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: 79
Скачиваний: 0
[ 3 4 ], с переходом к зиме изотропность, а затем и однородность поля нарушается.
Основные радиофизические свойства • морской поверхности описываются стационарными случайными процессами, корреля-
Рис. 4. Дисперсия ошибки угловой скорости ухода гироскопа:
/ — экспериментальная кривая дисперсии ошибки; 2, 3 — аппроксимация дисперсии ошибки
ционные функции которых носят экспоненциальный характер. Диэлектрические свойства морского льда являются нестационар
ными процессами, зависящими от толщины ледового |
слоя. |
|||
2. Сбор геологических |
данных. С помощью, например, радио |
|||
локационных |
средств на |
объект |
управления поступают данные, |
|
необходимые |
для геологической |
карты местности. |
При этом, |
как правило, статистические данные являются случайными по лями.
30
4. ОСОБЕННОСТИ РЕШЕНИЯ ЗАДАЧ СТАТИСТИЧЕСКОГО ОЦЕНИВАНИЯ
Требования к методам и алгоритмам решения. На вход ЦВМ за время Т поступает массив статистических данных R ^ ( X = 1, Л), характеризующий -значения измеряемых координат объекта управления. Массив статистических данных представляет собой в реальном масштабе времени одну реализацию многомерной случайной функции. Отсюда следует, что для задач стохастиче ского управления необходимо иметь методы обработки статисти ческих данных, которые позволяют по одной многомерной реали зации случайной функции уточнить априорные данные системы управления.
В настоящее время обработка статистических данных, содер жащих одну реализацию, применяется в основном только для стационарных функций, обладающих свойством эргодичности. Однако, используя статистическое оценивание и идентификацию параметров, входящих в моменты распределения случайных функций, класс функций можно расширить: рассмотреть статисти ческие данные, значениями которых являются не только стацио нарные процессы, но. и процессы с независимыми приращениями, процессы, являющиеся мартингалами, случайные поля однород ные и изотропные и поля, имеющие каноническое разложение (1.46)
Применение аналитической структуры моментов распреде ления случайных функций приводит к классическим задачам математической статистики, когда значение неизвестного много мерного параметра оценивается или идентифицируется по выбо рочным значениям. Для оценки неизвестного параметра будем использовать как параметрические, так и непараметрические методы. Применение того или иного метода зависит, прежде всего, от принадлежности измеряемой случайной функции к опре деленному классу.
Возможны различные требования к алгоритмам статистиче ского оценивания и идентификации при их реализации с помощью ЦВМ.
1.Минимизация времени решения алгоритма при заданных ограничениях на объемы памяти, быстродействие, точность ре шения.
2.Минимизация требуемого объема памяти ЦВМ при задан ных ограничениях на время и точность решения.
Ограничения, накладываемые как на объемы памяти ЦВМ, так и на точность решения, отражаются как в постановке задач статистического оценивания и идентификации, так и .на выборе метода решения.
Рекуррентность алгоритма относительно массива статисти ческих данных позволяет значительно снизить требования, предъ являемые к памяти ЦВМ. Ограниченность быстродействия ЦВМ
31
приводит к необходимости иметь различные по точности алго ритмы обработки, имеющие различное время решения.
Ошибки при реализации алгоритмов. К ним относятся следую щие ошибки.
1. Методические, связанные с выбором численного метода решения, положенного в основу реализации данного алгоритма. Обозначим через ем максимальное значение методической ошибки при выбранном методе вычисления. Вычисления, максимальной методической ошибки при различных методах вычисления даны, например, в [ 5 ] .
При статистическом оценивании и идентификации аналитиче-. ские зависимости, подлежащие реализации в ЦВМ, содержат значения случайных функций. Поэтому методическая ошибка является случайной величиной, и более точное ее значение может
быть получено |
лишь с помощью вероятностных методов. |
2. Ошибки |
округления чисел в ЦВМ. Величина ошибки |
округления е о к |
определяется решением алгоритма на ЦВМ с боль |
шей разрядной сеткой или же вычислением алгоритма на данной ЦВМ с использованием кратной разрядной сетки. Если же алго ритм рекуррентен, то ошибку округления можно получить иным путем.
