19090

Выбор шага дискретизации с использованием экстраполирующих многочленов Тейлора

Практическая работа

Физика

Лекция № 4. Выбор шага дискретизации с использованием экстраполирующих многочленов Тейлора. Экстраполирующий многочлен Тейлора описывающий исходную функцию определяется выражением: 4.1 где соответственно первая вторая и производные непрерывной ...

Русский

2013-07-11

227 KB

11 чел.

Лекция № 4.

Выбор шага дискретизации с использованием экстраполирующих многочленов Тейлора.

Экстраполирующий многочлен Тейлора, описывающий исходную функцию , определяется выражением:

          (4.1)

где  соответственно первая, вторая и  производные непрерывной  функции в момент времени . Значение погрешности восстановления на интервале аппроксимации не должно превышать максимального значения остаточного члена разложения:

                                (4.2)

где – максимальное значение модуля производной функции  на интервале аппроксимации.

Ступенчатая  экстраполяция. Определим шаг равномерной дискретизации на основе многочлена Тейлора нулевой степени (ступенчатая  экстраполяция). Значение воспроизводящей функции  в любой момент времени  на каждом  интервале  принимается равным отсчету   (рис. 4.1).

Из (4.2) следует, что значение остаточного члена достигает максимума в конце интервала при :  

                                                           (4.3)

Отсюда получаем условие, определяющее шаг дискретизации:

                                                                                       (4.4)

Линейная экстраполяция. Определим шаг равномерной дискретизации с помощью многочлена Тейлора первой степени. В соответствии с (4.1) при восстановлении сигнала  помимо отсчета используется значение первой производной функции в момент времени .  На каждом   интервале времени   воспроизводящая функция равна:

,                                                               (4.5)

и представляет собой отрезок прямой, касательный к функции  в момент времени ,  (рис. 4.2).

Максимальное значение остаточного члена достигается в конце интервала при  и равно:

                                                      (4.6)

Соответственно получаем соотношение для шага дискретизации:

.                                                                                           (4.7)

Сравнение линейной экстраполяции с линейной интерполяцией (см. формулу 3.10)  показывает, что для обеспечения допустимой погрешности при экстраполяции требуется вдвое большее число отсчетов по сравнению с интерполяционным методом. Этот недостаток экстраполяции компенсируется более мягкими требованиями к обеспечению технической реализации аппаратных  (и программных) средств дискретизации и восстановления реальных сигналов, т.к. при экстраполяции не нужна задержка сигналов, необходимая при интерполяции.

Адаптивная дискретизация.              

Выше рассмотренные методы и алгоритмы дискретизации предназначены для  обработки любых возможных реализаций сигнала, поэтому они основаны на анализе предельных значений его динамических характеристик. В частности, при равномерной дискретизации погрешность восстановления может достигать предельного значения только в отдельные, сравнительно редкие моменты времени.  К тому же  значительное число отсчетов может быть избыточным, т.е. неинформативным.

В основе принципа адаптивной дискретизации лежит непосредственное слежение за текущей погрешностью восстановления сигнала. Наиболее широко на практике применяются алгоритмы дискретизации с адаптацией по длине интервала. Идея такой дискретизации состоит в следующем. На основе имеющегося дискретного отсчета (или отсчетов) на текущем интервале дискретизации определяются параметры восстанавливающей функции, формируемой с учетом текущих значений динамических характеристик сигнала. Затем в любой текущий момент времени определяется разность между соответствующими значениями исходной и воспроизводящей функцией, т.е. погрешность восстановления на основе, например, критерия наибольшего отклонения. Если эта погрешность достигает предельно допустимого значения, наращивание интервала прекращается и производится отсчет.  При этом в качестве воспроизводящих функций наиболее часто используют степенные алгебраические полиномы.

Возможен и другой подход к адаптивной дискретизации, заключающийся в адаптивном изменении порядка восстанавливающего полинома при фиксированном интервале дискретизации. Однако на практике наибольшее распространение получила адаптивная дискретизация с переменным шагом дискретизации.

В зависимости от возможного изменения шага дискретизации различают две группы методов:

  •  дискретизация с некратными интервалами, при которой шаг дискретизации  непрерывно меняется в интервале ;
  •  дискретизация с кратными интервалами, при которой – дискретная величина .

В реальных системах для восстановления непрерывной функции по дискретным отсчетам обычно применяют степенные полиномы нулевого и первого порядка. При этом  используют принцип экстраполяции (интерполяционные способы не нашли широкого применения, поскольку их реализация связана с запоминанием сигнала на интервале аппроксимации и выполнением большого числа вычислительных операций).

