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: 88
Скачиваний: 0
'[(га |
1) Т*, пТ*) для |
t£ |
Т„, |
получим |
|
|
|
|
|
|
||
|
|
пТ* |
|
|
|
|
|
|
|
|
|
|
|
|
(«—1) г* |
|
|
|
|
|
|
|
|
|
|
|
|
/ ( - 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(11.71) |
|
Значение |
zv (G„) определяет выборочное значение |
поля |
(б), |
|||||||||
зависящего от аргумента 6 как точки в (k — |
1)-мерном |
простран |
||||||||||
стве. |
|
|
|
|
|
|
|
|
|
|
|
|
Так |
как |
выборочные значения |
поля |
X |
(t, |
9„) |
известны |
для |
||||
всех t 6 |
Тп |
(п — 1, 7V), то известно |
и N независимых |
выборочных |
||||||||
значений поля zv (9), т. е. |
2 v l |
(9г ), . . |
.-, z v W |
(9W ) |
для |
каждого |
||||||
фиксированного значения |
v (v = |
1, г)._ |
Поле |
zv |
(9) |
нормально |
распределено в силу того, что величины ,vv нормально распре делены.
Определим аналитическую |
структуру функций |
cov (9). Возь |
мем для простоты линейную |
аппроксимацию |
|
|
• к-1 |
|
<Мв) = |
а ^ + 5 > ¥ / 0 , ; |
(11.72) |
|
1=1 |
|
где Доуо, wVi — неизвестные постоянные, причем в силу того, что cov (9) неотрицательны, на неизвестные параметры наклады вается дополнительное ограничение
4 - 1 |
(11.73) |
vO + S ^ v A > 0. |
|
• W. |
|
Отсюда следует, что задача оценивания и идентификации мо ментов распределения поля X (t, 9) эквивалентна следующей. Имеется N независимых наблюдений над случайным полем zv (9) для каждого фиксированного значения v (v = 1, г). Поле Zy (9) нормально распределено. Требуется дать оценку неизвестным па раметрам bjVyL, wv0, wvl, входящим в разложения (1.50), (11.72) при условии (11.73), и являющимися неизвестными параметрами моментов распределения случайного поля г? (9).
Оценивание неизвестных параметров с помощью выборочных моментов. Используя равенства (11.71), (11.72), случайную вели чину xw представим в виде
/=1 ц = 1 |
W. |
+ |
2l |
Wyfitn . (11.74) |
\0 |
|
1=1 |
|
|
Для каждого значения v |
найдем выборочное |
среднее |
||
|
N |
|
|
|
|
/•=1 |
|
|
|
Л . Т. Тарушкина |
|
|
|
81 |
и выборочные центральные |
моменты порядка |
с |
1 |
N |
|
где с общее число неизвестных параметров blni, |
wv0, wvi, входящих |
в разложения (1.50), (11.73), т. е. с есть размерность неизвестного
параметра, входящего в моменты распределения поля X (t, |
6). |
|||
При |
/V —> со |
с вероятностью 1 выборочные центральные |
мо |
|
менты сходятся |
к сооответствующим |
центральным моментам, т. е. |
||
|
|
limmcv—\iv, |
|
|
|
|
Л/->со |
|
|
где ц.у = |
Мху. |
|
|
|
Так |
как случайная величина xv |
нормально распределена |
со |
средним значением, равным нулю, и дисперсией, равной единице, то значения моментов |л£ известны, причем моменты нечетного по
рядка равны |
нулю. |
|
|
Составим |
функционал |
|
|
|
V2v = -Lt(mT-^'f |
( v = r 7 ) . |
(Н.75) |
сп=1
Найдем минимальное значение функционала (11.75) по всем значениям bjnl, wv0, wvi при ограничении (11.73).
