- •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
32.Корреляционный анализ дискретных систем, заданных разностными уравнениями
Как и для непрерывных систем, здесь удобно использовать метод моментов. Для этого уравнение многомерной дискретной автоматической системы в векторно-матричной форме представляется в виде
; (5.32)
где Y(k) – n-мерный вектор; – дискретный гауссов центрированный белый шум с матрицей дисперсий G(k); – детерминированная последовательность (управляющее воздействие); – заданные (известные) матрицы коэффициентов.
Применяя операцию математического ожидания к правой и левой частям выражения (5.32), получаем разностное уравнение для вектора математического ожидания
. (5.33)
Вычитая почленно из уравнения (5.32) уравнение (5.33), получаем уравнение для центрированного вектора
. (5.34)
Выражение для корреляционной матрицы процесса имеет вид
. (5.35)
Подставив в (5.35) выражение (5.34) для и соответственно для :
(5.36)
и выполнив соответствующие преобразования, получим разностное уравнение для корреляционной матрицы :
. (5.37)
В уравнении (5.37) учтено, что и независимы (некоррелированы).
Для установившегося режима в стационарной дискретной системе (если такой существует) из выражений (5.33) и (5.37) получаем следующую систему алгебраических уравнений:
, (5.38)
. (5.39)
Из алгебраических уравнений (5.38) и (5.39) определяются установившиеся значения и .
Для определения установившихся значений и могут использоваться рассмотренные ранее методы, основанные на заданных известных характеристиках входного сигнала и заданной передаточной функции системы (требуемой передаточной функции).
При этом необходимо учесть особенности и свойства передаточных функций дискретных систем.
33. Особенности вероятностного анализа нелинейных систем.
Нелинейной системой называется динамическая система, для которой не выполняется принцип суперпозиции.
A – оператор системы.
Система является нелинейной при наличии в ней хотя бы одного элемента, для которого не выполняется принцип суперпозиции.
Динамические процессы в нелинейных системах существенно сложнее процессов, происходящих в линейных системах.
Нелинейные элементы систем в отличие от линейных, приобретают характер случайных процессов, изменяют их законы распределения.
Задачи анализа нелинейных динамических систем, находящихся под воздействием случайных возмущений, состоят в определении законов распределения или вероятностных численных характеристик всех или только выходных переменных; в исследовании зависимости этих характеристик от параметров системы, в определении точности преобразования полезных сигналов и т. д.
Для произвольных нелинейных систем не существует общего точного метода определения интересующих нас вероятностных характеристик.
Поэтому большое значение имеют приближенные методы решения задач анализа, которые основаны на линеаризации нелинейностей.
После линеаризации нелинейностей формально может быть применена линейная теория вероятностного анализа и прежде всего корреляционного.
При корреляционном анализе нелинейных систем применяются те же критерии точности, которые рассмотрены ранее для линейных систем, и определяются вероятностные моменты случайных процессов.
Основными вероятностными моментами здесь являются, как и ранее, математические ожидания и корреляционные функции.
Основные методы линеаризации стохастических систем следующие:
Линеаризация разложением в ряд применяется для т.н. «гладких» (дифференцируемых) нелинейностей.
Гармоническая линеаризация применяется при действии на нелинейные элементы гармонических (синусоидальных) сигналов.
Статистическая линеаризация применяется при случайных входных сигналах и т.н. «существенных» (недифференцируемых) нелинейностях.
Т.к. гармоническая линеаризация в основном применяется при анализе детерминированных процессов, то рассмотрим подробнее две другие.