Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

Vychislitelny_praktikum

.pdf
Скачиваний:
12
Добавлен:
16.03.2015
Размер:
7.27 Mб
Скачать

M [δ]=δmin

+

 

1

 

m (σk2 +

2см,k )/( 2k + 1 );

(13.22)

 

 

(4 )

 

 

 

 

2ατk

k =0

 

 

 

σδ2

=

1

 

m σ k2 (σ k2 + 2

2см,k )/ (2k +1)2 ;

(13.23)

2

(4 )2

 

 

2α τk

 

k =0

 

 

 

 

 

ортогональные функции Дирихле:

 

M [δ ]=δmin

+

 

1

 

m (σk2 +

2см,k )/( k + 1 ) ;

(13.24)

 

 

(4 )

 

 

 

 

2ατk

k =0

 

 

 

σδ2

=

1

 

m

σ k2 (σ k2 + 2

см2

,k )/ (k + 1)2 .

(13.25)

2

(4 )2

 

 

2α τk

 

k =0

 

 

 

 

 

На рис. 13.2 представлены результаты определения второго слагаемого в выражениях (13.20) – ряд 1, (13.22) – ряд 2 и (13.24) – ряд 3 для различных значений по-

грешности оценки коэффициентов разложения

(γ =σ 2

+

2

 

k k

 

см,k

). Отсюда видно, что

наименьший вклад в увеличении методической погрешности аппроксимации при одинаковой погрешности оценки коэффициентов разложения наблюдается у ортогональных функций Лагерра.

 

Увеличениеметодическойпогрешности

 

Увеличениеметодическойпогрешности

 

 

аппроксимации(γκ=0,05)

 

 

 

аппроксимации(γκ=0,1)

 

0,12

 

 

 

 

0,5

 

 

 

 

0,1

 

 

 

 

0,4

 

 

 

 

0,08

 

 

 

Ряд1

0,3

 

 

 

Ряд1

0,06

 

 

 

Ряд2

 

 

 

Ряд2

 

 

 

0,2

 

 

 

0,04

 

 

 

Ряд3

 

 

 

Ряд3

 

 

 

 

 

 

 

0,02

 

 

 

 

0,1

 

 

 

 

0

 

 

 

 

0

 

 

 

 

0

5

10

15

20

0

5

10

15

20

 

 

m

 

 

 

 

m

 

 

 

 

 

 

Увеличениеметодическойпогрешности

 

 

 

аппроксимации(γκ=0,02)

0,02

0,015

Ряд1

0,01

Ряд2

Ряд3

0,005

0

0

5

10

15

20

m

13.2. Задание на самостоятельную работу

Рисунок 13.2 - Увеличение методической погрешности аппроксимации

143

13.2. Задание на самостоятельную работу

1. Для заданного ортогонального базиса, вида корреляционной функции, показателя колебательности μ , воспользовавшись средствами Mathcad найти выра-

жения для оценки α , коэффициентов разложения {βk }k =0 ,...m и δmin (α, m) (см. лабора-

торную работу 5).

 

2.

Построить зависимость δmin ( m / ρx (τ ),α).

]= f1 (m / γk ).

3.

Задавшись значениями γk построить зависимость М[δm

4.

Построить зависимость М[δ ]= f2 (m / γk ).

 

5.

Построить зависимость mopt = f3 (γk / μ).

 

6.

Оформить отчет.

 

 

13.3. Содержание отчёта

 

1.

Цель работы.

 

2.

Задание.

 

3.

Исходный текст программы, написанной в MathCad.

 

4.

Результаты выполнения работы в мат. пакете MathCad.

 

5.

Основные соотношения.

 

6.

Результаты расчета, представленные в графической форме.

7.

Выводы.

 

Пример выполнения вычислительный практикум 13 приведен в Приложении

23.

13.4.Контрольные вопросы

1.От чего зависит значение mopt при аппроксимации корреляционных

функций ортогональными функциями?

