Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...

Статьи Чертежи Таблицы О сайте Реклама

Объекты стохастические

Важно, однако, что результаты наблюдений, которые могут быть получены по ходу реализации процесса при tQ, здесь не используются для апостериорных уточнений упомянутого статистического описания и не вводятся в алгоритм управления. Однако этот недостаток постановки задачи компенсируется часто следующим удобным свойством, проявляющимся при ее решении. А именно, во многих случаях в программных стохастических задачах оказывается возможным как бы исключение, внутреннего вероятностного механизма явления (за счет усреднения, асимптотических оценок и других аналогичных операций) и дело так или иначе сводится к математическим ситуациям, подобным тем, которые характерны для аналогичных детерминированных случаев. В соответствии с этим и условия оптимальности получаются часто как естественное развитие соответствующих детерминированных критериев. Следует, впрочем, подчеркнуть, что по крайней мере для нелинейных объектов стохастические задачи о программном управлении даже с учетом упомяну-  [c.229]


Прежде всего необходимо задать область поиска в пространстве параметров, на которые назначаются допуски, и начальную точку поиска в случае применения направленных методов. Понятно, что область поиска должна включать точку х. Кроме того, при задании области поиска следует учитывать знаки и значения коэффициентов влияния параметров на показатели объекта к = (Ау. Iу )1 Ax./xf ), представляющих собой относительное изменение У -го показателя Ау.1у, соответствующее изменению г-го параметра Дх ./х, в окрестности точки х. Коэффициенты влияния могут быть достаточно просто определены с помощью стохастической модели объекта или модели в приращениях (см. 5.1).  [c.246]

Пути улучшения рабочих свойств проектируемых изделий, сокращения сроков и затрат на внедрение в серийное производство связаны с возможно более полным учетом предполагаемых технологических и эксплуатационных воздействий в их реальной взаимосвязи. Эти задачи целесообразно решать на стадии проектирования с применением стохастической математической модели ЭМУ (см. 5.1), позволяющей воспроизводить разнообразные детерминированные и случайные воздействия на уровень рабочих показателей проектируемых объектов. Для этого разрабатываются специальные алгоритмы вероятностного анализа.  [c.252]

Прежде всего обсудим возможные способы реализации на ЭВМ стохастической математической модели, рассмотренной в 5.1.4. Для этого необходимо решить проблемы моделирования распределений случайных значений параметров объекта и статистической обработки получаемых на выходе модели значений рабочих показателей.  [c.253]

На практике на состояние объекта управления оказывают влияние не только целенаправленные управляющие воздействия, но и помехи. К последним относятся различные факторы стохастического характера, вызывающие недопустимые отклонения значений Р,ф от Помехами могут быть, например, ошибки работников, разладка или неисправности технологического оборудования и т. д. Наличие помех и обусловливает возникновение дефектов в изготовляемой продукции.  [c.132]

Получение математической модели на базе теоретических исследований практически возможно для относительно простых технологических процессов, для которых при решении конкретных задач вполне достаточно детерминированного представления. Для сложных стохастических процессов при построении математической модели технологического процесса используются методы теории идентификации объектов управления.  [c.320]

Лдя стохастических объектов постановка задачи построения математической модели базируется в основном на числовых характеристиках случайных функций математических ожиданиях, дисперсиях, корреляционных функциях. Для некоторых технологических процессов массового производства, входные и выходные переменные которых могут приниматься как случайные величины, необходимо иметь полные характеристики объекта Такой характеристикой является условная плотность распределения выходной переменной Y t) относительно входной переменной X (s)  [c.324]


Для линейных динамических стохастических объектов введем понятие линейности в среднем, являющееся естественным расширением приведенного выше определения линейности для детерминированного технологического процесса. Динамическую стохастическую систему назовем линейной в среднем, если оператор А в уравнении (10.34) является линейным, т. е. условное математическое ожидание выходной переменной Y (t) зависит от входной переменной X (s). Для линейной одномерной системы оператор имеет вид  [c.328]

Смысл понятия осреднения может быть выяснен, если провести исследование уравнения для стохастического объекта, которое может быть записано в виде  [c.328]

Из уравнений (10.36) и (10.40) имеем для стохастического объекта  [c.329]

Детерминированный подход предусматривает аналитическое представление процесса управления, при котором для данной совокупности входных значений на выходе объекта управления может быть получен единственный результат, однозначно определяемый оказанным на него управляющим воздействием. Этот подход может быть представлен в аддитивной и стохастической постановках. Управляющим воздействием, дающим однозначное решение, может быть разовое техническое решение или применение технического контроля. Модель управления в детерминированном подходе принимается строго однородной и совершенной, в отношении которой предполагается полное отсутствие отклонений в виде погрешностей, ограничений, отказов, случайных возмущений управление носит дискретный разовый характер в малом диапазоне изменения переменных параметров.  [c.237]

