section - 2 - p - 1 Моделирование динамических систем

СЕКЦИЯ 2.
Моделирование динамических систем
Часть 1.
Председатель:
к. т. н., доцент В. В. Анохин
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Оглавление
Александров В. М., Орловский В. Г.

CРАВНИТЕЛЬНОЕ МОДЕЛИРОВАНИЕ ПОВЕДЕНИЯ СИСТЕМ ПРИ
ПРОЕКТИРОВАНИИ ЖИВУЧИХ ОБЪЕКТОВ ......................................... 470
Асанов А. З., Демьянов Д. Н.
ВЫЧИСЛЕНИЕ НУЛЕЙ ЛИНЕЙНОЙ МНОГОМЕРНОЙ
ДИНАМИЧЕСКОЙ СИСТЕМЫ СРЕДСТВАМИ MATLAB ..................... 473
Атаева Н. Н.
ИССЛЕДОВАНИЕ ГОЛОМОРФНЫХ ДИНАМИЧЕСКИХ СИСТЕМ В
СРЕДЕ MATLAB............................................................................................. 483
Бутырин С. А, Сомов С. Е.
МОДЕЛИРОВАНИЕ ДВИЖЕНИЯ ДЕФОРМИРУЕМОЙ
КОНСТРУКЦИИ СПУТНИКА SESAT ........................................................ 498
Веснин Е. Н., Царев В. А.
СОВЕРШЕНСТВОВАНИЕ ПРОЦЕССА РАЗРАБОТКИ ОПТИКО-
ЭЛЕКТРОННЫХ СИСТЕМ ИДЕНТИФИКАЦИИ ДВИЖУЩИХСЯ
ОБЪЕКТОВ С ИСПОЛЬЗОВАНИЕМ СРЕДЫ MATLAB.......................... 516
Говорухин В. Н.
TOOLBOX MATDS ДЛЯ ЧИСЛЕННОГО АНАЛИЗА
ДИНАМИЧЕСКИХ СИСТЕМ ....................................................................... 522
Грибова Е. Н.
ИММИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ЭКОНОМИЧЕСКОЙ
ДИНАМИКИ РЕГИОНОВ ПРИ ПОМОЩИ КЛЕТОЧНЫХ
АВТОМАТОВ.................................................................................................. 526
Дубаренко В. В., Кучмин А. Ю.
МОДЕЛИРОВАНИЕ ПРОИЗВОЛЬНЫХ ПРОСТРАНСТВЕННЫХ
МЕХАНИЧЕСКИХ СИСТЕМ ТВЕРДЫХ ТЕЛ С УПРУГИМИ
СВЯЗЯМИ В СРЕДЕ MATLAB..................................................................... 547
Ибрагимова Л. С.
АСИМПТОТИЧЕСКИЕ ФОРМУЛЫ В ЗАДАЧЕ О ТОЧКАХ
БИФУРКАЦИИ ДИСКРЕТНЫХ ДИНАМИЧЕСКИХ СИСТЕМ .............. 549
Калинин Е. Н.
АНАЛИЗ ПЕРЕДАТОЧНЫХ ФУНКЦИЙ РОТОРНОЙ СИСТЕМЫ
«ВАЛКОВОЕ УСТРОЙСТВО–ТЕКСТИЛЬНЫЙ МАТЕРИАЛ» ............. 554
Каплий С. А., Проказников А. В., Рудь Н. А.
ТРЕХЦВЕТНАЯ ДИСКРЕТНАЯ МОДЕЛЬ АДСОРБЦИИ ....................... 559
Кацюба О. А., Тренькин В. М.
ПАКЕТ ПРИКЛАДНЫХ ПРОГРАММ В СРЕДЕ МАTLAB ДЛЯ
ПАРАМЕТРИЧЕСКОЙ ИДЕНТИФИКАЦИИ ЛИНЕЙНЫХ
РАЗНОСТНЫХ УРАВНЕНИЙ ПРИ НАЛИЧИИ ЛОКАЛЬНО
АВТОКОРРЕЛИРОВАННЫХ ПОМЕХ В ВЫХОДНЫХ СИГНАЛАХ ... 565
468
Секция 2. Моделирование динамических систем
Кондратьев В. А.
О ВОЗМОЖНОСТИ МОДЕЛИРОВАНИЯ ДИНАМИКИ
ЭЛЕКТРОМАГНИТНЫХ ПРИВОДОВ........................................................ 572
Кондратьев В. А., Цветков В. Е.
ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ЭЛЕКТРОМАГНИТНОГО
УДАРНОГО СТЕНДА .................................................................................... 577
Кошелев П. А., Пшенкин С. Н., Парамонов С. В.
МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ИНВЕРТОРНО-ВЫПРЯМИТЕЛЬНОГО
БЛОКА ИСТОЧНИКА ПИТАНИЯ ДЛЯ ПЛАЗМЕННОЙ
ТЕХНОЛОГИИ................................................................................................ 585
Кухаренко Б. Г.
ИДЕНТИФИКАЦИЯ ПЕРЕХОДНЫХ И КВАЗИСТАЦИОНАРНЫХ
РЕЖИМОВ КОЛЕБАНИЙ В МОДЕЛЯХ С ХАОТИЧЕСКОЙ
ДИНАМИКОЙ................................................................................................. 596
Лихачев А. Б., Гнатюк C. П.
ИССЛЕДОВАНИЕ ТОПОЛОГИИ ПОВЕРХНОСТЕЙ ТВЕРДЫХ ТЕЛ С
ПОЗИЦИИ ТЕОРИИ ФРАКТАЛОВ ............................................................. 620
Малафеев О. А., Пичугин Ю. А.
ДИСКРЕТНАЯ МОДЕЛЬ УПРАВЛЕНИЯ ФИНАНСОВЫМИ
ПОТОКАМИ В СТАТИСТИЧЕСКИ УСТОЙЧИВОЙ СИТУАЦИИ ........ 628
Музафаров С. М.
РАСЧЕТ ПЕРЕХОДНЫХ И КОЛЕБАТЕЛЬНЫХ ПРОЦЕССОВ В
СИСТЕМАХ СО СЛОЖНЫМИ ЗАПАЗДЫВАНИЯМИ............................ 632
Никульчев Е. В., Кучаева Е. В.
МЕТОД МОДЕЛИРОВАНИЯ НЕЛИНЕЙНЫХ ДИНАМИЧЕСКИХ
ПРОЦЕССОВ В СЛОЖНЫХ ЭКОНОМИЧЕСКИХ СИСТЕМАХ ........... 599
Овсянников Д. А., Меркурьев С. В.
МОДЕЛИРОВАНИЕ И ОПТИМИЗАЦИЯ ПРОДОЛЬНОЙ ДИНАМИКИ
ПУЧКА ЧАСТИЦ В ЛИНЕЙНОМ УСКОРИТЕЛЕ .................................... 644
Овсянников Д. A., Овсянников А. Д., Антропов И. В.
МОДЕЛИРОВАНИЕ И ОПТИМИЗАЦИЯ ПРОДОЛЬНОГО ДВИЖЕНИЯ
ЗАРЯЖЕННЫХ ЧАСТИЦ В УСКОРИТЕЛЕ С ПРОСТРАНСТВЕННО-
ОДНОРОДНОЙ КВАДРУПОЛЬНОЙ ФОКУСИРОВКОЙ........................ 653
469
УДК 681.3.068(03)
СРАВНИТЕЛЬНОЕ МОДЕЛИРОВАНИЕ ПОВЕДЕНИЯ

СИСТЕМ ПРИ ПРОЕКТИРОВАНИИ ЖИВУЧИХ
ОБЪЕКТОВ
Александров В. М.,
СУНЦ МГТУ им. Н. Э. Баумана, Москва,
e-mail:kaleksandrov@luxoft.com
Орловский В. Г.
Service Technologies, Москва,
e-mail:orlov@relline.ru
В соврменных технических системах принимают различные меры по

обеспечению живучести и надежности этих систем. В основном эти меры
относятся к одному из следующих классов:
1. Применение средств защиты элементов системы и системы в це-
лом от неблагоприятных внешних (по отношению к системе) воздействий.
К этому классу относятся: изоляция (бронирование и т. п.), фильтрация,
отражение и т. п.
2. Применение резервирования элементов системы и системы в це-
лом. Применяется простое резервирование, многократное резервирование,
холодное, теплое, горячее и т. д., и т. п.
3. Создание систем на основе использования методов и средств, со-
храняющих удовлетворительную способность решать приемлемое под-
множество задач системы при выводе из строя части элементов системы
или части системы.
4. Построение систем и их элементов на базе адаптивных средств и
методов, обеспечивающих подстройку своих свойств при изменении
свойств элементов системы и самой системы, что позволяет сохранить
возможность решения задач при ухудшении состояния системы.
5. Построение систем с использованием средств реконфигурации. В
случае частичного разрушения системы, нарушения ее целостности (раз-
рушение связей в системе) или какой-либо другой утраты части распола-
гаемых системой ресурсов средства реконфигурации производят пере-
смотр состава решаемых задач, перераспределение задач между работо-
способными средствами системы, перераспределение потоков данных ме-
жду располагаемыми каналами связи и т. п. Средства реконфигурации мо-
гут быть реализованы в виде централизованного реконфигуратора, в виде
иерархической системы реконфигураторов, в виде распределенной систе-
мы реконфигурации.
В связи с широким применением в технических системах цифровых
средств (в том числе компьютеров, микропроцессоров, микроконтроллеров
470
и т. д.) наибольший интерес сейчас представляет использование методов,
относящихся к классу средств реконфигурации.
Одной из проблем является проблема необходимости проведения
анализа текущего состояния системы и формирования решений по прове-
дению реконфигурации. Решение этих задач может потребовать значи-
тельно больше ресурсов (времени, аппаратуры и т. д.), чем можно допус-
тить. В данное время эта проблема решается обычно путем предваритель-
ного анализа системы, ее поведения, возможных ситуаций, предполагае-
мых вариантов решений, располагаемых методов и средств и т. д. В ре-
зультате анализа, моделирования, осмысливания результатов формируются
таблицы решений, которые затем и используются средствами реконфигу-
рации в реальных условиях, но уже без затрат времени на анализ и форми-
рование адекватных реакций на события.
При анализе поведения систем в разных условиях возникает, в част-
ности, задача определения условий (границ) перехода с одного используе-
мого метода (средства, ресурса) на другой (или переключения с одной
конфигурации на другую). На рис. 1 изображено несколько областей при-
менимости для различных методов и выбранные для средств реконфигура-
ции границы переключения с метода на метод.
Рис. 1. Области методов и границы переключний.
Для решения таких задач целесообразно использовать сравнительное

моделирование поведения систем с помощью средств пакетов MATLAB и
SIMULINK. (Напрмер, сравнительное моделирование поведения систем
управления перемещением объекта в заданную точку, использующих раз-
личные методы выполнения задания.).
Под сравнительным моделированием понимается параллельная ра-
бота двух (или более) моделей объектов, поведение которых изучается. Ра-
бота моделей принудительно синхронизируется путем внешнего (для мо-
делей объектов) задания текущего времени жизни объектов, а результаты
моделирования выводятся на общие (для всех этих моделей) средства ото-
бражения, что позволяет наблюдать и непосредственно сравнивать поведе-
471
ние систем. Структурная схема (рис. 2) иллюстрирует применяемую тех-
нологию.
Модель 1 Вывод
X
t Вывод
Y
Вывод
Модель 2
Z
Рис. 2. Схема сравнительного моделирования.
Вышеприведенный подход был использован для определения границ

переключения между двумя методами инерциального управления переме-
щением управляемого объекта в заданную точку. Созданная MATLAB-
модель позволяет проводить сравнение поведения двух инерциальных сис-
тем управления в разных условиях, сравнение конечных результатов рабо-
ты систем управления, срвнение влияния ошибок ориентации и дрейфа
ИНС. Демонстрационная SIMULINK-модель приведена в разделе прило-
жений материалов конференции.
Литература
1. Алешин Б. С., Орловский В. Г. Формирование инфраструктуры инфор-
мационно-вычислительных взаимодействий в цифровом вычислитель-
ном комплексе // Материалы II всесоюзной школы «Автоматизация соз-
дания математического обеспечения и архитектуры систем реального
времени».— Иркутск: АН СССР, Научный Совет АН СССР по пробле-
мам управления движением и навигации; Научный Совет АН СССР по
комплексной проблеме «Кибернетика»; Иркутский ВЦ СО АН СССР,
1990.
2. Александров В. М., Орловский В. Г. Метод компенсации неизвестных
ошибок инерциальных навигационных систем. // Научная сессия
МИФИ-2001: Сборник научных трудов.— М.: МИФИ., 2001.— Т.2.
3. Александров В. М., Орловский В. Г. Моделирование поведения системы
инерциального управления, компенсирующей неизвестную ошибку
ориентации системы координат // Тр. Всероссийской науч. конф. «Про-
ектирование научных и инженерных приложений в среде MATLAB»
(28–29 мая 2002).— М.: ИПУ РАН, 2002.
472
УДК 004.42:519.615.4
ВЫЧИСЛЕНИЕ НУЛЕЙ ЛИНЕЙНОЙ МНОГОМЕРНОЙ

ДИНАМИЧЕСКОЙ СИСТЕМЫ СРЕДСТВАМИ MATLAB
Асанов А. З., Демьянов Д. Н.

Камский государственный политехнический институт, Набережные Челны,
e-mail:asx@asan.chelny.ru
Введение
Современные динамические объекты и их системы управления ха-

рактеризуются сложностью и многокомпонентностью. Наличие большого
количества компонентов, сложно взаимодействующих друг с другом, при-
водит к необходимости изучения свойств объекта, которые не наблюдают-
ся в отдельных компонентах, но проявляются при их взаимодействии. Од-
ним из таких свойств являются нули многомерной динамической системы,
понятие о которых ввел X. Розенброк [1].
Наличие и характер нулей многомерной динамической системы су-
щественно влияет на решение целого ряда задач управления. Так, макси-
мально возможная точность в оптимальных системах достижима, если
только динамическая система минимально-фазовая (многомерная система
является неминимально-фазовой, если, по крайней мере, один ее переда-
точный нуль находится в правой комплексной полуплоскости) [2]. В силу
двойственности аналогичный результат справедлив для оптимального оце-
нивания состояния динамической системы: точное восстановление вектора
состояния возможно (шум наблюдений отсутствует, число компонент на-
блюдаемой переменной не меньше числа компонент возмущаемой пере-
менной) при условии, что динамическая система — минимально-фазовая.
Другой пример существенного влияния нулей системы заключается
в известном явлении, что число нулей передаточной функции наблюдателя
Люенбергера влияет на характер изменения (неограниченный рост) инте-
грала квадрата ошибки оценивания, несмотря на стремление его полюсов к
бесконечности [З].
Для динамической системы показано, что для экспоненциальной ус-
тойчивости замкнутой системы с динамическим компенсатором G(p) в
прямой цепи и регулятором Q(p) в цепи обратной связи необходимо, чтобы
неминимально-фазовые передаточные нули объекта управления являлись
передаточными нулями замкнутой системы при любых G(p) и Q(p) [З].
Можно привести еще примеры существенного влияния нулей систе-
мы на решение различных задач теории управления.
Исходя из приведенного выше, нетрудно сделать вывод о необходи-
мости учета нулей системы при изучении структурных свойств многомер-
473
ных систем и синтезе качественных систем управления. Очевидно, что еще
на начальной стадии проектирования систем управления многомерными
объектами следует исследовать (определить) нули системы. По результа-
там исследования в дальнейшем возможен синтез системы управления с
желаемыми динамическими свойствами, если нули не препятствуют дос-
тижению этой цели, или выявить необходимость предварительного изме-
нения структуры системы — если нули препятствуют достижению постав-
ленной цели.
В данной работе рассматриваются программной реализации некото-
рых методов вычисления нулей многомерной системы средствами
MATLAB.
Нули многомерной системы
Пусть линейная многомерная система описывается в пространстве

состояний следующими уравнениями:
x(t ) = Ax(t ) + Bu (t ), x ∈ R n , u ∈ Rs ,
(1)
y (t ) = Cx(t ). y ∈ Rm ,
где x(t ) — вектор состояния, y (t ) — выходной вектор, u (t ) — вектор
управления, A,B,C – постоянные матрицы соответствующих размеров.
Матрица, определенная как Φ ( p ) = C ( pI n − A) −1 B называется мат-
ричной передаточной функцией.
Помимо приведенных выше двух форм математических моделей
может быть использована системная матрица Х. Розенброка:
( pI − A ) − B 
R( p) =  n  (2)
 C 0 
Матрицы Ф(р) и R(p) играют ключевую роль при исследовании ну-
лей многомерной системы.
Современные представления о нулях многомерной системы доста-
точно сложны и выражаются в том, что различают несколько типов ну-
лей [4]:
• Обычные нули;
• Передаточные нули;
• Развязанные нули по входу;
• Развязанные нули по выходу;
• Развязанные нули по входу и по выходу;
• Инвариантные нули.
Обычными нулями системы принято называть корни полиномов,
стоящих в числителе передаточной функции — элементов матричной пе-
редаточной функции.
474
Конечными нулями принято называть нули системы, принимающие
конечное значение комплексных частот.
Обычные нули влияют на качество переходного процесса в отдель-
ном канале управления. Вместе с тем, обычные нули структурными свой-
ствами не обладают. Все остальные нули могут быть использованы для ха-
рактеризации некоторых структурных свойств системы. Структурные
свойства, с одной стороны, определяют принципиальную возможность ре-
шения той или иной задачи, а с другой стороны обладают относительной
устойчивостью при преобразованиях системы.
Полное множество нулей системы определяется как множество кор-
ней наибольшего общего делителя тождественно неравных нулю миноров
максимального порядка матрицы R(p).
Передаточным нулем системы называется значение комплексного
числа р (частота входного сигнала), при котором происходит уменьшение
ранга матричной передаточной функции Ф(р).
Развязанный нуль по входу — значение комплексного числа р, при
котором происходит потеря ранга матрицы Ri ( p ) = ( pI − A ) B  .
Развязанный нуль по выходу — значение комплексного числа р, при
 pI − A
котором происходит потеря ранга матрицы R0 ( p ) =  .
 C 
Развязанный нуль по входу и по выходу - значение комплексного чис-
ла р, при котором происходит одновременная потеря ранга матриц R0 ( p )
и Ri ( p ) .
Инвариантным нулем системы называется значение комплексного
числа р, при котором происходит потеря ранга матрицы R(p).
Наличие в системе передаточного нуля означает, что существует та-
кое соотношение амплитуд входных сигналов при заданной частоте и ну-
левых начальных условиях, что вынужденная составляющая выходного
сигнала равна нулю.
Наличие в системе инвариантного нуля означает, что существует та-
кое соотношение амплитуд входных сигналов и начальных условий, что
при заданной частоте на выходе системы устанавливается нуль — проис-
ходит взаимная компенсация влияний входного сигнала и ненулевых
начальных условий.
Наличие в системе развязанных нулей связано с особенностями ее
структуры — неуправляемостью и/или ненаблюдаемостью отдельных под-
систем. Наличие развязанных по входу нулей связано с присутствием в
системе неуправляемых подсистем. Наличие развязанных по выходу нулей
связано с присутствием в системе ненаблюдаемых подсистем. Наличие
развязанных по входу и по выходу нулей означает наличие и неуправляе-
мых и ненаблюдаемых подсистем.
475
Инвариантные, передаточные, развязанные (различных типов) нули
характеризуют структурные свойства системы. Применение регулярных
законов управления, что чаще всего используется в современной практике,
не позволяет изменить положение этих нулей. Развязанные нули позволя-
ют оценить управляемость и наблюдаемость любых динамических систем,
в том числе и представленных в виде неминимальной структурной реали-
зации.
Знание нулей многомерной линейной системы (объекта управления)
открывает путь к решению многих задач теории управления, которые мо-
гут быть отнесены к «тонкоструктурным исследованиям» систем управле-
ния, считающимся наиболее эффективными [5].
Вычисления и идентификация типа нулей
Существуют различные определения нулей многомерной динамиче-

ской системы и способы из вычисления (см. обзор [1]), опирающиеся на
различные свойства систем и их нулей. Наиболее естественный путь вы-
числения нулей системы — через соответствующие определения — со-
пряжен с большой трудоемкостью из-за необходимости использования
специальных форм матриц R( p) , R0 ( p ) , Ri ( p ) и Φ ( p ) — форм Смита и
Смита–Макмиллана.
Для вычисления нулей можно использовать свойства квадратных
систем (число входов совпадает с числом выходов, т. е. m = s ). При этом
имеется в виду, что любые неквадратные системы ( m ≠ s ) могут быть све-
дены к квадратным посредством процедуры квадрирования:
y = Ly = LCx при s < m , rank Ls ,m = s
или
u = Du при m < s , rank Ds ,m = m . (3)
В [3] доказано, что множество нулей системы (1) является подмно-
жеством нулей квадрированной системы, т. е. Ω ( A,B,C ) ⊆ Ω ( A,B,LC ) или
Ω ( A, B, C ) ⊆ Ω ( A, B, C , D ) , где Ω ( ...) — множество нулей системы.
Тогда, при исследовании нулей любой неквадратной системы воз-
можен следующий прием: система дважды квадрируется различными мат-
рицами, каждый раз находится множество нулей, а искомое множество ну-
лей исходной системы находится как пересечение двух квадрированных
систем.
Первый из рассматриваемых методов вычисления нулей использует
известное асимптотическое свойство нулей замкнутой системы: при
k → ∞ нули системы совпадают с конечными собственными числами мат-
рицы A(k ) = A + kBKC , где K — некоторая произвольная ограниченная
матрица. Поэтому нули можно вычислять путем выбора некоторой мат-
476
рицы K , умноженной на большой скаляр k ∼ 1015 [3] и последующего оп-
ределения собственных чисел матрицы An , n (k ) . Ограниченные собствен-
ные числа A(k ) есть передаточные нули. Данный метод сводит проблему
вычисления нулей к проблеме собственных значений матрицы, но подвер-
жен численным погрешностям из-за использования больших чисел k .
Второй из рассматриваемых методов вычисления нулей использует
свойство квадратных систем, что нули такой системы являются корнями
полинома ψ ( p) [3]
(
ψ ( p) = det ( pI n − A ) det C ( pI n − A ) B .
−1
) (4)
Максимальное число нулей в системе n -го порядка составляет
µ = n − s , если в ( s,s ) -системе матрица CB невырождена, и µ = n − s − d ,
если в ( s,s ) -системе матрица CB имеет дефект ранга d .
Пусть система имеет µ ≤ n − s , тогда полином ψ (t ) можно предста-
вить в виде:
ψ ( p ) = a0 + a1 p1 + ... + aµ p µ . (5)
Для этого случая показано [3], что определения коэффициентов
ai , i = 0 , µ , требуется решить уравнение
1 p1 p12 ... p1µ   a0   b1 
    
1 p2 p22 ... p2µ   a1   b2 
= , (6)
... ... ... ... ...   ...   ... 
    
 1 pµ+1 pµ2 +1 ... pµµ+1   aµ  bµ+1 
где b j , j = 1,µ + 1 , получены подстановкой в (4) µ + 1 различных действи-
тельных чисел pi , не совпадающие с корнями полинома det ( pI n − A ) .
Полученная матрица в левой части (6) является матрицей Вандер-
монда. Она невырожденная при различных pi . Поэтому система (6) имеет
единственное решение относительно a0 ,a1 ,...,aµ .
Искомые нули системы теперь могут быть найдены как корни поли-
нома ψ( p) из (5). Метод позволяет сразу получить полное множество ну-
лей системы.
После получения полного множества нулей системы проводится оп-
ределение типа нулей. Определение типов нулей происходит путем после-
довательной их подстановки в матрицы R( p) , R0 ( p ) , Ri ( p ) и Φ ( p ) и про-
верки условий — определений различных типов нулей.
477
Программные модули вычисления нулей системы
Метод 1. Последовательность операций при определении нулей пер-

вым методом следующая:
− Находится матрица A(k ) = A + kBC при k =1010 и ее собственные числа.
− Находится матрица A(k ) = A + kBC при k =1015 и ее собственные числа.
− Полученные множества сортируются.
− Осуществляется последовательное сравнение элементов первого и вто-
рого множеств.
− Совпадающие с определенной точностью элементы, находящиеся в
обоих множествах сохраняются как нули системы.
Листинг программного модуля 1

function [z]=metod1(ak,bk,ck)
%----------------------------------------------------------------
% Первый метод
% Входные данные - матрицы системы
% Выходные данные - множество нулей
%----------------------------------------------------------------
k1=1e+9; ak1=ak+k1*bk*ck; r1=eig(ak1);
k2=1e+10; ak2=ak+k2*bk*ck; r2=eig(ak2);
r1=sort(r1); r2=sort(r2);
rr=r1-r2; q=0;
for i=1 : size(r1,1)
if abs(rr(i))<0.001
q=q+1;
z(q)=r1(i);
end
end
z=rot90(z); z=sort(z);
Метод 2. Последовательность операций при определении нулей вто-
рым методом следующая:
− Определяется число нулей системы.
− Находится µ + 1 чисел, не совпадающих с собственными числами мат-
рицы ( pI n − A) .
Находится µ + 1 чисел bi = det ( pi I n − A ) det C ( pi I n − A ) B  .
−1
−
 
