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: 99
Скачиваний: 0
Таким |
образом, |
каждый |
шаг |
|
на |
промежутке |
[тА , |
х м ] |
дает |
||||
исходные |
данные |
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
Y (тА + 1 ) = Y , ( T A |
+ |
1 ) + |
6Y, (т*+ 1 ), |
|
|
|
|||
для |
продолжения |
решения |
на |
промежуток [тА + 1 , |
т Л + 2 ] . |
|
|||||||
Статистическое оценивание неизвестных параметров функции |
|||||||||||||
интенсивности |
входного |
воздействия. |
Входное воздействие |
W (i)> |
|||||||||
представляет |
собой |
белый |
шум. |
Поэтому случайный |
процесс |
||||||||
|
|
|
|
|
|
W |
j |
|
W (s) ds |
|
|
(V.8) |
|
|
|
|
|
|
|
|
о |
|
|
|
|
|
|
имеет независимые |
приращения. |
|
|
|
|
|
|||||||
Зададим |
аналитическую |
структуру функции |
интенсивности |
||||||||||
Q,- (/) |
процесса |
№(- (t), |
являющейся |
компонентой |
вектора |
Q (t). |
Пусть аналитическая структура функции интенсивности опреде
ляется формулой |
|
|
|
|
|
||
|
|
<?/(')=[£ |
alkf + |
Q0i, |
|
(V.9) |
|
|
|
U = i |
|
|
|
|
|
где |
alk(k=l, |
р) — неизвестные |
параметры; |
(\ш1 |
= (ап, . . ., |
aip)\. |
|
Q0i |
— значение функции интенсивности |
при |
t = |
0. |
(/), |
||
|
Процесс |
Wi (t) является i-ой |
компонентой |
процесса W |
имеет независимые приращения. В^силу того, что математическое ожидание процесса W (/) равно нулю, математическое ожидание процесса \V (t) также равно нулю'. Корреляционная функция про цесса W(t) неизвестна, ее аналитическая структура определяется формулой (V.9). Для процесса W{ (I) имеется массив статисти ческих данных Rw. Таким образом, задача априорного уточ нения функции интенсивности QL (t) свелась к задаче статисти
ческого |
оценивания |
корреляционной |
функции Ки>ш (ti, ^2) про |
цесса Wc |
{t). Данная |
задача решена |
в п. 8. |
Статистическое оценивание параметров функции интенсив ности Qi (t) с применением неравенства Чебышева приводит к обра зованию статистик (11.37)
Z l .(0) = ^,.(0),
(V. 10>
(/ = 1, m),
где моменты времени t-t удовлетворяют неравенству (11.34). Затем составляют статистики (11.38), с помощью которых:
следует образовать функционал У2 . согласно формуле (11.42). Определим минимальное значение функционала У 2 относительно параметров q(-.
142
Зададим допустимую точность оценивания параметров функции интесивности, например, величиной е.
Если
m i n V 2 < e , |
(V.11) |
тогда наилучшими оценками в смысле среднего квадратического будут те значения, принимаемые параметрами функции интенсив ности, при которых функционал V2 достигает своего минимума.
Если
m i n V 2 ^ e , |
(V.12) |
тогда для уточнения априорных .значений параметров, |
входящих |
в функцию интенсивности, следует увеличить время измерения процесса W,- (t) с тем, чтобы увеличить массив статистических
данных |
Rw о |
процессе |
Wt |
(t). |
t |
|
Допустим, что для неизвестных параметров qt функции интен |
||||||
сивности |
Qf (i) |
известно |
конечное |
дискретное множество значе |
||
ний 1\, такое, что qwl 6 |
Г(.. |
Тогда |
для статистического |
оценива |
||
ния неизвестных параметров |
qJ)l следует использовать |
метод ста |
тистической проверки гипотез. Для этого следует взять стати стики (V.10) и перейти к новым статистикам (11.45). Составим область принятия гипотезы (11.49), с помощью которой произве дем идентификацию параметров функции интенсивности.
Как метод оценивания, основанный на применении неравен ства Чебышева, так и метод статистической проверки гипотез являются аддитивными относительно результатов обработки мас сивов статистических данных R^.
