Пред.
След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO
10.2. СИНУСОИДАЛЬНЫЕ ТЕСТОВЫЕ СИГНАЛЫИнформацию в частотной форме представления проще всего получить, используя синусоидальные или другие периодические тестовые сигналы. Этот метод исследования объектов имеет длинную историю [2]. Существует немало публикаций по этому вопросу [11, 16]. Синусоидальные сигналы обладают мпогими преимуществами. Можно ограничиться измерениями только на представляющих интерес частотах; свойства ортогональности синусоидальных сигналов предоставляют определенные возможности индексации; легко проверяются предположения о линейности; длительность эксперимента можно выбирать произвольно; генерирование и обработка таких сигналов изучены весьма глубоко; в классической теории систем с обратной связью исследование устойчивости проводится с использованием синусоидальных сигналов. Недостатком является опасность возбуждения объекта на резонансных частотах. Принципы этого метода можпо показать на следующем примере. Пусть объект описывается дифференциальным уравнением
Входной сигнал выбирается в виде
Благодаря линейности объекта его выход после окончания переходного процесса состоит из следующей суммы откликов на каждую из двух компонент входа:
где
Следовательно,
где
Подлежащими определению параметрами объекта являются с
где
Этот подход тесно связан с корреляционными методами (см. гл. 8). Аналогично можно измерить гармонические составляющие Влияние аддитивного шума [34]До сих пор возмущения не рассматривались. Если
Теперь Применение операции математического ожидания позволяет получить
Следовательно, результаты измерений несмещенные. Представляет интерес дисперсия измерений
где
В приложении
Если аддитивный шум белый, то
и, так как
можно получить
Как и в рассмотренных в предыдущих главах случаях, стандартное отклонение а обратно пропорционально Если аддитивный шум можно рассматривать как белый шум, пропущенный через низкочастотный фильтр с передаточной функцией
то
Подставив эту корреляционную фупкцию в формулу (10.24), получим
При
при а
Фиг. 10.4.
Фиг. 10.5. различие между уравнениями (10.27а) и (10.276) связано с конкретным выбором интервала интегрирования
Нетрудно показать, что В качестве примера рассмотрим построение графика Найквиста для простого объекта первого порядка
при наличии аддитивного шума вида (10.26) (фиг. 10.5). Пусть Другие родственные процедуры [34]Исследуя нежелательное влияние аддитивного шума, можно задать вопрос, не существует ли для этого случая лучших методов. Под лучшим здесь понимается метод, Дающий при том же интервале наблюдений или (кликните для просмотра скана) интегрирования меньшую дисперсию, чем фильтр Фурье. В частности, можно предложить следующие методы. а) Использование дополнительных полосовых фильтров совместно с фильтром Фурье для ослабления шума, создающего помехи наблюдениям (фиг. 10.7). В самом деле, при таком подходе удается воздействовать на корреляционную функцию б) Использование компенсации (настройки модели) (фиг. 10.8). Этот метод можно сравнить с методами,
Фиг. 10.8,
Фиг. 10.9. изложенными в гл. 7 и 9. В данном случае модель очень проста, поскольку имеются всего два параметра в) Использование дискретизации времени. Этот метод можно пояснить следующим образом. Пусть
Если
При
Следовательно, подлежащие определению параметры можно пайти по выборочным значепиям процессов в моменты аддитивного шума можно снова уменьшить усредпснием по дискретным выборкам в нескольких точках г) Использование полосовых фильтров. Для подавления высших гармоник и шума выходной сигнал д) Использование оптимальных фильтров. Рассматриваемую задачу можно интерпретировать как задачу оценивания неизвестных амплитуды и фазы (или действительной и мнимой составляющих) сигнала известной частоты в присутствии помех. Имеется множество публикаций, касающихся такой постановки задачи оптимальной фильтрации, которая может быть решена с помощью линейных фильтров. Фиг. 10.12 иллюстрирует задачу с этой точки зрения; здесь Недостатком синусоидальных сигналов является малое количество информации, приходящейся на единицу частоты тестсигнала. Увеличить эту информацию можно добавлением нескольких гармоник к периодическому тестовому сигналу. Этим способом при надлежащем выборе фазовых соотношений синусоид периодический сигнал можно превратить в двоичный (кликните для просмотра скана) искажения исходного энергетического спектра 119]. Такие двоичпые сигналы легко использовать при исследовании многих линейных объектов, если это допускается условиями эксплуатации. Из выходного сигнала объекта отфильтровываются гармоники, составляющие входной сигнал. При этом удается получать одновременно информацию об амплитудной передаточной функции объекта на нескольких частотах. Другой подход к определению нестационарных переходных характеристик (человек-оператор) с использованием суммы ряда синусоид описан в [32]. Пока еще нет теории, позволяющей синтезировать релейные сигналы с зарапее заданным спектром. Метод проб и ошибок, а также оптимизационные процедуры с релейными сигпалами могут дать хорошие приближения к определенным желаемым спектрам и привести к результатам, лучшим по сравнению с получаемыми с помощью псевдослучайных последовательностей. При отсутствии априорной информации с помощью псевдослучайных последовательностей (разд. 10.3) легко получается общая картина процесса, на основе которой можно подобрать методы для более точного количественного исследования. Теоретической основой оптимального выбора тестовых сигналов является теория статистических решений. По мере увеличения количества информации, извлекаемой из измерепий, можно применять все более точные методы обработки результатов измерений. Если это осуществляется системой автоматического управления, используется термин «дуальное управление» [15].
|
1 |
Оглавление
|