2. Как изменится значение mopt при уменьшении значения параметра масштаба α (γ )?

3.Как изменится значение mopt при увеличении значения показателя коле-

бательности μ ?

4. Изменится ли значение mopt при смене ортогонального базиса?

144

14. АНАЛИЗ МЕТОДИЧЕСКИХ ПОГРЕШНОСТЕЙ ОЦЕНКИ ПАРАМЕТРОВ ОРТОГОНАЛЬНЫХ МОДЕЛЕЙ КОРРЕЛЯЦИОННО-СПЕКТРАЛЬНЫХ ФУНКЦИЙ С ПОМОЩЬЮ АИС

Цель работы: изучение методики и приобретение практических навыков анализа методических погрешностей оценки параметров ортогональных моделей корреляционно-спектральных функций и их характеристик методом имитационного моделирования.

14.1. Теоретические основы вычислительного практикума

Сопоставляя методы исследования погрешностей и характеристик погрешностей результатов измерений, следует подчеркнуть особую роль имитационного моделирования в определении характеристик погрешностей [54]. Это обусловлено тем, что составляющие погрешности, входящие в полную группу, хотя и обусловлены разными факторами, в общем случае могут быть коррелированными. Это должно учитываться при их исследовании с целью сопоставления, что делает использование аналитического подхода чрезвычайно затруднительным, а применение экспериментальных методов практически невозможным.

С использованием АИС решены следующие задачи имитационного моделирования:

1.Оценка коэффициентов разложения корреляционной функции.

2.Оценка погрешностей оценки коэффициентов разложения.

3.Оценка погрешностей аппроксимации корреляционных функций.

4.Оценка обобщенных корреляционных характеристик.

5.Оценка обобщенных спектральных характеристик.

6.Составление отчета по результатам имитационного моделирования. Математическое описание алгоритмов (см. лабораторные работы 12 - 13), реа-

лизованных при проведении имитационного моделирования, включающее условные обозначения исследуемых характеристик, введенных при программной реализации, приведено ниже.

1.Оценка коэффициентов разложения корреляционной функции.

Обозначение в АИС

Математическое

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Алгоритм

обозначение

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

betta(a)

βk

 

βk

=

 

1

 

 

 

 

 

 

 

ρ(τ )ψk (τ ,γ )μ(τ )dτ

 

 

 

ψk

 

 

 

 

2

 

 

 

 

 

b(a)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0

 

 

 

 

bk

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

bk

= βk

+ ck

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

betta(t)

^ (2 )

β^

(2 )

 

 

 

 

 

 

 

1

 

 

 

 

 

 

 

 

τk max

 

 

 

k =

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ρ(τ )ψ

 

(τ ,γ )μ(τ )dτ

b(t)

β k

 

 

 

 

 

ψk

 

 

 

2

 

 

k

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

145

 

^ (2 )

 

 

 

 

 

^

 

^

+ ck

 

 

bk

 

 

 

 

 

 

 

bk

= β k

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

^ (3 )

β^

(3 )

 

1

 

 

τk max

ρ^

x (τ )ψ

 

(τ ,γ )μ(τ )dτ

 

k =

 

 

 

 

 

betta(g )

β k

 

 

ψk

 

2

k

 

 

 

 

 

 

 

 

 

0

 

 

 

 

 

b(g )

^ (3 )

 

 

 

 

 

^

 

^

 

 

 

 

bk

 

 

 

 

 

 

 

bk

= β k + ck

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2.Оценка погрешностей оценки коэффициентов разложения.

Обозначение в АИС

Математическое

 

Алгоритм

 

 

обозначение

 

 

 

 

 

 

 

 

 

 

 

d (sys)

сист

 

(1)

 

(2 )

^ (2 )

 

сист =

+

= β k

 

βk

 

 

 

 

 

βk

βk

 

d(ran)

 

 

 

(3 )

^

(3 )

^

(2 )

случ

случ

=

= β k β k

 

 

βk

 

 

 

 

 

 

 

 

d (trunc)

 

 

 

 

 

= β^

(3 )

мет

мет =

сист

+

случ

k

βk

3.Оценка погрешностей аппроксимации корреляционных функций.

Обозначение в АИС

Математическое

 

Алгоритм

 

 

 

 

 

 

 

 

 

обозначение

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

m

^ (2 )

 

 

 

 

 

 

 

 

 

 

 

 

d ap1

 

 

 

β k

 

 

 

ψk

 

 

 

2

 

 

 

 

 

 

 

δ1

δ1 =

1 k =^0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ρx2 (τ )μ(τ )dτ

 

 

 

 

0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

m

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

d ap2

δ2

δ2

=

ck2

 

 

 

ψk

 

 

 

2

 

 

 

 

 

 

 

 

 

 

 

 

k =0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

^

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ρx2 (τ )μ(τ )dτ

 

 

 

0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

d ap

δ

 

δ =δ1 + δ2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

4.Составление таблицы по результатам имитационного моделирования.

Обозначение в АИС

Математическое

Алгоритм

 

 

 

146

обозначение

nexp

n

 

 

 

 

 

 

 

 

 

n = 1..10000

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

P(0 ,5 , 0 )(τ ,γ )

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

k

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

P(0 ,5 , 0 )(τ ,γ )

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

k

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

P(0 , 0 )

(τ ,γ )

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

k

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

P(1, 0 )

(τ ,γ )

 

 

 

 

 

 

 

 

 

 

basis

ψk (τ ,γ )

 

 

 

 

 

 

 

 

 

 

k

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

P(2 , 0 )

(τ ,γ )

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

k

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

L(0 )

(τ ,γ )

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

k

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

L(1)

(τ ,γ )

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

k

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

L(2 )

(τ ,γ )

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

k

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

eλ

 

τ

 

 

 

 

 

 

 

 

)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

eλ

 

τ

 

 

 

(1 + λτ

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

eλ

 

τ

 

 

 

(1 λτ

 

)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

λ

 

τ

 

 

 

 

 

 

 

 

 

 

 

λ2τ 2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

e

 

 

 

 

 

1 +

λ

τ

 

+

 

 

 

 

 

 

 

3

 

 

 

 

CF

ρ(τ )

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

eλ

 

τ

 

cos ω τ

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0

 

 

 

 

 

 

 

 

 

 

 

 

λ

 

τ

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

λ

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

e

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

+

 

 

 

 

sin ω0

τ

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

cos ω0τ

ω0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

λ

 

τ

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

λ

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

e

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

sin ω0

τ

 

 

 

 

 

 

 

cos ω0τ

ω0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

w0 / lambda

ω0 / λ

 

 

 

 

 

 

 

 

λ > 0 ,

ω0

> 0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

delta

δ

 

 

 

 

 

0,2; 0,1; 0,05; 0,02

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

N

N

 

 

 

 

 

 

N = 1..1000000

 

 

 

 

147

 

 

 

 

 

 

 

 

 

 

M [d ap]

M [δ ]

 

 

 

 

 

 

 

 

 

 

 

 

 

 

MSE[d ap]

σ[δ ]

 

 

 

 

 

 

 

 

 

 

 

 

 

 

max(d ap)

 

 

δ

 

}

j = 1..n

exp

 

 

 

 

 

 

max{ j

 

 

 

 

 

 

 

 

 

 

 

5.Оценка обобщенных корреляционных характеристик.

Обозначение в АИС

Математическое

 

Алгоритм

обозначение

 

 

 

 

 

 

 

 

 

 

(2 )

^ (2 )

m

^

(3 )

 

tau2

τ^ k

τ k

 

= β k τk(2)

 

 

 

 

k =0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

tau2(t)

τk(2 )

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

tau4

(4 )

^ (4 )

m

^ (3 )

 

τ^ k

τ k

= β 2

k τk(4)

 

 

 

 

k =0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

tau4(t)

τk(4 )

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

^ (2 )

 

(2 )

 

error(tau2)

δτ (2 )

δ

(2 )

=

τ k

 

τ k

 

 

 

(2 )

 

 

k

τ

k

 

 

 

 

 

 

 

 

 

 

τ k

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

^ (4 )

 

(4 )

 

error(tau4)

δτ (4 )

δ

(4 )

=

τ k

 

τ k

 

 

 

(4 )

 

 

k

τ

k

 

 

 

 

 

 

 

 

 

 

τ k

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

6.Оценка обобщенных спектральных характеристик.

Обозначение в АИС

Математическое

Алгоритм

 

обозначение

 

 

 

 

 

we(1)

 

^ (1)

 

ωэ

 

 

 

 

 

 

 

S max(1)

^ (1)

(ωэ )max

 

S x

 

148

 

 

 

 

 

^

'

(1)

=

 

 

 

 

1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ω э

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

^

(1)

(ω

 

)

 

 

 

 

 

 

dwe(1)

 

 

^ (1)

 

 

 

 

 

 

 

2 S x

 

 

 

 

 

 

 

 

 

 

ωэ

 

 

 

 

 

 

 

 

 

 

 

 

 

 

э

max

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

^

(1)

 

 

 

 

 

 

 

 

 

 

 

^ (1)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

^

 

(1)

 

 

 

 

 

 

'

 

 

 

 

 

 

 

 

 

 

 

ωэ

=ωэ

+

 

 

ω

э

 

 

 

 

 

 

 

 

2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

we(1)(t)

 

 

(1)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ωэ

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

S max(1)(t)

S (x1)(ωэ )max

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

(1)

 

 

 

 

 

 

1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

'

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ω э

 

=

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

(1)

(ωэ )max

 

dwe(1)(t)

 

 

(1)

 

 

 

 

 

 

 

2 S x

 

 

 

 

ωэ

 

 

 

(1)

 

 

(1)

 

 

 

 

 

 

 

(1)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

'

 

 

 

 

 

 

 

 

 

 

 

ωэ

=ωэ

+

 

 

ω

э

 

 

 

 

 

 

 

 

2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

we(2)

 

 

^ (2 )

 

 

 

 

^ (2 )

 

 

^ (1)

 

 

 

 

 

 

 

 

 

 

ωэ

 

 

 

ωэ

=ωэ

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

S max(2)

^ (2 )

(ωэ )max

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

S x

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

^ (2 )

(ω)dω

 

dwe(2)

 

 

^ (2 )

^ (2 )

 

 

 

(2 )

 

 

S x

 

 

 

 

 

 

 

^

^ (2 )

 

 

 

 

 

 

 

 

 

 

 

 

 

ωэ

ω э

=

ωэ

+

ωэ

 

 

 

 

 

 

 

 

 

 

 

 

 

 

^

 

(2 )

(ωэ )max

 

 

 

 

 

 

 

 

 

 

 

 

 

 

S x

 

we(2)(t)

 

 

(2 )

 

 

 

 

 

(2 )

 

 

(1)

 

 

 

 

 

 

 

 

 

 

ωэ

 

 

 

ωэ

=ωэ

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

S max(2)(t)

S (x2 )(ωэ )max

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

dwe(2)(t)

 

 

(2 )

 

(2 )

 

 

 

(2 )

 

 

S (x2 )(ω)dω

 

 

 

 

 

 

 

 

 

(2 )

 

 

 

 

 

 

 

 

 

 

 

 

 

ωэ

ω э

=ωэ

+

ωэ

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

(2 )

(ω

)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

S x

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

э max

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

^

(1)

 

 

 

 

 

 

(1)

 

 

 

 

 

error(we(1))

 

δ (1 )

 

δ (1 )

=

ω э

ω э

 