Пусть, например, в ЦВМ требуется реализовать рекуррентное |
||
соотношение |
|
|
z„ |
= / (z„_i), |
|
где zn •—-выходная координата, zn_x — входная координата |
алго |
|
ритма; / — некоторая функция. |
|
|
Фактически в ЦВМ реализуется рекуррентное отношение вида |
||
2» = |
/(z„_1 )-|-en , |
|
где е „ — о ш и б к а округления |
на «.-шаге вычислений. |
|
Начальное значение z0 реализуется с ошибкой е„, т. е. в ЦВМ |
||
начальное значение есть z0 = |
z( ) -f- е 0 . Сделаем следующие |
пред |
положения. Пусть е; .— независимые случайные величины, име
ющие одну и ту же дисперсию и равные нулю |
математические |
|||
ожидания, |
причем | r t = |
Е ef и для |
данного |
рекуррентного |
соотношения |
определена |
i = 0 |
такая, |
что для п < с |
постоянная с, |
в пределах допустимой точности имеет место линеаризация вида
/(z + |
u |
= /(z) + i „ , |
где z не зависит от Е,- (i = |
1, |
п). |
Тогда |
|
|
Z i = / ( Z o ) + £i, |
z2 = / [ / ( z 0 ) ] + g2 . |
• Продолжая аналогичные вычисления, получим, что ошибка округления на п-и шаге равна |„ и ее дисперсия есть D|„ = nDs„.
32
Данную схему получения ошибок округления можно обобщить на тот случай, когда ошибка округления е£ имеет распределение, зависящее от номера шага, причем ег , в, независимы при I Ф \. Ошибка округления \п имеет монотонно возрастающую диспер сию. Для получения значений моментов т\п, M|« .следует исполь зовать результаты, приведенные в п. 8.
3. Ошибки Е Д в задании исходных данных системы управле ния, т . е. ошибки в задании априорных данных системы управ ления, и ошибки, допущенные при формировании массивов ста тистических данных.
Обозначим через г01К величину ошибки, полученной при оце нивании или идентификации параметров системы управления с помощью ЦВМ. Тогда дисперсия суммарной ошибки, с которой реализуется алгоритм статистического оценивания, не превосходит величины
|
|
М (ео п - |
Л4ео ч )2 + |
М (Е м - Мем )2 + |
||||
|
|
+ |
М (ео к |
- |
Мвок? |
+ |
М (ед - |
Мгл)\ |
В |
дальнейшем |
будем |
рассматривать |
величину ошибки гоя, |
||||
так |
как' |
она является |
|
основной, |
характеризующей точность |
|||
алгоритма |
при заданном |
массиве |
статистических данных. |
При реализации алгоритмов статистического оценивания и идентификации с помощью ЦВМ необходимо учитывать следу ющие факторы, характеризующие оптимальность алгоритма:
1)точность алгоритма решения, положенного в основу обра ботки массивов статистических данных, с целью уточнения,априор ных данных об объекте управления;
2)объем памяти ЦВМ, необходимый для реализации алгоритма;
3)количество машинных операций, необходимых для реали зации алгоритма;
4)оценка времени решения;
5)простота программируемое™ алгоритма в системе команд данной ЦВМ.
5. СОСТАВНЫЕ
ИОКОНЧАТЕЛЬНЫЕ РЕШЕНИЯ
Сущность проблемы. Пусть q — неизвестный параметр си стемы управления, который требуется оценить по результатам обработки массивов.статистических данных R^ {% — 1, Л) с по мощью ЦВМ, реализуя некоторый алгоритм обработки.
Предположим, что в память ЦВМ введены одновременно мас сивы RK(X = 1, А). В результате обработки указанных массивов возможно следующие случаи:
1) статистических данных, входящих в массивы R,, достаточно для того, чтобы оценить параметры q с требуемой точностью;
3 |
Л . Т. Тарушкина |
33 |
2) для получения оценки параметра q с точностью не меньше заданной необходимо увеличить количество статистических дан ных, т. е. к массивам Rx (X = 1, Л) необходимо добавить еще не которое количество массивов статистических данных.
