- •Е. Д. Агафонов, о. В. Шестернёва Математическое моделирование линейных динамических систем
- •© Сибирский федеральный университет, 2011
- •Оглавление
- •Предисловие
- •Глава 1 Параметрические регрессионные модели
- •1.1. Линейная регрессия
- •1.2. Метод наименьших квадратов. Критерий метода наименьших квадратов
- •1.3. Идентификация линейных по параметрам моделей с использованием метода наименьших квадратов
- •1.4. Линейный метод наименьших квадратов с использованием ортогональных полиномов
- •1.5. Рекуррентный метод наименьших квадратов
- •1.6. Линейная аппроксимация метода наименьших квадратов
- •1.7. Методы максимального правдоподобия и максимума апостериорной вероятности
- •1.8. Метод инструментальных переменных
- •1.9. Реализация метода наименьших квадратов в пакете matlab
- •1.10. Метод стохастической аппроксимации
- •Контрольные задания
- •Глава 2 Непараметрические регрессионные модели
- •2.1. Непараметрическая оценка плотности распределения вероятностей Розенблатта–Парзена
- •2.2. Непараметрическая оценка регрессии Надарая–Ватсона
- •Контрольные задания
- •Глава 3 модели линейных динамических систем
- •3.1. Способы описания линейных динамических систем
- •3.2. Модель динамической системы в виде представления Фурье (модель сигнала)
- •3.3. Частотный метод описания линейных динамических систем
- •3.4. Определение передаточной функции линейных динамических систем на основе спектральных плотностей
- •Контрольные задания
- •Глава 4 непараметрические модели линейных динамических систем
- •4.1. Постановка задачи идентификации линейных динамических систем
- •4.2. Математическое описание и построение непараметрической модели линейных динамических систем
- •4.3. Оптимизация непараметрических моделей линейных динамических систем
- •4.4. Непараметрические модели линейных динамических систем на основе уравнения Винера–Хопфа
- •Контрольные задания
- •Заключение
- •Библиографический список
- •Англо-русский словарь терминов
- •Сходимость статистических оценок
- •660041, Г. Красноярск, пр. Свободный, 79.
- •660041, Г. Красноярск, пр. Свободный, 82а.
Контрольные задания
Дайте определение понятия «линейная система». Приведите примеры линейных систем.
Поясните суть принципа суперпозиции.
Дайте определение понятия «динамическая система».
Объясните физический смысл весовой функции.
Приведите характеристики линейной динамической системы.
Выведите интеграл Дюамеля, запишите различные его формы.
Укажите, каким соотношением связаны весовая и переходная функции.
Назовите основные свойства линейной динамической системы.
Поясните, что представляет собой модель сигнала.
Дайте определение понятия «спектр сигнала».
Приведите определение понятия «комплексный коэффициент передачи».
Раскройте связь между преобразованиями Фурье и Лапласа.
Охарактеризуйте случайный процесс.
Объясните различие между понятиями «спектральная плотность» и «спектральная функция».
Назовите и объясните основные свойства спектральных плотностей.
Глава 4 непараметрические модели линейных динамических систем
Далее будет описан непараметрический подход к моделированию линейных динамических систем, предполагающий представление моделей ЛДС в виде интеграла свертки и интегрального уравнения Винера–Хопфа, и затронуты аспекты оптимизации моделей. Процедуры моделирования даются как с применением стандартных тестовых входных сигналов, так и в режиме нормальной эксплуатации объектов моделирования.
4.1. Постановка задачи идентификации линейных динамических систем
Идентификация линейного динамического объекта в общем виде может быть представлена следующим образом (рис. 4.1).
Рис. 4.1. Схема идентификации линейного динамического объекта
На схеме приняты следующие обозначения: Объект – линейный динамический стационарный объект, на который действует ненаблюдаемое случайное воздействие ; – входные переменные объекта; – выходные переменные объекта; – соответствующие наблюдения переменных процесса, которые далее будем обозначать ; – случайные помехи в каналах измерения, такие что ; – выход модели объекта. Доступная априорная информация содержит только выборки измерений входных и выходных переменных объекта, данные о структуре объекта отсутствуют. Необходимо построить математическую модель стохастического объекта, адекватно описывающую его поведение при произвольном входном воздействии.
Линейные динамические объекты могут быть заданы различными способами: системами обыкновенных дифференциальных уравнений, системами уравнений в частных производных, которые могут быть аппроксимированы обыкновенными дифференциальными уравнениями, содержащими только производные по времени, или системами разностных уравнений на детерминированной или стохастической основе, в которых динамические свойства объектов определяются производными по времени или соответствующими им разностными выражениями. Эти способы описания позволяют получать обобщенные зависимости, характеризующие поведение объектов в динамических режимах.
В настоящее время существует большое количество методов построения моделей, каждый из которых имеет свои достоинства и недостатки, и выбор конкретного метода зависит от полноты сведений об исследуемом процессе и случайных помехах, действующих на объект и в каналах связи. Такую информацию об объекте называют априорной. В зависимости от объема априорная информация имеет четыре уровня:
– уровень полной информации об исследуемом процессе, когда точно известны модель объекта, законы распределения помех и уравнения каналов измерения;
– уровень неполной информации об исследуемом процессе, когда параметры модели и параметры плотности вероятности помех неизвестны;
– уровень параметрической неопределенности, когда вид оператора объекта задан с точностью до набора параметров, а плотности вероятности помех неизвестны;
– уровень непараметрической неопределенности, когда вид оператора объекта не задан, а известны лишь некоторые качественные свойства исследуемого процесса.
В дальнейшем мы будем рассматривать постановку задачи идентификации ЛДС при непараметрической неопределенности.