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: 84
Скачиваний: 0
"Если в системе управления заранее фиксирован |
объем |
ста |
тистических данных для проведения обработки, то числа с 0 , |
с х , с2 |
|
вычисляются заранее. Если же объем не фиксирован, |
то в |
алго |
ритм обработки включается дополнительно и алгоритм определе
ния постоянных с 0 , |
с ъ с 2 . |
|
|
5. Вычислив значения чисел Ал, |
Вл и |
определив постоянные |
|
Co. c i >c 2 i проверим, |
выполнено ли |
условие |
(11.48). Если оно вы |
полняется, то гипотеза Н отвергается. Если условие (2.48) не вы полняется, то проверяется условие (11.49). Если оно выполняется, то гипотеза Я считается истинной.
Обычно при выборе а берут одно из стандартных значений та ких, как 0,005, 0,01, 0,05.
Оценивание неизвестных параметров с помощью метода макси мального правдоподобия. Пусть X (t) — одномерный процесс, представляющий собой любую координату процесса X (/). Де лаются следующие предположения:
1)X (/) — нормально распределен;
2)X (t) является либо процессом с независимыми прираще ниями, либо мартингалом.
Для оценки неизвестных параметров, входящих в моменты распределения процесса X (f), поступим следующим образом.
Возьмем случайные величины z 0 l , zt (i = 1, т)\ они незави симы и нормально распределены. Рассмотрим плотность вероят ности события
« о < г о < " о + |
du0, |
« i < Z i < « i + |
duu |
um<zm<um-{-dum. |
|
Она равна
т
/=о
где
1
Р,(и:)= r L е
а)-= Ми].
2°
;
В качестве значений us возьмем выборочные значения и; = z-r Найдем частные производные
dlnL дЫЬ dqr --dqs
(Г = 1, k\ S—1, р),
где q = (qi, • • •> qk)> q = (Яи |
qP)- |
68
Согласно методу максимального правдоподобия оценки для неизвестных параметров определяются из условия обращения в ноль частных производных. Составим функционал
р
s = l |
dqs |
|
Найдем минимальное значение функционала У 2 по всем зна чениям неизвестных параметров, взятым из области допустимых
значений; |
обозначим |
минимальное |
значение функционала |
V2 |
||||
через У 2 т . |
< е, где е > |
0 — заданное число, |
характеризую |
|||||
Пусть |
V2m |
|||||||
щее допустимую точность в определении параметров. Тогда |
наи |
|||||||
лучшими |
оценками в смысле |
среднего квадрэтического |
будут те |
|||||
значения |
параметров, |
при |
которых |
функционал |
V 2 |
принимает |
||
минимальное |
значение. |
|
|
|
|
|
|
|
Пусть |
V2m |
> е, и допустимую точность в определении неизвест |
ных параметров снизить нельзя. Тогда необходимо увеличить число точек массива R, т. е. увеличить число т.
Однако следует отметить, что метод максимального правдо подобия может и не привести с увеличением числа /п к более точ ному оцениванию. Как отмечается в [ 9 ] , оценки, получаемые по методу максимального правдоподобия, могут быть даже смещены.
Алгоритм не обладает свойством аддитивности относительно обработки статистических данных, входящих в массивы R^, и предъявляет к- памяти ЦВМ жесткие требования. Реализация алгоритма в случае, когда объем памяти ЦВМ не достаточен для хранения всего массива R, осуществляется с помощью составных решений (см. п. 5).
Об оценке моментов распределения процессов, являющихся мартингалами. Как уже отмечалось, если X (t) — мартингал с нор мальным законом распределения, то обработка данных процесса X (f) при условии, что разности распределены нормально, про водится так же, как и для процессов с независимыми прираще
ниями. Допустим, что X (t) |
— мартингал, |
распределение кото |
||||||||||
рого отлично |
от |
нормального. Из условия |
(1.31) |
следует |
|
|||||||
|
|
|
М [X (*,) _ |
X (t^)] |
[X (t{) |
- |
X (tt_J] = |
О, |
|
|||
для I ф\, |
i, |
j = |
0, 1, |
tn; т. е. X (t) |
имеет ортогональные |
прира |
||||||
щения. |
|
|
|
|
|
|
|
|
|
|
|
|
Так как аргумент t имеет смысл времени и |
0 «s t < |
оо, то, |
||||||||||
перейдя |
к |
новой |
переменной |
со.= In t, |
получим |
область |
измене |
|||||
ния —оо |
< |
со < |
оо . |
|
|
|
|
|
|
|
|
|
Введем |
стохастический |
интеграл |
Фурье |
|
|
|||||||
|
|
|
|
|
|
со |
|
|
|
|
|
|
|
|
|
|
Y(u)= |
\ |
eiaudX(a), |
|
|
|
(11.51) |
где и — некоторый вспомогательный аргумент.
69
Нетрудно проверить, что Y (и) есть стационарный процесс, причем
|
М | dX |
(со) |2 = sy |
(со) dco, |
|
|
|||
где |
Sy (со) — спектральная |
плотность |
процесса. |
|
|
|||
|
Интеграл (11.51) представляет собой спектральное представле |
|||||||
ние |
стационарного |
случайного процесса. |
|
|
|
|||
|
Вычислим момент |
|
|
|
|
|
|
|
|
УИ I X (со + Асо) — X (со) Р |
= MX'2 |
(со + |
Лео) — |
MX2 |
(со) = |
||
|
= /С, (со + |
Асо, со + |
Асо) — |
Кх (со, со). |
|
(11.52) |
||
|
Из условия (11.52) следует, что для дифференцируемой функции |
|||||||
|
|
К'Л®, |
(о) = 5„(ш). |
|
|
(11.53) |
||
|
Так как по условию для функции Кх (tx, |
t2) задана ее анали |
||||||
тическая структура, |
то из |
условия (11.53) следует, |
что |
известна |
и аналитическая структура спектральной плотности sy (со). Таким образом, перейдя от реализации процесса X (со) к реа
лизации процесса Y (и) и произведя обработку данных стационар |
||||||||
ного процесса Y (и) так, как это указано в п. 6, получим оценки |
||||||||
для неизвестных |
параметров спектральной |
плотности |
sy (со). |
|||||
Используя |
условие |
(11.53) |
и тот факт, |
что |
при t = 0 известны |
|||
значения |
MX |
(0), |
MX2 |
(0), |
определим |
корреляционную |
функ |
|
цию Кх ( М 1 ©)• |
|
|
|
|
|
|
||
Оценка взаимной корреляционной функции. Рассмотрим любые |
||||||||
две координаты |
X,- (/), Х у |
(t) |
процесса X |
(t). Допустим, что ХД(/), |
Xj (t) — процессы с независимыми приращениями. Возьмем по следовательность моментов времени (11.34) и образуем разности (11.37):
|
|
z0 = Xi(tQ)—mi |
|
(*„), |
|
|
zk |
= |
X , (4) - |
Xt . (4_х) - |
mt |
(4) + |
mt (4_i), |
Чи = |
Уi & ) - |
Уi Vk-i) - |
,nj |
(tk) + |
m, (4_i). |
|
Тогда для |
любого момента времени |
tk |
|
;i=0
yi(h) = I l Уп-
n=0
Здесь zn (n = 0, 1, k) — взаимно независимые случайные вели чины; уп (п = 0, 1, .&) — взаимно, независимые величины. Допу-
70
стим, что zs, |
у5 |
зависимы |
между |
собой, |
a zs, |
ур |
при s =h р — |
|||
взаимно |
независимы. |
Тогда |
|
|
|
|
|
|||
|
|
|
|
Mzsyp = MzsMyp |
= |
О, |
|
|
||
|
|
Ku(tk, tn) |
= |
Ku{mm{tk, |
|
tn), |
min(ff t > |
tn)). |
||
Для |
оценки |
функции |
Кц (tlt |
t2) |
следует |
взять статистики, |
||||
аналогичные |
(11.38), |
а |
именно: |
|
|
|
|
|
|
|
|
|
|
• • • - f - Z ( r - H ) ЛГ-1 |
|
Л Л - l ] . |
|
|
|
|
|
||||||
|
Аналитическая структура корреляционной функции Кц (t, t) |
|||||||||||||||||
определяется так, как-указано в п. 2, с использованием |
канони |
|||||||||||||||||
ческого |
разложения процессов с независимыми приращениями. |
|||||||||||||||||
|
Пример. |
Рассмотрим определение параметров, входящих в мо |
||||||||||||||||
менты распределения случайного процесса X (/), имеющего незави |
||||||||||||||||||
симые приращения, |
с |
помощью |
массива |
статистических |
данных |
|||||||||||||
R |
= (X (tx), |
. . ., |
X |
(tm)). |
Точки |
tt |
равномерно |
распределим на |
||||||||||
промежутке |
Т = |
[О, |
|
Т]. |
|
|
|
|
|
|
|
|
|
|
||||
|
Аналитическая структура математического ожидания дается |
|||||||||||||||||
отрезком |
степенного |
|
ряда |
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
/п( (0 |
= |
2 > / > |
|
|
|
|
|
|
'(П.54) |
|
где k — фиксированное |
число; |
1=0 |
(i = 0, |
1, |
k) — |
неизвестные |
||||||||||||
ai |
||||||||||||||||||
коэффициенты. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
i |
Разложение |
(11.54) |
является |
частным |
случаем |
разложения |
||||||||||||
(1.14). |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Аналитическую структуру корреляционной функции пред |
|||||||||||||||||
ставим одним |
из |
следующих видов: |
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
min (s, t) |
|
|
|
|
|
|
|
0), |
|
|
||
|
|
Kx(s, |
t) |
= |
|
j |
|
%Ьтчт(и) |
du |
+ |
Kx(0, |
|
(11.55) |
|||||
|
|
|
|
|
|
|
0 |
\m=l |
|
|
|
|
|
|
|
|
|
|
|
|
Kx (s, 0 = |
p |
min (s, О |
|
|
|
|
(0, |
0), |
|
|
||||||
|
|
2 |
bl |
J |
<f2m (u)du |
+ |
Kx |
. |
(П.56) |
|||||||||
где cpm (и) известная система функций на |
Т; |
bm |
(k = |
1, |
р) |
— не |
||||||||||||
известные параметры. |
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
В качестве |
функций |
cpm (и) можно взять, например, ортого |
|||||||||||||||
нальные |
полиномы |
Чебышева, |
полиномы |
Якоби, если от |
проме- |
71