Файл: Тарушкина Л.Т. Статистическая оценка параметров управляемых систем с помощью ЦВМ.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 02.07.2024
Просмотров: 83
Скачиваний: 0
В алгоритм входит значение производной первого порядка от процесса Хг (t).
Вычисление производной Х[ (t) будем производить с помощью численных методов [5], а именно: численного дифференцирования, используя значения процесса Хг (t) в 6 узлах. Составим таблицу восходящих разностей процесса (табл. 1).
Таблица 1. Вычисление восходящих разностей
in-a
tn-i
tn
Л', |
(О |
Xi |
(in-*) |
Xx |
(tn-a) |
Xi |
{tn-i) |
Xx |
(tn-x) |
Xx |
(in) |
v * i |
( 0 |
V ! A', |
(/) |
|
|
V * ! |
Un-s) |
V * * ! |
(<«-*) |
|
|
vXx |
(in-2) |
V°Xx (ln-x) |
|
||
V2Xx |
(tn-x) |
V ' X i (tn) |
|||
VXX |
(tn-x) |
V 2 * i |
(in) |
V3Xx (in) |
|
S/Xx (in) |
|
|
|||
|
|
|
|
Восходящие разности определяются соотношениями
vx1(tr) |
= |
x1{tr)-x1itf_1), |
V " + , X 1 ( / r ) = V X 1 ( g - V X 1 ( f r _ a ) . Тогда [5] производная
*S<1)
где sil) — числа Стирлинга первого рода, т. е. коэффициенты многочлена
t (t — 1) • • • (t — k — 1) = sik)tk + sik-l)tk-1 |
-j |
[-s[l)t. |
Для указанного метода численного дифференцирования дается среднее время вычисления производной (табл. 2).
Таблица 2. |
Оценка среднего |
времени решения |
основных |
величин, входящих |
|
в алгоритм |
обработки массива |
статистических данных |
|
||
Вычисляемая |
Количество операций |
Среднее время |
|||
|
|
|
|||
величина |
|
умножений |
делений |
VT3 с |
|
|
сложений |
|
|||
'"1 |
500 |
|
— |
1 |
30 |
|
500 |
|
500 |
1 |
155 |
|
15 |
|
5 |
Ч |
2 |
|
|
5 |
П р и м е ч а н и е . В табл. 2 и 3 при определении среднего времени реше ния алгоритмов не учитывалось время обращения к запоминающим устройствам-
59
Алгоритм экстраполяции статистических данных достаточно прост. Экстраполяция данных процесса X , (t) на одинтлаг состав
ляет |
в |
среднем 7-10~3 с. |
|
|
Заметим, что оценка среднего времени дана для одной коор |
||||
динаты |
Хг (t) процесса |
X (i). Так как координаты Xi |
(t), |
|
(0 |
(l |
У) статистически независимы, то для получения сред |
||
него |
времени обработки |
всех координат, входящих в массив |
R, |
необходимо увеличить в 3 раза среднее время обработки коорди наты Хг {t}.
8. ОЦЕНИВАНИЕ И ИДЕНТИФИКАЦИЯ МОМЕНТОВ РАСПРЕДЕЛЕНИЯ СЛУЧАЙНЫХ ПРОЦЕССОВ, ИМЕЮЩИХ НЕУБЫВАЮЩУЮ ДИСПЕРСИЮ
Постановка задачи. Как отмечалось в п. 2, процессы с незави симыми приращениями и мартингалы имеют неубывающую дис
персию [см. неравенства |
(1.19), (1.32)]. Поэтому под процессами, |
|||||||
имеющими неубывающую |
дисперсию, |
будем понимать |
либо |
про |
||||
цессы с независимыми приращениями, либо мартингалы. |
|
|||||||
Пусть |
X {t) = ( Х а |
(I), |
. . ., |
Xl |
(t)) |
— измеряемая |
координата |
|
системы |
управления |
за |
время |
Т, |
причем XL (t) (i = |
1, /) |
пред |
ставляет собой либо случайный процесс с независимыми прира
щениями, либо мартингал. |
|
|
|
|
|
|
|
||||
Известны: |
|
|
|
|
|
|
|
|
|
||
1) |
реализация |
процесса |
X (t), |
|
t£T; |
|
|
|
|||
2) |
аналитическая |
структура |
|
математического |
ожидания |
||||||
MXL |
{t) (i — 1, /), |
определяемая |
разложением (1.14) |
и содержа |
|||||||
щая |
неизвестный параметр qf = (bu, |
|
. . ., bki) |
размерности kt\ |
|||||||
3) |
аналитическая |
структура |
корреляционной |
функции |
|||||||
|
|
Кц |
t2) |
= Ки |
(min (tv |
t2), |
min (tv |
t2)), |
|
|
|
содержащая неизвестный параметр qn |
размерности |
pt; |
|
||||||||
4) |
моменты MXi (0), MX\ (0) в |
начальный |
момент |
работы |
|||||||
системы |
управления. |
|
|
|
|
|
|
|
|
||
При |
некоторых |
дополнительных |
предположениях |
требуется: |
|||||||
1) |
разработать |
методы статистического оценивания и |
иденти |
фикации неизвестных параметров, входящих в моменты распре деления процесса xt (t) (i — 1, I);
2) |
рассмотреть возможность оценивания взаимной корреля |
|
ционной функции Ки (tlt t2) |
(i 4= У); |
|
3) |
построить алгоритмы, |
обладающие необходимой точностью |
ипредъявляющие к памяти ЦВМ минимальные требования. Нужно отметить, что процесс Хс (t), являющийся мартинга
лом, имеет постоянное математическое ожидание,.поэтому MXi(t) |
= |
= MXt (0) является известной величиной. |
|
60
Реализация процесса X (t) |
за время |
Тх образует в ЦВМ массив |
||||
статистических |
данных R A |
= (X (^,), |
X (t}J, . . ., |
X |
(^ ш )), |
|
а за время |
Т — массив |
данных |
R = |
(X (^i), . . ., |
X |
(tm)). |
Требования, предъявляемые к памяти ЦВМ, будут минималь ными, если алгоритмы оценивания допускают последовательную обработку массивов.
