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

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

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 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

находится

внутри

промежутка JC

U

Х + а Х . Эта доля

зависит

от

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

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.

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