КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Моделирование работы подвижного состава с использованием марковских случайных процессов
То Решение Решение Решение Согласно приведенному мнемоническому правилу система дифференциальных уравнений Колмогорова имеет вид (2.9)
Начальные условия при
Рассмотрим, что произойдет с системой описываемой дифференциальными уравнениями Колмогорова, при Известно, что в случае сообщающихся состояний функции стремятся к предельным (финальным) вероятностям состояний системы Финальные вероятности не зависят от времени. Поэтому в системе дифференциальных уравнений Колмогорова все левые части уравнений (производные) принимают равными нулю. При этом система дифференциальных уравнений превратится в систему линейных алгебраических уравнений. Для нашего примера система (2.9) будет иметь вид (2.10) Решая ее с учетом условия получим все предельные вероятности. Эти вероятности представляют собой не что иное, как среднее относительное время пребывания системы в данном состоянии.
Рис. 2.5. Граф состояний системы S Состояния S1, S2 и S5 — несущественные, так как из S{ можно уйти, например, в состояние S2 и не вернуться, а из состояния S2 — в состояние S3 или S4 и не вернуться, аналогично из состояния S5 - в состояние S6 и S7. Состояния S3, S4, S6 и S7 — существенные состояния. Теорема. При конечном числе состоянии для существования финальных вероятностей необходимо и достаточно, чтобы из каждого существенного состояния можно было (за какое-то число шагов) перейти в каждое другое существенное состояние. Граф из примера рис. 2.5 этому условию не удовлетворяет, так как из существенного состояния S4 нельзя перейти в существенное состояние S7. Если система S имеет конечное число состояний S1, S2,..., Sn, то для существования финальных вероятностей достаточно, чтобы из любого состояния системы можно было (за какое-то число шагов) перейти в любое другое состояние.
Если число состояний S1, S2,..., Sn бесконечно, то это условие перестает быть достаточным, и существование финальных вероятностей зависит не только от графа состояний, но и от интенсивности А,0. При исследовании непрерывных марковских цепей, как было уже отмечено, часто бывает удобно представить переход системы из состояния в состояние как воздействие каких-то потоков событий (поток заявок на обслуживание, поток автомобилей, поток документов и т. п.). Различают следующие основные свойства, которыми могут обладать случайные потоки событий: • стационарность; • ординарность; • отсутствие последействия. Свойство стационарности проявляется в том, что вероятность попадания того или иного числа событий на участок времени т зависит только от длины участка и не зависит от расположения на оси Оt. Другими словами, стационарность означает неизменность вероятностного режима потока событий во времени. Поток, обладающий свойством стационарности, называют стационарным. Для стационарного потока среднее число событий, воздействующих на систему в течение единицы времени, остается постоянным. Реальные потоки событий в экономике предприятия являются в действительности стационарными лишь на ограниченных участках времени. Свойство ординарности потока присутствует, если вероятность попадания на элементарный участок времени двух и более событий пренебрежимо мала по сравнению с длиной этого участка. Свойство ординарности означает, что за малый промежуток времени практически невозможно появление более одного события. Поток, обладающий свойством ординарности, называют ординарным. Реальные потоки событий в различных экономических системах либо являются ординарными, либо могут быть достаточно просто приведены к ординарным.
Отсутствие последействия — это свойство потока, которое состоит в том, что для любых непересекающихся участков времени количество событий, попадающих на один из них, не зависит от того, сколько событий попало на другие участки времени. Поток, обладающий свойством отсутствия последействия, называют потоком без последействия. Поток событий, одновременно обладающий свойствами стационарности, ординарности и отсутствия последействия, называется простейшим потоком событий. Под интенсивностью потока понимают (2.11)
Для простейшего потока интенсивность Если поток событий не имеет последействия, ординарен, но не стационарен, то его называют нестационарным пуассоновским потоком, а его интенсивность зависит от времени, т. е. В пуассоновском потоке событий (стационарном и нестационарном) число событий потока, попадающих на любой участок, распределено по закону Пуассона: (2.12)
Для простейшего потока а для нестационарного пуассо- новского потока (2.13)
Отметим еще одно важное свойство простейшего потока событий. Промежуток времени t между соседними событиями распределен по показательному закону, а его среднее значение и среднее квадратическое отклонение а равны, т. е. (2.14) где — интенсивность потока.