Ограничимся рассмотрением примеров адаптивной дискретизации на основе экстраполяции.

Пример 1.  Рассмотреть адаптивную дискретизацию реализации сигнала  с использованием аппроксимирующего многочлена типа (3.1) нулевой степени (ступенчатая аппроксимация). Принять, что наибольшее допустимое отклонение равно .

На момент  начала каждого интервала аппроксимирующий полином принимаем равным  и вычисляем разность , которую сравниваем с . Установление равенства  соответствует моменту  окончания интервала и фиксации очередного отсчета (см. рис. 4.3).

 

Пример 2.  Рассмотреть адаптивную дискретизацию реализации сигнала  с использованием аппроксимирующего многочлена первой степени (линейная  аппроксимация). Принять, что наибольшее допустимое отклонение равно .

На момент  начала каждого интервала аппроксимирующий полином  зададим в виде:   ,                                                   (4.8)

где – производная сигнала в момент времени .

Момент очередного отсчета определяется выполнением равенства:

                         (4.9)

Результаты дискретизации приведены на рис. 4.4.

При аппаратной реализации данного алгоритма следует учесть, что вследствие наличия операции дифференцирования сигнала он неэффективен при наличии высокочастотных помех.

PAGE  1


EMBED Equation.DSMT4  

EMBED Equation.DSMT4  

EMBED Equation.DSMT4  

EMBED Equation.DSMT4  

EMBED Equation.DSMT4  

EMBED Equation.DSMT4  

Рис. 4.1

Рис. 4.2

Рис. 4.3.

Рис. 4.4


 

А также другие работы, которые могут Вас заинтересовать

44979. Оптимальное управление. Постановка задачи оптимального управления. Критерии оптимальности 269 KB
  Постановка задачи оптимального управления. К настоящему времени наибольшее развитие получили 2 направления в теории оптимальности систем: 1 Теория оптимального управления движением систем с полной информацией об объекте и возмущениях; Теории оптимального управления при случайных возмущениях. Для реализации оптимального управления необходимо: Определить цель управления. Изучить все состояния среды функционирования объекта влияющие на прошлое настоящее и будущее процесса управления.
44980. Аналитическое конструирование регуляторов. Постановка задачи 224 KB
  При исследовании качества переходных в линейных САУ вводились разлитые интегральные критерии качества с помощью которых оценивался переходной процесс на бесконечном интервале времени. При рассмотрении интегральных критериев качества мы убедились в том что эти критерии позволяют определить параметры регулятора если задана его структура. Можно поставить более общую задачу: найти закон регулирования аналитическую функцию связывающую управляющую координату и управляющее воздействие при этом доставляющее min интегральному критерию качества.
44981. Методы теории оптимального управления 26 KB
  Методы теории оптимального управления В тех=их задачах на управление накладывается ограничения по энергетическим ресурсам и ограничения на фазовые координаты из соображения прочности и безопасности. Можно выделить 4 основных метода вариц. Исчисления кые испся для решения задач оптимального управления: Применение урия Эйлера Принцип максимума Динамическое программирование Нелинейное программирование Прямой вариционный метод. Основное применение метода испго урие Эйлера это задачи где экстремалями явлся гладкие фии а...
44982. Адаптивные системы управления. Классификация адаптивных САУ 799 KB
  Адаптивные системы управления. АСАУ могут рассматриваться как сисмы с элементами искусственного интилекта. Назначение АСАУ состоит в том чтобы заменить человекаоператора при принятии решений об улучшении характеристик сис. Оптимальное уприе такими объектами возможно с помощью сис.
44983. Принцип управления. Классификация систем управления 153 KB
  Принцип управления. Классификация систем управления. Существует фундаментальный принцип управления. Мы формируем алгоритм управления формирование управляющего воздействия на ОР.
44984. Алгоритмы и законы регулирования 44 KB
  Алгоритмы и законы регулирования Совокупность предписаний по которым формируется управляющее воздействие на объект регулирования назыв. законом регулирования упр.
44987. Математическое описание звеньев и САУ. Типовые звенья 23 KB
  Типовые звенья. Получение модели начинается с разбиения системы на звенья по математическому описанию причем звенья направленного действия передают сигнал в одном направлении и изменение состояния этого звена не влияет на состояние предшествующего звена работающего на его вход. Типовые звенья САУ различают по виду их передаточной функции и виду дифференициалного уравнения. Позиционными звеньями называются такие звенья в передаточной функции которых многочлены NS и MS имеют свободный член равный 1 т.