Если минимальное значение функционала (11.75) не превосхо дит заданное число е, где е > 0 характеризует допустимую точ ность в определении параметров, входящих в моменты распреде ления поля X (t, 6), то наилучшими оценками в смысле среднего квадратического для неизвестных параметров будут те значения, при которых функционал (11.75) принимает минимальное значение.
Если минимальное значение функционала (11.75) превосходит значение е, то либо допустимая точность, с которой требуется опре делить параметры, завышена, либо число реализаций N мало. В этом случае следует или снизить допустимую точность, т. е. увеличить число е, или увеличить число реализаций N, т. е. уве личить число выборочных значений поля X (t, 0).
Указанная процедура проводится для всех функционалов |
V 2 v . |
||||
Для реализации алгоритма оценивания, основанного на ме |
|||||
тоде выборочных |
моментов, |
необходимо следующее. |
|
||
1. Вычислить значения zv |
(Э„), определяемые формулой (11.71). |
||||
Процесс |
вычисления аддитивен |
относительно массива статисти |
|||
ческих |
данных, |
образованного |
из выборочных значений |
поля |
X(t, в).
2.Найти выборочные моменты распределения случайной ве личины xv, определяемой формулой (11.74). Для этого рассмотрим рекуррентные соотношения
•At — An_i -\- хп,
Bn = Bn^ + xl (n = TTN),
82
•где
|
|
|
|
|
|
N |
|
|
|
|
|
|
|
Ai = |
x i , AN = |
X xn> |
|
|
|
||
|
|
|
|
|
|
n = l |
|
|
|
|
|
|
|
S i |
= x i , |
BN |
= |
|
|
|
|
На каждом отрезке времени |
T„ (п |
= |
I , N) |
в ЦВМ вычисляются |
||||||
значения |
х„, xl, |
запоминаются |
значения |
А„, |
В„. |
|
||||
3. Составить функционалы (11.75) и произвести их минимиза |
||||||||||
цию по неизвестным параметрам b.v,it |
wv0, |
wvl при |
ограниче |
|||||||
ниях (11.73). |
|
|
|
|
|
|
|
|
|
|
Идентификация неизвестных параметров на основании стати |
||||||||||
стической |
проверки |
гипотез. Рассмотрим |
поле z^ (8). |
Согласно |
||||||
формуле |
(11.71) |
его |
моменты |
распределения |
равны |
|
||||
|
|
аг 2 у (0) = |
М [ г Л |
ft—1 S |
|
|
|
|
||
|
|
, ( в ) - М-гS„ ( еW*(i) ] 2 =/). |
|
|||||||
|
m2V(Q) |
= Mzv(Q) |
= I i |
|
|
|
0 |
|
||
|
|
|
|
|
ft-i |
|
|
|
|
|
Фиксируем значения v и 8. Случайные величины zv (8) нор |
||||||||||
мально распределены zv^N(mzv(Q), |
|
o2 V |
(8)). |
|
||||||
Предположим, |
что известно конечное |
дискретное |
множество |
значений, которое может принимать каждый из неизвестных пара метров, входящих в моменты распределения случайной величины zv (8). Пусть
(11.76)
— некоторые возможные значения параметров, взятые из данного дискретного множества значений.
Для проверки гипотезы Я , состоящей в том, что неизвестные параметры принимают значения, отвечающие значениям (11.76), введем случайные величины
« v n = 2да (6„) — tnzv (0Л ) (п= 1, N) и рассмотрим статистики
v/i
Значения vvn образуют независимую выборку объема N, полу ченную из генеральной совокупности, отвечающей случайной ве-
6* |
83 |
личине v, имеющей нормальный закон распределения с парамет рами Ne (о,, о„ (во).
