Материал: 1503

Внимание! Если размещение файла нарушает Ваши авторские права, то обязательно сообщите нам

 

 

 

 

 

2,053

 

 

 

 

 

 

0,83

1,371

0,90

1,643

0,97

2,169

 

 

 

 

 

 

0,84

1,404

0,91

1,694

0,98

2,325

 

 

 

 

 

 

0,85

1,439

0,92

1,750

0,99

2,576

 

 

 

 

 

 

0,86

1,475

0,93

1,810

0,999

3,290

 

 

 

 

 

 

На следующем этапе проводится сопоставление границ доверительных интервалов. Если, как это показано на рис. 1.11, нижняя граница какого-либо интервала оказывается выше верхней границы одного из остальных интервалов, принимается гипотеза о нестационарности исследуемого процесса на интервале T.

Рис.1.11. Диаграмма 95%-ных доверительных интервалов для дисперсии температуры воздуха (С-Петербург, 1 мая)

Обращаясь к рис. 1.11, можно сделать заключение, что в интервале 0-8 часов процесс является стационарным по дисперсии. Если такие заключения будут сделаны и по математическому ожиданию и корреляционной функции, СП признается стационарным на исследуемом отрезке времени.

Изложенный подход позволяет перейти от нестационарных процессов к кусочно-стационарным (состоящим из последовательных отрезков стационарных СП). Членение (исследование на нестационарность) СП осуществляют с помощью технологии отыскания «разладки процессов».

Пусть дана одномерная последовательность независимых

случайных

величин x1, x2, ,xt0

, ,xt0 N .

До

момента

t0 1

они

имеют распределение вероятностей

1(xt t0 ),

а с момента

t0

2 (xt t0 ).

Для нахождения

точки

t0

предложен

алгоритм

кумулятивных сумм (АКС) – последовательный критерий отношения

вероятностей для двух гипотез

H1 (нет разладки): 1

и H2 (есть

разладка): 2 , где

скалярный параметр

плотности

распределения вероятностей xi

/ . В качестве могут выступать

любые моменты распределения, и

если последовательность xt

гауссова, то функция разладки принимает простой вид:

 

 

 

 

 

 

k

 

2

 

 

gt St min Sk ,

Sk

 

 

2 1

xi k

 

1

.

 

2

 

 

2

k t

 

 

 

 

i 1

 

 

 

Кумулятивная сумма St(Sk ) в среднем дрейфует вниз (рис. 1.12), а после разладки вверх (изменяется знак суммы математических ожиданий ( 2 1). На каждом шаге (поступлении очередного отсчета) формируется функция gt , и если она превышает порог h, подается сигнал разладки.

Рис. 1.12. Типичное поведение кумулятивной суммы St

На практике чаще встречается упрощенный вариант алгоритма рассмотренного вида. Из последовательности xt берется выборка

x t N 1 чисел. По выборке вычисляется кумулятивная сумма

St St 1 ln xt / 2 / xt / 1 ,

которая сравнивается с порогом h. При S h выдается сигнал о разладке, при St h процесс наблюдения продолжается и обрабатывается выборка с вновь поступившим отсчетом. Если случайная последовательность гауссова, кумулятивная сумма вычисляется по формуле

 

 

2

 

t N 1

 

2

 

 

 

Sk N

 

 

 

1

 

xi N

 

1

 

,

 

 

2

 

 

 

2

 

 

 

 

 

i t

 

 

 

 

где N – длина выборки.

В соответствии с постановкой задачи процедура последовательных обнаружений разладки характеризуется средним

запаздыванием обнаружения момента разладки и средним временем до очередной ложной тревоги T . Если после ложной тревоги режим слежения продолжается, T будет означать среднее время между ложными решениями.

Для рассмотренного упрощенного алгоритма обнаружения разладки получены оценки:

 

 

 

 

 

N

 

 

 

N

 

 

1

 

 

 

x2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

τ

 

 

 

, Τ

 

, Φ(x)

 

 

e 2 dx,

 

 

 

 

 

 

 

 

 

 

 

 

N) Φ(k k N)

 

2

 

 

Φ(k k

 

 

 

2Φ(k)

 

x

 

 

 

1

1

 

 

 

 

 

 

 

 

 

 

 

 

 

где k – расчетное значение порога; k1– фактическое значение отклонения среднего в долях среднеквадратичного отклонения .

Изменения характеристик нарушают стационарность исследуемого процесса, и используемые для выявления этого нарушения методы служат основой для принятия решения «стационарный – нестационарный процесс». Обобщенная классификация существующих методов обнаружения разладки приведена на рис. 1.13, классификация последовательных параметрических методов – на рис. 1.14.

Из 16 видов последовательных параметрических методов, приведенных на рис. 1.14, сравнительно хорошо исследованы 1 и 9 из них, а 8, 5, 7, 13, 15 мало изучены. При необходимости более подробного ознакомления с алгоритмами обнаружения разладок в случайных последовательностях можно обратиться к монографической литературе [1].

Рис. 1.13. Общая классификация методов обнаружения разладки

Рис. 1.14. Классификация последовательных параметрических методов