Рассмотрим еще одну типичную схему непрерывных марковских цепей, так называемую схему гибели и размножения, часто встречающуюся в разнообразных практических задачах. Марковский процесс с дискретными состояниями ..., Sn называется процессом гибели и размножения, если все состояния можно вытянуть в одну цепочку, в которой каждое из средних состояний может переходить только в соседние со- стояния, которые, в свою очередь, переходят обратно, а крайние состояния переходят только в соседние состояния (рис. 2.6). Рис. 2.6. Граф состояний для процесса гибели и размножения Название взято из биологических задач, где состояние популяции означает наличие в ней единиц особей.
Переход вправо связан с размножением единиц, а влево — с их гибелью. — интенсивности размножения, — интенсивности гибели. У X и [I индекс того состояния, из которого стрелка выходит. С состоянием связана неслучайная величина если система в момент времени t находится в состоянии , то дискретная случайная величина , связанная с функционированием системы, принимает значение к. Таким образом, получаем случайный процесс , который в случайные, заранее неизвестные моменты времени скачком изменяет свое состояние. Марковским процессом гибели и размножения с непрерывным временем называется такой случайный процесс, который может принимать только целые неотрицательные значения. Изменения этого процесса могут происходить в любой момент времени, т. е. в любой момент времени он может либо увеличиться на единицу, либо уменьшиться на единицу, либо остаться неизменным. В практике встречаются процессы чистого размножения и чистой гибели. Процессом чистого размножения называется такой процесс гибели и размножения, у которого интенсивности всех потоков гибели равны нулю; аналогично процессом чистой гибели называется такой процесс гибели и размножения, у которого интенсивности всех потоков размножения равны нулю. Пример 2.4. Рассмотрим эксплуатацию моделей автомобилей одной марки в крупной транспортной фирме (на предприятии). Интенсивность поступления автомобилей на предприятие равна Каждый поступивший на предприятие автомобиль списывается через случайное время Срок службы автомобиля распределен по показательному закону с параметром Процесс эксплуатации автомобилей является случайным процессом. — число автомобилей данной марки, находящихся в эксплуатации в момент t. Найдем одномерный закон распределения случайного процесса если: 1) нет ограничений на число эксплуатируемых машин; 2) на предприятии может эксплуатироваться не более п автомобилей. Решение 1. Случайный процесс эксплуатации автомобилей есть процесс гибели и размножения, размеченный граф которого представлен на рис. 2.7.
Рис. 2.7. Граф состояний Система уравнений Колмогорова, соответствующая этому графу, имеет вид (2.15) где / = 1, 2,... Если в начальный момент времени на предприятии не бы- ло ни одного автомобиля, то решать эту систему уравнений нужно при начальных условиях Если при на предприятии было автомобилей то началь- ные условия будут иметь вид 2. Если на предприятии может эксплуатироваться не более п автомобилей моделей одной марки, то имеет место процесс гибели и размножения с ограниченным числом состояний л, размеченный граф которого представлен на рис. 2.8.
Рис. 2.8. Граф состояний Система уравнений Колмогорова для размеченного графа (рис. 2.8) имеет вид:
(2.16)
Эту систему надо решать при начальных условиях, рассмотренных выше. Решения систем уравнений (2.15) и (2.16) являются одномерными законами распределения Отыскание решений систем (2.15) и (2.16) в общем виде при произвольном виде функции представляет значительные трудности и не имеет практических приложений. При постоянных интенсивностях потоков гибели и размножения и конечном числе состояний будет существовать стационарный режим. Система S с конечным числом состояний (п + 1), в которой протекает процесс гибели и размножения с постоянными интенсивностями потоков гибели и размножения, является простейшей эргодической системой. Размеченный граф состояний для такой системы представлен на рис. 2.9. Предельные (финальные) вероятности состояний для простейшего эргодического процесса гибели и размножения, находящегося в стационарном режиме, определяются по следующим формулам: (2.17)
