Реферат: Системное и программное обеспечение
3. Стохостическая аппроксимация.
; 
; 
;
Данный способ является более тонким по сравнению со вторым способом. Эти способы позволяют организовать сам процесс управления.
Элементы математического моделирования.
Различают следующие классы моделей:
1. Линейный и нелинейный.
2. Статический и динамический.
3. Непрерывный и дискретный.
4. Детерминированный (заранее определенный) и стохастический.
Различные способы модели.
Для автоматизации технических процессов функционирования объектов моделирования работы вычислительных систем как правило используется линейная стохостическая модель которая описывается системой 2-х векторных конечноразностных уравнений следующего вида:
|
|
, (1) уравнение динамики
, (2) уравнение наблюдения (измерения)
i– дискретное время
– это вектор–столбцы параметров процесса объекта системы (Соответственно моменты времени i и i+1 размерностью [1*n]);
Ai ,i+1 – Известная квадратная матрица перехода процесса объекта системы из состояния в момент времени i в состояние момента времени i+1 размерностью [n*n];
– Векторный столбец возмущающих воздействий (помех) в момент времени i+1 , размерностью [1*n];
– Вектор столбец в параметрах наблюдения или измерения в момент времени i+1 , размерностью [1*m];
Bi+1 – Известная матрица наблюдения или измерения в момент времени i+1 , размерностью [m*n];
– Вектор столбец возмущающих воздействий наблюдения измерения в момент времени i+1 , размерностью [1*m];
m£n;
В этой системе уравнений неизвестной являются его компоненты вектора столбца 
. Остальные предполагаются либо известными, либо определяются каким-то образом. На практике n£10 в противном случае вычисления громоздки.
Пример: Измеряется плавно меняющийся параметр, которым нужно управлять (с заданной погрешностью).
, · – коэффициент
В данной системе учитываются только аддитивные ошибки.
Для учета, наряду с учетом аддитивных ошибок и мультипликативных ошибок система принимает вид:
– известная квадратная матрица учета мультипликативных ошибок размерностью [m*n];