У—стохастическое к Задача

Для отыскания вектора Л, удовлетворяющего условию (87), используются алгоритмы, называемые вероятностными итеративными алгоритмами. Применяемые в стохастических задачах оптимизации, когда значение критерия эффективности является случайной величиной, вероятностные итеративные алгоритмы можно разбить на три основные группы. 1) использующие детерминированный поиск 2) использующие случайный поиск 3) комбинированного типа, использующие детерминированный и случайный поиск. [c.311]

Принцип максимума надежности одинаково применим как к линейным, так и нелинейным системам. Для приближенного решения нелинейных задач можно использовать, например, метод статистической линеаризации. При этом используется гипотеза о том, что выходной процесс близок по своим свойствам к нормальному процессу Нелинейные стохастические уравнения приближенно заменяются некоторыми линейными уравнениями с коэффициентами, зависящими от математических ожиданий и моментов второго порядка от исследуемых процессов. После того как стохастическая задача решена и взаимно однозначное соответствие между параметрами нелинейной и эквивалентной линейной задачи установлено, минимизация числа выбросов может быть произведена по параметрам любой из этих задач. [c.61]

Во многих прикладных и теоретических исследованиях для решения нелинейных стохастических задач применяют приближенные методы. Поясним сказанное на простейшем примере. Пусть движение системы описывается дифференциальным уравнением [c.79]

В данной монографии систематически изложены прикладные методы нелинейной теории случайных колебаний, предложен вариационный подход к решению нелинейных стохастических задач, разработаны инженерные методики анализа поведения нелинейных систем при случайных воздействиях. [c.5]

До сих пор метод редукции бесконечных систем моментных уравнений использовался в основном при решении стохастических задач устойчивости [2], в которых исходные уравнения не содержат собственно нелинейных функций. Однако [c.26]

Для решения нелинейных стохастических задач наибольшее распространение получили методы классической теории нелинейных колебаний в сочетании с осреднением по статистическому ансамблю. Этот принцип положен в основу методов статистической линеаризации, возмущений (малого параметра), медленно меняющихся амплитуд и др. [c.33]

Обратимся далее к методу малого параметра. Как и в нелинейных задачах при регулярных воздействиях, решение стохастической задачи ищем в виде ряда по степеням некоторого параметра, который предполагаем малым по сравнению с единицей. Нелинейные функции также представляем в форме степенных рядов. [c.36]

Прямые методы решения вариационных стохастических задач [c.57]

Приведенное истолкование неоднозначных ветвей решения вполне отвечает представлениям о существовании различных устойчивых режимов в существенно нелинейных колебательных системах с несимметричными характеристиками. Однако с точки зрения теории вероятностей такая трактовка неудовлетворительна. Действительно, при наличии широкополосного случайного воздействия типа белого шума происходит перемешивание различных режимов колебаний, так что статистические характеристики выходного процесса должны являться оценками для всего ансамбля реализаций в целом. Решение стохастической задачи должно быть единственным, что и вытекает из точного соотношения (3.65). [c.78]

Если внешние нагрузки являются случайными функциями времени, то задача об устойчивости движения системы приобретает особый смысл по сравнению со случаем регулярных воздействий. Допустим, что внешние силы представляют собой гауссовские случайные процессы. Тогда обобщенные координаты и скорости системы будут иметь распределения в неограниченной области своих значений независимо от устойчивости или неустойчивости исследуемых режимов. Строго говоря, задача об устойчивости движения по Ляпунову вырождается. Тем не менее аппарат теории устойчивости может быть эффективно использован в стохастических задачах. Исследование устойчивости при этом, по существу, трансформируется в изучение свойств распределений, которые будут иметь качественно различный характер для разных областей пространства параметров. [c.135]

Рассмотрим постановку стохастической задачи устойчивости применительно к нелинейной колебательной системе второго порядка [c.152]

При случайных узкополосных воздействиях с определенным сочетанием параметров системы и нагрузки решение стохастической задачи может быть неоднозначным. Рассмотрим задачу об устойчивости отдельных ветвей этого решения. [c.153]

