книги / Радиолокационные измерители дальности и скорости. [Т.1]
.pdfВ рассматриваемой задаче обе оценки совпадают, так как ус ловная апостериорная плотность вероятности W^A,(k)|zi,a(k)j гаус
совская, и определяются уравнениями (1.8.18) при а 8 = d(k).
В качестве оценки а(к) неизвестного матричного параметра а удобно взять оценку, для которой апостериорная вероятность pfajzj1) максимальна, т.е. а(к)=шах-1 p|a8|zjj . Учитывая свойство
(1.8.19), максимальная вероятность p|aB|z^j достигается, если мак симальные значения принимают вероятности P^ajjz^ (j = l,N ). Таким образом, сначала необходимо найти частные решения
j = 1 » N .
Так как число возможных значений вектора otj конечно и рав но ш, то максимум находится путём простого перебора апостери
орных вероятностей pfaJzn), которые, как показано выше, могут
быть |
вычислены рекуррентно по |
формуле (1.8.23) с |
учётом |
||
(1.8.21), (1.8.22). |
|
|
|
|
|
После вычисления условных оценок (1.8.26) оценка обобщён |
|||||
ного |
матричного |
параметра |
а |
определяется |
как |
a(k) = |aj(k) 6с|(к)... а^(к)| Данная оценка определяет ту гипо
тезу, для которой на каждом такте работы строится единственный фильтр вида (1.8.18). Заметим, что на начальном этапе работы оценка a(k) может меняться, что соответствует изменению гипоте зы, для которой строится фильтр (1.8.18). Таким образом получа ем нестационарную структуру фильтров, в которой на каждом такте работы может обрабатываться разное число измерений. В установившемся режиме работы будет функционировать одна из структур.
ствующее уравнение, описывающее требуемую траекторию в про странстве состояний, представим в виде
*,(*) = |
+ $т(*)• |
(1-9*2) |
где ^ - белый гауссовский шум с нулевым математическим ожи данием и спектральной плотностью GT.
Многовариантность описания процедур задачи оптимального управления приводит к чрезвычайному разнообразию её постано вок [43]. Ниже будет использована одна из самых несложных, по зволяющая получить наиболее простые алгоритмы формирования управляющих сигналов. Эта задача формулируется следующим об разом: по результатам наблюдений z(t) (структуру которых мы оп ределим позже) всех или некоторых компонент xT(t) и xy(t) выбо ром вектора управлений u(t) необходимо наилучшим (оптималь ным) образом на выходе системы управления сформировать управляемую траекторию Xy(t). Возможные критерии оптимально сти описаны в §1.2. Рассмотрим, например, критерий типа (1.2.16), получивший название критерия Лётова-Калмана
I(u) = Mj[xT(tk) - xy(tk)]TQ[xT(tk) - xy(tk)]+
+ f[xT(t) - xy(t)fL[xT(t) - xy(t)]dt+ 'jvK u d tl (1.9.3)
0 0 J
где - момент окончания управления. Первое слагаемое в (1.9.3), называемое терминальным членом, характеризует сумму взвешен ных дисперсий ошибок в конце управления. Второе слагаемое представляет интегральную квадратичную оценку текущей точно сти управления, а третье, характеризующее экономичность, пред ставляет затраты энергии на управление. Неотрицательно опреде ленные матрицы Q и L штрафов за точность управления выбира ются в соответствии с важностью парциальных ошибок Дх^х^-х^ для системы в целом. Положительно определённая матрица К оп ределяет штрафы за экономичность.
Из физических соображений понятно, что, задав ограничения на структуру выбираемого (синтезируемого) вектора ху, мы огра ничиваем возможности выбора наилучшей системы, а, следова тельно, характеристики выбранной системы будут «не лучше» (а в общем случае хуже), чем у системы, которая выбирается (синтези руется) без ограничений. Поэтому, задав структуру системы управления (1.9.1) мы заведомо идем на ухудшение потенциаль
I(u) = Mj[ATxT(tk) - Ayxy(tk)J Q[ATxT(tk)T - Ayxy(tk)]+
+1[Ал .(^- AyXyft^llAjApft) - AyXy(t)]dt+*1uTKudt|, (1.9.7)
где матрицы Ат и Ay устанавливают соответствие между одно именными компонентами векторов хт и ху<
Для сокращения записей, введем обобщенный вектор
x=[xJxy]T. Тогда, с учетом (1.9.1)-(1.9.3), можно записать |
|
x(t)= F(t)x(t) + B(t)u(t) + $x(t), |
(1.9.8) |
I(u) = м | xT(tk)Q1x(tk) + J |xT(t)L1x(t) + uTKujdt1. (1.9.9)
Здесь: |
Т . |
|
0 |
|
0 |
|
|
|
||
F = |
F |
, |
|
|
|
Y1 |
||||
0 |
|
в= |
В У . |
*U = |
||||||
|
|
|
F y |
|
|
|||||
|
|
|
A^QAj, |
-A ^Q A y |
|
A^LA, |
||||
Qi= -A^QA, |
|
AyQAy » |
L l“ |
-A 'yL A , |
G T |
0 |
0G y
-A^LAj
. (1.9.10)
AyLAy
Для задачи линейного оптимального управления наблюдения полагаются линейными и описываются уравнениями
(1.9.11)
где £и - белый гауссовский шум с нулевым математическим ожи данием и матрицей спектральных плотностей G„. При нелинейных наблюдениях уравнение (1.9.11) представляется в виде
z(t) = s(x,t) +SH(t). |
(1.9.12) |
Однако, также как и в задачах оптимальной фильтрации, при большом отношении сигнал/шум и высокой точности измерений задачу с нелинейными наблюдениями можно привести к эквива лентной задаче линейных наблюдений. Поэтому в дальнейшем бу дем рассматривать в основном линейные наблюдения (1.9.11).
