Рис.4.
Параметры моделирования, как и ранее, устанавливаются в разделе меню «Simulation/Configuration parameters» (Type: «Fixed step», Solver: «discrete», параметр «Simulation time/Stop time» задается достаточно большим, например, равным 100000). Для начала моделирования дается команда «Simulation/Start».
2.3. Задание по работе
1.
Выбрать значение постоянной времени в соответствии с данными Табл.1 (значение ). При
задании дисперсии шума в элементе «Random Number»
учесть соотношение
(значение
равно 1). При
задании дисперсии шума в элементе «Random Number
1» учесть соотношение
Посмотреть
процессы с помощью осциллографа.
2. Увеличить значение постоянной времени на порядок, затем на 2 порядка, фиксируя результаты моделирования с помощью осциллографа.
3. С использованием блока «To File» для 1-й модели вычислить автокорреляционную функцию и спектральную плотность мощности (пример программы приведен ниже).
%Экспоненциально-коррелированный процесс 2а
N=100000;
proc=[0 1]*ans;
ac=xcov(proc)/N;
F=fft(ac); % Преобразование Фурье
SPM=F.*conj(F)/N; % Поэлементное умножение на компл.сопряж.величину
M1=length(SPM); % Длина массива
t=1:1:M1;
plot(t,SPM)
4. С использованием блока «To File» для 1-й модели оценить среднеквадратичное значение процессов с разными постоянными времени (использовать приближенный и точный способы; пример программы приведен ниже).
%Экспоненциально-коррелированный процесс 2б
proc=[0 1]*ans;
Max=max(proc);
Min=min(proc);
cko1=(Max-Min)/6;
cko2=std(proc); % или cko2=sqrt(cov(proc));
Результаты приближенного оценивания среднеквадратичных значений процессов сопоставить с осциллограммами этих процессов.
2.4. Содержание отчета
1. Схема моделирования.
2. Осциллограммы случайных процессов.
3. Параметры моделирования для всех значений
.
4. Преобразования Фурье для всех значений .
5. Результаты экспериментального оценивания среднеквадратичных значений случайных процессов.
6. Формулировка задач проведенного исследования и выводы по
результатам эксперимента.
2.5. Контрольные вопросы
1. Указать достоинства и недостатки 2-х вариантов моделирования экспоненциально-коррелированного случайного процесса.
2. Почему обе модели формируют одинаковый случайный процесс? Как повлияет на процессы изменение числа «Initial seed» в одном из датчиков случайных чисел?
3. Записать дисперсионное уравнение дискретной следящей системы и найти его стационарное решение.
4. Как влияют спектральная плотность мощности входного случайного процесса и постоянная времени на дисперсию моделируемого процесса?
5. Как можно приближенно оценить среднеквадратичное значение случайного процесса по его осциллограмме?
6. Какое преобразование связывает автокорреляционную функцию и спектральную плотность мощности случайного процесса?
Практическое занятие №3
Исследование цифрового дальномера с одним интегратором
Цель работы – исследование методом моделирования помехоустойчивости цифрового следящего дальномера, который широко используется в системах радиоуправления.
3.1. Основные теоретические сведения
Алгоритм работы цифрового дальномера, представляющего собой следящую систему с одним интегратором, можно описать разностным уравнением
,
(5)
где – оценка
дальности в
-й момент времени,
–
коэффициент усиления,
– измерение
дальности, содержащее истинное значение дальности
и случайную
ошибку
:
.
(6)
При
моделировании предполагается, что дальность изменяется во времени со скоростью в
соответствии с уравнением
,
(7)
где
– интервал временной дискретизации, определяемый периодом измерительного
процесса
.
Коэффициент усиления выбирается
таким образом, чтобы минимизировать ошибку слежения, которая состоит из
флуктуационной и динамической (в данном случае – скоростной) составляющих.
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.