Теории управления
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()

![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
Разностные модели на примере модели 2-го порядка
(3)
- разностная
модель 2-го порядка
- приращение,
характеризует
скорость изменения
процесса
Модель
с приращением
удобна в том
плане,
что не требуется
заранее
знать
коэффициенты
регрессии.
![]()
![]()
Разностные модели 3-го порядка
(4)

- 1-я
разность
- 2-я
разность
1-я разность характеризует скорость изменения случайного
процесса.
2-я разность характеризует ускорение.
Модель (3) и (4) очень широко иcпользуется на практи-
ке, т.к. здесь почти нет коэффициентов, которые нужно
идентифицировать
( а и
), они легко
подбираются
на ЭВМ
по методу наименьших квадратов. Для этого надо иметь ре-
альный процесс отсчетов , модель (4) и нужно воспользо-
ваться следующей формулой МНК/метод наименьших квадратов/

![]()
min
где,
- модель,
- реальный
процесс
Суть МНК состоит в следующем :
Есть
m-отсчетов
реального
процесса, есть
m-отсчетов
![]()
модели, составляется сумма квадратов и подбираются пара-
метры
(а,
)
так, чтобы
минимизировать
эту сумму (делает-
ся это на ЭВМ)(метод перебора) но в авторегрессии m-го
порядка. Сделать это очень сложно.
Модели скользящего среднего
Пусть
- независимая
случайная
величина, с
произвольным
распределением
(очень часто
гауссовское
распределение)
М
=0
; М
=
;
(процесс не
коррелирован)
Тогда процесс
(1)
![]()
называется процессом скользящего среднего. Этот
процесс
сформирован
полностью из
шума
(из белого шума)
путем сдвига и весового суммирования.
(
- весовые коэффициенты).
Сумма (1) генерирует
процесс
.
Процесс
- коррелированный
марковский
процесс.
![]()
Генератор скользящего среднего для формулы (1)
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
a


![]()
![]()
![]()
i
![]()
![]()
![]()
![]()
![]()
![]()
x
![]()
![]()
![]()
![]()
![]()
:
i
:
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
Модель авторегрессии и скользящего среднего
авторегрессия скользящее среднее
![]()
![]()
![]()
![]()
генератор
генератор
![]()
случайного сигнала авторегресии
Здесь
- белый шум;
-
марковский(модельный)процесс,
n=1,2....
Между генераторами процесс коррелирован.
![]()
Многомерная марковская модель
(1)
, где
![]()
;
;

Это самая распространенная модель
(2)

В модели (1) шумы характеризуются матрицей ковариации в
отличие от авторегрессии, под которой понимается следую-
щее:
;
;
![]()
- столбец