Рис. 2.9. Граф состояний (2.18) Правило. Вероятность к-го состояния в схеме гибели и размножения равна дроби, в числителе которой стоит произведение всех интенсивностей размножения, стоящих левее , а в знаменателе — произведение всех интенсивностей гибели, стоящих левее , умноженной на вероятность крайнего левого состояния системы В примере 2.4 для стационарного режима если интенсивность поступления автомобилей постоянная то фи- нальные вероятности состояний при условии, что нет ограничений на число автомобилей на предприятии, равны: (2.19) (2.20) При этом математическое ожидание числа эксплуатируемых автомобилей равно его дисперсии: (2.21) Если существует ограничение по числу автомобилей на предприятии (не более n), то финальные вероятности равны (2.22) (2.23) Математическое ожидание числа эксплуатируемых автомобилей в стационарном режиме (2.24) Пример 2.5. В состав ЭВМ входят четыре накопителя на магнитных дисках (НМД). Бригада в составе четырех человек обслуживающего персонала проводит профилактический ремонт каждого диска. Суммарный поток моментов окончания ремонтов для всей бригады — пуассоновский с интенсивностью . После окончания ремонта диск проверяется; с вероятностью Р он оказывается работоспособным (время проверки мало, и им можно пренебречь по сравнению со временем профилактики). Если диск оказался неработоспособным, то вновь проводится его профилактика (время на которую не зависит от того, проводилась ли она ранее) и т.д. В начальный момент все НМД нуждаются в профилактическом ремонте1. Требуется: 1) построить граф состояний для системы (четыре НМД); 2) написать дифференциальные уравнения для вероятностей состояний; 3) найти математическое ожидание числа дисков, успешно прошедших профилактику к моменту , 1. Граф состояний показан на рис. 2.10, в котором — все четыре НМД нуждаются в профилактическом ремонте; — один НМД успешно прошел профилактику, а три НМД нуждаются в профилактическом ремонте; — два НМД успешно прошли профилактику, а два нуждаются в профилактическом ремонте; — три НМД успешно прошли профилактику, один нуждается в профилактическом ремонте; — все четыре НМД успешно прошли профилактику.
Рис. 2.10. Граф состояний системы Каждый профилактический ремонт успешно заканчивается с вероятностью р, что равносильно /^-преобразованию потока окончаний ремонтов, после которого он остается пуассоновским, но с интенсивностью pk(f). В этом примере мы имеем дело с процессом чистого размножения с ограниченным числом состояний. 2. Уравнения Колмогорова имеют следующий вид:
(2.25)
Начальные условия При по- стоянной интенсивности и вероятности состояний опреде- ляются по следующим формулам:
(2.26)
3. Математическое ожидание числа дисков, успешно прошедших профилактику к моменту равно: (2.27) Пример 2.6. Рассмотрим производство автомобилей на заводе. Поток производимых автомобилей — нестационарный пуассонов-ский с интенсивностью . Найдем одномерный закон распределения случайного процесса — число выпущенных автомобилей к моменту времени t, если в момент начат выпуск автомобилей. Очевидно, что здесь процесс чистого размножения без ограничения на число состояний, при этом , так как интенсивность выпуска автомобилей не зависит от того, сколько их уже выпущено. Граф состояний такого процесса показан на рис, 2.11.
Рис. 2.11. Граф состояний Одномерный закон распределения случайного процесса для графа, изображенного на рис. 2.11, определяется следующей системой уравнений Колмогорова:
Так как число выпущенных автомобилей на любой фиксированный момент / распределено по закону Пуассона с параметром
Рассмотренный в этом примере процесс называется неоднородным процессом Пуассона. Если интенсивность :, то получим однородный процесс Пуассона. Для такого процесса при
Представим автомобиль как некоторую систему с дискретными состояниями которая переходит из состояния в состояние под влиянием случайных событий (отказов). На стадии прогнозирования (планирования) работы автомобиля целесообразно рассматривать следующие состояния, в которых подвижной состав может находиться в процессе эксплуатации и котооые характеризуются целодневными простоями: — исправен, работает; — находится на капитальном ремонте (КР); — проходит ; — находится в текущем ремонте (ТР); — исправен, не работает по организационным причинам (без — не работает, снятие агрегата для отправки на капитальный — не работает, списание агрегата, замена на новый; — исправен, не работает (выходные и праздничные дни); — списывается. Надо отметить, что в настоящее время вышеперечисленные состояния автомобиля планируются при разработке годовой программы работы автотранспортного предприятия (АТП), при этом состояния объединяются в одно состояние «находится в ТР». Для анализа процесса эксплуатации автомобиля как случайного процесса с дискретными состояниями удобно воспользоваться геометрической схемой, так называемым графом состояний (рис. 2.12). Граф состояний изображает возможные состояния автомобиля и его возможные переходы из состояния в состояние. На рис. 2.12 через и обозначены плотности вероятностей перехода автомобиля из состояния в состояние Напри-
