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) |
Случайные процессы в системах управления
Основы вариационного исчисления Пусть имеется плоская система координат, на которой заданы следующие категории (Рисунок 3.8). Пусть y(x) – кратчайший путь от М1 до М2, тогда yx(x) – отличная от y(x) траектория на бесконечно малую величину в каждой точки пути от М1 до М2. Выразим это через операцию варьирования (34):
d(y)=y(x)-yx(x), (34) Варьирование – это бесконечно малое изменение функции при заданном значении аргумента. Именно фиксированность аргумента отличает вариацию от производной.
Рисунок 3.8 – Графическое изображение вариационной модели
Вариационное исчисление носило широкое применение в биологических и социологических исследованиях. Варьирование можно определить также, как различие реакции объектов не одно и тоже входное воздействие. В исследованиях организованных систем управления можно попытаться применить вариационное исчисление в теории мотивации, а также везде, где наблюдается влияние биологических и социальных факторов на конечный результат работы системы. Случайными процессами называются множество случайных величин X, изменяющихся в зависимости от времени t, или другого параметра. Параметр t может быть дискретным или непрерывным. Случайные процессы, т.к. они содержат множество случайных величин, могут быть охарактеризованы только многомерными распределениями. Случайный процесс считается заданным, если для набора параметров <t1, t2…tn> задано многомерное распределение показателей X следующего вида (35). (35) Как правило, такое многомерное распределение является нормальным. Случайные процессы X(t) называются процессами с независимыми значениями, если для любого набора от t1…tn случайные величины X независимы. Независимость случайных процессов имеет многомерное распределение, которая разлагается по одномерному распределению (36). (36)
Математическим ожиданием случайного процесса X(t) называется неслучайная функция. Значение средней при фиксированном значении t=t0 равно математическому ожиданию случайной величины X(t0). Рассмотрим разновидность случайных процессов называемых марковскими. Случайный процесс Х (t) называется марковским, если вероятность попасть в состояние XI=SJ в момент времени tI зависит не от всего прошлого, а от состояния Xi-1=S2, в котором процесс был в предыдущий момент времени. Система как бы «забывает» более длительную предисторию. Марковские процессы, для которых разности смежных моментов наблюдения равны постоянному значению и все возможные варианты состояния перечисленных называются цепями Маркова. Представим схему марковского процесса на рисунке 3.9. Рисунок 3.9 – Схема марковского случайного процесса
Дата добавления: 2014-11-26; Просмотров: 650; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |