные, функции %для кото рых независимой переменной является время ~Ь обычно
называются случайными или стохастическими процессами. |
|
|||||||||||
|
Для |
характеристики случайной величины служат |
|
|||||||||
моменты случайной функции. |
|
|
|
|
|
|||||||
|
Для определения моментов необходимо знать много |
|
||||||||||
мерные функции распределения вероятности случайной |
|
|||||||||||
величины. |
|
|
|
|
|
|
|
|
|
|
||
|
Предположим, что мы имеем множество тождествен |
|
||||||||||
ных систем, вырабатывающих случайные функции |
|
|||||||||||
|
|
|
|
( f ) ) |
|
(4~) ) |
Х-З ( і ) |
' ' ' |
|
|
||
Случайный характер функций проявляется в том, чт.о |
|
|||||||||||
хотя эти системы и тождественны, однако значения |
|
|||||||||||
функций, вырабатываемой любым элементом рассматри |
|
|||||||||||
ваемого множества систем в любой определенный мо |
|
|||||||||||
мент времени отличается от значения, выработанного |
|
|||||||||||
другцм |
элементом в тот |
же самый момент. |
|
|
||||||||
|
Поставим вопрос так: какая доля из общего числа |
|
||||||||||
функций в |
момент |
~Ь |
находится |
внутри |
промежутка JC |
|||||||
U |
Х + а Х . Эта доля |
зависит |
от |
~Ь |
и пропорциональ |
|||||||
на |
Л X |
при малых |
АХ |
, Обозначим |
ее через IÛ^X^tjùX |
|||||||
и назовем |
Vfy ( х, і ) |
- первой или |
одномерной Функцией |
|
||||||||
распределения |
вероятности, |
|
|
|
|
|
||||||
|
Далее мы можем рассмотреть всевозможные пары |
|
||||||||||
значений |
|
X |
для |
двух моментов времени |
и |
. |
||||||
Часть подного числа пар, которым соотвѳтствуціг числаХ, |
||||||||||||
заключенные внутри промежутка от |
до |
+ Д |
, |
|||||||||
в момент |
Ь і |
и от |
|
Хд |
до |
Х^+ДХ* |
в момент |
|
||||
обозначим через |
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
- A3Ct |
|
|
|
|
|
|
-назовем второй или |
двумерной функ |
цией распределения вероятности я т.д. Пели нам известны функции щ при любом $ , то можно считать, что мы знаем о случайном процессе
все; что только можно о нем знать.
Действительно, зная |
|
7 ^ (Xj"f j |
можно |
опредепить |
|
математическое ожидание |
m ax(ï) |
случайной функции |
|||
|
|
<иа |
|
|
/9.4/ |
|
Г П о х Ш ~ |
J |
* ( i ) ' U ? i ( * i t ) o L x |
||
и её |
дисперсию |
|
|
|
|
|
D&X(J) =м{[х(і)~ т0ХШ]*} = |
||||
|
z J [ x № - тох(Шгщ(хМ |
äx ■/9,5/ |
|||
Зная вторую Функцию распределения, можно определить |
|||||
как |
n ïû x f y ) &ІХ ( t ) |
, так и центральный момент вто |
|||
рого |
порядка |
|
|
|
|
|
~ J J[хіШ~^ох(é)][X2(і)~Wax(fj](X{^11 |
||||
|
-сл-м> |
|
|
|
/9.8/ |
характеризующий связь между значениями случайной функ
ции в различные моменты времени. |
|
|
||
Функция |
ß ix i'ti'b z} |
называется |
корреляционной |
|
|
* |
функцией |
|
|
Зная |
П -мерную функцию распределения |
вероятно |
||
сти, можно определять все последующие моменты. |
||||
Если имеются две случайные функции |
X (£) |
и ÿ (f) |
то простейшим взаимным моментом является момент вто рого порядка
ßxy(titi)=7 J f t - ГПохОіЩ- т 0и(tz)] |
(&& ÿt^oLxdy. |
|||
“• C4J —i/o |
—° |
a |
° |
/9.7/ |
' Статистический метод изучения случайных процессов |
||||
ставит себе задачей |
не изучение каждой из функций £&(t) > |
|||
входящей в совокупность функций, характеризующих этот |
||||
процесс, а изучение |
свойств всего |
множества в целом |
|
при помощи усреднения свойств входящихв в него функций. Таким образом, применяя метод к анализу процесса,
мы получаем возможность судить о поведении системы не по отношению к какому-либо одному определенному воз действию, представляющему заданную функцию времени, а о ее поведении /в среднем/ по отношению к целой сово купности воздействий. Очевидно, это весьма важно.
Важным является понятие стационарности.
Стационарные случайные процессы отличают опреде ленные допущения. В этом случае считается, что систе ма, в которой протекает случайный процесс, остается неизменной во времени. Спедоватеньно, вид функций распределения вероятности не зависит от смещения нача ла отсчета вдоль оси времени, а её определение упроща ется на том основании, что она может быть определена в течение достаточно долгого промежутка времени из ре
зультатов наблюдения над одной - единственной системой, а не над многими.
При этом длительная запись процесса разбивается на ряд отрезков длиной 7 " ;/где Т велико по сравнению со всеми "периодами", которые имеются в исследуемом процессе/ и получается как бы запись наблюдений над многими системами.
В основе этого лежит эргодическая гипотеза, согласно которой большое число наблюдений над одной стационарной системой имеет те же самые статистичесіше свойства, что и то же число наблюдений над произвольно выбран ными тождественными объектами в один и тот же момент времени.
Тогда
а корреляционная функция
][*г moxJlÛifaXtC)
В этом узком смысле слова стационарность - это, если математическое ожидание случайной величины по стоянно, а корреляционная функция зависит лишь от одной переменной £ = Исподьзуя это обстоятельстве?.
можно убедиться в стационарности процесса.
Следует различать средние значения по совокупности
/9.8/
и среднее по времени
/Ѳ .9/
При стационарных случайных процессах, оба способа
должны давать один и тот лее результат.
Корреляционная |
функция - это математическое ожида |
|||
ние произведения значений случайной функции для двух |
||||
моментов |
времени |
-і и |
. Условимся обозначать |
|
её R ( C ) |
|
|
||
R ( t ) - |
М {[>(*) - |
In0x] [ j c ( t +*С) ~ m ox] |
||
°° |
<*> |
• |
|
|
- J |
J ( x r m ox)(x i ~ m ÛX) V^zCXiX^) OIXLCLX г . |
|||
- C*»~ СГ9 |
|
|
|
Учитывая, что математическое ожидание /или среднее по совокупности/ равно среднему по времени, можно записать
принимая -г*' J u J
m “ =l1 |
R(z)^-^'jxMxO-*z)cCt . |
/9.u/ |
||||||||
Если приходится иметь дело с двумя стационарными |
||||||||||
случайными функциями 3C(f) и Ц (Ь) |
, то кроме |
rt1 0JC ; |
||||||||
т < у , |
/**(£) “ Ry (£ ) вводится |
ещё |
и взаимная |
корреля |
||||||
ционная функция |
|
|
|
|
|
|
|
|
||
R |
f f ) |
- « |
w j f y |
f |
t |
) - т ^ | “ Ï1ЦР)Ы%/ * |
% , |
|||
н так |
же |
|
|
т . |
|
|
|
|
|
|
|
|
Rxu (€) = -—■ [x(i)u(t+t)cit . |
|
|
||||||
|
|
* |
'i |
- TJ |
|
|
17 |
|
|
/9.13/ |
Легко |
увидеть связь |
R ( eL) |
с |
|
коэффициентом корреля |
|||||
ции |
*2, |
. Переходя |
к сумме |
|
|
|
|
|
|
|
|
|
R Xÿ |
( X ) |
~ - Jf |
Z |
|
X i ÿуi |
|
/9.14/ |
видим, что выражения совпадают с точностью до постоян
ного множителя ибо
Ф изический смысл понятия корреляционной функции: предположим, что случайная функция со средним значением, равным нулю, есть выход следящей системы. Ясно, что
значение |
Xfâ+'L) |
должно зависеть от |
X (f) |
, т.е. можно |
|||||
считать, |
что 3 t(f+ ‘T) имеет составляющую, |
зависящую |
|||||||
как от |
начального |
значения |
X |
при |
Ь0 |
, так |
и от |
||
параметров системы. |
-С |
мало по сравнению с посто |
|||||||
Таким образом, |
если |
||||||||
янной времени системы, то |
X (Ъ + %) мало отличается от |
||||||||
Ot(f) |
, тогда |
|
R ( V |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R (О) |
|
|
близко к единице. |
|||
По мере увеличения |
связь между |
величинами осла |
|||||||
бевает |
и |
R. (Z) стремится к |
нулю. |
|
|
|
|||
Начальное значение |
R (o) |
|
корреляционной функции |
||||||
равно среднему значению квадрата случайной функции и |
|||||||||
поэтому существенно положительно, т.е. |
|
|
|
||||||
|
|
ß (о) |
= |
= Х г . |
|
|
|
||
, Корреляционная функция |
R |
|
есть четная функция |
от |
|||||
т*е- |
|
|
R (*С) = |
R |
( - t ) . |
|
|
|
|
С п е к т р а л ь н а я |
|
п л о т н о с т ь . |
Спек |
тральная плотность определяется как преобразование Фурье от корреляционной функции R (‘С)
S(vT)=lm |
. /9 | s / |
Следовательно |
О** |
^ |
z(V = j3rls(“J)ei M d “> = T ] s (“>)c°iZu,°l“1;B.le,
—со |
О |
т.е# спектрапьная |
плютность и корреляционная функция |
представляют собой преобразование Фурье друг от друга так же, как и передаточная и переходная функции.
Связь между корреляционной функцией, и спектральной плотностью имеет исключительно большое значение, так как позволяет быстро находить по одной другую и ис пользовать при работе все свойства преобразования Фурье