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: 80
Скачиваний: 0
ляются алгоритмы, содержащие рекуррентные соотношения. Од нако далеко не всегда алгоритм можно свести к рекуррентным соотношениям, сохраняя при этом требуемую точность.
Рассмотрим реализацию на ЦВМ алгоритмов обработки при последовательной обработке массивов статистических данных.
Правило d = d% обработки массива статистических данных назовем составным решением по массиву Rx. Каждый из мас сивов Rx будем обрабатывать в общем случае по своему правилу обработки. Применение к различным массивам статистических данных различных решающих правил, определяющих составные решения, может сократить время обработки всего множества массивов R^ (X = 1, Л) статистических данных, сохраняя при этом требуемую точность решения.
Таким образом, при последовательной обработке массивов
Ri, Ra, • - |
RA |
(1.58) |
с помощью составных решений
d l f |
d,, |
. . ., |
dA |
(1.59) |
получается последовательность |
оценок |
|
||
qj, |
q:, |
• • |
• q\ |
(1.60) |
для неизвестного параметра q системы управления. Соответственно, для каждой неизвестной координаты qL век
тора q, определяемой соотношением (1.7), получим последователь ность оценок
|
.4*tv Яа |
|
• • - |
я'ш |
|
(L61) |
|
где i — |
номер координаты |
параметра |
q; |
X — номер массива |
ста |
||
тистических данных |
Rx , в |
результате обработки которого с |
по |
||||
мощью составного решения |
d% получено значение параметра |
qlK. |
|||||
Заметим, что последовательности оценок (1.60), (1.61) яв |
|||||||
ляются |
случайными, |
вероятностные |
свойства которых |
зависят |
|||
от статистических свойств |
массивов R^, величины объема выбо |
||||||
рочных значений, входящих в массивы |
Rj,, составных |
решений |
|||||
(1.59). |
|
|
|
|
|
|
|
Окончательное решение. Правило, по которому на основании последовательности оценок (1.60) делается вывод о значении, принимаемом неизвестным параметром q системы управления
после |
обработки в ЦВМ всех |
массивов |
статистических данных |
|
R x (X — 1, Л), назовем окончательным |
решением. |
|
||
Будем рассматривать последовательность (1.60) как случай |
||||
ную, |
зависящую от дискретного аргумента X. Тогда |
значения |
||
qk(X |
= 1, Л) соответствуют выборочным значениям |
некоторого |
||
векторного процесса |
|
|
|
|
|
Q(X) = (Qx[К), ..... |
Qk(X)) |
(Х = 17Л), |
|
36
где k — размерность параметра q*, |
совпадающая |
с размерностью |
||||
неизвестного |
параметра q. |
|
|
|
||
|
Значения |
дс соответствуют выборочным значениям процесса |
||||
Qt |
(X) (X = |
ТТЛ). |
|
|
|
|
|
Относительно |
процесса Q (X) зададим две гипотезы. Гипотеза |
||||
Я х : |
процесс |
Q (X) является стационарным и стационарно |
связан |
|||
ным. Тогда моменты распределения процесса Q (А,) |
|
|||||
|
|
|
mt (X) = |
MQl(X), |
|
|
|
Кц (X, -Х2) |
= М [Qt (X,) - гщ] |
[Qj (Х2) - mj\ |
(t, / = 1, |
k) |
определяются по массиву статистических данных, образованному последовательностью (1.60), согласно методам, изложенным в п. 6.
Гипотеза Я 2 : |
процесс |
Q (X) |
является процессом с неубыва |
||
ющей дисперсией. Тогда |
моменты |
распределения процесса |
|||
KuimmiX,, |
Х2), m i n ( ^ , |
Х2)) |
= М [Qt |
— mt |
определяются по массиву статистических данных, образованному
последовательностью |
(I.6G), согласно методам, изложенным в п. 8. |
||||||||
Из |
двух |
гипотез |
Н1 и Я 2 |
истинной |
считается |
та, |
которая, |
||
исходя |
из последовательности |
(1.60), дает выше точность в опре |
|||||||
делении |
моментов |
распределения процесса |
Q (X). |
А |
именно, |
||||
гипотезу |
# ! |
будем |
считать |
истинной, |
если |
функционал типа |
(II . 9) имеет при условиях, указанных в п. 5, минимальное зна чение меньше, чем минимальное значение функционалов типа
(11.43), в противном случае истинной |
будем считать гипотезу Н2. |
||
При |
определении моментов процесса |
имеется две возможности. |
|
1. |
Математическое ожидание M Q (X) есть постоянная величина |
||
для всех |
X. |
|
|
Тогда |
положим |
(1.62) |
|
|
|
MQ(X) = q. |
В этом случае правило принятия окончательного решения сводится к определению величины математического ожидания
процесса Q (X). |
|
|
|
2. |
Математическое ожидание |
MQ (X) есть функция, |
завися |
щая |
от X. |
|
|
Для определения значения параметра q рассмотрим линейные |
|||
оценки вида |
|
|
|
|
q* = 4 - S |
F(A,)Q'(b), |
(1.63) |
ЛЯ=1
где F (X) — диагональная матрица размерностью k X k
|
о, |
|
|
о |
о, |
м х ) , |
••• |
- |
0 |
0, |
0, |
. . |
., |
fk(X) |
37
fi W — функции, интегрируемые с квадратом; штрих означает транспонирование.
Из формулы' (1.63) следует, что для |
того, чтобы |
|
оценка qt |
|||||
была несмещенной оценкой параметра qt, |
необходимо |
выполнение |
||||||
условия |
|
|
|
|
|
|
|
|
|
|
x S 7 * ( A . ) = l . |
|
|
' ( 1 - Й |
|||
Найдем условия, при которых дисперсия оценки |
q*, М [<?,• — |
|||||||
— q*f, |
принимает |
минимальное |
значение. |
|
|
|||
Обозначим через |
cpvi- (к), covi |
соответственно собственные функ |
||||||
ции и собственные числа, входящие в аналитическую |
структуру |
|||||||
корреляционной функции Ки |
{klt |
к2) |
процесса Q. (X). |
Без огра |
||||
ничения общности можно считать, что |
cpVl- (к) — ортогональная |
|||||||
система |
функций. |
|
|
|
|
|
|
|
Введем обозначения |
|
|
|
|
|
|
||
|
|
1 |
Л |
М |
|
W . |
|
|
|
|
Cvi = t S |
A |
Фу* |
|
|
лА.=1
Условие (1.64) запишем в виде
21 cv ov = 1. v=l
Возьмем в качестве коэффициентов Фурье cvi величины
21 Oyj-COvt ,V=1
функции ft (к)
(1.65)
Тогда [9] оценки q* будут иметь минимальную дисперсию, рав
" п |
' |
Ную 21 fl^COvi Lv=i
Правило принятия окончательного решения относительно параметра qc есть qi = Mqc, при этом
ЛЯ.=1
Ы л ) = £ сч1ц>у(к),
v = l
где cV£- определяются из условия (1.65); cpv (к) — собственные функции корреляционной функции Ки (к, к) процесса Q(. (к).
38
Заметим, что оценки для параметра qt вида
с весовыми коэффициентами Ь%, являются частным случаем оце нок (1.62), (1.63).
Частный случай получения окончательного решения. Допу стим, что массивы статистических данных Rx (X = 1, Л) состоят из независимых статистических данных как внутри канала изме рений, так и между каналами. Предположим, что на оценки пара метра q влияет несколько независимых факторов, что обеспечивает нормальный закон распределения оценок. Тогда последователь ность оценок (1.61) следует рассматривать как выборку объема Л, полученную из генеральной совокупности, отвечающей случайной величине qt, которая имеет нормальный закон распределения
с неизвестными параметрами Mq\ — qt, |
М [q*—•q*"2 |
о, |
||
Для последовательности |
(1.61) |
найдем |
выборочное среднее |
|
|
1 |
Л |
|
|
и выборочную дисперсию |
' |
|
|
|
Составим статистику
s .
имеющую распределение Стьюдента с Л—1 степенями свободы [6] . Тогда для неизвестного параметра qt имеем следующую вероят ность
р & ~г yihr |
yhr}=js- w |
где srt_x (t) — плотность распределения дроби Стьюдента; t' < t". Отсюда, задавшись значениями t' =—tp, t" = tp, где tp— р-процентное значение величины t с Л—1 степенями свободы, получим, используя табулированные значения дроби Стьюдента,
доверительные пределы для параметра qt
|
|
|
* |
|
|
?! ± |
* „ - 7 = ^ = - , |
(1.66) |
|
|
' |
" |
V А—1 |
' |
•соответствующие |
коэффициенту |
доверия 1 |
щ~ или довери |
|
тельному уровню |
р % . |
|
|
|
39