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: 112

Скачиваний: 0

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

В этом случае правило окончательного решения сводится к определению доверительной области (1.66) для неизвестного

параметра

qi =

Mq*.

 

 

 

 

 

 

Например, если для выборки объема Л 10 выборочное сред­

нее и стандартное отклонение выборки соответственно

равны

1,58

и

1,67,

то

доверительные

пределы

для

неизвестного

параметра

qc

=

Mq]

равны

1,58 ±

0,389^.

Для

доверительного уровня

р =

5%

получается доверительный

интервал 0,70 <

т <

2,46.

Оценка величины массива статистических данных одновременно обрабатываемого с помощью ЦВМ. Дадим оценку минимальному объему величины массива статистических данных, вводимого одновременно в память ЦВМ, при последовательном способе обработки. Для простоты будем считать, что все массивы R^ (X = = 1, Л) обрабатываются с помощью одного и того же составного решения, т. е. d x = d% — • • • = dA — d.

Предположим, что правило d дает состоятельную оценку для неизвестного параметра q, тогда значения'корреляционной функ­ ции Кц (^ - I , ^2 ) определяются величиной одновременно обрабаты­ ваемого массива данных.

Рассмотрим функционал

 

 

 

h

= t

£

\Кц(КЩ

 

 

или

функционал более

частного вида

 

 

 

 

 

 

Я=1 (=1

 

 

 

Если

массивы

статистических

данных R x

{к =

1, Л) таковы,

что

<

(i =

1, 2),

где

/ £

— некоторое

число, характеризу­

ющее допустимое

значение

для

функционала

 

тогда величина

объема массива

Rx выбрана правильно. В противном случае

следует

либо увеличить

величину

объема массива

R^, либо сни­

зить

требования

к точности

оценки параметра q.

 


Глава I I

СТАТИСТИЧЕСКИЕ МЕТОДЫ ОЦЕНИВАНИЯ МОМЕНТОВ РАСПРЕДЕЛЕНИЯ СЛУЧАЙНЫХ ПРОЦЕССОВ И ПОЛЕЙ

6. ОЦЕНИВАНИЕ МАТЕМАТИЧЕСКОГО ОЖИДАНИЯ и к о р р е л я ц и о н н о й ФУНКЦИИ СТАЦИОНАРНОГО СЛУЧАЙНОГО ПРОЦЕССА

Постановка задачи. Пусть X (t) — {Хг (t), . . ., Xl (t)) — из­ меряемая координата системы управления за время Т = [О, Т],

причем Xi (t) (i = 1, /) — стационарные и стационарно связан­ ные случайные процессы, обладающие свойством эргодичности.

Моменты распределения первых двух порядков процесса X (t) неизвестны. Обозначим через m.v = (tnlt . . ., tn^ неизвестный параметр' математического ожидания процесса X (t), /п,- =

=MXt (t); ql 7 неизвестный параметр, входящий в аналитиче­

скую структуру корреляционной функции

Ки

(г) = М [Xi (t +

г) -

mt]

[X, (t) -

m,l

 

 

Измеряемый

процесс

X It]

реальном

масштабе

времени

представляет собой одну реализацию процесса за время Т.

Таким образом,

известны:

 

 

 

 

 

 

1) реализация процесса X (f),

/ 6 Т;

 

 

 

 

2) аналитическая структура корреляционных функций Кц (т).

Требуется:

 

 

 

 

 

 

 

 

 

1) оценить параметры mA ., q,-; (i, j =

1, /), тем самым

опреде­

лить моменты распределения процесса

X (t);

 

 

 

2) дать оценку точности оценивания неизвестных параметров;

3) разработать

метод

оценивания

неизвестных

параметров

и на его основании построить алгоритм, обладающий

необходимой

точностью и предъявляющий к памяти ЦВМ минимальные тре­ бования.

Специфика в определении моментов распределения стационар­ ного процесса с помощью ЦВМ. Обработка стационарного про­ цесса X (f), обладающего свойством эргодичности, сводится к вы­

числению в ЦВМ следующих

интегралов: .

 

 

 

т

 

 

m) =

±r\Х^)<и,

'

(ИЛ)

т

 

о

 

 

 

 

 

 

* 1 / ( т ) = - И [XtV

+

4)-nt]

[XjM-m^dt,

(II.2)

о

 

 

 

 

41


где mi — несмещенная, состоятельная оценка для математиче­ ского ожидания пи; Kij (т) — асимптотически несмещенная, со­ стоятельная оценка для корреляционной функции Кп- (т) (i, / =

=hi)-

За время Т массив данных о процессе X (t) может оказаться столь большим, что одновременное введение его в память ЦВМ

для

вычисления интегралов

(II.2) предъявит к объему памяти

ЦВМ

неоправданно высокие

требования. Сократить

требования

к памяти ЦВМ можно либо получением рекуррентных

алгоритмов

обработки, либо разработкой методов последовательной обработки статистических данных (см. п. 5).

Суть

метода

последовательной

обработки

данных

состоит

в том, что в ЦВМ

вместо

интегралов

( I I . 1),

(II.2)

вычисляются

интегралы

 

 

 

 

 

тх

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Г Я - 1

 

 

 

 

 

 

*^ =

 

 

\

I х <

« +

- m i ]

 

i x i w - « , ]

dt.

 

 

 

 

Г Я - 1

 

 

 

 

 

 

 

где Тк =

[Tk_lt Т})

— промежуток

времени

поступления

в ЦВМ

массива

RK; Tt,

 

Tf

(i

j)

— непересекающиеся

промежутки

времени,

причем

Т =

Е

Т\.

 

 

 

 

 

 

 

Введем

следующие

обозначения:

 

 

 

 

 

 

 

 

_ ,

 

]

V.

 

 

,

 

 

 

 

 

Ш;ч

=

- = — V

(7\ — 7 \ _ i )

'Па,

 

 

 

Тогда

(II . 3)

Формулы (II.3) дают возможность рекуррентным способом получить в ЦВМ оценки m*iA, Kij а соответственно-для моментов

Рассмотрим методы оценивания неизвестных параметров кор­ реляционной функции Кц (т), т =f О (t, / = 1, /).

42


Применение преобразования Фурье к реализации измеряемого процесса. Обозначим через s,7 (со) спектральную плотность про­ цесса Хс (/), через S[j (со) — взаимную спектральную плотность для X,- (/), Xj (t). Так как аналитическая структура корреляцион­

ной функции

Ки

(т) известна, то известна

и аналитическая струк­

тура функций sn (со), sti (со).

 

 

 

 

 

 

 

 

Введем в

рассмотрение

спектральные

функции

 

 

 

 

 

 

 

 

 

со

 

 

 

 

 

 

 

 

 

 

 

 

5 , / N

=

J s ^ K l d c o j .

 

 

 

 

(П.4)

 

 

 

 

 

 

 

—со

 

 

 

 

 

 

 

Известно

[11, 24], что для любых двух точек соъ

со2 , в которых

функция

Su

(со)

непрерывна,

имеет место

соотношение

 

 

 

 

со.

г

-

 

 

2

 

 

 

 

 

 

 

 

 

со,

0

 

 

 

 

 

 

 

 

 

 

Покажем, что

имеет место более общее равенство

 

 

 

 

 

 

СО. г

 

 

г

 

 

 

 

 

 

 

l i m - g j L - Re J j е - 7 0 '*, . (/) dt J е - 1 ' 5 а Х / (s) ds dto =

 

7

' > r o

 

 

co,0

 

 

0

 

 

 

 

 

 

 

 

 

 

 

= S I / K ) - S i / ( < o 1 ) ,

 

 

 

 

(II.5)

где Re означает действительную часть.

 

 

 

 

 

 

Для этого рассмотрим

функцию

 

 

 

 

 

 

 

 

 

 

 

со

т

 

 

г

 

 

 

 

 

SijT

(со) =

- J L - Re J J е - ' " % (Q Л

{ Х,

(s) ds dco.

 

 

 

 

 

—со

0

 

 

0

 

 

 

 

 

Пусть

т — фиксированное

число, причем

|т| <

Т.

Тогда

 

 

со

 

 

 

 

Т—Т

 

 

 

 

 

 

 

 

j e ' W T d S , y r ( © ) = - ! -

J ХДг +

т ) * ^ ) * .

 

 

 

 

—со

 

 

 

 

О

 

 

 

 

 

 

 

При Т —> оо

в силу

эргодичности

процесса

X

(/)

получаем

Г - т

 

 

 

 

 

 

Г - т

 

 

 

 

 

l i m 4 г [ Х( . (/ + т) X; (0 Л = l i m -=-!— f Xt

(t + т) X,- (0 Л =

 

 

 

 

 

 

 

CO

 

 

 

 

 

 

 

 

 

 

=

/Ct ; (x) = J e " e T d S f /

( a ) ) .

 

 

 

 

Отсюда следует, что коэффициенты Фурье

функции

SiiT

(со) при

Т —> оо сходятся

к

коэффициентам Фурье

функции Su- (со), т. е.

во всех точках непрерывности функции Sn- (со) имеет место схо­

димость функции

SijT

 

(со) к функции

(со).

 

 

 

 

'

43


Для конечного

времени

наблюдения

оценка

 

 

 

(о,

 

т

 

 

 

 

 

~р-

Re J erttaXt(f)

dt j

ell»Xf

(s) ds dco

=

 

 

ш,

 

о

 

 

 

 

 

 

= s ; /

K ) - s * / ( C O 1 )

 

.6)

является

асимптотически

несмещенной

и

состоятельной [6, 21 ]

для спектральных

функций

Sn- (со2 ) —

Su

(coj).

 

Обозначим

 

 

 

 

 

 

 

 

 

.

«•*

тх

 

 

Ч

 

F*

, со2> ©j) = Re

J

J e~'/ B X( . (t) dt J e ' s % ( s ) ds,

 

 

л

 

_

 

 

 

 

 

S ^* (X,

co2, со,) =

(v,

coa.cox), 1 =

v < A . .

 

?.=i

 

 

 

 

 

 

Тогда имеем следующее рекуррентное соотношение для обработки

массивов

R v (v =

1,

Л):

 

 

 

 

 

 

 

 

F* (v,

со2,- со,) =

Z7* (v —

1, co2,

со,) +

F* (v, co2)

coj.),

(II.7)

при этом

оценка

(11.6)

 

 

 

 

 

 

 

 

 

 

S],

(co2) -

S*,- (со,) =

 

 

Г (Л, co2) со,).

 

(II.8)

Алгоритм вычисления спектральной плотности сводится к сле­

дующему.

 

 

 

 

 

 

 

 

 

 

 

 

1. Зададим полосу частот

[ Я х ,

Я 2

] , в которой

рассматривается

спектральная плотность st / (со) (/,

i

=

l,

I).

 

 

 

2. Разобьем промежуток

[Я,,

Я 2 ]

точками

дробления

 

 

Я 1 ^ с о ч 1 < с о 2 < - - - < с о Л / ^ й 2 .

 

 

 

Если априорные сведения о спектральной плотности

s(/- (со)

ограничиваются 'знанием ее аналитической структуры,

тогда

точки со,- берутся равномерно по

всему промежутку

[ Я 2 ,

Q , ] .

Общее число точек

ak

(k — 1, N)

должно

быть

не меньше, чем

размерность неизвестного параметра, входящего в спектральную

плотность

S/j (со),

максимальное их число-определяется допусти­

мым временем решения задачи на ЦВМ.

 

 

 

3.

На

каждом

массиве Rv (v =

1, Л) для

каждой

пары ча­

стот сой,

в

ЦВМ вычисляются функции

F*

(v,

соА, С0А_Х ),

F* (v,

соА,

C O ^ j ) .

 

 

 

 

 

4.

Обработав

последовательно

все массивы

статистических

данных Rv (v =

1, Л), составим функционал

 

 

 

 

 

N

 

' ША

 

 

 

 

 

Л=1

 

 

 

 

44