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: 85

Скачиваний: 0

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

жутка Т с помощью замены переменной t на новую переменную

и =-jrt

1 перейти к промежутку

обработки, равному [ — 1 ,

1 ] .

 

Неизвестные

параметры моментов

распределения

есть

 

 

 

 

 

 

 

q =

(«о,

аъ

 

 

 

а^),

 

 

 

 

 

 

 

 

 

 

q = Фи

Ь2,

 

 

 

Ьр).

 

 

 

 

 

Область

допустимого

изменения

параметров: оо

< я(. <

со,

—оо < Ьт

< оо

(t = 0 ,

1, (k—

1 ) ;

tn =

1, р).

 

 

 

 

 

Метод

оценивания

с

применением

 

неравенства

Чебышева.

Пусть

п — max (р,

k) — 10 . Так как

постоянная

с,

входящая

в неравенство

(11.33),

определяется

заранее, то

для

статистик

щг,

uir

имеем оценку

дисперсии

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Dllir:

 

4 2 С 2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

r+

1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

DuJr

=

2 8

с 4

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Из

данных

неравенств определяется порядок величины г. Если

| с\. <

0 , 5 ,

то

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Z 3 « / r < 7 ^ T '

д " ^ < т ^ г -

 

 

 

 

Из условия

N ^

п и неравенства

(11.36)

определим порядок

вели­

чины N . Возьмем г =

1 0 , JV = 5 0 .

 

 

 

 

 

 

 

 

 

Вычислим статистики и\г по формуле

(11.38).

 

их

мини­

 

Составим функционалы ( 1 1 . 4 1 ) ,

( 1 1 . 4 2 )

и определим

мальное значение.

Если

минимальное

значение

удовлетворяет

требованиям точности, то оценка для q, q равна тем значениям, при которых функционалы принимают минимальное значение.

Идентификация параметров с помощью ^статистической про­ верки гипотез. Положим

q = q o € f .

q = q o € r ,

где f , f — заданные конечные

множества.

Пусть а = 0 , 0 5 . Определим постоянные с0, c l t с2. Постоянная с0 определяется из уравнения

Используя таблицы для функции Ф, получим с0 = 4 9 4 , 5 .

72


Постоянные с ъ с2 находятся из следующих уравнений:

\ / 1 0 0 0 )

\ V юоо )

которые дают значения с 2 = 547,5; сг 476.

 

Составим статистики (11.45). Вычислим значения с0,

clt с2.

Проверим выполнение условий (11.48), (11.49), с помощью

которых

примем или отвергнем значения q = q„, q = q 0 .

 

9. СТАТИСТИЧЕСКАЯ ОБРАБОТКА СИГНАЛОВ,

ПОСТУПАЮЩИХ С ЧУВСТВИТЕЛЬНЫХ ЭЛЕМЕНТОВ

Ошибки чувствительных элементов. Современная техника управления автоматическими системами широко использует чув­ ствительные элементы, с помощью которых решается ряд задач, связанных с управлением системы. В частности, определяются координаты центра масс объекта управления. Точность, с которой решаются задачи управления, зависит прежде всего от точности чувствительных элементов. Основными ошибками чувствительных

элементов

являются:

1)

систематическая ошибка акселерометра; она не зависит от

времени

работы

системы;

2)

ошибки из-за научета нелинейности акселерометра;

3)

постоянный

дрейф гироскопа;

4)

начальное отклонение по уровню платформы;

5)

помехи на входе акселерометра, характеризующиеся рядом

возмущающих импульсов случайной величины и знака.

Данные ошибки приводят к тому, что погрешность в системе управления имеет тенденцию к накоплению [10, 33] . В [10] де­ лается попытка доказать, что величина средней квадрэтической ошибки в определении местоположения объекта управления изменяется по закону «корня квадратного из времени».

Статистический характер сигналов, поступающих от акселеро­ метров. Пусть ах {t), ау (t), аг (t) — сигналы от трех акселеро­ метров, расположенных на стабилизированной платформе, изме­

ряющие ускорение

объекта управления, вызванные действием

сил сопротивления

при перемещении объекта в пространстве.

Оси чувствительности акселерометров образуют ортогональную систему координат (рис. 7).

Обозначим

через

a (t) любой из сигналов ах

(f), ау (t), az

(t).

Относительно

вероятностных свойств сигнала a (t) сделаем одно

из следующих

предположений.

 

 

1. Сигнал

a (t) —

Ma (t), где Ma (t) означает математическое

ожидание, является

стационарным процессом

[33], причем

его

73


корреляционная функция

 

а (т).= С е - в | т | .

(11.57)

2. Сигнал a (t) является нестационарным случайным процес­ сом, среднее квадратическое значение которого изменяется по закону «корня квадратного из времени» [10], т. е. корреляцион­ ная функция процесса

Ка (t,

t)

=

kt,

(11.58)

где k — постоянная величина,

k

>

0.

 

Рис. 7. Поступление сигналов от

акселерометров на обработку в управляю­

щую

ЦВМ:

Д\. Л г, Дз

акселерометры

3. Сигнал а (I) является нестационарным процессом, имеющим неубывающую, точнее, возрастающую по времени дисперсию. Пусть корреляционная функция Ка (tu t2) при tx — t2 имеет аналитический вид

t

 

 

 

t)^\[b0

+ blUfdu

+ Ka(0, 0)

(11.59)

о

 

 

 

Заметим, что соотношение (11.58) является частным случаем (11.59). Ограничиваясь рамками корреляционной теории случай­ ных функций, будем считать, что случайный процесс a (t), корре­ ляционная функция которого определяется аналитическим видом (11.58), (11.59), имеет независимые приращения. Данное утвержде­

ние основано на том, что процессы с независимыми

приращениями

имеют

неубывающую дисперсию.

 

Возникает, естественно, вопрос, какому из сделанных предпо­

ложений относительно вероятностных свойств

процесса a (t)

отдать

предпочтение. Ответ

может дать лишь обработка статисти­

ческих

данных о процессе

a (t).

 

74


Алгоритмы обработки статистических данных. Рассмотрим пока одноканальную систему измерений, при которой данные поступают от одного акселерометра. Пусть за время работы системы, равное Т,

сигнал

a (t)

составляет массив

статистических

данных Ra =

= (a (tj,

. .

., a (tm)). Допустим

также, что a (t)

является стацио­

нарным и его корреляционная функция имеет аналитическую структуру (П.57). Тогда неизвестными параметрами моментов распределения являются пг, С, а, где m = Ma (t).

Статистическую обработку массива Ra проводим так, как это указано в п. 6. Пусть /п*, С*, а* — оценки для неизвестных пара­ метров. Если оценки получены с помощью применения преобразо­ вания Фурье к реализации наблюдаемого процесса, тогда известно значение функционала V 1 2 , определяемого формулой (II.9) и характеризующего точность оценивания параметров. Если оценка параметров проводилась с помощью неканонических разложений процесса a (t), то в качестве оценки точности берется функционал, равный

N

А (

ТА

12

 

 

 

 

 

 

 

 

 

 

(11.60)

где

Тх— время поступления массива

R^ (к =

1, А),

при после­

довательной обработке статистических

данных

в ЦВМ |J R?. =

=

Ra; T n точки,

взятые на

интервале корреляции

процесса

a

(t);

N — общее

число

точек

т„.

 

 

 

 

Допустим, что

сигнал

a (t)

имеет независимые приращения и

его корреляционная функция имеет аналитическую структуру (11.59), где 6„, Ьх—неизвестные параметры, значение Ка (0, 0) известно и определяется точностью работы акселерометра в на­ чальный момент времени. Величина Ma (t) определяется в основ­ ном систематической ошибкой акселерометра и, следовательно, не зависит от времени работы системы, т. е. Ma (t) = m, где in — постоянная.

Как правило, известна максимальная величина ошибок, с ко­ торой выдается значение a (t) в момент времени t. Обозначим через

Омь 0ы2 максимальные значения дисперсии процесса a (t)

за время

работы системы,

равное

соответственно

Т

 

 

-у- и

Т.

 

Имеем

 

 

 

 

 

т

 

т

 

 

 

J [bo +

biufdu

==£ J [fig -{- 21 b0bi

I и +

ЬЩ du <

-

о

 

0

 

 

 

 

T (fi0

+ b j ' f при £>0 3s0,

fi^O.

 

75


Обозначим

 

 

 

 

 

 

 

 

 

б 2 и / =

< & - * «

(0,

0)

(1=1,

 

2).

 

 

Отсюда получаем

 

 

 

 

 

 

 

 

 

- Y - f

^ ^ +

^

-

i

- ^ Y

-

r 8

^

. (п.61)

- Y - T ^ b ' + w ^ Y - r 6

" * -

 

( I I - 6 2 )

Из неравенств (11.61), (11.62) определим допустимые области

для значений параметров b0,

b v

При этом,

выбрав

шаг

дискрет­

ности, придем к допустимому дискретному множеству значений для неизвестных параметров. Для оценки параметров b0, Ьх применим метод идентификации, основанный на статистической проверке гипотез (см. п. 8). Пусть Ь0, Ьх — оценки параметров, полученные при идентификации. Для определения точности оце­

нивания используем значение

функционала

(11.42)

при

т =

= MX

(0), bt

= ~bt (i — 0, 1). Пусть

при этом значение функцио­

нала

равно

Vi2.

 

 

 

 

 

 

.Если значения функционалов V12,

V2 2 >

г Д е

функционал

V 1 2

определяется

формулой (11.60),

таковы, что

У 2

2 > Vi2,

тогда на

промежутке времени, равном Т, сигнал a (t) является стационар­ ным процессом. Если Vгг < У 1 2 , то это означает, что на проме­ жутке времени, равном Т, сигнал a (t) следует рассматривать как процесс, имеющий возрастающую дисперсию, причем средняя квадратическая ошибка растет по закону «корня квадратного из времени», если только значение Ьг имеет оценку достаточно близ­ кую к нулю.

О моменте выбора команды «Коррекция». Для уменьшения величины средней квадратической ошибки за время работы системы, равное Т, в системе управления часто предусматриваются спе­ циальные устройства, с помощью которых производится коррек­ тирование определяемых величин. Управляющая ЦВМ, ведущая обработку статистических данных, поступающих от акселеромет­ ров, определяет момент выбора команды «Коррекция».

Для определения момента выдачи команды «Коррекция» по­

ступим

следующим образом.

 

Допустим, что статистической связью между сигналами

ах (t),

ау (t),

аг (t) можно пренебречь и считать их независимыми.

Тогда

выбор момента коррекции можно определить исходя из значений суммарной величины дисперсии по каждому каналу' измерения.

А именно, в каждый момент t

вычислим величину

дисперсии

по

каждому каналу и определим их сумму. Пусть

 

 

*«(*!, h) + Ka,(h,

tS+КаЛ*!,

(".

63)

где б — заданное значение, величина которого определяется до­ пустимой точностью.

76