Из способа формирования массивов следует, что любых два массива Rx , Rt l не содержат общих данных, отнесенных к одному и тому же моменту времени. Действительно, массив Rx содержит данные об объекте управления, которые поступают в ЦВМ за время, равное 7\, массив Rt l — за время, равное TlL, но отрезки времени 7\, 7\v между, собой не пересекаются.
Если процесс вычисления, связанный с получением оценки для параметра q, аддитивен относительно массивов статистических данных, то алгоритм сводится к рекуррентным соотношениям, которые предъявляют к памяти ЦВМ минимальные требования.
Для реккурентных алгоритмов обработки добавление к масси вам R^ (X = 1, Л) новых массивов не требует увеличения памяти ЦВМ.
Если алгоритм не является рекуррентным, увеличение мас сивов статистических данных ведет к увеличению объема памяти ЦВМ. Допустим.^что памяти ЦВМ не хватает, чтобы одновременно обработать все массивы статистических данных. Выход может быть найден, если реализовать одну из следующих возможностей.
1. Увеличить количество ЦВМ, ведущих обработку статисти ческих данных, т. е. перейти к обработке данных с пбмощью многомашинного цифрового вычислительного комплекса, в состав которого входит несколько ЦВМ. Однако такой способ обработки ведет, прежде всего, к увеличению веса и габаритов системы управления, что нежелательно при использовании ЦВМ специаль
ного |
назначения, в том числе и управляющих |
ЦВМ, расположен |
ных |
на объекте управления. |
|
2. Изменить методы обработки массивов статистических дан |
||
ных так, чтобы алгоритмы решения допускали |
последовательную |
обработку массивов. Рассмотрим подробнее указанную возмож ность.
Хранение статистических данных и метод последовательной обработки. Требования к объему памяти ЦВМ, осуществляющей обработку массивов статистических данных, могут быть снижены,
если |
выполнить |
следующее: |
|
|
|
||
1) для хранения массивов статистических данных использо |
|||||||
вать |
БЗУ |
(рис. |
5)-; |
|
|
|
|
2) |
обработку |
массивов |
Rx (X, |
Л) вести последовательно, |
при |
||
чем массив R?v вводить из БЗУ |
в ОЗУ; |
после обработки массива |
|||||
Rx, ОЗУ |
очистить, из БЗУ |
переписать |
в ОЗУ массив R^+ 1 ; |
ука |
занную процедуру следует повторить последовательно со всеми
массивами |
статистических данных. |
|
|
Емкость |
БЗУ |
определяется числом ячеек, необходимым для |
|
записи массива |
R? i ; быстродействие БЗУ—временем, |
состоящим |
34
из поиска соответствующей ячейки, записи кодов чисел, считыва ния, стирания кодов.
Рассмотрим правила считывания статистических данных из
БЗУ.
1. Что первым записано в память БЗУ, то первым и считывается.
Это правило целесообразно |
использовать |
в том случае, |
когда |
априори известно, что любая |
из координат |
вектора г (tXp) |
мас |
сива R^ остается в одном и том же классе функций за все время записи массива Rx.
2. Что последним записано, то первым считывается.
Рис. 5. Поступление статистических данных на обработку в управляющую ЦВМ:
УВ — устройство ввода; УУ — устройство управления; БЗУ — буферное запоминаю щее' устройство; ОЗУ — оперативное запоминающее устройство; А У — арифметическое устройство
Данное правило используется, если хотя бы одна из координат . вектора г (tXp) за .время записи массива R^ может изменить принадлежность к классу функций. Например, за время Т ра боты системы управления процесс X (t) является стационарным; ;за время, равное 2Т, процесс X (t) — нестационарен. Если время записи массива R^ равно Тх '= 2Т, то принимается второе пра вило считывания из БЗУ.
Обработка статистических данных внутри массива Rx может быть последовательной по отдельным каналам измерений, если только измерения, соответствующие различным каналам, стати стически независимы. В противном случае обработка данных вну три массива, содержащего данные различных каналов, должна быть последовательно-параллельной, причем места прерывания при переходе с одного канала на другой определяются алгоритмом обработки.
Составные решения. При реализации алгоритмов обработки
массивов статистических данных с помощью |
ЦВМ оптимальными |
с точки зрения требований, предъявляемых |
к памяти ЦВМ, яв- |
3* |
35 |