Как следует из проведенного анализа, среди неоднозначных ветвей решения нелинейной стохастической задачи появляются неустойчивые стационарные режимы. При этом наряду с аналитическим исследованием для определения устойчивости можно использовать известные топологические правила теории бифуркаций. [c.157]

В общем случае разделение переменных по времени и координатам невозможно, и для решения стохастических задач необходимо использовать классические представления типа (6.5), (6.7). [c.176]

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]

Дискретные модели в стохастических задачах устойчивости оболочек [c.210]

Прежде чем переходить к анализу полученного решения, необ ходимо уточнить постановку задачи о распространении волн в сто хаотической упругой среде. Классическое волновое уравнение (8.1) описывающее продольные волны в стержне постоянного сечения можно использовать для формулировки стохастической задачи если плотность материала р — случайная функция координаты х а модуль упругости Е — постоянная величина. Однако в мате риале, обладающем пространственной неоднородностью, оба параметра р и Е переменны. Уравнение движения при продольном растяжении (сжатии) имеет вид [c.233]

Для решения двумерных и трехмерных стохастических задач параметрического типа наиболее подходящим является метод интегральных спектральных представлений. Применим этот метод к одномерному волновому уравнению и сопоставим с решениями [c.234]

Из выражения (3.68) видно, что для вычисления бинарного корреляционного тензора напряжений даже в корреляционном приближении стохастической задачи (3.64) в перемещениях необходимы моментные функции не только второго, но также и третьего и четвертого порядков случайного поля упругих свойств. Однако с учетом приведенных ранее соотношений между моментными функциями и индикатора к(г) и моментными функциями высших порядков и формулы [c.59]

Однако возможен и другой подход [296, 235], позволяющий построить сингулярное приближение метода периодических составляющих для решения стохастической задачи (4.9). [c.75]

Рассмотренный в предыдущих параграфах широкий круг проблем, связанных с выявлением предельных возможностей оптических информационных систем, передачей солитонов на сверхдальние расстояния и т. д., предъявляет особые требования к точности математических методов описания соответствующих процессов. Традиционные прямые методы решения уравнений шредингеровского типа (сеточные и спектральные [50]) позволяют достоверно вычислять волновые поля на расстояниях, не превышающих нескольких дисперсионных длин. Сеточная дисперсия или искусственная периодизация решения приводит к появлению артефактов. Наибольшие трудности возникают при решении стохастических задач самовоздействия в дальнем поле Применительно к импульсам пикосекундного диапазона длительностей это соответствует сравнительно большим физическим расстояниям Lд l км (то 6 ПС, =1,5 мкм), но по мере перехода в фемтосекундный диапазон область достоверного моделирования быстро сокращается, так, при То=100 фс дисперсионная длина см. [c.220]

В главе 10 речь идет о некоторых вопросах нейтронной и зарядовой кинетики, включая стохастические задачи при наличии малых случайных возмущений и диффузию нейтронов в тороидальном ядерном электрогенераторе. В главах 11 и 12 предложены стабилизационные и фильтрационные схемы решения задач управляемой адаптивной ядерной кинетики. [c.13]

СКОРО программирования применим для широкого круга детерминированных и стохастических задач о синтезе оптимальных систем. Поэтому данный метод быстро завоевал популярность и к концу пятидесятых годов занял серьезное место в работах советских исследователей. [c.205]

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]

Уонг Э., Закан М. К вопросу о взаимосвязи между обычными и стохастическими уравнениями с приложениями к стохастическим задачам автоматического управления. В сб. Оптимальные системы. Статистические методы . М., Наука , 1971, с. 218—226. [c.365]

Эффективным методом исследования нелинейных стохастических задач является метод статистических испытаний (метод Монте-Карло). Этот метод использует исходные уравнения (линейные или нелинейные), на вход которых подают случайные реализации возмущений, для каждой из которых получают решение исходного уравнения. Эти решения статистически обрабатываются и получаются законы распределения величин или вероятностные характеристики. Для воспроизведения и ввода входных случайных возмущений используются реальные записи или датчики (генераторы) случайных чисел. Основным преимуществом метода статистических испытаний являются универсальность и простота. Метод может быть применен к любым нелинейным системам, причем принципиальная сложность метода не зависит от сложности исследуемой задачи. Метрд статистических испытаний изложен в п. 16. [c.81]

Фактически область применимости вариационного принципа в стохастических задачах динамики механических систем более широка, так как здесь, как и в статистической физике, не используется марковское свойство рассматриваемых процессов. Для вывода моментных соотношений, помимо уравнений типа Колмогорова, мбгут быть использованы и другие методы. В гл. 4 показано применение спектрального и корреляционного способов составления уравнений относительно моментных функций для нелинейных систем. [c.46]

Второй способ состоит в применении прямых методов решения стохастической задачи, сформулированной как задача вариационного исчисления. В этом случае приближенные выражения совместных плотностей вероятности задаются в явном виде, что позволяет для вывода моментных соотношений использоватй корреляционный и спектральный методы без привлечения теории марковских процессов. [c.88]

Воспользуемся для решения стохастических задач устойчивости вариационным методом, который был изложен выше применительно к нелинейным системам. Рассмотрим вновь простой методический пример, соответствующий параметрическим колебаниям безмассоБой системы при экспоненциально-коррелированном воздействии. Стохастические уравнения движения имеют вид (5.14), система моментных соотношений — форму (5.16). [c.147]

Далее рассмотрим нелинейные уравнения (5.93), описывающие смещения панели, сопоставимые с ее толщиной. Приближенные решения нелинейных стохастических задач могут приводить к неоднозначным зависимостям для статистических характеристик, особенно при узкополосных случайных воздействиях. Среди неоднозначных решений необходимо выделить ветви, соответствующие устойчивым и неустойчивым режимам. Эта задача решается на основе уравнений в вариациях, составленных по отношению к исходным нелинейным уравнениям. Проиллюстрируем этот под-ход на примере одночленного приближения в смысле метода Га-леркина. [c.166]

Исследование параметрических резонансов гиротахометра выполнено здесь в первом приближении без учета влияния третьих моментов флуктуаций. Более детальный анализ может быть произведен с привлечением вариационного метода решения стохастических задач. [c.172]

Третья глава посвящена построению нового приближенного решения стохастической задачи теории упругости мнкронеоднородных сред, названного полным корреляционным приближением, в перемещениях с учетом реального вида моментных функций упругих свойств. Рассматривается единая для большинства работ в зтом направлении постановка статистически нелинейной краевой задачи в перемещениях с граничными условиями, обеспечивающими однородность маг [c.9]

В четвертой главе представлен метод решения краевых задач механики микронеоднородных сред, названный методом периодических составляющих и основанный на выделении периодических составляющих из случайных полей упругих свойств, характеризуемых локальной корреляционной функцией с областью отрицательных значений. Исходной краевой задаче для композитов со случайной структурой ствг вится в соответствие вспомогательная кргьевая задача с теми же грвг ничными условиями для периодических композитов, при этом средние значения упругих модулей композитов случайной и периодической структуры совпадают. Случайные функции компонент вектора перемещений стохастической задачи представляются в виде двух слагаемых, одно из которых считается известным из решения задачи для композита периодической структуры. С использованием метода функций Г ина для однородной среды сравнения осуществлен переход к интегро-дифференциальному уравнению для искомой составляющей поля перемещений. Построены различные приближения решения в перемещениях, представленного в виде ряда корреляционное, сингулярное и обобщенное сингулярное. [c.10]

При решении стохастических задач теории упругости композитов со случайной структурой свойство локальности моментных функций обычно постулировалось наряду с условием статистической однородности [320]. Известна также гипотеза предельной локальности моментных функ1Ц1Й [62], позволяющая получать одноточечные приближения стохастических краевых задач и избегать трудностей, свя-залных с вычисление интегралов по областям статистической зависимости, в подынтегральные выражения которых входят моментные функции. [c.37]

