Теории управления

t


Выводы :

1) Динамические системы радиоавтоматики описыва-

ются дифференциальными уравнениями 1, 2 и бо-

лее высокого порядка ( например: колебатель-

ная система(солнечная система, автогенератор,

полет космического аппарата в поле притяже-

ния земли) описывается диф. уравнением 2-го

порядка и выше.

2) Линейные динамические системы описываются ли-

нейными диф. уравнениями. Линейная динамичес-

кая система составленная из R,L,C - цепочек и

активных элементов (транзисторов и т.д.).

Любая линейная система путем преобразования

Лапласа может быть представлена в виде пере-

даточной функции.(Диф. уравнение преобразует-

ся по Лапласу). Передаточная функция записы-

вается для удобства в комплексном виде, на

мнимой оси p=jw можно найти АЧХ и ФЧХ линей-

ной системы. Передаточная функция дает инфор-

мацию об устойчивости системы.

3) Нелинейные динамические системы описываются

нелинейными диф. уравнениями, в этих системах

обязательно есть нелинейность вида (

и др.), общих решений и анализа через переда-

точную функцию как правило не существует, по-

этому есть два метода :

а) численный метод (Эйлера и др.) (восстановле-

ние по точкам)

б) решение диф. уравнений методом фазового порт-

рета (качественная теория). (Это наглядный

путь выяснения поведения нелинейной системы)


Стохастические системы


Стохастика - случайность.


Определение: Динамическая система называется стохастичес-

кой , если она описывается дифференциальным

или разностным уравнением, в правую часть

которого входит случайный процесс.


Такую систему можно представить в виде линейного или не-

линейного четырехполюсника, на вход которого подается шум


Стохастическая

x(t) система X(t)


x(t)- шум

X(t)- выходной процесс


Составление модели любой динамической системы должно

в реальных условиях(например движение самолета или раке-

ты) составляться с помощью предварительных экспериментов

над движением реальной системы. (Как правило это диффе-

ренциальные или разностные уравнения) и в эти уравнения

вставляется некоторый шум, который является случайным

процессом.

Для дальнейшего составления модели используется иден-

тификация модели на основании эксперимента или экспери-

ментальных данных.


Идентификацией называется оценка коэффициентов разност-

ного уравнения и оценка параметров шума:

дисперсии, мат. ожидания, ковариации и др.


Идентификация служит для того, чтобы реальный процесс и

модель были близки.Получив модель мы имеем возможность,

используя эту модель, получить близкую к реальной карти-

не ситуацию движения системы и создать управление ситуа-

цией по нашей модели.


Вывод: Модель нужна, чтобы на ЭВМ научиться проектировать

управляемые динамические системы для любых такти-

ческих ситуаций, известных из практики.


Правильно созданная модель - это максимум успеха в проек-

тировании эффективной систе-

мы. После создания и отработки модели стохастической ди-

намической системы создается аппаратура по этой модели,

которая проверяется на динамическом стенде.


Динамический стенд - 2й этап моделирования реальной ситу-

ации уже с аппаратурой.

3й этап состоит в проверке аппаратуры на полигоне.( На

борту транспортного или военного средства).


Моделирование случайных процессов с дискретным временем


(1) - выборка случайного процесса с дискретным

временем.

X(t) Процесс (1) в общем виде очень

трудно анализировать, этот про-

цесс, как правило, получен из

эксперимента. Этот реальный

процесс обычно аппроксимируется

другим процессом, который поз-

волит нам математически созда-

t вать модели, близкие к реально-

му процессу.

Такое создание моделей называется - аппроксимацией.

Сам аппроксимирующий процесс называется агрегат.


Марковская аппроксимация случайных процессов


Марковским процессом называется такой процесс, у которого

многомерная плотность вероятности

факторизуется в следующем виде : . Некоторые

значения фазовых переменных в n-мерном пространстве - это

многомерная плотность вероятности


Двумерная плотность Многомерная ФПВ несет всю ин-

вероятности формацию о случчайном процес-

W(x,y) се. Больше информации не су-

ществует.

Однако использовать эту мно-

гомерную ФПВ чрезвычайно сло-

жно на практике, поэтому час-

то прибегают к некоторым ап-

проксимациям процесса :

Y


X

Аппроксимировать - выбрать такие отсчеты

процесса в моменты времени , чтобы все были

независимы, тогда многомерная ФПВ факторизуется следую-

щим образом: - факторизация.

Однако при такой факторизации может потеряться информа-

ция о случайном процессе. Есть потеря информации для

произвольных отсчетов (кореллированность процесса).

Существует 2й способ аппроксимации - марковский способ

аппроксимации. Для марковских процессов многомерная ФПВ

факторизуется так :


(2) , где - ус-

ловная плотность вероятности.

Факторизация (2) позволяет сильно упростить математичес-

кие выкладки в задачах фильтрации и управления.


Определение : Процесс называется марковским, если выпол-

няется условие (2)


Оказывается, существует очень много генераторов марковс-

ких процессов. Мы переходим к их рассмотрению.


Процессы авторегрессии


Процесс авторегрессии - простой генератор марковского

процесса.


1. Односвязная регрессия


(3)

- задано.

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.
Подробнее

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: