Файл: Элементы математического моделирования в программных средах MATLAB 5 и Scilab (Андриевский Фрадков).pdf

становится "нечеткой" и уступает место спектру, который является непрерывным. Вводятся новые важные величины:

старший ляпуновский показатель (степень неустойчивости), характеризующий скорость разбегания траекторий и, следовательно, время прогнозируемости процесса; фрактальная размерность, характеризующая "пористость" клубка траекторий. Важно, что известные хаотические модели имеют небольшое число параметров, а процессы в них обладают малой (несколько единиц) фрактальной размерностью. Это повышает надежность и прогнозирующую силу моделей. Перечислим некоторые из уже известных применений хаотических моделей.

Описание нерегулярного поведения реальных систем.

На сегодняшний день известен целый ряд реальных физических устройств и процессов, проявляющих при некоторых условиях хаотическое поведение. Приведем несколько примеров:

-газовые или полупроводниковые лазеры в так называемых многомодовых режимах [85];

-механические системы, состоящие из нескольких связанных осцилляторов (например, маятников), а также системы с ударами и люфтами [69, 66];

-электронные схемы с активными элементами, например полупроводниковыми приборами с отрицательным дифференциальным сопротивлением (такими как туннельные ди-

- временные ряды в экономике и финансах (например, бизнес-циклы, цены на акции, обменные курсы валют [142, 127, 91, 142, 146, 124]). Заметим, что в экономических и финансовых приложениях хаотические модели в последнее время несколько потеснили традиционные для этих областей стохастические модели.

Генерация нерегулярных сигналов. Во многих технических системах возникает необходимость использования псевдослучайных чисел и сигналов [93]. В качестве генераторов псевдослучайных чисел можно использовать хаотические системы.

133

Простейший подход к построению хаотических генераторов состоит в том, что берется динамическая система, описываемая одной из типовых хаотических моделей (см. п. 3.8.1), и по внешнему виду траекторий выбирается та, в которой качественный характер колебаний наиболее близок к желаемому. После этого путем подбора параметров моделей устанавливаются желаемые качественные характеристики колебаний (амплитуда, спектр и т.д.). Использование характеристик хаотической динамики (показатели Ляпунова, фрактальные размерности и т.п.) позволяет задавать дополнительные свойства шумов и помех при их генерации. Заметим, что "на глаз" квазипериодические колебания с большим числом составляющих гармоник и хаотические колебания бывает трудно различить. В то же время, как и при моделировании нерегулярных процессов, малая размерность и малое число параметров хаотических моделей дают им дополнительные преимущества перед линейными моделями с большим числом гармоник.

Синхронизация нерегулярных колебаний и управление ими. Двойственность природы хаотических систем (детерминированные системы с хаотическим поведением) приводит к новым неожиданным их применениям. Например, две хаотические системы можно заставить колебаться синхронно (в одной фазе), если подавать на одну или на обе системы сигнал обратной связи по ошибке рассогласования. Использование этого эффекта, например, в технике связи позволяет использовать хаотический несущий сигнал вместо периодического, что в свою очередь дает возможность повысить надежность и скрытность процесса передачи сообщений [109, 135] (см. ниже п. 6.2).

Поясним идею управляемой синхронизации для упрощенного случал, когда ведущая система (эталонный генератор)

134

где е = х — z - вектор ошибок, К > 0 - коэффициент усиления, получим уравнение ошибок:

в котором x(t) - заданная функция времени, являющаяся решением (3.76). Если матрица Якоби А(х) = ^ ( я ) ограничена в некоторой области П, содержащей решение системы (3.76)- (3.78), то легко подобрать такое К > 0, чтобы собственные числа симметричной матрицы А(х) + Ат(х) — 2К1п (где 1„ - единичная пхп-матрица) лежали левее мнимой оси при х € П. При этом, как известно [31], система (3.76)-(3.78) будет обладать свойством так называемой конвергентпностпи в Q: все ее траектории, лежащие в 17, сходятся при t —• оо к единственному ограниченному решению. Поскольку e(t) = 0 является решением (3.79), то к нему и сходятся все траектории. Таким образом, решения систем (3.76) и (3.77), (3.78) неограниченно сближаются, что и означает синхронизацию двух систем. При этом поведение каждой из систем может быть хаотическим и оставаться таковым.

