Эволюция ковариационной матрицы фазового вектора системы

Процесс построения эволюции ковариационной матрицы линейной (линеаризованной) динамической системы сводится к интегрированию дифференциального уравнения вида:

,

где
– ковариационная матрица фазового вектора системы из уравнения
,
смысл матриц и очевиден из уравнения,
– матрица интенсивностей вектора белого шума .

Проблема построения ковариационной матрицы фазового вектора нелинейной системы в данном контексте лишена смысла, поскольку под воздействием нелинейных преобразований гауссовская плотность распределения входных случайных процессов будет искажена, т.е. компоненты фазового вектора будут уже негауссовскими. Следовательно, вектор математических ожиданий и ковариационная матрица уже не смогут являться исчерпывающими статистическими характеристиками фазового вектора динамической системы.

Статистическая линеаризация

Статистическая линеаризация позволяет преобразовать исходную нелинейную динамическую систему т.о., чтобы для ее анализа удалось воспользоваться методами, алгоритмами, соотношениями, справедливыми для линейных систем.

Настоящий раздел посвящен изложению метода статистической линеаризации, основывающемуся на наиболее простом приближенном подходе, предложенным проф. И.Е. Казаковым, позволяющем, тем не менее, построить оценки точности системы, содержащей даже существенные нелинейности с разрывными характеристиками.

Статистическая линеаризация состоит в замене исходной безынерционной нелинейной зависимости между входным и выходным процессами такой приближенной зависимостью , линейной относительно центрированного входного случайного процесса , которая является эквивалентной в статистическом смысле по отношению к исходной:

Звено, обладающее такой приближенной зависимостью между входным и выходным сигналами, называется эквивалентным рассматриваемому нелинейному звену .

Величина выбирается исходя из условия равенства математических ожиданий нелинейного и линеаризованного сигналов и носит название статистической средней характеристики эквивалентного звена:

,

где – плотность распределения входного сигнала .

Для нелинейных звеньев с нечетными характеристиками, т.е. при , статистическую характеристику удобно представить в виде:

,

где:

– математическое ожидание входного сигнала ;
– статистический коэффициент усиления эквивалентного звена по средней составляющей .

Т.о. эквивалентная зависимость в данном случае приобретает вид:

.

Характеристику называют статистическим коэффициентом усиления эквивалентного звена по случайной составляющей (флуктуациям) и определяют двумя способами.

Первый способ

В соответствии с первым способом статистической линеаризации коэффициент выбирается исходя из условия равенства дисперсий исходного и эквивалентного сигналов. Т.о. для вычисления получим следующее соотношение:

,

где – дисперсия входного случайного воздействия.

Знак в выражении для определяется характером зависимости в окрестности значения аргумента . Если возрастает, то , а если убывает, то .

Второй способ

Значение по второму способу выбирается из условия минимизации средней квадратической ошибки линеаризации:

, где .

Окончательное соотношение для вычисления коэффициента по второму способу имеет вид:

.

В заключение заметим, что ни один их двух, рассмотренных выше, способов линеаризации не обеспечивает равенства корреляционных функций выходных сигналов нелинейного и эквивалентного звеньев. Расчеты показывают, что для корреляционной функции нелинейного сигнала первый способ выбора дает оценку сверху, а второй способ – оценку снизу, т.е. ошибки в определении корреляционной функции нелинейного выходного сигнала имеют разные знаки. Проф. И.Е. Казаков, автор, изложенного здесь метода, рекомендует выбирать в качестве результирующего коэффициента линеаризации полусумму коэффициентов , полученных по первому и второму способам.