 

 

 

 

 

 

 

 

 

(1)

 

 

 

 

 

 

 

 

 

 

 

 

ωэ

 

ωэ

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ω э

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

149

 

 

 

 

 

^

(1)

(ωэ )max

(1)

(ωэ )max

 

 

error(S max(1))

δ (1 )

 

δ (1 )

=

S x

S x

 

 

(ωэ )max

 

 

 

 

(1)

 

 

 

 

 

 

 

 

S x

S x

(ωэ )max

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

S x (ωэ )max

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

^

(1)

(1)

 

 

 

 

error(dwe(1))

δ

(1 )

 

δ (1 )

=

 

 

ω э

ω э

 

 

 

 

 

 

 

 

 

 

(1)

 

 

 

 

 

 

 

 

ωэ

 

ωэ

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ω э

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

^

(2 )

(2 )

 

 

 

 

 

 

error(we(2))

δ (2 )

 

δ (2 )

=

ω э ω э

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ωэ

 

ωэ

 

 

 

 

 

(2 )

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ω э

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

^

(2 )

(ωэ )max

(2 )

(ωэ )max

 

 

error(S max(2))

δ (2 )

 

δ (2 )

=

S x

S x

 

 

(ωэ )max

 

 

 

 

(2 )

 

 

 

 

 

 

 

 

S x

S x

(ωэ )max

 

 

 

 

(ωэ )max

 

 

 

 

 

 

 

 

 

S x

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

^

(2 )

(2 )

 

 

 

 

error(dwe(2))

δ

(2 )

 

δ (2 )

=

 

 

ω э

ω э

 

 

 

 

 

 

 

 

 

 

(2 )

 

 

 

 

 

 

 

 

ωэ

 

ωэ

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ω э

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

14.2.Задание на самостоятельную работу

1.Задать параметры имитационного моделирования в соответствующих подсистемах автоматизированной системы:

1.1.Вид корреляционной функции ) с параметрами -ρ (τ ,ω λ

M = ent[τk max /

 

 

x

0

 

 

τ], μ =ω0 λ , δ = 0,05; 0,02; 0,1; 0,2 .

 

 

 

1.2.

 

Вид ортогональной функцииψk (τ ,γ ).

 

 

 

1.3.

 

Настройка параметров аппроксимации (выполняемость основного

свойства, инвертирование, установка максимума в «нуль», диапазон поиска

числа членов разложения).

 

 

 

 

 

1.4.

 

Объем выборки N .

 

 

 

 

 

1.5.

 

Число проводимых экспериментов nexp .

 

 

2.

Провести имитационное моделирование и выгрузить результаты моде-

лирования в MS Excel.

 

 

 

 

 

 

3.

Построить следующие зависимости с помощью MS Excel:

[δ ](N / μ, nexp ),

 

3.1.

 

Графические

зависимости

M [δ](N / μ, nexp ),

σ

max{δ j

 

}(N / μ, nexp ),

δτ (2 ) (N / μ, nexp ),

δτ (4 ) (N / μ, nexp ),

δ (1 ) (N / μ, nexp ),

 

δ (2 ) (N / μ, nexp ),

 

k

k

 

 

ωэ

δ (1 )

(N / μ, nexp ),

δ (2 )

(N / μ, nexp ),

δ

(1 ) (N / μ, nexp ),

ωэ

 

 

 

S x (ωэ )max

S x (ωэ )max

 

 

ωэ

δ(2 ) (N / μ, nexp ).

ωэ

150

3.2.

 

Графические

зависимости

M [δ](μ / N , nexp ),

σ[δ ](μ / N , nexp ),

max{δ j

 

}(μ / N , nexp ),

 

δτ (2 ) (μ / N , nexp ),

δτ (4 ) (μ / N , nexp ),

δ (1 ) (μ / N , nexp ),

 

 

δ (2 ) (μ / N , nexp ), δ (1 )

 

k

 

k

ωэ

 

 

(μ / N , nexp ),

δ (2 )

(μ / N , nexp ),

δ (1 ) (μ / N , nexp ),

ωэ

S x

(ωэ )max

S x

(ωэ )max

ωэ

 

δ (2 ) (μ / N , nexp ).

 

 

 

 

 

 

ωэ

 

 

 

M [δ](nexp / N , μ),

σ[δ ](nexp

/ N , μ),

3.3.

 

Графические

зависимости

max{δ j

 

}(nexp / N ,μ),

 

δτ (2 ) (nexp / N , μ),

δτ (4 ) (nexp / N , μ),

δ (1 ) (nexp

/ N , μ),

 

 

δ (2 ) (nexp

/ N , μ), δ (1 )

 

k

 

k

ωэ

/ N , μ),

 

(nexp / N , μ),

δ (2 )

(nexp / N , μ),

δ (1 ) (nexp

ωэ

S x

(ωэ )max

S x

(ωэ )max

ωэ

 

δ (2 ) (nexp / N , μ).

ωэ

4.Изменить пункты 1.4 и 1.5.

5.Изменить пункт 1.1.

6.Изменить пункт 1.2, повторить пункты 1 - 5 и выбрать наилучший базис.

14.3.Содержание отчёта

1.Цель работы.

2.Задание.

3.Результаты проведения имитационного моделирования в автоматизированной системе, представленные в виде экранных форм.

4.Результаты проведения имитационного моделирования в виде документа

MS Excel.

5.Результаты построения требуемых графических зависимостей в виде до-

кумента MS Excel.

6.Выводы.

14.4.Контрольные вопросы

1.Каким образом влияет изменение объема выборки на погрешность аппроксимации? Погрешности оценки обобщенных корреляционно-спектральных характеристик?

2.Каким образом влияет изменение показателя колебательности на погрешность аппроксимации? Погрешности оценки обобщенных корреляционноспектральных характеристик?

3.Влияет ли на результаты проведенных экспериментов пересчет коэффициентов разложения с учетом выполнения основного свойства?

4.Какое число экспериментов рекомендуется проводить? Почему?

5.Какой из способов оценки интервалов корреляции дает худший результат? Почему?

6.Какой из способов оценки эквивалентной ширины спектральной плотности мощности дает лучший результат? В каких случаях и почему?

151

ЗАКЛЮЧЕНИЕ

В предлагаемом вычислительном практикуме рассмотрены вопросы:

1)математического описания ортогональных полиномов и функций, исследования их свойств;

2)построения ортогональных моделей корреляционно-спектральных функций и их обобщенных характеристик;

3)анализа погрешностей оценки параметров ортогональных моделей кор- реляционно-спектральных характеристик;

4)построения ортогональных моделей корреляционно-спектральных характеристик при комплексных испытаний изделий авиационно-космической техники.

Задания вычислительного практикума выполняются как с помощью математического пакета Mathcad, так и с помощью разработанной автоматизированной информационной системы.

Учитывая разнообразие вероятностных характеристик случайных процессов, естественно, работу в этой области нельзя считать решенной в полной мере. Однако, автор полагает, что предлагаемый базовый вариант вычислительного практикума предоставляет возможность для обучения научных сотрудников, аспирантов и студентов методам построения ортогональных моделей корреляционно-спектральных характеристик случайных процессов, имитационного моделирования и обработки случайных процессов, связанных, в том числе, с комплексными испытаниями авиаци- онно-космической техники. Полученные результаты моделирования и обработки результатов комплексных испытаний с помощью автоматизированной информационной системы могут экспортироваться в MS Excel и MS Word, что существенно облегчает их дальнейшее использование.

Отметим, что предлагаемый перечень работ вычислительного практикума отражает лишь опыт и точку зрения автора и может быть существенно расширен как по номенклатуре работ, так и по количеству пунктов исследований в каждой работе.

152

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]