Условия синхронизации для более сложных задач: при неполном измерении (когда измерению доступен лишь вектор выходных координат у = Л(х)); при неполном управлении (когда u(t) - га-мерный вектор, гп < п и вместо u(t) в (3.77) стоит Bu(t), где В - прямоугольная т х тп-матрица ), - а также условия адаптивной синхронизации (когда часть параметров математических моделей систем неизвестна) получены в [130, 132].

Задача синхронизации в формулировке (3.76)-(3.78) совпадает с традиционной для теории управления задачей управления с эталонной моделью [6, 106]. В более общей постановке допускается взаимное влияние подсистем, что соответствует описанию подсистем в виде:

и введению модели динамики связи (взаимовлияния):

135

Критерий синхронизации может допускать также возможность сдвига фаз между процессами в синхронизируемых подсистемах [11, 12]. Особый интерес представляет синхронизация слабой связью, т.е. когда величина сигнала взаимосвязи u(t) предполагается малой.

Отметим, что эффект синхронизации изучался в механике, начинал с работы Х.Гюйгенса (1673 г.), и имеет многочисленные применения, например в вибрационной технике [11, 12]. В традиционной для механики постановке задачи синхронизации система связи (3.82) считается заданной и требуется найти условия сходимости траекторий системы (3.80)—(3.82) к некоторой периодической траектории [11] или условия достижения иной цели синхронизации, например сходимости к нулю ошибки e{t) = x(t) - z(t), т.е. задача является задачей анализа. Мы же здесь говорили о задачах, где требуется найти подходящую систему связи (3.82), которая описывает регулятор или алгоритм взаимодействия и обеспечивает достижение заданной цели. Такие задачи относятся к классу задач синтеза (управляемой синхронизации). В теории управления, однако, методы их решения разработаны далеко не для всех практически важных случаев.

В последние несколько лет наблюдается необычайно быстрый, лавинообразный рост публикаций по управлению и синхронизации хаотических систем [123, 132]. Теоретические исследования стимулируются потенциальными приложениями в лазерной технике [148], электронике и связи [109, 135], в химии и химической технологии [125, 126], биологии и медицине [127] и других областях.

Синхронизация - это лишь один (хотя и весьма важный) класс задач управления хаотическими колебаниями. Представляют интерес задачи, где целью управления является достижение заданного значения какой-либо характеристики процесса: энергии, энтропии, фрактальной размерности и т.д. В других задачах целью является изменение характера колебаний. Например, хаос может быть нежелательным и систему требуется стабилизировать вблизи равновесия или вблизи периодической орбиты (в биологии это задачи стабилизации биоритмов [59], в экономике - повышение прогнозируемости бизнес-циклов [142]). Иногда, наоборот, хаос может оказаться полезным (например, хаотическое перемешивание

136

ускоряет ход химической реакции и повышает качество ее продуктов). В таких случаях цель управления состоит в возбуждении хаотических колебаний с заданными свойствами.

В заключение подчеркнем характерную особенность задач управления колебательными и в том числе хаотическими процессами. Она состоит в том, что за время процесса управления в системе может происходить большое число колебаний и, значит, энергию управления за один период (т.е. среднюю мощность управляющего сигнала) следует считать достаточно малой. Интересно, в частности, выделить задачи, решаемые с помощью управления со сколь угодно малой мощностью [145, 132, 116, 5]. С другой стороны, хаотичность системы означает сильную чувствительность ее к изменению начальных условий и внешних воздействий. Это способствует снижению требуемой мощности управления, но затрудняет обеспечение устойчивости замкнутой системы.

3.9.Линейные или нелинейные?

При чтении предыдущих разделов книги у читателя могло сложиться впечатление, что проблема выбора модели и ее исследования для современной науки совершенно ясна и на любой вопрос имеется окончательный ответ, сформулированный в виде более или менее четких рекомендаций. На самом деле, это впечатление обманчиво. Науке о математических моделях еще очень многое неизвестно, и она продолжает интенсивно развиваться. Особенно бурно развивалась за последние годы теория нелинейных систем (см., например, [63, 43, 52]). Ниже мы опишем некоторые новые идеи из теории нелинейных систем, показывающие, что естественная рекомендация: "выбирать линейную модель, потому что с ней проще работать", не является такой уж бесспорной.

Последнее десятилетие XX века ознаменовалось проникновением нелинейных моделей в самые различные области. Помимо механики, где их применение стимулировалось прежде всего запросами робототехники, нелинейные модели прочно обосновались в физике, химии, биологии, а также в общественных науках - экономике и социологии. Во многих случаях учет нелинейности необходим из-за наличия в реальном процессе колебательных составляющих, как регулярных (типа предельного цикла), так и нерегулярных (хаотических),

137

которые невозможно описать и исследовать, оставаясь в рамках линейных моделей.

Однако часто методы теории нелинейных систем создаются путем аналогий с линейной теорией или сведением нелинейной задачи к линейной.

Построение нелинейной теории на "линейном" фундаменте порождается представлением о линейной системе как о простейшем классе систем, а о гармоническом сигнале как о простейшем виде сигналов.

Например, подход теории абсолютной устойчивости, развиваемый с середины XX века [56, 81], основан на рассмотрении систем, разделенных на линейную и нелинейную части (такие модели часто называют системами Лурье, см. рис. 3.30), и выведении свойств полной системы из свойств частотной характеристики линейной части (ее реакции на гармонический сигнал) и свойств множества, где лежит график нелинейности. На таком подходе основаны и современные частотные методы нелинейного анализа (см. [21, 55]). Аналогично в задачах синтеза приобрел популярность метод линеаризации обратной связью ("feedback linearization"), основанный на преобразовании модели нелинейной системы к линейной форме при помощи нелинейных замен координат и обратных связей с последующим применением хорошо разработанных методов синтеза линейных систем [63].

(р{у)

Рис. 3.30. Система Лу р ь е .

В 80-е годы возникла новая идея: не опираться на анализ частотных свойств линейной части модели, а развивать "частотную философию" для исходной нелинейной системы [121]. На нелинейные системы были перенесены понятия канонических форм, минимальной фазовости (ноль-динамика), относительной степени, пассивности и т.д., что привело к

138

значительным успехам в решении задач анализа и синтеза [122, 137, 150, 63, 79].

Однако и этот подход имеет границы применимости: если на величину управляющих сигналов или на функции обратной связи наложены ограничения, то "частотная философия" и линеаризация теряют свою силу. Аналогично в присутствии нерегулярных колебаний гармонические сигналы перестают играть роль простейших сигналов, а применение частотных методов как средства анализа нелинейных систем существенно усложняется.

По-видимому, настает время смены парадигмы и разработки новой, "вполне нелинейной философии" для нелинейных систем, не считающей линейные системы простейшим и основным видом систем, а гармонические сигналы - простейшим и основным видом сигналов. Попробуем наметить некоторые контуры нового подхода.

Прежде всего необходимо найти адекватную замену частотной характеристике. Чтобы сделать это, сначала вернемся к классической задаче Лурье об абсолютной устойчивости системы, состоящей из линейной части, описываемой

Неравенство (3.85) означает, что коэффициент усиления нелинейного блока (3.84) не превосходит К В соответствии с круговым критерием (см. например, [6, 55]), для устойчивости системы (3.83) - (3.85) достаточно выполнения неравенства

Таким образом, для анализа устойчивости представляет интерес не вся амплитудно-частотная характеристика А(и>) =

139