При стохастическом представлении вибрационных воздействий следует осторожно относиться к предположению об эргодичности процесса (см. т. 1, с. 272). Реализация вибрационного воздействия, полученная на отдельном техническом объекте, не может, например, считаться реализацией эргодического процесса, поскольку она не содержит информацию о разбросе параметров, характерном для множества объектов той же конструкции и на тех же рабочих режимах.  [c.21]

Именно зрительное восприятие огромного числа природных объектов как фрактальных структур обеспечило быстрое внедрение идей и методов фрактальной геометрии в различные области естествознания. Введение представлений о стохастических фракталах существенно расширило возможности визуальной идентификации реальных структур. Однако визуальная идентификация, обладающая неоспоримыми достоинствами, среди  [c.46]

Метод интегральных спектральных представлений случайных функций легко распространяется на двумерные и трехмерные объекты — пластины, оболочки, упругие тела. Применим этот метод для анализа деформаций плиты на стохастическом основании.  [c.189]

Построенное в предыдущем параграфе решение нелинейной краевой стохастической задачи описывает разбиение всего статистического ансамбля (генеральной совокупности) на подмножества, обладающие индивидуальными свойствами. Однако с точки зрения инженерной практики такой анализ является недостаточным. В своей практической деятельности инженер имеет дело с конкретным изделием или группой объектов, которые принадлежат к некоторой генеральной совокупности. Априори неизвестно разбиение совокупности на подмножества неясно также, какому из подмножеств принадлежит данное изделие. В связи с. этим при оценке надежности и в других практических задачах необходимы сведения об эволюции статистических характеристик генеральной совокупности. Возникает задача о композиции отдельных решений, трактуемых как условные.  [c.204]

Классические задачи о распространении волн в стохастической среде возникают при изучении сейсмических воздействий на строительные конструкции. Передача сейсмических нагрузок происходит в форме пространственно-временного волнового процесса, случайный характер которого обусловлен пространственной неоднородностью горных пород и временными флуктуациями в эпицентре землетрясения. В области машиностроения ряд аналогичных задач связан с передачей случайных вибраций через тонкостенные конструкции со случайными технологическими неправильностями и флуктуациями физико-механических характеристик. Это относится к обшивке летательных аппаратов, тонкостенным конструкциям судов и другим объектам.  [c.226]


Несмотря на кажущуюся простоту, регулярные фракталы находят применение в некоторых областях науки. Однако для механики материалов наибольший интерес представляют стохастические фракталы. Примером объектов такого рода является приведенный на рис. 1.2 фрактальный кластер.  [c.25]

Мы обсудим здесь две задачи [6.9]. Вначале предположим, что вдоль случайно-неоднородной системы движется нагрузка, и остановимся на принципиальном для практики вопросе о резонансных колебаниях системы в процессе излучения. Затем учтем инерционность движущегося объекта и покажем, что в системе движущийся объект-случайно-неоднородная упругая система возможен стохастический параметрический резонанс. Данные задачи не являются классическими для работ по переходному излучению, но здесь как раз и предпринята попытка подчеркнуть специфику излучения в механических системах и по возможности уйти от повторения того, что сделано в электродинамике и акустике [6.16, 6.28 .  [c.271]

На рис. 4.М представлена принципиальная схема прогнозирования коррозионных ситуаций систем как стохастических объектов. Их реализация значительно сложнее, чем реализация детерминированных объектов. Трудность заключена в том, что практически невозможно проследить причинную связь явлений, объективно существующую во всех процессах изменения состояния материалов, в том числе и в коррозионных процессах. Смешанные (детерминированно-стохастические) объекты рационально сочетают достоинства и исключают недостатки  [c.110]

Достоверность прогноза стохастических объектов определяется соответствием моделей реально протекающим процессам и интервалами значения эффектов повреждений. Точность предсказания их изменения с увеличением времени снижается. Этот недостаток в меньшей степени относится к регрессионным моделям, полученным методами планирования экспериментов [101.  [c.114]

В шестой главе книги рассматриваются вопросы математического моделирования процессов навигации и наведения беспилотных маневренных ЛА с использованием современных информационных технологий. При этом математическое моделирование рассматривается как средство формирования состава моделей и алгоритмов бортовых интегрированных систем навигации и наведения беспилотных маневренных ЛА. В качестве технологии моделирования используется так называемый объектно-ориентированный подход, позволяющий создавать компьютерные комплексы, отражающие любые особенности структур и алгоритмов моделируемых систем и объектов с учетом самого широкого спектра разнородных по своей физической природе неконтролируемых факторов детерминированных, стохастических, неопределенных.  [c.7]

Будем характеризовать иерархический объект (узел дерева) на уровне п интенсивностью Р , которая для стохастической системы сводится к плотности вероятности и возрастает с переходом на более высокий уровень п - 1 (наиболее очевидно это проявляется на примере служебной иерархии). Данное обстоятельство отражается рекуррентным соотношением  [c.126]

Следует отметить, что задачами оптимальной адаптивной фильтрации в условиях отслеживания дрейфа неизвестных параметров (отслеживания дрейфа экстремума нестационарного функционала) занимался целый ряд исследователей (см., например, работы [154, 155, 363, 372, 385]), однако при этом модель дрейфа считалась известной. Задание законов изменения параметров тесно связано с описанием нестационарных объектов и широко использовалось при решении задач динамической стохастической аппроксимации [380, 382, 384, 420, 421, 437, 439, 441].  [c.359]

Фомин В.Н. Синтез адаптивных предельно-оптимальных управляющих систем в задаче управления линейными стохастическими объектами // Вопросы кибернетики. Задачи и методы адаптивного управления. — М. Научный совет по кибернетике АН СССР, 1981. — С. 52 65.  [c.555]

Перечень возможных моделей является априорной информацией, а задачей диагностирования является распознавание той модели, которой в наибольшей степени соответствует анализируемый объект. Использование детерминированного или стохастического подхода к решению этой проблемы связано с особенностями системы и степенью изученности физических процессов, происходящих в ней.  [c.706]

Более простым способом определения коэффициента ускорения является метод, при котором сравниваются параметры системы в условиях воздействия ускоряющего фактора с параметрами модели, имитирующей эксплуатационные условия. Так как не все параметры объекта являются наблюдаемые, часть из них диагностируется. На основании сравнения параметров модели системы и действительных значений параметров объекта производится оценка Ку. Рассмотрим методы анализа результатов ускоренных испытаний. Медленный процесс изменения параметров и быстрые флуктуации, характеризующие техническое состояние, будут зависеть от ускоряющего воздействия, определяемого вектором с. Ускоряющий фактор может быть как детерминированным, так и стохастическим, может быть функцией быстрого (t) и медленного (т) времени. При с = с t) ускорение оказывает влияние только на медленные процессы за счет увеличения интенсивности их изменения. Например, увеличение температуры вызывает медленные изменения интенсивности изнашивания и несущей способности смазочного слоя. Увеличение скоростей движения трущихся элементов приводит к аналогичным изменениям, но оказывает существенное влияние и на увеличение вибрации, т. е. определяет как медленные, так и быстрые процессы. Увеличение статических нагрузок влияет на интенсивность изнашивания трущихся элементов, приводит к аналогичным изменениям, но оказывает существенное влияние и на увеличение вибрации, т. е. определяет как медленные, так и быстрые процессы, а также снижает воздействие собственной вибрации как фактора, определяющего динамические нагрузки.  [c.743]

Представленный,пример показывает лишь один из возможных способов применения алгоритмов вероятностного анализа. Крюме того, они находят применение и для решения других задач. Так, выявление параметров, наиболее влияющих на разброс рабочих показателей ЭМУ, позволяет наметить направления основных усилий по формированию заданного урювня качества объектов, рационализации технологических процессов, обеспечению необходимых условий эксплуатации. Это может быть выполнено на основе стохастической модели при поочередном изменении каждого параметра в отдельности или приближенно с помощью коэффициентов влияния.  [c.263]


В качестве объекта статистических испытаний и стохастической оптимизации при определении допусков на параметры применяются детерминированная математическая модель гиродвигателя и соответствующие алгоритмы анализа его рабочих показателей.  [c.265]

Определение промежутка времени т, по прошествии кото рого обеспечивается в стохастическом смысле некоррелирован ность двух соседних значений СП й (t). Минимальным нромежут ком времени т, обеспечивающим выполнение данного требования, является интервал корреляции случайного процесса Ткор (см. [36, 37]). Существует несколько способов определения Ткор [37] выбор того или иного способа определяется целью анализа СП и опытом исследователя. Отметим, что корреляционные связи в СП определяются статистическим путем и интервал корреляции Ткор является нестрогим математическим объектом. Он носит  [c.127]

Приведенные уравнения одномерных линейных динамических объектов предполагают, что рассматриваемые технологические процессы представляют собой детерминированные системы (существует однозначное взаимное соответствие между входной и выходной переменными). В подавляющем большинстве случаев реальные технологические процессы являются стохастическими, т. е. данному входному воздействию соответствует не одно значение выходной переменной, а ряд р1аспределения. При фиксированных условиях нормального функционирования технологического процесса при заданном входном воздействий выходная переменная представляет собой случайную величину или случайную функцию. В этом случае естественно определять моментные характеристики и приведенных уравнений динамической системы уже недостаточно.  [c.327]

Модели управления СЦТ обладают существенной неопределенностью за счет стохастического характера некоторых переменных состояния текущих температур наружного воздуха, нагрузки вентиляции и горячего водоснабжения. Стохастический характер имеют и парамеоры модели объекта управления характеристики щероховатости труб тепловой сети, состояния тепловой ИЗОЛЯЩ1И трубопроводов и наружных ограждений.  [c.65]

Б., в результате к-рых исчезают статич, или периодич, режимы (т, о. состояния равновесия или нредельпые циклы), могут приводить к To.viy, что дииампч, система переходит в режим стохастических колебаний. Термин Б. иногда используют для обозначения перестроек таких объектов, к-рые не меняются во времени в этом . случае употребляется также термин катастрофа (см.  [c.212]

При полной адэкватности математической модели и объекта и отсутствии помех процесс управления мог бы быть на этом закончен. В действительности это вряд ли возможно, так как существование нелинейных искажений в вибросистеме, погрешностей измерений и шумов приборов всегда приводит к существенным различиям спектральных характеристик выхода, измеренных после генерирования сигналов по нулевому приближению, от заданных. Для более точной настройки на требуемый режим следует воспользоваться итерационными процедурами, сходящимися к заданным значениям оценок спектральных плотностей при наличии случайных возмущений и нелинейных искажений. Такими свойствами обладают процедуры стохастической аппроксимации [15]. Оценки собственных и взаимных спектров можно представить  [c.469]

Из процедур алгоритмического конструирования наиболее простыми являются процедуры параметрической оптимизации, позволяющие определить оптимальные параметры систем виброизоляцни при выбранной (или заданной) их структуре и наличии полной информации об объекте и возмущениях, действующих на него. К наиболее сложным, самым совершенным с точки зрения функциональных возможностей, можно отнести процедуры, позволяющие осуществить выбор принципа действия, а затем структурный и параметрический синтез стохастических систем виброизотя-ции при неполной информации как о самом объекте, так и об условиях его фупкцн онирования.  [c.306]

Наиболее естественным методом изучения самоподобия исследуемых объектов является аппроксимация реальных структур, в том числе стохастических, визуально подобными или по крайней мере топологически эквивалентными предфракталами определенного поколения. Визуализацию структур осуществляют либо непосредственно, либо по фотографиям, получаемым с помощью оптического или электронного микроскопа.  [c.41]

Теория предельных процессов нагружения стохастическая 532 Термоусталость деталей 162 Термоциклярование 474 Технический объект - Состояние 17, 18 Трасса магистрального трубопровода - Основы оптимизации с учетом показателей надежности 556  [c.591]

Фрактальные объекты можно разделить на два класса — регулярные фракталы, иногда их называют предфракталы [52], и стохастические фракталы.  [c.23]

Стохастические модели прогнозируют (рис. 10.5) коррозию химико-технологической системы на основе совокупности статистических данных о процессе в условиях эксплуатации. Чем обширнее информация о характере влияния отдельных факторов и больше число аппаратов и коммуникаций химико-технологической системы учтено при анализе, тем точнее будут полученные результаты. Очевидна и сложность реализации схемы прогностического моделирования стохастических методов по сравнению с детерминированными методами. Трудности моделирования коррозионного прогноза стохастическим методом заключаются не только в получении обширной информации о влиянии внешних и внутренних параметров химико-технологической системы на скорость и итог коррозии, в анализе и обработке данных, но и в том, что практически невозможно проследить логическую причинную связь явлений, объективно су-ществуюшую при коррозионном изменении состояния металла. Достоверность результатов прогноза стохастических объектов уменьшается из-за снижения точности прогноза с увеличением времени от предсказания до момента сравнения и корректировки коррозионного прогноза. В меньшей степени этот недостаток присущ регрессивным моделям, полученным с использованием методов планирования эксперимента.  [c.185]

При сканировании узких диаграмм приемопередатчиков процесс вхождения в связь, т. е. точное нацеливание диаграмм друг на друга и взаимное обнаружение сигналов может трактоваться как марковский стохастический процесс 186, 103J. Такой подход обусловлен тем, что событие вхождения в связь зааисит ог вероятности ориентирования диаграмм двух объектов в требуемом направлении 1 нацелнвание). и от вероятности взаимного обнаружения сигналов в шумах, когда диаграммы совладают. Следовательно, время вхождения в связь есгь случайная величина, обладающая математическим ожиданием, дисперсией  [c.165]


Смотреть страницы где упоминается термин Объекты стохастические : [c.13]    [c.142]    [c.328]    [c.329]    [c.121]    [c.52]    [c.28]    [c.174]    [c.228]    [c.110]    [c.103]   
Защита от коррозии старения и биоповреждений машин оборудования и сооружений Т2 (1987) -- [ c.110 ]



ПОИСК



I стохастические



© 2025 Mash-xxl.info Реклама на сайте