Рис. 2.12. Граф состояний автомобиля мер, — плотность вероятности перехода автомобиля из состояния «исправен, работает» в состояние «находится в текущем ремонте». Можно считать, что события, переводящие автомобиль из состояния в состояние, представляют собой потоки событий (например, потоки отказов). Если все потоки событий, переводящие систему (автомобиль) из состояния в состояние, пуассоновские (стационарные или нестационарные), то процесс, протекающий в системе, будет марковским, а плотности вероятности перехода в непрерывной цепи Маркова представляют собой интенсивности потока событий, переводящего систему из состояния в состояние . Например, — интенсивность потока отказов автомобиля, который переводит автомобиль из состояния «исправен, работает» в состояние «находится в ТР». Рассматриваемые состояния автомобиля характеризуются средним числом дней пребывания автомобиля в каждом состоянии . Показатели находят отражение в статистической отчетности автотранспортного предприятия. Отношение (2.28) где — число календарных дней в году. можно трактовать как вероятность нахождения автомобиля в -м состоянии. Вероятности состояний автомобиля как функции пробега в случае марковского процесса с дискретными состояниями и непрерывным временем удовлетворяют определенного вида дифференциальным уравнениям (уравнениям Колмогорова), записываемым в виде
Число уравнений в системе (2.29) зависит от числа состояний автомобиля. Вероятность нахождения автомобиля в состоянии «ис-правен-работает» представляет собой коэффициент выпуска а сумма вероятностей - коэф- фициент технической готовности автомобиля. Поскольку большинство интенсивностей перехода зависят от пробега, то решение системы (2.29) производится с помощью методов численного интегрирования, например метода Рунге-Кутта. Необходимо учесть, что для расчета производственной программы АТП требуется зачастую определять показатели работы группы автомобилей определенной модели у-го возраста (коэффициент выпуска и годовой пробег автомобиля у-й возрастной группы). Для описания процесса функционирования группы автомобилей может быть использован метод динамики средних. Этот метод вытекает из теории марковских случайных процессов. Удобство его заключается в том, что, зная возможные состояния одного (условного) автомобиля, можно моделировать процесс функционирования группы из любого числа автомобилей. Схема, изображающая процесс работы условного автомобиля определенной модели, аналогична схеме рис. 2.12, лишь с той разницей, что через и обозначены средние интенсивности потоков событий, переводящих автомобиль из состояния S; в состояние Sp и наоборот. При этом каждое состояние характеризуется средней численностью автомобилей Nj(t), находящихся в нем в момент времени t. Очевидно, что для любого / сумма численностей всех состояний равна общей численности автомобилей исследуемой группы: Величина для любого / представляет собой случайную ве- личину, а при меняющемся / — случайную функцию времени. Зная граф состояний (рис. 2.12) и соответствующие интенсивности перехода Х/7 и jli/7, определим средние численности автомобилей как функции пробега Согласно графу состояний (рис. 2.12) система дифференциальных уравнений для средних численностей состояний запишется следующим образом:
(2.30) Отношение равно коэффициенту выпуска автомоби- лей определенной модели на пробеге L с начала их эксплуатации, а отношение — коэффициенту техниче- ской готовности автомобилей. Докажем, что формулы для определения коэффициентов технической готовности (ктг), выпуска подвижного состава (осв) являются частным случаем, соответствующим стационарному решению системы уравнений (2.30), описывающей функционирование автопарка. Для расчета средней численности автомобилей, находящихся в исправном состоянии, можно предварительно объединить состояния в одно состояние: «исправен» — Тогда граф состояний условного автомобиля примет вид, представленный на рис. 2.13.
Рис. 2.13. Граф состояний условного автомобиля Система дифференциальных уравнений для средних численно-стей подвижного состава запишется следующим образом:
Положим левые части уравнений равными нулю, получим систему алгебраических уравнений для средних численностей состояний автопарка, работающего в стационарном режиме:
Решим систему алгебраических уравнений с учетом так называемого нормировочного условия: где , - среднесписочная численность автопарка, шт. Для примера из системы (2.32) определим неизвестные средние численности состояний, используя N{. Так, из второго и третьего уравнений имеем
Согласно нормировочному условию
Подставляя в первое уравнение (2.32), получим:
Разделим полученное уравнение на jn^:
Последнее уравнение можно записать следующим образом:
Тогда коэффициент технической готовности равен: (2.37) интенсивности перехода автомобиля в состояния «техническое обслуживание», «текущий ремонт», «капитальный ремонт» соответственно, отк/тыс. км; интенсивности восстановления, равные обратным средним величинам продолжительности соответствующих ремонтных воздействий технического обслуживания (ТО-2), текущего ремонта (ТР), капитального ремонта (КР), отк/день.
Дата добавления: 2017-01-14; Просмотров: 724; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |