- •1. Вероятностные характеристики дискретных случайных величин
- •2. Вероятностные характеристики непрерывных случайных величин.
- •3. Формы представления законов распределения случайных величин.
- •4. Векторные случайные величины.
- •5. Типы случайных процессов.
- •6. Вероятностные характеристики случайных процессов.
- •7. Эргодическое свойство стационарных случайных процессов
- •8. Выбросы стационарных случайных процессов
- •9. Корреляционная функция и её основные свойства.
- •Свойства корреляционных функций
- •10. Экспериментальное определение корреляционных функций.
- •11. Спектральное разложение стационарных случайных процессов в непрерывный спектр дисперсий.
- •12. Свойства спектральной плотности.
- •13. Корреляционные функции и спектральные плотности типовых стационарных процессов.
- •14. Представление случайного процесса в виде канонического разложения. Интегральное каноническое представление случайного процесса. Полиномиальное представление случайного процесса.
- •Представление случайного процесса в виде канонического разложения Каноническое разложение корреляционной функции случайного процесса X(t):
- •Интегральное каноническое представление случайного процесса
- •Полиномиальное представление случайного процесса
- •15. Структура стохастической системы автоматического управления
- •16. Случайные процессы и возмущения в автоматических системах
- •17. Реакция динамической системы на случайное возмущение
- •18 Критерии точности системы
- •19 Характеристики выходных сигналов систем, заданных весовыми функциями
- •20 Корреляционный анализ систем, заданных дифференциальными уравнениями
- •21. Законы распределения выходных сигналов линейных систем (лс)
- •22. Определение установившихся систематических ошибок стационарных линейных систем (слс)
- •23. Определение установившейся дисперсии выходной переменной стационарной линейной системы (слс)
- •24. Критерии оптимальности автоматических систем.
- •25. Условие минимума среднеквадратичной ошибки.
- •26. Уравнение оптимальной линейной системы.
- •Определение весовой функции оптимальной линейной системы
- •Оптимальные системы, описываемые дифференциальными уравнениями
- •Дискретные случайные функции
- •30. Линейные операции над дискретными случайными функциями
- •Стационарные дискретные случайные процессы
- •32.Корреляционный анализ дискретных систем, заданных разностными уравнениями
- •33. Особенности вероятностного анализа нелинейных систем.
- •34. Линеаризация нелинейностей разложением в ряд.
- •35. Статистическая линеаризация нелинейностей.
- •36. Совместная гармоническая и статистическая линеаризация нелинейностей
- •37. Корреляционный анализ нелинейных систем, заданных дифференциальными уравнениями
- •38. Вероятностный анализ автоматических систем методом статистических испытаний
- •Марковские векторные процессы и последовательности
- •40. Уравнение Фоккера – Планка - Колмогорова
- •42. Анализ процесса срыва управления в автоматических системах
19 Характеристики выходных сигналов систем, заданных весовыми функциями
Для одномерной линейной системы интегральный оператор, связывающий выходную переменную y(t) с входной x() и начальным y0, имеет вид
(2.22)
где g(t, ) – весовая функция.
Если x() – случайная функция, а y0 – случайная величина, то выходная переменная y(t) – случайная.
Для определения математического ожидания выходной переменной my(t) применим к (2.22) операцию математического ожидания:
. (2.23)
По определению , т.е.
. (2.24)
Для определения корреляционной функции выходной переменной вычислим центрированную функцию путём вычитания из (2.22) формулы (2.24).
. (2.25)
Вычислим произведение и применим операцию математического ожидания:
. (2.26)
Для определения дисперсии выходной переменной следует в формуле (2.26) считать t1 = t2:
. (2.27)
Таким образом, для вычисления вероятностных характеристик выходной переменной в данном случае достаточно знать математическое ожидание и корреляционную функцию входной переменной.
Формулы (2.26), (2.27) упрощаются, если случайное возмущение – белый гауссовый шум с корреляционной функцией .
, (2.28)
. (2.29)
Формулы (2.24), (2.26), (2.27) обобщаются на многомерные системы, если в них g(t, ) – матрица весовых функций (переходная матрица или матрицант); my(t) – вектор математических ожиданий выходных переменных; Rx(1,2) – матрица корреляционных функций входных переменных.
Обобщённые на векторные переменные формулы принимают вид:
, (2.30)
. (2.31)
Для стационарных автоматических систем в формулах следует рассматривать разность аргументов t1-1, t2-2.
Приведенные формулы справедливы для дискретных систем при замене весовых функций на весовые коэффициенты и интегралов – суммами.
, (2.32)
, (2.33)
где .
Аналогично обобщаются формулы для многомерной системы.
20 Корреляционный анализ систем, заданных дифференциальными уравнениями
Корреляционный анализ линейных нестационарных систем удобно проводить методом моментов.
Для этого автоматическая система для случайной векторной переменной должна быть представлена в форме стохастических уравнений вида (форма Ланжевена):
, (2.34)
где A(t), N(t) – матрицы заданных коэффициентов; U(t) – детерминированный вектор (управления); , где – белый гауссов шум интенсивности G(t); Y0 – случайный начальный вектор.
Сущность метода моментов заключается в составлении дифференциальных уравнений для вероятностных моментов вектора состояния системы и интегрирования их при заданных начальных условиях.
Данный метод позволяет получить точные дифференциальные уравнения для вероятностных моментов всех порядков линейных нестационарных систем.
Пример.
Применим операцию математического ожидания почленно к правой и левой частям уравнения (2.34). Получим векторное дифференциальное уравнение для математических ожиданий.
(2.35)
где my(t) = M[y(t)] – вектор математических ожиданий.
Получим дифференциальные уравнения для матрицы
. (2.36)
Чтобы получить уравнения для центрированных значений , вычтем почленно из уравнения (2.34) уравнение (2.35).
. (2.37)
Продифференцируем выражение (2.36) по t
(2.38)
Подставив в правую часть (2.36) выражения для и , после соответствующих преобразований получим векторное дифференциальное уравнение для матрицы (t):
(2.39)
В координатной (скалярной) форме для компонент и уравнения имеют вид
, (2.40)
, (2.41)
.
Вследствие симметрии корреляционных функций (ковариаций) , число независимых уравнений в (2.41) равно , где n – порядок исходной линейной системы (2.34).
Изложенный метод анализа является универсальным, он применим к стационарным и нестационарным системам и позволяет в результате однократного интегрирования системы обыкновенных дифференциальных уравнений определить компоненты вектора математического ожидания и корреляционной матрицы фазовых координат.
Для применения метода необходимо, чтобы случайный входной вектор возмущений был белым шумом или близок к нему.
Практически это означает, что корреляционная функция Rx(t1, t2) должна быть близкой к - функции, т.е. функция спектральной плотности должна быть широкополосной и больше полосы пропускания системы.
Рис. 2.6. Постоянство спектральной плотности в пределах полосы пропускания
Если в автоматической устойчивой стационарной системе существует установившейся режим, то из уравнений (2.35), (2.38), можно определить установившиеся значения моментов
; (2.42)
. (2.43)
Эти уравнения – алгебраические, из них определяются все вероятностные моменты фазовых координат до второго порядка.