Среди особенностей современных методов решения стохастических задач механики композитов как недостаток отмечалось отсутствие связи этих методов с известными, хорошо разработанными методами для детерминированных (в том числе периодических) неоднородных сред [29, 277]. В то же время для широкого класса структурных стохастических моделей композитов детерминированная периодическая структура может рассматриваться как реализация случайной структуры. Это справедливо, когда для случайной однородной индикаторной функции /с(г) корреляционная функция имеет облгюгь отрицательных значений. [c.68]

Сравнение результатов раьсчетов эффективных свойств по методу периодических составляющих с данными работы [8], когда стохастические задачи для волокнистых композитов с квазипериодической структурой решались в реализациях с использованием метода локального приближения, свидетельствует о качественном и количественном их совпадении. [c.83]

ЭТОМ соответствующая функция предельного состояния композита в принципе может быть определена из решения стохастической задачи, сформулированной на уровне исходных элементов композиции, т. е. для представительного элемента микроструктуры композита, или построена на основе данных экспериментов, использующих методику, позволяющую регистрировать начальные стадии разрушения. В последнем случае для светопропускающих материалов типа стеклопластиков соответствующая методика может основываться, например, на явлении механолюминесценцнн [136, 141 и др.]. [c.73]

Как и в общей теории регулирования, в теории оптимально управляемых процессов большое место занимают проблемы управления системами, работающими в случайных обстоятельствах. Общая теория стохастических регулируемых систем имеет богатую историю и включает в себя такие, ставшие классическими, разделы науки, как математическую теорию информации, теорию оптимального преобразования случайных сигналов (в том числе теорию фильтрации шумов и теорию прогнозирования) и т. д. Однако вопросы, относящиеся к этим разделам теории регулирования, остаются вне рамок настоящего очерка. Подробный обзор соответствующих результатов читатель может найти в сборнике Техническая кибернетика в СССР за 50 лет . Здесь мы ограничимся обсуждением сравнительно узкого круга проблем, связанных с управлением стохастическими системами при условиях экстремума заданных функционалов на случайных движениях. А именно, здесь будут обсуждены такие задачи и относящиеся к ним результаты, которые сформулировались как следствие обобщения аналогичных задач об оптимальном управлении детерминированными системами. Некоторые из таких задач, связанных с обобщением на стохастический случай проблемы аналитического конструирования регуляторов, уже упоминались выше (см. 14, стр. 207). Теперь будут обсуждены некоторые общие схемы, в которые укладываются рассматриваемые стохастические задачи об оптимальном управлении. [c.228]

Решение стохастических задач для распределенных нелинейных систем встречает серьезные математические трудности. Поэтому обычно распределенную систему заменяют эквивалентной в некотором смысле системой с конечным числом степеней свободы. Одна из задач состоит в отыскании распределения критических сил по заданному распределению пара-метроё начальных возмущений. Пусть известна детерминистическая связь между критическим параметром и параметрами возмущений щ, и ,. . ., UJn Тогда при некоторых ограничениях (В. В. Болотин, 1958) плотность распределения вероятности р (Р ) может быть выражена через совместную плотность р (щ, и ,. . ., Мт)- Этот метод был применен для анализа распределения критических сил пологой цилиндрической панели, нагруженной осевыми давлениями. Вычисленные значения математических ожиданий и дисперсий оказались близки к опытным значениям. Б. П. Макаров (1962, 1963) и В. М. Гончаренко (1962) рассмотрели ряд других случаев осевое и гидростатическое сжатие круговой цилиндрической оболочки, гидростатическое сжатие цилиндрической панели и др. Б. П. Макаров (1962) и А. С. Вольмир (1963) произвели статистическую обработку экспериментальных данных по испытаниям оболочек на устойчивость в частности, Б. П. Макаров (1962) исследовал экспериментальные данные с точки зрения высказанной им гипотезы о возможности бимодальных распределений критических сил. [c.358]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...