Проверку |
гипотезы Н следует проводить так, как это указано |
в п. 8. А именно, достаточно проверить гипотезу, состоящую в том, |
|
что Mv = 0. |
Критическая область уровня а для гипотезы Mv = 0 |
равна
|
1=1 |
(. |
1=1 |
\ |
|
1=1 |
/ J |
|
|
где постоянная с0 определяется согласно условию (11.46). |
|||||||||
Для |
проверки |
гипотезы |
Mv2 |
= azv |
(0Х ) область |
принятия |
|||
|
|
|
N |
7 |
N |
\ 2 |
|
|
|
где постоянные |
c l t |
с 2 определяются согласно |
условию (11.47). |
||||||
Такие проверки |
проводятся |
для всех |
v (v = |
1, /•). |
|||||
Реализация алгоритма идентификации параметров с помощью |
|||||||||
статистической |
проверки |
гипотез |
осуществляется |
так, как это |
|||||
указано |
в п. 8. |
|
|
|
|
|
|
|
|
Оценивание неизвестных параметров с помощью метода макси |
мального правдоподобия. Применим метод максимального правдо подобия для оценки моментов распределения поля zv (8) при фик
сированном |
значении v (v = 1, г). |
|
|
Поле |
(0) нормально распределено |
с параметрами |
т„ (0), |
o"zv (в)- Условие (11.71) дает iV независимых выборочных |
значений |
||
поля. |
|
|
|
Рассмотрим вероятность события |
|
|
|
|
и1 < Z v ( 9 1 ) ^ ы 1 + ^ " l |
|
|
|
"л< < z v (QN) =S UN + |
duN |
|
Плотность вероятности данного события равна
N
L = П р • (и •),
/ = i
где
Р/ ("/) = |
|
' |
t"/-'"v(°/)]2 |
'~F= |
е |
20-?, (9 . ) |
В качестве '«у возьмем выборочное значение zvj (6у). Найдем частные производные
ainL |
ainL |
ainL |
(П.77) |
dbjvil ' |
Зшзд ' |
da;v,- * |
84
Согласно методу максимального правдоподобия оценки для неизвестных параметров определяются из условия, состоящего в том, что частные производные (11.77) должны обращаться в ноль. Ркходя из этого, составим функционал
/ . V. II. V
Найдем минимальное значение функционала (11.78) повеем зна чениям параметров bjvll, wv0, wvi при условии, что выполнено огра ничение (11.73); обозначим минимальное значение функционала через V2m.
Пусть V2m < 8> г Д е е > |
0 — заданное |
число, характеризую |
щее допустимую точность |
в определении |
параметров, входящих |
в моменты распределения поля X (t, 8). Тогда наилучшими оцен ками в смысле среднего квадратического для неизвестных пара метров, входящих в моменты распределения поля X (t, 8), будут те значения параметров, при которых функционал (11,78) при нимает минимальное значение.
Пусть Vот > в, и допустимую точность в определении неизвест ных параметров снизить нельзя. В этом случае следует увеличить число выборочных значений поля X (t, 8). Однако метод макси
мального правдоподобия |
может и не привести с увеличением N |
к нужному результату. |
Как отмечается в [ 9 ] , оценки, которые |
получаются по методу максимального правдоподобия, могут быть даже смещены.
Алгоритм вычислений использует массив статистических дан ных Ru = (и1г и2, . . ., «дг), где Uj = zvj (8у ). Массив RK растет с ростом числа выборочных значений поля X (t, 8). Алгоритм не обладает свойством аддитивности относительно обработки стати стических данных массива Ru и предъявляет к памяти ЦВМ жест кие требования. Реализация алгоритма в случае, когда объем памяти ЦВМ не достаточен для хранения всего массива R,., осу ществляется с помощью составных решений (см. п. 5).
Оценка взаимной корреляционной функции. Рассмотрим любых два одномерных поля Xt (t, 0), Xs (t, 8) (t =j= / ) , являющихся коор динатами поля X (t, 8). Каждое из полей имеет каноническое раз ложение частного вида
где значения неизвестных параметров, входящих в функ ции mk (t, 8), covA (8), определены с помощью изложенных методов.
85