В п. 8 для оценки неизвестных параметров, входящих в мо менты распределения процесса с независимыми приращениями, применялся метод максимального правдоподобия. В том случае, когда нет рекомендаций о" минимальном объеме массива стати стических данных, по которому производится уточнение неизве стных параметров, входящих в моменты распределения, для ста тистическою оценивания не следует применять метод максималь ного правдоподобия, так как этот метод не обладает свойством аддитивности относительно массивов статистических данных Использование метода составных решений (см. п. 5) связано с ре шением дополнительных алгоритмов обработки массивов ста тистических данных, построенных на основании составных ре шений, относящихся к значениям неизвестных параметров функ ции интенсивности. В условиях выбора оптимального закона, управления дополнительная обработка данных связана с воз можными потерями в достижении минимума функционала (V.5):
Построение закона управления при статистическом оценивании неизвестных параметров функции интенсивности входного воздей ствия. Для того чтобы улучшить качество управления систе-
143.
мой (V.1), будем проводить последовательное уточнение неизве стных параметров qwi функции интенсивности Qt- (t) по мере по ступления массива статистических данных R^.
При оценивании функции интенсивности с помощью неравен ства Чебышева введем в память ЦВМ убывающую последователь ность
е ы > . . .
Здесь 8дотвечает допустимой точности, с которой оценивается параметр <7(- на /-м шаге уточнения.
Приближенная оценка величины минимального объема ста тистических данных R^,, начиная с которого следует уточнять априорное значение Q 0 (<), может быть получена следующим обра зом.
Исходя из канонического разложения (1.22) для процесса Wt (t) определим величину e n l (t) ошибки аппроксимации разложения •{1.22) конечной суммой, содержащей пх членов разложения
|
|
|
|
«. |
|
t |
|
' " |
|
|
|
Wi(t) = |
Wi(0)+%xv\cfv(s)dii(s), |
|
t£T,. |
(V.13) |
|||||
|
|
|
|
v=l |
О |
|
|
|
|
|
где |
[х. (s) — MWli |
(s); |
xv |
— ортонормированные случайные |
ве |
|||||
личины, имеющие |
нормальный |
закон |
распределения; cpv (s) — |
|||||||
любая ортонормированная |
на |
Т |
система |
функций; MWQI |
(s) |
— с |
||||
априорное значение момента. |
|
|
|
|
|
|
||||
|
Величину Е п 1 (t) |
определим |
из условия |
|
|
|||||
|
|
*m |
(t) < е п 1 |
(Г) |
< 8 0 , |
|
|
|||
тде |
е 0 — допустимое значение |
величины |
ошибки. |
значе |
||||||
|
С помощью датчика случайных |
чисел получим в ЦВМ |
ние реализации W( (t). Аналогично статистике (IV.32), составим •статистику
где величины zt (tk) |
определяются формулой |
(V. 10). |
г степе |
Статистика (V. 14) |
имеет распределение хи-квадрат с |
||
нями свободы. |
|
|
|
Задав величины р\ равные, например, 0,20; |
0,10; 0,05, |
исполь |
зуя неравенство (IV.33), определим то значение г, при котором имеет место неравенство (IV.33). Тогда величина минимального объема статистических данных Rw, начиная с которого следует уточнять априорные данные, должна иметь массив статистических
данных, в который входят г + 1 значений |
процесса Wt (t). |
||
На отрезке времени, равном |
[0, |
tr_x], |
используется априор |
ное значение функции интенсивности |
процесса Wt (f), равное Q0i. |
||
После момента времени, равного |
tr_x, |
происходит уточнение функ- |
,144
ции интенсивности при величине допустимой ошибки г п , опреде ляемой неравенством (V.11).
Выбор следующего момента времени, начиная с которого производится новое уточнение функции интенсивности, осуще ствляется аналогично выбору момента времени tr_x. Для этого достаточно составить статистику (V. 14). Первые г членов стати стики (V.14) следует взять исходя из реализации процесса Wt (t), значения которой получены в результате измерений процесса W; (i) во время работы системы управления на отрезке времени,
равном [0, ir_x]. |
Остальные значения следует получить исходя |
из реализации |
процесса W,- (t), полученного "в ЦВМ с помощью |
канонического разложения процесса (V.13) с использованием
датчика случайных |
чисел. |
|
|
|
|
|
В |
каноническом |
разложении в |
качестве |
функции |
ц (s) |
= |
=.M.W) |
(s) следует |
взять уточненное |
значение |
момента |
MW) |
(s). |
Выбор минимального массива статистических данных, начиная с которого следует уточнять априорные данные функции интен сивности Q(- (t), лучше произвести на стадии проектирования си стемы управления. Однако выбор может быть проведен и во время работы системы управления. Обоснованный выбор моментов уточ нения приводит к экономии машинного времени, сохраняя при
этом требуемую точность решения задачи управления. |
|
|
|||||
Таким образом, на каждом шаге [хк, |
хм] |
решения задачи (V.1) |
|||||
известно решение dk, |
отнесенное |
к уточнению |
априорного |
зна |
|||
чения Q 0 . При этом оценивание неизвестных параметров функции |
|||||||
интенсивности на промежутке [хк, |
хк+1] |
проводится по значениям |
|||||
неизвестных параметров функции |
интенсивности |
Q (t), |
получен |
||||
ным при оценивании |
корреляционной |
функции |
процесса |
W (t) |
|||
на промежутке времени, равном [0, хк]. |
Особенность в управлении |
||||||
динамической системой, описываемой |
уравнением (V. 1), |
состоит |
в том, что минимизация функционала (V.5) заменяется величиной минимума от условных математических ожиданий
|
/ |
= rainM |
+ |
^ |
m i n М |
Tft+i |
, (V.15) |
|
|
\f0dr\ dk |
|||||||
где |
M J |
f0dT\dQ l означает |
условное |
математическое |
ожидание |
|||
при условии, что на интервале времени |
[0, т х |
] в качестве функции |
||||||
Q (t) |
взято |
априорное значение |
Q 0 ; |
М |
I |
|
|
|
J |
f0dx\dk — |
условное |
||||||
|
|
|
|
|
|
Ч |
|
|
математическое ожидание, вычисленное при условии, что на ин тервале \xk, хк+1]\ в качестве параметров функции интенсивности взяты те значения, которые определяются решением dk, приня-
10 л. т. тарушкина |
145 |
тым на основании обработки массива |
статистических данных R^, |
||
на интервале времени, |
равном |
[0, т А ] . |
|
Из формулы (V. 15) |
следует, |
что |
MI ^ /. |
Действительно, так как математическое ожидание от условного математического ожидания равно безусловному математическому ожиданию, то из формулы (V.15) получаем
MI = m i n / И | / „ dx - f m i n М J /„ dx.
Статистическое оценивание функции интенсивности помехи, входящей в уравнение наблюдаемых координат. Представим оценку
фазовых |
координат системы |
(V.1) |
в виде |
||
|
Y(*) = |
Y(0 + |
AY ( 0 , |
|
|
где Y (/) — истинное |
значение фазовых |
координат; AY (/) — |
|||
ошибка в определении фазовых координат. |
|||||
Будем |
предполагать |
следующее. |
собой |
белый шум, т. е. явля |
|
1. Ошибка AY (i) |
представляет |
ется процессом с нормальным законом распределения, незави симыми компонентами, нулевым математическим ожиданием и корреляционной матрицей
M A Y (/) AY {s) = S(t)8(l — s),
где S (t) — функция интенсивности, содержащая неизвестные па раметры.
2. Процессы AY (t), V (/) независимы.
Уравнение наблюдаемых координат представим в виде
X |
(0 = h (0) -|- h' (£) [У (I) - AY (/)] !- V (0, |
(V. 16) |
||
используя разложение в ряд Маклорена функции |
h (Y), 0 |
=ss; | =^ Т. |
||
В соотношении (V.16) h ' (|) является неизвестной постоянной. |
||||
Соотношение |
(V. 1-6) запишем |
в виде |
|
|
X (0 - h' Ш Y (0 - |
h (0) = V (0 - h' (I) |
AY (*). |
|
|
Обозначим |
через V {t) процесс |
|
|
|
|
V(0 = V ( 0 - h ' ( g ) A Y ( / ) . |
|
|
Процесс V (/) представляет собой белый шум, т. е. является процессом с нормальным законом распределения, независимыми компонентами, нулевым математическим ожиданием и корреля ционной матрицей
|
MV(t)V(s) |
= [R(i) |
+ h'm)S(t)]6(t-s). |
(V.17) |
Зададим |
аналитическую |
структуру функции |
интенсив |
|
ности S (t), |
используя, |
например, аналитический |
вид, опреде- |
146