Метод оценивания с применением неравенства Чебышева. Рас смотрим одномерный процесс X (t), представляющий собой лю
бую координату процесса |
X (i). Допустим, |
что X (t) имеет не |
зависимые приращения и с вероятностью 1 |
ограничен: |
|
| Х ( |
0 1 < с < о о , / £ Т . |
(П.ЗЗ) |
Условие (П.ЗЗ) означает, что известно максимальное значение реализации процесса \Х (t)\ или оценка сверху за время Т.
Аналитическая структура моментов распределения процесса содержит неизвестные параметры размерности k и р соответственно для математического ожидания mx (t) и корреляционной функции Кх (t, t). Обозначим п = max (k, р). Зафиксируем временную последовательность
0 < < o < < i < - - - < f m < T , |
|
(11.34) |
||
соответствующую шагу |
дискретности, с |
которым |
образуется |
|
в ЦВМ массив статистических данных R. |
|
|
непересека |
|
Из последовательности (11.34) выделим |
N ^ п |
|||
ющихся последовательностей. Пусть это будут |
последовательности |
|||
|
ti-iw, |
|
|
(И.35) |
где i (i = 1, N) — номер |
последовательности; |
/ (/' = |
0, 1, г) — |
номер члена данной последовательности, причем число г выби рается максимальным из всех чисел, которые удовлетворяют не равенству
ЛГ (/•+ 1) < |
m |
+ 1 . |
(11.36) |
||
Образуем случайные |
величины |
|
|
|
|
z0 |
= X (*„) — mx (/„), |
, |
J |
||
2, = X (t.) - |
X (*._>) - |
mx |
(tt) + |
mx (t^) |
(Ц.37) |
|
(i - 1, m). |
|
|
j |
В силу того, что процесс X (t) имеет независимые приращения, случайные величины z„, z£- (t = 1, m) взаимно независимы.
Составим статистики
и!г = |
7^гг[г5 + |
г 8 * + - : |
|
|
|
|
(11.38) |
UMr = г ' + J |
[ ^ V - l + ZW-1 |
+ • ' • + |
1) N—l |
61
- Рассмотрим две группы статистик щг и щг, соответствующие значениям s = 1 и s = 2. Возьмем любое е > 0, тогда в силу неравенства Чебышева
|
Dus |
Р\\и1-Ми}г\<:е)^1--^, |
• (11.39) |
где Р — вероятность события, указанного в фигурных скобках; Duu — дисперсия величины и]г,
Du% = |
(£)z?_, + • • • + DzU+rN). |
(11.40) |
В силу неравенства (11.33) имеем следующие оценки:
Mzf < 4 V S .
Отсюда следует, что
г, |
4-с2 |
т2°с4
т. е. с увеличением г значения е2 уменьшаются. Предположим, что число г выбрано столь большим, что max {е^ e3 j- ^ е3 . Тогда соотношение (11.39) заменится следующим
Р{\и\г-Ми\г\<г}^\-г,
т. е. с вероятностью большей или равной 1 — е
\uir — Mulr\<e, \и]г— Ми]г\ < е.
Учитывая, что Muir — 0, составим функционал
Vi = 4 - £ |
[uir-MulrY |
= |
4 " |
S |
(".41) |
1= 1 |
|
|
i = l |
|
|
W = |
J S K - |
^ |
] . |
|
(П.42) |
|
:=1 |
|
|
|
|
Определим момент M u 2 r . В силу равенства (11.40) достаточно определить величину дисперсии DzL. Имеем:
Dz0 = |
Mz\=M |
[X (t0) — m , {to)]2 = |
К* Co, *o), |
Dzt = Mzf L |
M [ X (*t) - m , (tt) - X (*,_,) |
+ mx ( ^ _ i ) ] 2 = |
|
|
= * , ( ' / . У - ^ Л ^ - ь |
ti-i)- |
62