В общем случае задача синтеза ДС на основе математического аппарата СТОУ формулируется следующим образом: для системы с заданной частью (1.9.1), предназначенной для отработки процесса
z(t) = H(t)«D(t,t0)x(to). |
(1.9.19) |
Необходимым и достаточным условием того, что x(to) может быть определено из (1.9.18) по наблюдениям z(t) на интервале [to,tk] является невырожденность матрицы
M(t0,tk) = j[H(t)®(t,t0)]TH(t)4>(t,t0)dt. |
(1.9.20) |
||
40 |
|
|
|
В [59] показано, что невырожденность матрицы (1.9.20) экви |
|||
валентна условию |
|
|
|
rankп; п; |
|
|
(1.9.21) |
где rank - ранг матрицы; N - размерность вектора х; |
|
||
n„=H(t); |
=Щ_1+ПИР(1), |
i = 1,N-1. |
(1.9.22) |
Для стационарных систем, в которых F=const, H=const, усло |
|||
вия (1.9.21), (1.9.22) приводятся к виду |
|
|
|
rank Нт FTHT |
|
= N.(1.9.23) |
Анализ (1.9.21Н1.9.23) позволяет прийти к следующим за ключениям. Наблюдаемость зависит от вида детерминированных связей оцениваемого процесса, определяемых в (1.9.16) матрицей F(t), и от набора и вида измерителей, определяющих в (1.9.17) матрицу H(t). Проведенные исследования показали [34], что в об щем случае при увеличении числа m измерителей наблюдаемость улучшается. Аналогичный критерий можно привести и для дис кретных моделей состояний и измерений. Для этого достаточно в (1.9.21)-(1.9.23) заменить матрицу F(t) фундаментальной матри цей Ф(к,к-1 ) процесса (1.4.17).
Физический смысл условий (1.9.21)—(1-9-23) состоит в том, что при их выполнении можно на основе (1.9.16) и (1.9.17) получить N независимых уравнений с N неизвестными, однозначно связы вающими измерения с оценками фазовых координат. В приклад ном плане, наряду с выяснением самой возможности синтеза оп тимальной системы, критерии (1.9.21)-(1.9.23) позволяют опреде лить минимально необходимый набор измеряемых координат, при котором будет обеспечиваться оценивание требуемого вектора со стояния. Как правило, для получения всех нужных оценок необ ходимо, чтобы в каждой группе функционально связанных коор
связанных фазовых координат управлялась хотя бы самая высо кая производная.
Условия полной управляемости для дискретных стационарных линейных систем по внешнему виду совпадают с (1.9.26). Однако вместо матриц F и В необходимо использовать их дискретные ана логи из моделей в виде разностных уравнений.
1.9.3. Т е о р е м а р а з д е л е н и я и у с л о в и я у п р о щ е н и я с и н т е з а
Условия упрощения синтеза оптимальных стохастических сис тем управления определяются фундаментальной теоремой разде ления или статистической эквивалентности. Теорема гласит: для линейных моделей (1.9.8) и (1.9.11) в условиях гауссовских воз мущений £и и при оптимизации систем по квадратичным функ ционалам качества (например такому, как (1.9.9)) процедура син теза распадается на два независимых этапа - синтез оптимального управления без учета действия шумовых возмущения (т.е. реше ние детерминированной задачи управления) и решение задачи оп тимального оценивания вектора х, описываемого уравнением (1.9.8), по наблюдениям (1.9.11) при известных управлениях u(t) (разделение). После этого сформированные оптимальные оценки х подставляются в оптимальный закон управление вместо х (статис тическая эквивалентность).
Требования линейности моделей, квадратичности функциона лов и гауссовости шумов называются условиями линейно-квадра тично-гауссовской (ЛКГ) задачи синтеза. Для такой задачи теоре ма разделения (статистической эквивалентности) доказывается строго [20, 74]. Если обобщенный объект управления или измери тели аппроксимируются нелинейными моделями, то теорема раз деления не имеет строгого доказательства. Однако, при достаточно больших отношениях энергии сигнала к спектральной плотности шума, когда в радиоэлектронных системах имеют место точные измерения, ее также можно разделить на фильтр, формирующий оптимальные оценки фазовых координат и параметров системы, и регулятор, вычисляющий сигналы управления. При этом текущая оптимальная оценка х определяется нелинейным фильтром. Не обходимо отметить, что полученное таким способом приближенное решение задачи раздельного синтеза фильтра и регулятора тем точнее, чем выше точность оценивания.