− Находится матрица из левой части уравнения (5).
− Решается матричное уравнение (5).
− Находятся корни полинома с известными коэффициентами.
Листинг программного модуля 2

function [z]=metod2(ak,bk,ck)
%----------------------------------------------------------------
% Второй метод
478
% Входные данные - матрицы системы
% Выходные данные - множество нулей
%----------------------------------------------------------------
n=size(ak,1); r=size(ck,1); m=n-r;
s(1)=max(eig(ak))+10;
for i=2 : m+1
s(i)=s(1)+i;
end
for i=1 : m+1
q(i)=det(s(i)*eye(n)-ak)*det(ck*inv(s(i)*eye(n)-ak)*bk);
end
q=rot90(q,3);
for j=1 : m+1
for i=1 : m+1
sk(j,i)=s(j)^(i-1);
end
end
f=inv(sk)*q; z=roots(rot90(f,3)); z=sort(z);
Вспомогательные программные модули
Листинг модуля квадрирования системы

function [bk, ck]=qwadro(b, c)
%-----------------------------------------------------
% Квадрирование системы
% Входные данные - матрицы исходной системы
% Выходные данные - матрицы квадратной системы
%-----------------------------------------------------
if size(c,1)>size(b,2)
bk=b;
ck=rand(size(b,2),size(c,1))*c;
else
bk=b*rand(size(b,2),size(c,1));
ck=c;
end
Листинг модуля удаления нулей, возникших при квадрировании

function [z1, z2]=zerokill(zk1,zk2,zk3,zk4)
%----------------------------------------------
% Удаление лишних нулей
%----------------------------------------------
rr=zk1-zk3; q=0;
for i=1 : size(zk1,1)
if abs(rr(i))<0.001
q=q+1;
z1(q)=zk1(i);
end
end
z1=rot90(z1); rr=zk2-zk4; q=0;
for i=1 : size(zk2,1)
if abs(rr(i))<0.001
479
q=q+1;
z2(q)=zk2(i);
end
end
z2=rot90(z2);
Листинг модуля идентификации типов нулей.

function[]= zerosid(z, a, b, c, d)
%----------------------------------------------------------------
% Определение типов нулей
%----------------------------------------------------------------
n=size(a,1); r=size(c,1); m=n-r;
for i=1:size(z,1)
z(i)
q1=z(i)*eye(n)-a;
if det(q1)>0.001
g=c*inv(q1)*b;
if rank(g,0.001)<min(size(g,1),size(g,2))
disp('Передаточный ноль')
end
end
p1=cat(1,q1,c); p2=cat(1,-b,d); p3=cat(2,p1,p2);
if rank(p3,0.001)<min(size(p3,1),size(p3,2))
disp('Инвариантный ноль')
end
q2=cat(2,q1,b);
if rank(q2,0.001)<size(q2,1)
disp ('Разв. нуль по входу')
end
q3=cat(1,q1,c);
if rank(q3,0.001)<size(q3,2)
disp ('Разв. нуль по выходу')
end
end
Тестирование программных модулей
Листинг головной программы.

% Вычисление нулей многомерной системы
% Ввод матриц системы
k=0;
while k==0
yn=input ('Тест или ввод значений (0/1)');
if yn==0
a=[1 0 0;0 -1 0; 0 0 -3] b=[0; -1;-1] c=[1 -1 0; 0 2 0] d=[0;0]
k=1;
elseif yn==1
a=input('Введите матрицу А='); b=input('Введите матрицу B=');
c=input('Введите матрицу C='); d=zeros(size(c,1),size(b,2));
if size (a,1)+size(c,1)==size(b,1)+size(d,1), size(a,2)+size(b,2)==size(c,2)+size(d,2),
size(a,1)==size(a,2) k=1;
else
disp('Некорректные размеры матриц')
end
480
end
end
% Проверка на необходимость квадрирования
if size(b,2)==size(c,1)
qw=0;
else
qw=1;
end
% Вычисление нулей квадратной системы
if qw==0
ak=a; bk=b; ck=c; [z1]=metod2(ak, bk, ck); [z2]=metod1(ak, bk, ck);
else
ak=a; [bk, ck]=qwadro(b, c); [zk1]=metod2(ak, bk, ck); [zk2]=metod1(ak, bk,
ck);
[bk, ck]=qwadro(b, c); [zk3]=metod2(ak, bk, ck); [zk4]=metod1(ak, bk, ck);
[z1, z2]=zerokill(zk1,zk2,zk3,zk4);
end
% Вывод результатов
disp ('Результат вычислений при использовании первого метода:') disp (z1)
disp ('Результат вычислений при использовании второго метода:') disp (z2)
% Проверка типов полученных нулей
qw=input ('Провести проверку по результатам первого/второго метода? (1/2)');
if qw==1
z=z1; zerosid(z, a, b, c, d);
elseif qw==2
z=z2; zerosid(z, a, b, c, d);
end
Результаты тестирования
1 0 0 0 
1 -1 0 0
a = 0 -1 0  , b = -1 , c= , d =  .
0 2 0  0
0 0 -3  -1
Результат вычислений при использовании первого метода:
1.0000
-3.0000
Результат вычислений при использовании второго метода:
1
-3
Провести проверку по результатам первого/второго метода? (1/2)1
ans = 1.0000 Разв. нуль по входу
ans = -3.0000 Инвариантный ноль

Правильность полученных результатов можно легко проверить с помощью иссле-
дования матрицы Розенброка.
481
Заключение
Таким образом, разработаны и протестированы программные модули

расчета и идентификации нулей многомерных динамических систем, кото-
рые могут быть использованы при исследовании и проектировании слож-
ных систем управления динамическими объектами.
1. Смагина В. М. Нули линейных многомерных систем. Определение,
классификация, применение // Автоматика и телемеханика.— 1985.—
№2.— С.5–37.
2. Квакернак X., Сиван. Р. Линейные оптимальные системы управления.—
М.: Мир, 1977.
3. Смагина В. М. Вопросы анализа линейных многомерных объектов с ис-
пользованием понятия нуля системы.— Томск: Изд-во Томского ун-та,
1990.— 160 с.
4. Буков В. М., Рябченко В. Н., Косьянчук В. В. и др. Основы интеграции
систем авиационного оборудования.— М.: Издательство военного авиа-
ционного технического университета, 2002.— 123 с.
5. Commault С., Lefay J. F., Malabre М. Structure of linear systems. Geometric
and transfer matrix approaches // Kybernetika.— 1991.— V.27.— №3.—
P.170–185.
482
УДК 517.938
ИССЛЕДОВАНИЕ ГОЛОМОРФНЫХ ДИНАМИЧЕСКИХ

СИСТЕМ В СРЕДЕ MATLAB
Атаева Н. Н.
Санкт-Петербургский государственный университет, Санкт-Петербург,
e-mail: atanad@yandex.ru
1. Введение
В последние годы интенсивно развивается голоморфная динамика, в

основе которой лежат исследования итераций аналитических функций
комплексной переменной. Фазовым пространством здесь служит некото-
рая область D на комплексной плоскости, и рассматривается динамиче-
ская система с дискретным временем {f n }, где f — аналитическая функ-
ция, определенная в D .
Голоморфная динамика уходит своими историческими корнями в
начало XX в., к работам Пуанкаре, Фату, Жюлиа [4]. Уже тогда было обна-
ружено сложное поведение соответствующих траекторий. С появлением
достаточно мощных персональных компьютеров исследование указанных
динамических систем упростилось, стали широко доступными численные
эксперименты, обнаружившие новые явления и позволившие сформулиро-
вать ряд гипотез. Помимо этого компьютер дает возможность эксперимен-
тировать: можно, например, исследовать влияние параметра на решение
задачи, находить предельные значения бесконечных итерационных про-
цессов и т. д. Широкий спектр возможностей в данном направлении пре-
доставляет система MATLAB, функционально ориентированная на по-
требности специалистов в области теории динамических систем и ее при-
ложений.
В настоящей работе рассмотрены голоморфные динамические сис-
темы, которые заданы с помощью разностных уравнений с дискретным ар-
гументом на римановой сфере. Одно из направлений исследований таких
систем связано с анализом устойчивости их периодических решений. В ра-
боте предложено несколько способов исследования устойчивости. Каждый
из них имеет свои плюсы и минусы. Первый способ заключается в нахож-
дении периодических решений и проверки их на устойчивость по Ляпуно-
ву. Благодаря реализации широкого спектра численных методов в системе
MATLAB нахождение устойчивых периодических решений не вызывает
трудностей. В работе формируется функция au ( n, a1 , a 2 ,…) , которая ищет
все асимптотически устойчивые периодические решения до периода n
включительно. С каждым шагом итерации время выполнения функции бы-
483
стро растет, и, начиная с какого-то значения n, использовать эту функцию
не рекомендуется. Но у этого способа есть и положительный момент,
функция не просто определяет наличие асимптотически устойчивых пе-
риодических решений, но и находит их.
Второй и третий способы исследования основаны на построении
границы области асимптотической устойчивости. Но в этих случаях можно
говорить только о наличии асимптотически устойчивых периодических
решений. Обратим внимание на то, что границы указанных областей в го-
ломорфной динамике имеют фрактальную структуру, что позволяет упро-
стить анализ полученных результатов за счет исключительно наглядного
их представления в визуальной форме.
Четвертый способ основан на втором методе Ляпунова и заключает-
ся в поиске двух функций, удовлетворяющих условиям, сформулирован-
ным в виде теоремы в работе [1]. Если такие функции найдены, то динами-
ческая система имеет асимптотически устойчивые периодические реше-
ния, для которых не трудно определить их период.
2. Динамические системы на римановой сфере
Рассмотрим сферу Римана C = C ∪ ∞. Любое голоморфное отобра-

жение f : C → C римановой сферы можно задать с помощью рациональ-
ной функции, т. е. как отношение f ( z ) = p( z ) / q( z ) двух многочленов [3].
Разностное уравнение с дискретным аргументом вида z n +1 = f (z n ), где f —
рациональная функция, задает такое голоморфное отображение, которое
порождает динамическую систему.
Если zn = z0 при некотором значении n , то соответствующая поло-
жительная полутраектория называется периодической. Наименьшее число
n , обладающее указанным свойством, определяет период траектории. В
случае n =1 имеем равенство z n = z1 , т. е. z 0 — точка покоя.
Проанализируем поведения движений динамической системы
z n +1 = f (z n ). (2.1)
Пусть z n = x n + iy n и f = f 1 + if 2 . Тогда уравнение (2.1) можно запи-
сать в следующем виде
 x n +1 = f 1 (z n ),
 (2.2)
y
 n +1 = f 2
( z n
).
В силу того, что функция f – аналитическая, выполняются условия
Коши-Римана:
∂f 1 ∂f 2 ∂f 1 ∂f
= , =− 2. (2.3)
∂x ∂y ∂y ∂x
Пусть z — точка покоя. Представим функцию f в виде ряда
484
f (z k ) = Df (z )(z k − z ) + o(z k − z ),
o( z k − z )
где → 0 при z k → z ,
zk − z
 ∂f 1 ∂f 1   ∂f 1 ∂f 2 
   − 
 ∂x ∂ y   ∂x ∂x 
Df (z ) = = .
 ∂f 2 ∂f 2   ∂f 2 ∂f 1 
   
 ∂x ∂ y   ∂x ∂x 
Найдем характеристические числа
2 2
 ∂f   ∂f 
Df ( z ) − λE =  1 − λ  +  2  ,
 ∂x   ∂x 
∂f ∂f
λ1, 2 = 1 ± i 2 .
∂x ∂x
2 2 2 2
 ∂f   ∂f   ∂f   ∂f 
λ =  1  +  2  =  1  +  1  .
 ∂x   ∂x   ∂x   ∂ y 
Теорема 1. Точка покоя динамической системы (2.2) является устой-
чивой по Ляпунову, если λ <1, и неустойчивой, если λ >1 .
Замечание 1. Очевидно, что если z 0 определяет периодическое дви-
жение с периодом k , то z 0 является неподвижной точкой функции f k , в
df k
силу чего λ = .
dz z = z0
Замечание 2. Устойчивое периодическое решение автономной сис-

темы является асимптотически устойчивым периодическим решением.
В среде MATLAB легко реализовать функцию, которая ищет перио-
дические решения, используя встроенные функции пакета, и на базе при-
веденной теоремы выделяет устойчивые. Функция au (n, a1 , a 2 ,…) , текст ко-
торой приведен в приложении, имеет следующие параметры: n — число
шагов итерации функции f, a1 , a 2 ,… — коэффициенты полинома (отобра-
жения f ), степень которого зависит от количества введенных коэффици-
ентов. В результате функция сообщает, какие периодические решения
асимптотически устойчивы, в противном случае, появится сообщение, что
до периода n все решения неустойчивы.
В силу того, что функция f рациональна и определена на римановой
сфере, количество решений на каждом шаге итерации равно (deg f ) , где
k
deg f — степень функции f , k — число итераций. Следовательно, с каж-

дым шагом итерации k степень функции f k быстро растет, что усложняет
поиск периодических решений. В голоморфной динамике установлено, что
485
для рациональной функции f всегда существует бесконечно много оттал-
кивающих циклов. Также получена верхняя граница числа устойчивых
циклов [3]. Например, для функции f второй степени возможен только
один устойчивый цикл. Если бы точно было известно, имеет ли функция
f притягивающий цикл и какого периода, то можно было бы представить,
как ведут себя траектории динамической системы.
Рассмотрим следующий способ исследования динамической систе-
мы, который заключается в построении границы области асимптотической
устойчивости методом хорошо известным в голоморфной динамике. Рас-
смотрим алгоритм этого метода и реализуем его в пакете MATLAB.
3. Алгоритм построения области асимптотической устойчивости
Шаг 1. Выбрать x _ min, y _ min, x _ max, y _ max . Задать оценку

сходимости M . Предположить, что разрешающая способность экрана
равна a × b точек, и он может быть одновременно раскрашен в K + 1 цвет.
Положить
dx = ( x _ max − x _ min ) / (a − 1),
dy = ( y _ max − y _ min ) / (b − 1).
Шаг 2. Для всех пар точек (i, j ), где i = 0,1, …, a − 1 и
j = 0,1, …, b − 1, выполнить следующую процедуру. Положить
x (1) = x _ min + i ∗ dx,
y (1) = y _ min + j ∗ dy ,
k = 1.
Вычислить r = x (1) ∗ x (1) + y (1) ∗ y (1).
Шаг 3. Если r > M , то выбрать цвет k и перейти к шагу 4. Если
k = K , то выбрать цвет 0 и идти на шаг 4. Если r ≤ M и k < K то вычис-
лить ( x (k + 1), y (k + 1)) по ( x (k ), y (k )), увеличить цвет на единицу, вычис-
лить r = x (k ) ∗ x (k ) + y (k ) ∗ y (k ) и перейти в начало шага 3.
Шаг 4. Приписать цвет k точке экрана (i , j ) и перейти к следующей
точке, начиная с шага 2.
Идея алгоритма следующая. Экран делится на a × b точек. Каждая
точка окрашивается в определенный цвет, который зависит от дальнейше-
го поведения траектории, проходящей через эту точку, т. е. цвет определя-
ется числом итераций, которое потребовалось траектории, чтобы прибли-
зиться к устойчивой точке. Иными словами, задача состоит в разделении
плоскости на области так, чтобы, выбрав по желанию произвольную точку
(начальную точку), где бы то ни было внутри одной области, мы в конеч-
ном счете пришли бы к устойчивой точке. Так как функция f рациональ-
на и определена на римановой сфере, бесконечность является устойчивой
486
точкой. Если динамическая система имеет еще одну устойчивую точку или
устойчивый цикл, то в результате получим экран, разделенный на разно-
цветные области и можно увидеть границу между областями притяжения.
Эта граница имеет фрактальную структуру и обладает удивительными
свойствами [2], [3]. В голоморфной динамике множество граничных точек
принято называть множеством Жюлиа. По определению, множество Жю-
лиа рациональной функции f (z ) есть множество точек z, в которых зна-
чения функции f (z ) не нормальны. Нормальными называются значения в
точках z, в окрестности которых функция f (z ) равностепенно непрерывна
[2]. Фату и Жюлиа доказали, что множество Жюлиа любого рационально-
го отображения второй степени и выше совпадает с замыканием множест-
ва его отталкивающих периодических точек [2].
В пакете MATLAB можно осуществить наиболее простую реализа-
цию представленного алгоритма. В качестве примера рассмотрим уравне-
ние z n +1 = z n + c, где c = c1 + i c 2 . Сформируем специальную функцию
2
Julia(c1 , c2 ) для построения множества Жюлиа. При вызове этой функции

необходимо указать значения параметров c1 и c 2 . Параметр c вводим для
того, чтобы легко можно было исследовать влияние параметра на поведе-
ния траекторий динамической системы.
На рис. 1 показано множество Жюлиа для динамической системы
zn+1 = zn2 + 0.1103 − 0.6704i ( Julia ( 0.1103, −0.6704 ) ). Эта динамическая сис-
тема имеет единственную устойчивую периодическую траекторию — бес-
конечно удаленную точку покоя. Множество Жюлиа состоит из совокуп-
ности, называемой пылью Фату.
Рис. 1. Пыль Фату. Рис. 2. Связное множество Жюлиа.
487
На рис. 2 представлено множество Жюлиа для отображения
zn+1 = zn2 − 0.12 + 0.74i ( Julia ( −0.12,0.74 ) ). Эта система имеет устойчивое
периодическое решение периода три. Область асимптотической устойчи-
вости окрашена в коричневый цвет.
Рис. 3 также демонстрирует пыль Фату, которое называется Канто-
ровым множеством.
На рис. 4 показано множество Жюлиа для динамической системы
zn+1 = zn2 + i ( Julia ( 0,1) ) . Эта система имеет одну устойчивую периодиче-
скую точку — бесконечность, а множество Жюлиа является дендритом.
Рис. 3. Канторово множество. Рис. 4. Дендрит.
Рис. 5. Julia(0,0) для zn+1 = zn −2 Рис. 6. Julia(0,0) для неголоморфной

системы.
При желании можно заменить и саму функцию f (z ), для этого ее

нужно представить в виде системы, состоящей из двух вещественных
уравнений. Но, получив картинку, не следует делать быстрых выводов.
488
Например, рассмотрим уравнение zn+1 = 1/ zn 2 . Это уравнение имеет две
асимптотически устойчивые точки покоя z = 0 и z = ∞. Если z 0 ≠ 1, то
траектория сразу будет стремиться к двум таким точкам. Таким образом,
если z 0 < 1, то z 0 , z 2 , z 4 , …, z 2 p + 2 → 0, z1 , z 3 , z 5 , …, z 2 p +1 → ∞, если z 0 > 1,
то z 0 , z 2 , z 4 , …, z 2 p + 2 → ∞, z1 , z 3 , z5 , …, z 2 p +1 → 0. На рис. 5 видим сле-
дующее: если z 0 < 1, то z1 , z 3 , z 5 , …, z 2 p +1 → ∞, если z 0 > 1, то
z 0 , z 2 , z 4 , …, z 2 p + 2 → ∞.
Заметим, что функцией Julia можно воспользоваться для любого
отображения. Например, на рис. 6 показан результат построений для дина-
мической системы
 x k − y k + c1
2 2
 x k +1 = d
,

 y = 2 x k y k + c2 ,
 k +1 d
( 2
)
где d = x k − y k + c1 − (2 x k y k + c 2 ) .
2 2 2
Эта система не является комплексно аналитической, так как не вы-

полняется условие Коши–Римана.
Хотелось бы еще отметить, что варьируя исходные данные x_min,
y_min, x_max, y_max можно получить сильно увеличенные изображения.
Рис. 7 — увеличенная часть рис. 2.
Рис. 7. Увеличенная часть связного множества Жюлиа.
4. Второй способ построения границы области

асимптотической устойчивости
Этот способ определяется следующим известным свойством множе-

ства Жюлиа J [2]: Для любой точки z ∈ J ее отрицательная полутраек-
тория всюду плотна в J .
489
Алгоритм построения границы состоит в следующем:
1. Найти все точки покоя и выделить из них неустойчивые.
2. Для каждой неустойчивой точки покоя построить отрицательную
полутраекторию. Отрицательной полутраекторией точки z 0 на-
зывается множество всех ее прообразов
Or − (z0 ) = { z ∈ C : f k (z ) = z0 для k = 0, 1, … }.
В пакете MATLAB реализовать этот алгоритм достаточно просто.
Функция gau ( m, a1 , a2 ,…) , где m — число шагов итерации для построения
отрицательной полутраектории, a1 , a 2 ,… — коэффициенты полинома, ко-
торый и задает отображение, строит множество Жюлиа, которое является
границей области асимптотической устойчивости. Степень отображения
будет зависеть от количества введенных коэффициентов. Достаточно
взять m =10, чтобы построить множество Жюлиа. С каждым шагом итера-
ции число прообразов быстро растет, что и замедляет выполнение функ-
ции. На рис. 8 и 9 показаны результаты функций gau (10,1, 0,i ) и
gau (10, 1, 0, −0.12 + 0.74i ) .
Рис. 8. Множество Жюлиа — дендрит. Рис. 9. Связное множество Жюлиа.
5. Применение второго метода Ляпунова для исследования

динамических систем
Можно предложить метод проверки того, что заданное отображение

имеет притягивающую траекторию. Он основан на теореме, доказательст-
во которой приведено в [1].
Рассмотрим динамическую систему, заданную уравнением
z n +1 = f (z n ). (5.1)
490
Теорема 2. Если существуют
1) вещественная положительная функция V1 , удовлетворяющая ус-
ловиям:
a) задана при n ≥ 0, z n = x n + iy n , ( x n , y n )∈ E 2 ;
b) V1 ( z n ) → ∞ при z n → + ∞ равномерно по отношению к
n ∈ [0,+∞);
V1 (zn +1 )
c) ≤ 1 при r1 ≤ z n ≤ r, n ∈ [0,+ ∞);
V1 (zn ) ( 5.1)
d) функция V1 равномерно ограничена сверху при n ∈ [0,+ ∞ )
во всякой конечной области r1 ≤ z n ≤ r;
2) функция V , удовлетворяющая условиям:
a) функция V (z n , a n , bn ) равномерно ограничена по компонен-
там z n , a n , bn при n ∈ [0,+ ∞);
b) функция V (z n , a n , bn ) положительно определена и допускает
бесконечно малый высший предел в области z n ≤ δ ;
V (zn +1 , an +1 , bn +1 )
c) функция W = ,
V (zn , an , bn ) (5.2 )
 zn +1 = f (zn + a n ) − f (an ),

d) где (5.2 ) = an +1 = f (an ), меньше единицы во вся-
b = f (b ),
 n +1 n
кой конечной области z n ≤ δ ;

тогда уравнение (5.1) имеет асимптотически устойчивое периодиче-
ское решение .
Таким образом, если удается построить две функции V1 и V , удовле-
творяющие приведенным условиям, то динамическая система имеет асим-
птотически устойчивое периодическое движение. Продемонстрируем идею
метода на следующем примере.
Задача. Имеет ли уравнение
z n +1 = z n − 1.2
2
(5.2)
устойчивое периодическое решение?
Решим поставленную задачу с помощью сформулированной теоре-
мы. Запишем уравнение (5.2) в виде системы
 x n +1 = x n 2 − y n 2 − 1.2,
 (5.3)
 y n +1 = 2 x n y n .
491
В качестве функции V1 возьмем V1 (z n ) = x n + y n . Эта функция веще-
2 2
ственная и стремится к + ∞, когда x n → +∞ и y n → +∞. Найдем значения

V1 (z n +1 )
x n и y n , при которых выполняется неравенство ≤ 1.
V1 (z n ) ( 1)
V1 (z n +1 ) x + y n +1
= n +1 2
2 2
=
(x n
2 2
)
− y n − 1.2 + (2 x n y n )
2 2
=
V1 (z n ) (4.3 ) xn + y n xn + y n
2 2 2
( 4.3 )
2
4.8 x 1.44
= x n + y n + 2.4 − 2 n 2 + 2 ≤ 1.
2 2
xn + y n xn + y n
2
Пусть t = x n + y n . Перепишем последнее неравенство с учетом за-

2 2
мены
2
4.8 x n 1.44
t + 2.4 − + ≤ 1.
t t
Решим это неравенство относительно t.
t 2 + 1.4t − 4.8 x n + 1.44 = 0
2
Это уравнение параболы относительно t , ветви которой направлены

вверх.
t1, 2 = −0.7 ± 4.8 x n − 0.95 — решения этого уравнения.
2
С одной стороны, по определению t = x n + y n ≥ 0, следовательно,

2 2
неравенство будет справедливо при

− 0.7 + 4.8 x n − 0.95 ≥ 0,
2
x n ≥ 0.3,
2
x n ≥ 0.3.
С другой стороны,
y n = − x n − 0.7 + 4.8 x n − 0.95 ≥ 0,
2 2 2
(5.4)
4.8 x n − 0.95 ≥ x n + 1.4 x n + 0.49,
2 4 2
x n − 3.4 x n + 1.44 ≤ 0,
4 2
3.4 ± 3.4 2 − 4 ∗1.44

xn = = 1.7 ± 1.45.
2
1, 2
2
Неравенство (5.4) справедливо для всех x n из интервала
1.7 − 1.45 ≤ x n ≤ 1.7 + 1.45.
2
(5.5)
Из (5.4) и (5.5) следует, что 0 ≤ y n ≤ 1.7. В результате получаем следую-
2
щее, если z n = x n + iy n удовлетворяет системе неравенств
492
1.7 − 1.45 ≤ x n 2 ≤ 1.7 + 1.45,


0 ≤ y n 2 ≤ 1.7,
то функция V1 (z n ) = x n + y n удовлетворяет требованиям теоремы.
2 2
Предположим, что Z n = x n + iy n и An = a n + ibn — решения уравнения

(5.1) и a n = x n + ∆, bn = y n + ∆. Рассмотрим функцию
Vn = ( x n − a n ) + ( y n − bn ) = 2 ∆2 .
2 2
Vn +1 = ( x n +1 − a n +1 ) + ( y n +1 − bn +1 ) = 4∆2 ( x n + y n + ∆ ) + 4 ∆2 ( x n + y n + ∆ ) ,
2 2 2 2
V
W = n +1 = 4( x n + y n + ∆ ) ≤ 1.
2
Vn
Функция Vn удовлетворяет теореме для всех z n , удовлетворяющих нера-
1
венству ( x n + y n + ∆ ) ≤ . Следовательно, можно утверждать, что уравне-
2
4
ние (5.1) имеет асимптотически устойчивую периодическую точку, и часть
области асимптотической устойчивости этой точки задана следующей сис-
темой неравенств

1.7 − 1.45 ≤ x n ≤ 1.7 + 1.45,
2

0 ≤ y n ≤ 1.7,
2
 1
( x n + y n + ∆ ) ≤ .
2
 4
Действительно, уравнение (5.1) имеет устойчивую периодические
точки z n = xn = ±0.1708 периода два. Решить поставленную задачу можно и
с помощью рассмотренных выше функций. На рис. 10 и 11 видим границу
области асимптотической устойчивости, следовательно, система имеет
асимптотически устойчивые периодические решения.
Рис. 10. Julia(–1.2, 0). Рис. 11. gau(10,1,0,–1.2).
493
Предложенные способы исследования голоморфных динамических

систем и функции, реализующие эти способы в системе MATLAB, позво-
ляют упростить анализ полученных результатов за счет исключительно на-
глядного их представления в визуальной форме, и провести исследование
влияния параметров системы на поведения ее решений.
1. Атаева Н. Н. Метод проверки голоморфного отображения на наличие
притягивающей орбиты // Процессы управления и устойчивость: Труды
34-й науч. конф. аспирантов и студентов / Под ред. Смирнова Н. В.,
Старкова В. Н.— СПб.: Изд-во С.-Петерб. ун.-та, 2003.
2. Милнор Дж. Голоморфная динамика.— Ижевск: НИЦ «Регулярная и
хаотическая динамика», 2000.— 320 с.
3. Пайтген Х.-О., Рихтер П.Х. Красота фракталов. Образы комплексных
динамических систем: Пер. с англ.— М.: Мир, 1993.— 176 с.
4. Peitgen H.-O., Jürgens H., Saupe D. Chaos and Fractals: new frontiers of
science.— Springer-Verlag New York, 1992.— 984 p.
Приложение
function[ ]=au(n,varargin)
%*************************************************************
% находит асимптотически устойчивые периодические решения
% до периода n динамической системы, заданной разностным
% «полиномиальным» уравнением с дискретным временем
% (коэффициенты полинома пользователь вводит самостоятельно)
%*************************************************************
% Определение количества членов полинома. Степень полинома
% равна m-1
m=length(varargin);
for i=1:m
a(i)=varargin{i};
end
p1=a(1:m);
v=1;
for k=1:n
% Вычисление следующего шага итерации для нахождения
% периодических решений, если рассматриваем положение
% равновесия, то сразу переходим к нахождению
% периодичских решений
if (k>1)
p2=0;
for j=1:m
s=1;
for i=1:m-j
s=conv(p1,s);
end
494
s=a(j)*s;
p2=polysum(p2,s);
end
p1=p2;
end
% Нахождение периодических решений
dp=polyder(p1);
q=[1 0];
p3=polysum(p1,-q);
r=roots(p3);
% Вычисление мультипликаторов периодических решений
u=polyval(dp,r);
% Проверка устойчивости
w=length(u);
for i=1:w
if (abs(u(i))<1)
vr{v}.solution=r(i);
vr{v}.period=k;
v=v+1;
end
end
end
% Результат поиска асимптотически устойчивых решений
if(v>1)
str='Асимптотически устойчивые периодические решения';
disp(str);
celldisp(vr);
else
str='Асимптотически устойчивых решениний не найдено.';
disp(str);
end
end
%*************************************************************
function s=polysum(p,q)
% нахождение наибольшей из длин входных векторов
maxlen=max(length(p), length(q));
% создание вспомогательных векторов длины maxlen
p1=zeros(1, maxlen);
q1=zeros(1, maxlen);
% преобразование исходных векторов к векторам одинакового
% размера maxlen
p1(maxlen-length(p)+1:maxlen)=p;
q1(maxlen-length(q)+1:maxlen)=q;
% вычисление коэффициентов полинома, являющегося суммой
% исходных полиномов
s=p1+q1;
end
%*************************************************************
function julia(c1,c2)
x_min=-1.5; y_min=1.5;
x_max=1.5; y_max=-1.5;
M=1000; a=500; b=500; K=50;
dx=(x_max-x_min)/(a-1);
dy=(y_max-y_min)/(b-1);
for i=1:a
495
for j=1:b
x(1)=x_min+i*dx;
y(1)=y_min+j*dy;
k=1;
r=x(1)*x(1)+y(1)*y(1);
while (r<=M)&(k<K)
x(k+1)=x(k)*x(k)-y(k)*y(k)+c1;
y(k+1)=2*x(k)*y(k)+c2;
k=k+1;
r=x(k)*x(k)+y(k)*y(k);
end
if k==K
matr(j,i)=k+2;
end
if r>M
matr(j,i)=k+2;
end
end
end
imagesc(matr);
colormap('default');
%*************************************************************
function[]=au(n,varargin)
% Построение границы области асимптотической устойчивости
m=length(varargin);
for i=1:m
a(i)=varargin{i};
end
p1=a(1:m);
% Нахождение неустойчивых точек покоя
q=[1 0];
t=0;
p2=polysum(p1,-q);
r=roots(p2);
t1=length(r);
dp=polyder(p1);
% Вычисление мультипликаторов периодических решений
u=polyval(dp,r);
% Проверка устойчивости
w=length(u);
for i=1:w
if (abs(u(i))>1)
t=t+1;
q(t)=r(i);
end
end
t2=0;
s=0;
for k=1:n
% Нахождение прообразов неустойчивых точек покоя
for j=1:t
p2=polysum(p1,-q(j));
r=roots(p2);
t1=length(r);
for i=1:t1
496
b(s+t2+i)=r(i);
end
t2=t1+t2;
end
for i=1:t2
q(i)=b(i+s);
end
s=s+t2;
t=t2;
t2=0;
end
% Построение области асимптотической устойчивости
j=[1:1:s];
x=real(b(j));
y=imag(b(j));
plot(x,y,'r.');
end
497
УДК 629.78:681.51
МОДЕЛИРОВАНИЕ ДВИЖЕНИЯ ДЕФОРМИРУЕМОЙ

КОНСТРУКЦИИ СПУТНИКА SESAT
Бутырин С. А, Сомов С. Е.
НИИ ПНМС СамГТУ, Самара,
e-mail: butyrinserg@rbcmail.ru, pnms@samgtu.ru
В докладе рассматриваются вопросы моделирования, исследования

динамики и визуализации движения деформируемой конструкции спутни-
ка Sesat в начальных режимах функционирования средствами Matlab [1] и
SuperVision.
Спутник связи SESAT (Siberia Europe SATellite) с крупногабаритны-
ми панелями солнечных батарей (рис. 1) был разработан НПО Прикладной
механики (ПМ) им. акад. М.Ф. Решетнева Российского космического
агентства (РКА ) по контракту с Европейской организацией Eutelsat и вы-
веден на геостационарную орбиту в апреле 2000 г.
Рис.1.
Приборный состав системы ориентации и стабилизации (СОС) кос-

мического аппарата (КА) представлен на рис. 2 и состоит из:
498
– -двигательной установки ориентации (ДУО) на базе термокатали-
тических реактивных двигателей (РД) с широтно-импульсной мо-
дуляцией тяги;
– -основной измерительной подсистемы, где используются оптико-
электронные датчики направлений на внешние ориентиры: при-
бор ориентации на Землю (ПОЗ), прибор ориентации на Солнце
(ПОС), блок датчиков угловой скорости (ДУС) — измерителей
скорости, инерциальный гироскопический блок (ИГБ);
– -гиросилового стабилизатора в виде двухроторного гиромаховика
(ГМ);
– -редукторного шагового привода (РШП) двух панелей солнеч-
ных батарей (СБ);
– -БЦВМ, реализующей алгоритмы управления, диагностирования
и реконфигурации.
Начальные режимы автоматически выполняются частью приборов и
состоят в:
– режиме успокоения (РУ) корпуса спутника после отделения его от
ракеты-носителя с приборным составом ДУС & ДУО;
– режиме начальной ориентации КА на Солнце (РНОС): ПОС &
ДУС & ДУО & РШП;
– режиме начальной ориентации КА на Землю (РНОЗ): ПОЗ & ПОС
& ДУС & ДУО & РШП &разгон ротора ГМ до номинального зна-
чения его кинетического момента (КМ);
Основные режимы управления КА также выполняются автоматиче-
ски и состоят в: ориентации на Землю (РОЗ); трехосной стабилизации
(РТС) КА в орбитальной системе координат (ОСК); разворотах по углу
рыскания и коррекции орбиты КА.
499
Рис. 2.
Оценивая выдающиеся конструктивные и технические характери-

стики КА Sesat, Генеральный директор Eutelsat г-н Г. Беретта заявил после
его успешного ввода в эксплуатацию: «Мы посвящаем этот спутник Арту-
ру Кларку, фантасту и изобретателю геостационарной орбиты». В настоя-
щее время, по прошествию 3,5 лет после этого события, космический ап-
парат Sesat эффективно решает на орбите задачи связи для стран Западной
Европы, Северной Африки, Индии и европейской части России. Создан-
ные в работе методы и программные средства применяются к КА Sesat.
Модель динамики и кинематики углового движения КА как систе-
мы твердых тел с подвижными панелями СБ имеет вид [3]
J oω + ω × J oω = M odo + M op + M o . (1)
Λ o = 21( Λ o ω −ν oο Λ o ) (2)
где ω = { ωx ,ω y ,ωz } - вектор угловой скорости КА, а суммарный тензор
инерции тензор инерции КА с ГM и панелями СБ в полюсе О имеет вид
500
J o = J o ( γ ) = J + 2J ( γ ) при произвольном
o p
положении панелей СБ,
γ = γp ;
J o = J s + ms ( Eρ s ⋅ ρ s − ρ s • ρ s ) + J g + mg ( Eρ g ⋅ ρ g − ρ g • ρ g ) +
+ 2 m p ( Eρ p ⋅ ρ p − ρ p • ρ p )
J s = diag ( J xs , J ys , J zs ), J g , J p ,ms mg m p являются тензорами инерции и массами
корпуса КА, ГМ и каждой панели соответственно, ρ s , ρ g и ρ σp = ρ p + ρ op
— радиус-векторами расположения ЦМ корпуса КА, ГМ и панелей СБ в
ССК, где ρ p и ρ op — радиусы-векторы расположения ЦМ двух панелей в
ССК и ЦМ одной панели в соответствующей базовой СК; E — единичный
тензор, a • b – обозначение диадного произведения векторов a и b ;
 J xp cγ2 + J yp sγ2 J xypd cγ sγ 0
 
J p = J p ( γ ) =  J xypd cγ sγ J xp sγ2 + J yp cγ2 0  ; J xypd = J xp − J yp ;
 0 0 J zp 

M od o – вектор управляющих моментов, формируемый ДУО; M op — вектор
момента инерционно-гироскопических сил, обусловленный подвижностью
панелей СБ:
 (J xypd ( s2г щx − c2г щy ) − 2J zp щy ) г 
 
M op = −(J o∗ ( γ )ω + ω × K p + K ∗p ) = −(J xypd ( c2г щx − s2г щy ) + 2J zp щy ) г  ;
− 2J zp ⋅ г 
 
M o = M o + M o — суммарный вектор возмущающих моментов; M go – век-
g s
тор гравитационного момента,

M og ( t ) = ( 3µ o / ro3 ( t ))ero × J o ero ( t ) , (3)
s
M o – вектор момента возмущающих сил солнечного давления.
Решение кинематического уравнения (2) с символом ( )
ο
кватернионного умножения для кватерниона Λ полностью определяет
ориентацию связанной с КА системы координат относительно ОСК.
Модель динамики углового движения упругого КА. При составле-
нии уравнений движения КА Sesat с упругими подвижными панелями СБ
использовалась расчетная схема панели СБ представленная (на примере
первой панели) на рис. 4 и содержащая 129 узловых точек, из которых 33
являются сосредоточенными массами; 205 балок с 5 различными геомет-
рическими и 2 различными физическими свойствами.
501
Рис.3.
При расчете собственных форм и собственных парциальных частот

упругих колебаний панелей СБ спутника Sesat на основе метода конечных
элементов (МКЭ) условия нормировки и базис представления выбраны та-
ким образом, что матрицы масс и жесткостей соответствующей панели СБ
с учетом их упругих штанг имеют диагональную структуру, а именно вид
единичной матрицы и диагональной матрицы квадратов собственных пар-
циальных частот. Расчет собственных форм и собственных парциальных
частот упругих колебаний каждой панели СБ осуществлялся с учетом 10
низших тонов. При пренебрежении смещением центра масс спутника
относительно полюса O за счет малых упругих деформаций панелей, а
также влиянием векторов внешних сил, модель динамики углового дви-
жения КА с упругими подвижными панелями СБ имеет вид [3]
Ao ⋅ { ω , q } = { F ω , F q } . (4)
Здесь матрица инерции упругой механической системы имеет вид
 Jo( γ ) Dq 
A = q т
o
,
(D ) I 2 n q 
где прямоугольная матрица D q ( γ ) инерционного взаимовлияния движе-
ний панелей СБ и корпуса КА представляется матрицей-строкой
D q = D q ( γ ) = [ D1q ( γ ), D2q ( γ ) ] , где матрица Dkq = { Dkq1 , Dkq2 ,Dkq3 } представля-
ется столбцом, составленным из строк Dkq j , j = 1,2,3 — номер строки;
k = 1,2 – номер панели. Вектор обобщенных координат упругих колебаний
q
панелей СБ q= { q1 , q2 } , где qk∈R n , k=1,2 — вектор обобщенных коор-
динат упругих колебаний k-ой панели СБ; вектор обобщенных сил, соот-
ветствующих угловому движению корпуса КА
502
F = −ω × G + M + M op + M o , где G = J o ( γ )ω + D q ( γ ) q — вектор КМ
ω do
o
упругого КА; вектор-столбец обобщенных сил, соответствующих колеба-
ниям панелей СБ F q = { F 1q , F q2 } , где вектор
F qk = ( −( δ / π ) Ω k + Rk ) q k − Ω k2 q k − ( Dkq3 )т γ и диагональная матрица
Ω k = diag{Ω ks } составлена из парциальных частот Щk s , s = 1 : n q и δ — ло-
гарифмический декремент упругих колебаний панелей СБ, для краткости
опущен индекс «p» в обозначении угла поворота панелей γ p , кососиммет-
ричная матрица R k = −( R k ) т ; Rk = Rk ( γ ) = [{ ri kj }] ; ri kj = − r kj i = 2ω ⋅ rki j ( γ ) .
Вектор F q = ( − D + R( γ )) q −W q − ( D3q ( γ ))т γ , где матрица собст-
венного демпфирования D = ( δ / π ) Ω , матрицы Ω = diag{ Ω 1, Ω 2} ,
W = Ω 2 , R = diag{ R1 , R2 }; D3q = { D13q , D23
q
} , а R( ω, γ ) – кососимметрич-
ная матрица гироскопического взаимовлияния движений корпуса КА и уп-
ругих колебаний панелей СБ.
Модель двигательной установки ориентации. Модуляционная харак-
теристика широтно-импульсной модуляции (ШИМ) нормированной ко-
манды включения тяги P n (t, τ dk ) , P n (t, τdk ) ∈ {0 ,1} каждого управляющего
реактивного двигателя (УРД), представляющая собой зависимость дли-
[
тельности τ d ( t k ) = τ dk команды для t ∈ t k ,t k + фdk )
 1 t k ≤ t < t k +τdk
P (t, τ ) = 
n d
k , (5)
 0 t k + τ d
k ≤ t < t k +1
от поступающего в моменты времени tk = kTu , k ∈ N 0 = {0,1,2...} с перио-

дом управления Tu командного входного сигнала τk , описывается соотно-
шением
0 , τ k < τ m

τ k , τ k ≤ τ k < τ
m
ω
τ k = ϕ ( τ m , τ ,Tu , τ k ) =  m
d m
(6)
 τ , τ m
≤ τ k < Tu
Tu , τ k > Tu
Соотношения (5) и (6) составляют в совокупности модель ШИМ
управляющего нормированного сигнала P n (t, τdk ) включения РД для
[ ]
t ∈ tk ,tk +τdk ⊂ [tk ,tk +1 ) при поступлении командного входного сигнала τ k .
Модель реактивного двигателя. Динамические процессы нараста-
ния и спада тяги P d ( t ) каждого УРД с учетом временного (транспортно-
го) запаздывания T dzu при его включении и выключении по выходному
нормированному сигналу ШИМ P n (t, τdk ) моделируются экспоненциаль-
ным характером фронтов изменения тяги с запаздыванием по отношению
503
к команде P n(t, τdk ) . Динамические процессы изменения нормированной
тяги Pdn ( t ) во времени описываются дифференциальным уравнением
d
T d P dn + Pdn = P n (t − T zu , τdk ) (7)
d
с начальным условием Pdn ( t0 ) = 0 , где T zu — физическое запаздывание при
формировании нормированной тяги и постоянная времени T d принимает
два положительных значения, а именно T+d либо T−d , согласно соотно-
шению
T d P n = 1
T d =  +d n , (8)
T
 − P = 0
причем для последовательности командных импульсов P n(t,τdk ) с длитель-
ностями τdk на полуинтервалах времени t ∈[t k ,t k +1 ) начальные условия для
d d
уравнения (7) в моменты времени t = t k + T zu и t = t k + T zu + d
k получают-
ся естественно — «припасовываются» по непрерывности решения Pdn ( t ) в
эти моменты времени.
Рис. 4.
С каждым j -ым УРД связывается приборная СК O dj x dj y dj z dj с нача-

лом в его ЦМ O dj (см. рис.4), совместив ось O dj y dj с положительным на-
правлением оси сопла УРД D j . При этом вектор реактивной тяги Pj соот-
ветствующего УРД направлен по оси минус O dj y dj .
Модель ДУО. Схема номинального расположения шести УРД в со-
ставе двигательной установки ориентации (ДУО) представлена на рис.4.
Управляющие моменты относительно осей Ox , Oy , Oz ССК создаются па-
504
рами РД (D1 , D2 ) , (D3 , D4 ) и (D5 , D6 ) соответственно, причем УРД с не-
четным номером в i-ой паре создает управляющий момент положительно-
го знака относительно соответствующей i-ой оси, i=x,y,z. Логика форми-
рования команд τ jk включения каждого j-го УРД в составе ДУ СОС учиты-
вает знак командного сигнала Vikd по соответствующему каналу управле-
ния i = x,y,z и описывается таким алгоритмом для значений индекса
k ∈N 0 : τik = d
Vik ; sik = SignVikd ,i = x,y ,z;
if sxk > 0 then( τ1k = τ xk & τ2 k = 0 ) else( τ1k = 0& τ2 r = τ xk ) ;
if s yk > 0 then( τ3 k = τ yk & τ4 k = 0 ) else( τ3 k = 0&τ4 k = τ yk ) ; (9)
if szk > 0 then( τ5 k = τ zk & τ6 k = 0 ) else( τ5 k = 0& τ6 k = τ zk ) .
Вектор управляющего момента M пdп , формируемого ДУО относи-
тельно полюса О, в проекциях на оси базиса B (ССК) в общем виде вы-
числяется по формуле
{ }
6
M οdο = M οdxο ,M οdyο ,M οdzο =∑ τdj × Pj . (10)
j =1
Модель блока измерения скоростей (БИС) — проекций вектора

абсолютной угловой скорости корпуса КА ω (t ) = {ωx (t ),ωy (t ),ωz (t )} на оси
ССК представляет совокупность трех однотипных каналов измерения
ω i (t ), i = x, y,z , представленных ДУС. Математическое описание процесса
измерения проекции угловой скорости ω ( t ) дается соотношениями
ω s ω ω
T ω ( t ) + ω ( t ) = ω( t ) ; ω ( t ) = Sats ( b ,k ,ω ( t ) + ω ) ; (11)
s se s b
ωσs = ωse ( t s ) + ωns ; ωds = Qntr ( d ω ,ωσs ) ,

где Sats =k *Sat, а Sat и Qntr стандартные функции насыщения и квантова-
ния по уровню, Tq — период квантования измеряемого сигнала по време-
ни; T ω — постоянная времени, интегрально характеризующая физическую
инерционность процесса измерения угловой скорости; b ω ,k ω — уровень ог-
раничения сигнала по модулю и нормированный коэффициент усиления
нелинейной статической характеристики; ωb — медленно изменяющийся
«дрейф нуля» статической характеристики; ωns — дискретный шум из-
мерения, который считается гауссовским стохастическим дискретным
процессом с нулевым математическим ожиданием и среднеквадратическим
отклонением σ ω ; d ω — шаг квантования выходного сигнала канала БИС по
уровню; ωsd — дискретный выходной сигнал канала БИС.
Алгоритм дискретной фильтрации измерений. Оператор осредне-
ния с одинаковыми весами только nq последних измерений y s сигнала с
получением осредненной оценки yk , оптимальной по методу наименьших
505
квадратов (МНК), называемый обычно алгоритмом осреднения координа-
ты (АОК), имеет математическое описание
k
y k = MS( y s ) ≡( ∑y
s = k − nq +1
s ) / nq ; nq = Tu / Tq ; k = E[s/n s ] , k, s ∈ N 0 . (12)
АОК используется для дискретной фильтрации измерений угловых

скоростей ωi (t),i = x,y,z корпуса КА — выходных дискретных сигналов
БИС ωids . С помощью оператора такого осреднения измерений модель про-
цессов дискретной фильтрации выходных сигналов БИС представляются в
виде
ωidk = MS ( ωids ),i = x,y ,z , (13)
причем при Tq = 1 c и Tu = 4 c имеем численное значение отношения перио-
дов nq = 4 . Здесь использованы стандартные обозначения для значений
скалярного дискретного сигнала y( t k ) = y k и y( t s ) = y s соответственно в
моменты времени t k = k ⋅ Tu и кратные им моменты времени t s = s ⋅ Tq с
периодом измерения Tq (кратность периодов nq = Tu / Tq — целое положи-
тельное число), где целые числа k, s ∈ N 0 .
Дискретные алгоритмы управления основного контура в РУ.
Алгоритмы формирования дискретных командных сигналов V в моменты ik
времени t k на включение РД в парах ДУО по соответствующим каналам

( i = x,y ,z ) таковы:
V ik
= V idk = kiщ (щic − i щ i k ), i = x,y ,z , (14)
где ωic – постоянные командные значения проекций вектора угловой ско-
рости корпуса КА на оси ССК, которые должны достигаться при заверше-
нии РУ; ωi k = MS ( ωids ) – осредненные АОК выходные сигналы БИС по i-
му каналу; kiω – коэффициенты усиления, которые формируются по соот-
ношению
kiω = k p ⋅ ciω ; k p = Pfm / Pcm , (15)
где k p — настраиваемый параметр для компенсации вариации тяги РД;
ciω — значения коэффициентов усиления при минимальном уровне Pfm
тяги РД.
Формирование управления положением панелей СБ. Математи-
ческая модель данного контура принимается в виде совокупности дискрет-
ной подсистемы
еkг =гkp c − Qntr(d г ,гkp ) ; гkpd = Qntr(d г ,Satp(b pг ,k pг ⋅ Relhp(a г ,b pг , л pг ,еkг ))) ;(16)
γ kpd = D γ(T γ , γ kpd , γ kpd−1 ) ≡ (γ kpd − γ kpd−1 )/T γ ; γ −pd1 = 0 , (17)
и кусочно-непрерывной части
506
γ (t) = Puls (t k ,T γ , γ kpd ) ; γ p(t) = Zh (Tu , γ kpd ) ,
p
(18)
с начальным условием γ p ( t0 ) = γ 0p . Здесь γ kp c является дискретным ко-
мандным сигналом, а функции Satp и Relhp имеют вид
Sat ( a ,x )x ≥ 0 Relh ( a,b,λ,x )x ≥ 0
Satp ( a ,x ) =  ; Relhp ( a,b,λ,x ) =  .
 0 x<0  0 x<0
Динамика упругого спутника в режиме успокоения. Режим успо-
коения (РУ) предназначен для гашения угловых скоростей корпуса КА,
полученных при отделении от разгонного блока. Одновременно в РУ осу-
ществляется разворот панелей СБ с постоянной угловой скоростью
γ p = 8 ± 0.8 o / мин к их номинальному положению, при котором панели СБ
устанавливаются в плоскости xOz и нормаль к их рабочей поверхности на-
правлена параллельно оси минус Oy ССК. Гашение угловых скоростей по
всем трем каналам осуществляется с помощью управляющих моментов,
создаваемых ДУО по отфильтрованным сигналам БИС. Режим успокоения
считается законченным при выполнении следующих условий:
ωi(t) − ωic ≤ δ ω ; i = x , y , z ; δ ω = 0.017 o/с; ωcx = ωcz = 0 o/с; ωcy = 0.2 o/с
Анализ динамических свойств упругой конструкции КА Sesat.
Линеаризованная относительно положения покоя в инерциальной СК не-
прерывная модель свободного (без внешних возмущающих моментов)
управляемого движения КА в РУ при фиксированном положении СБ име-
ет вид
A1{ω ,q ,q} = B1{ω ,q ,q} + {M ,0 } , (19)
где
 A0 0   J Dq  0 0   0 − Ω 2
A1 =   ; A = q T
0
 ; B1 =  0
; B =
0
;
 0 I 2n 
q  (D ) I 2n 
q  0 B  J
 2 n q 0 
J = J(γ p ); D q = D q(γ p ); причем матрица B 0 в составе матрицы B1 пред-
ставлена соотношением
− D − W 
B0 =   ; D = (δ/π)Ω ; W = Ω 2 ;
 I 2 nq 0 
с диагональной матрицей Ω парциальных частот упругих колебаний пане-
лей СБ, а вектор управляющего момента ДУО — соотношением
M = M 0od = {M x , M y , M z } ∈ R 3 . Для расчета передаточных функций КА, как
объекта управления, система (3.1) приводится к стандартной форме ли-
нейной управляемой системы x = Ax + Bu ; y = Cx + Du , где в данном
случае x = {ω,q, q} , u = M и матрицы A = A1−1 B1 ; B = A1−1 { I 3 ,0 } ;
C = [ I 3 ,0 ] ; D = 0 .
507
Анализ влияния упругости панелей СБ в РУ включал вычисление
резонансных, антирезонансных и собственных частоты ωki объекта
управления, расчет диапазонов вариации собственных частот ωki
упругих колебаний конструкции КА при изменении его конструктивных
параметров (элементов тензора инерции J o , матриц динамического
взаимовлияния Dkq , парциальных частот упругих колебаний панелей СБ) в
заданных выпуклых односвязных областях производится на основе
известных положений механики упругих механических систем в
следующей последовательности.
Частотные характеристики непрерывного объекта. Были рассчитаны
ЛЧХ непрерывного объекта от входа ui = M i к выходу ω i i = x,y,z для
10 тонов колебаний каждой СБ и различных значениях угла γ p .
На рис.5 приведены частотные характеристики объекта управления
по каналу тангажа в функции абсолютной псевдочастоты
λ = ( 2 / Tu )tg ( ωTu / 2 ) , при различных углах поворота панелей СБ. Анализ
полученных результатов свидетельствует о существенном изменении ЛЧХ
по каналам рыскания и крена в зависимости от положения панелей СБ для
всех тонов, и незначительную зависимость ЛЧХ упругого КА по каналу
тангажа от положения панелей СБ для первых двух тонов их упругих ко-
лебаний.
Рис. 5.
Имитация движения КА в среде MATLAB основана на моделях

(1) — (19). Программа имитации движения КА с жесткими панелями СБ
состоит из наборов MDL-файлов и S-функций (выполненных через шабло-
ны на языке С++ и откомпилированных в DLL-файлы), следующего соста-
ва: MDL-файлы: ru.mdl — основная сборка модели; bis3.mdl — модель
блока измерителей скорости (БИС); bis.mdl — модель отдельного измери-
508
теля угловой скорости; privod.mdl — модель привода панелей СБ; S-
функции: aok.dll — модель АОК; contr.dll — модель алгоритма управле-
ния; dyn.dll — динамика объекта управления; kin.dll — кинематика;
rdv.dll — модель двигательной установки; shim.dll — модель ШИМ. Вид
загруженной общей модели РУ показан на рис. 6, а детальная структура
отдельных блоков на рис. 7.
Рис.6.
509
Рис. 7.
КА с упругими панелями СБ. Отличия модели RUU (корпус КА с

упругими подвижными панели СБ) от программы RU (корпус КА с пане-
лями СБ как система твердых тел) состоят в том, что все одноименные с
RU блоки структурной схемы модели RUU переделаны и выполнены в од-
ном из следующих видов: m-функций, S-функций с использованием шаб-
лонов на входном языке MATLAB и структурных схем Simulink. При этом
язык С и DLL не используются. Вместо модели DYN вставлена новая мо-
дель OUU — модель объекта управления с упругими панелями СБ (3 тона
колебаний каждой панели СБ). Она реализована в виде S-функции, описы-
вающей динамику упругого спутника на m-языке и, в свою очередь, вызы-
вает следующие m-функции, отсутствующие в программе RU:
• inva - вычисление обратной матрицы при вторых производных;
• vti - блок вычисления значения тензора инерции КА с панелями СБ
в ССК;
• matriv - вычисление матрицы инерционного влияния.
Здесь результаты численной имитации выводятся как в графические окна,
так и в файлы uk1bs.mat, uk2bs.mat — упругие отклонения первой и вто-
рой панелей СБ по тонам колебаний, а модуль kodqw из значений кватер-
ниона дополнительно формирует матрицу направляющих косинусов для
отображения угловых движений КА. Основное диалоговое окно среды
имитации РУ КА с упругими панелями СБ представлено на рис. 8.
510
Рис.8.
Компьютерный анализ динамики КА Sesat в режиме успокоения.

С помощью разработанного и описанного выше программного обеспече-
ния выполнены численные исследования динамики КА Sesat в режиме ус-
покоения. При этом в каждом канале коэффициент cω =2.5 с2/угл.мин, рас-
четное значение тяги каждого двигателя было равно 0.49 Н, а время разго-
на привода СБ до указанной номинальной скорости 8.04 угл.мин/c враще-
ния панелей СБ составляло 0.0625 с.
КА с упругими панелями СБ. Выполнен анализ динамики КА в РУ
для различных вариантов начальных условий по координатам тонов коле-
баний. Например, при задании указанных начальных условий в виде
q1(0) = {q11, q12, q13} = {0.2, - 0.3, - 0.2}; q1(0) = {0, 0, 0} — для первой СБ,
q2(0) = {q21, q22, q23} = {-0.2, 0.3, 0.1}; q2(0) = {0, 0, 0} — для второй СБ,
численные результаты представлены на рис. 9.
На рис.10 представлены, видео-отображения первых трех форм уп-
ругих пространственных колебаний первой панели СБ.
Интерфейс с программой моделирования динамики КА. Интер-
фейс между компонентами разработанного программного комплекса моде-
лирования и визуализации движения упругой конструкции КА реализуется
через файлы на жестком диске. Последовательность взаимодействия и
имена файлов представлены на рис. 11.
511
Угловые скорости корпуса КА Управляющие моменты ДУО
Упругие отклонения первой панели СБ, пер- Упругие отклонения 1-ой точки 1-ой панели
вые 16 сек СБ в мм от положения равновесия
Рис.9.
Рис. 10.
Этап 1. На первом этапе выполняется моделирование режима успо-

коения КА. Как указано выше, здесь имеется 2 модели:
1).RU — модель РУ с объектом в виде системы твердых тел: корпуса
и панелей СБ;
512
2).RUU — модель РУ с объектом в виде корпуса КА и подвижных упругих
панелей СБ;
В среде MATLAB запускается SIMULINK и, далее одна из этих мо-
делей. Результатом работы системы являются графики переходных про-
цессов и ряд файлов данных, которые записываются на жесткий диск. В
частности создаются 3 файла, содержащие данные для подсистемы визуа-
лизации:
1. uk1bs и uk2bs — 2 файла значений обобщенных координат 1 и 2
панелей СБ;
2. mnk.txt– файл содержащий матрицу ориентации ССК относитель-
но ОСК.
Этап 2. Здесь выполняется подготовка данных для отображения ко-
лебаний упругих панелей СБ в среде системы визуализации SUPER
VISION. При этом в среде MATLAB запускается на выполнение програм-
ма FORSVM. Входом в нее является один из файлов uk1bs или uk21bs.
Кроме того, с диска считываются файлы форм forma1- forma3 по первым 3-
м тонам колебаний и файл koord.txt, содержащий координаты узловых то-
чек панелей.
Результатом работы является файл xyz.txt, содержащий в функции
времени текущие координаты узловых точек панелей СБ (в связанной с
панелью СК).
Рис.11.
Система SUPER VISION имеет 2 файла настроек: panel.svn и

mnk.svn. В случае загрузки panel.svn будут отображаться колебания вы-
бранной панели СБ, а случае загрузки mnk.svn — движение корпуса КА в
ОСК. Для отображения колебаний панели СБ используется файл данных
513
xyz.txt, а для случая отображения движения корпуса КА — файл mnk.txt.
Указанные файлы представляют собой текстовые таблицы.
В файле xyz.txt первый столбец содержит значение времени, далее
идут 129 столбцов значений координат узловых точек панелей.
В файле mnk.txt первый столбец содержит значение времени, далее
идут 9 столбцов матрицы направляющих косинусов
(m11,m12,m13,m21,m22,…m33).
В программе предусмотрено выполнение прореживания для измене-
ния скорости воспроизведения процесса движения. По умолчанию строки
в файлах следуют через 0.04 сек, что при достаточной производительности
компьютера дает воспроизведение в реальном времени — 25 кадров
(строк) в сек.
Видео-отображение углового движения КА в режиме успокое-
ния. Кадры углового движения КА в режиме успокоения представлены на
рис.12.
Рис. 12.
Видео-отображение колебаний панелей СБ при успокоении спут-

ника. На начальном этапе успокоения КА, когда разгоняется привод пане-
лей, в основном проявляются крутильные колебания (левая колонка
514
рис.13), а на последующем этапе в основном изгибные колебания (правая
колонка рис.13).
Рис. 13.
1. Потемкин В. Г. Система инженерных и научных расчетов MATLAB 5.х,
в 2-х томах.— М.: ДИАЛОГ-МИФИ, 1999.
2. Докучаев Л. В. Нелинейная динамика упругого летательного аппарата //
ИНТ. Общая механика. Т.5.— М.: ВИНИТИ, 1982.— C.135–197.
3. Лурье А. И. Аналитическая механика.— М.: Физматгиз, 1961. — 824 с.
515
УДК 681.3
СОВЕРШЕНСТВОВАНИЕ ПРОЦЕССА РАЗРАБОТКИ

ОПТИКО-ЭЛЕКТРОННЫХ СИСТЕМ ИДЕНТИФИКАЦИИ
ДВИЖУЩИХСЯ ОБЪЕКТОВ С ИСПОЛЬЗОВАНИЕМ
СРЕДЫ MATLAB
Веснин Е. Н., Царев В. А.

Институт менеджмента и информационных технологий СПбГПУ, Череповец,
e-mail: vesnin@imit.ru
В настоящее время для сбора информации о движущихся объектах

используются различные оптико-электронные системы мониторинга. Од-
ним из способов получения информации является выявление и распозна-
вание некоторой текстовой метки, нанесенной на движущийся объект. К
примеру, такой задачей является задача распознавания государственного
регистрационного знака (ГРЗ) на изображениях движущихся транспортных
средств (ТС). Ядро подобных систем идентификации (СИ) представлено
достаточно сложными алгоритмами обработки изображений, разработка
которых, как правило, занимает значительное время. Разрабатываемый
подход позволяет автоматизировать процесс разработки СИ в части проек-
тирования, конструирования, настройки, тестирования и оптимизации их
функциональных схем (ФС).
Создание системы идентификации (СИ) можно представить схемой,
изображенной на рис. 1. Системный аналитик на основе анализа предмет-
ной области производит модульную декомпозицию прототипа будущей
системы и готовит общее описание функциональной схемы системы иден-
тификации (ФССИ). На основе этой схемы алгоритмист разрабатывает ал-
горитмы функционирования отдельных блоков системы. Программист
реализует разработанные алгоритмы на некотором языке программирова-
ния и впоследствии объединяет их в соответствии с разработанной ФССИ.
На этом этапе получено первое приближение системы идентификации, и
тестер начинает тестирование системы. Производится анализ результатов
тестирования и выбирается набор параметров функционирования алгорит-
мов, а при необходимости корректируется ФССИ.
Как видно из представленного описания создания СИ — это слож-
ный итеративный процесс, каждый этап которого, выполняется различны-
ми людьми с помощью различных средств и инструментов. Разработка ал-
горитмов может осуществляться как на идейном уровне, так и с использо-
ванием различных средств автоматизации научной деятельности. Реализа-
ция алгоритмов на языках программирования требует от программиста
значительных усилий на написание, отладку и верификацию модулей.
516
Рис. 1. Этапы создания системы идентификации.
На основании вышесказанного можно сделать вывод об актуально-

сти проблемы совершенствования процесса разработки оптико-
электронных СИ. Решение проблемы обеспечивается путем разработки ин-
струментария на базе среды MATLAB. Выбор среды MATLAB обуслов-
лен, оптимизированным в данной среде матричным вычислениям, нали-
чию большого числа встроенных функций и средств визуализации. Благо-
даря этому процесс создания и тестирования алгоритмов значительно уп-
рощается. Совершенствование процесса разработки достигается за счет со-
кращения временных издержек, требуемых для разработки, настройки,
анализа, тестирования и оптимизации общей схемы функционирования
проектируемой оптико-электронных системы идентификации. При этом
схема представленная на рис. 1 преобразуется в схему на рис. 2.
Результатом применения предложенной концепции является система
идентификации объектов подвижного состава железнодорожного транс-
порта. В статье приводится описание процесса разработки СИ на ее приме-
ре.
Рассматриваемая СИ — это оптико-электронная система распознава-
ния, состоящая из аппаратной и интеллектуальной частей. Аппаратная
часть строится на базе промышленного черно-белого телевизионного дат-
чика, платы видеоввода и IBM-совместимого компьютера.
Выделены следующие основные этапы, требующие реализации при
проектировании СИ в целом:
- обнаружение состава;
- локализация изображения регистрационного номера;
- сегментация изображения регистрационного номера;
- распознавание отдельных символов регистрационного номера;
517
- формирование вариантов регистрационного номера из получен-
ного списка распознанных символов;
- принятие решения по итогам распознавания.
Предметная
область
Подготовка
Разработка и Сборка Тестирование
общего
реализация функциональной и набор
описания
алгоритмов в схемы в среде статистики
функцилнальной
среде MatLab MatLab в среде MatLab
схемы
Анализ и оптими
зация ФССИ
в среде MatLab
Конструкторская
документация
на ПО СИ
Рис. 2. Схема создания системы идентификации с использованием MATLAB.
С учетом рассмотренных этапов СИ имеет функциональную схему,

представленную на рис. 3.
Кадры
Список Список
Рабочая содержащие
кандидатов зон верифицированных
сцена изображение Локализация Верификация Сегментация
Обнаружение локализации зон локализации
состава регистрационного регистрационного регистрационного
движения
номера номера номера
Список Список Список

распознанных Выходной список номеров
контуров выделенных вариантов
Распознавание символов Формирование объектов ж/д состава
символов распознавания Принятие
отдельных регистрационного
решения
символов знака
Рис. 3. Функциональная схема системы идентификации.
Модуль обнаружения движения фиксирует кадры, содержащие изо-

бражение состава. Модуль локализации формирует список зон с изображе-
нием номеров каждого вагона, причем в общем случае на каждом кадре
может быть локализовано несколько зон с определенной оценкой досто-
верности. Сегментация изображения номера предназначена для выделения
контуров предполагаемых символов, составляющих номер. В основе моду-
ля распознавания используется нейросетевая технология, результатом рас-
познавания контура является решение о соотнесении изображения в дан-
518
ном контуре с определенным кластером цифр или кластером шума. Мо-
дуль формирования номера генерирует список возможных вариантов рас-
познаваемого номера как составного объекта. Все предложенные варианты
проверяются на корректность. На вход модуля принятия решения поступа-
ет список сформированных вариантов распознавания по каждому кадру.
Задача этого модуля состоит в отсечении ложных номеров, определении
наиболее вероятных кандидатов, отождествлении и сопоставлении группы
распознанных и сформированных номеров с определенным вагоном соста-
ва.
Результатом практической реализации каждого этапа являются алго-
ритмы, реализованные в среде MATLAB в виде функции, со множеством
параметров, подлежащих оптимизации. Каждый этап также может иметь
несколько различных реализаций, из которых необходимо выбрать опти-
мальную в плане работы всей системы в целом. Для этого, во-первых, не-
обходимо произвести некоторую унификацию входных и выходных пара-
метров алгоритмов. Входными данными для алгоритма являются непо-
средственно сами входные данные и его параметры. Для этого предлагает-
ся все передаваемые и возвращаемые данные представлять с помощью за-
писей, поля которых содержат необходимые значения. На вход каждого
модуля подаются две записи Inp и Parameters полям которых присвоены
передаваемые значения. Выходом каждого модуля является запись Out.
Подобная реализация модулей позволяет легко менять число передавае-
мых и возвращаемых значений.
С учетом этого замечания реализация модуля сегментации приобре-
тает вид:
function Out=predsegment_v3(Inp,Parameters)
% На входе полутоновое изображение Inp.PlateZone типа uint8
% Если известен цвет символов (черные или белые), то он передается в Inp.Color,
% которая может принимать значения «Black Digit» или «White Digit»
% на выходе - список кандидатов в формате Out.Сoordinates.x1,
% Out.Сoordinates.x2, Out.Сoordinates.y1, Out.Сoordinates.y2. Также могут
% возвращаться дополнительные параметры, описание которых содержаться в
% поле Out.description.имя параметра, в % частности, можно вернуть значения
% всех параметров алгоритмов, использованных при выполнении функции
%%%%% Инициализация параметров по умолчанию %%%%%%%%

R=1; % Количество соседних точек при расчете порога для бинаризации
minBrTh=0.02; % Порог для удаления нижнего хвоста гистограммы яркостей
maxBrTh=0.02; % Порог для удаления верхнего хвоста гистограммы яркостей
%%%%%%%% Инициализация переданных параметров %%%%%%%%

ParamFields=fields(Parameters);
[N i]=size(ParamFields)
for i=1:N
eval([ParamFields{i} '=Parameters.' ParamFields{i}] )
end;
519
%%%%%%%%%%%%% Инициализация входов %%%%%%%%%%%%%

A1=Inp.PlateZone;
%%%%%%%%%%%%%%% Тело функции %%%%%%%%%%%%%%%
%%%%%%%%%%%%% Формирование выхода %%%%%%%%%%%%%

Out.Coordinates=UniqueCoordinates(Coord); % Координаты символов
Out.Delim=maxBr; % Позиции разделителей
Out.Grad(2:end-1,2:end-1)=A2; % градиентное изображение
Out.Color=SСolor; % Цвет символов (белые или черные)
На рис. 4 представлена структурная схема программы, предназна-
ченной для настройки и тестирования алгоритмов.
Тестовая выборка представляет собой обработанный экспертом на-
бор данных, подаваемых на вход системы, а также желаемый результат ра-
боты отдельных алгоритмов. Эти данные могут содержаться как в *.mat
файле, так и в любом другом файле (файлах).
Модуль получения необходимых данных загружает тестовую вы-
борку и преобразует ее в переменную среды MATLAB. Для каждого моду-
ля может быть свой модуль получения необходимых данных.
Блок сбора данных статистики по результатам тестирования со-
храняет интересующие результаты работы отдельных алгоритмов.
Тестовая выборка (Тестовые данные)
Модуль получения
Блок сбора данных Анализ
необходимых
данных статистики результатов
Синхронизация входов - выходов
Модуль 1 Модуль 2 Модуль 3 Модуль 4 ... Модуль N
Рис. 4. Структурная схема блока тестирования алгоритмов СИ.
Блок анализа результатов осуществляет анализ полученных в ре-

зультате тестирования результатов. При сравнений нескольких алгоритмов
между собой можно оценить корреляцию результатов, и получить различ-
ные оценки интересующих параметров.
Синхронизация входов-выходов служит для формирования входных
данных для модулей. Так как на вход каждого модуля могут поступать
520
данные с выхода не только одного модуля, необходимо собрать требуемые
данные и сформировать входные данные.
Сборка ФССИ осуществляется в *.m файле. При симуляции функ-
ционирования СИ на основе ее ФС должен вестись подробный отчет о вы-
полнении каждого узла схемы для последующего анализа. Результатом ра-
боты программы является уточненная структурная схема СИ, наборы па-
раметров, близких к оптимальным и статистические данные работы алго-
ритмов. Впоследствии, на основе этих данных и описания алгоритмов про-
исходит создание реальной системы, как самостоятельного программного
продукта.
Впоследствии СИ была реализована как самостоятельный продукт в
интегрированной среде разработки MS Visual Studio .NET с использовани-
ем языков программирования C/C++. В настоящее время ведется модерни-
зация системы распознавания государственных регистрационных знаков
автомобилей.
В дальнейшем планируется создание в среде MATLAB оболочки для
создания структуры ФССИ посредством визуального интерфейса. Пользо-
ватель добавляет модули структурной схемы алгоритма, путем их выбора
из имеющихся. Каждый из узлов настраивается путем изменения его пара-
метров. Затем узлы соединяются при помощи связей в единую схему.
Структура алгоритма должна сохраняться в файл для возможности его по-
следующей загрузки. Кроме самой структуры должны сохраняться и все
настройки узлов алгоритма.
1. Балыков Е. А., Царев В. А. Программное обеспечение системы иденти-
фикации объектов подвижного состава железнодорожного транспорта //
Технологии Microsoft в теории и практике программирования: Мате-
риалы межвуз. конкурса-конф. студентов и молодых ученых Северо-
Запада.— СПб.: Изд-во СПбГПУ, 2004.— С.68–70.
2. Веснин Е. Н., Царев В. А.. Выделение символьных меток на изображе-
ниях со сложным фоном // Образование, наука, бизнес. Особенности ре-
гионального развития и интеграции: Сб. тр. межвуз. науч.-метод.
конф.— Череповец: ИМИТ, 2003.— С.250–252.
521
УДК 519.6
TOOLBOX MATDS ДЛЯ ЧИСЛЕННОГО АНАЛИЗА

ДИНАМИЧЕСКИХ СИСТЕМ
Говорухин В. Н.
Ростовский государственный университет, Ростов-на-Дону,
e-mail:vgov@math.rsu.ru
Многие проблемы науки и техники формулируются в виде конечно-

мерных систем отображений (динамических систем с дискретным време-
нем n)
yn+1 = f ( n, yn , p ) , n ∈ I , y ∈ R n , p ∈ R m ,
или обыкновенных дифференциальных уравнений (динамических систем с
непрерывным временем)
y ′ = f ( t , y , p ) , t ∈ R, y ∈ R n , p ∈ R m ,
зависящих от параметров p. Использование современных математических
пакетов и программ может позволить исследовать такие системы быстрее,
затрачивая на это меньшие усилия. Среди таких программ особое место
занимает MATLAB, т. к. эта программа включает в себя эффективные реа-
лизации основных численных методов, возможности создания интерфейс-
ных приложений, а Symbolic toolbox позволяет использовать возможности
компьютерной алгебры. Кроме того, пакет Simulink, входящий в семейство
продуктов компании Mathworks, предоставляет возможности конструиро-
вания динамических систем исходя из физических, а не математических
соображений. В связи с этим становится возможным и интересным создать
специализированный пакет на платформе MATLAB предназначенный для
численного анализа динамических систем. На данный момент существует
ряд таких специализированных пакетов (см. обзор в книге [1]), но все они
реализованы на алгоритмических языках, и являются платформозависи-
мыми. Использования MATLAB позволяет избавиться от этого недостатка.
Не менее ценной является возможность MATLAB преобразовывать данные
во многие стандартные форматы, например, преобразовывать рисунки в
готовый для публикации вид.
В данный момент автором доклада начата разработка программы
MATDS [2] в которой предполагается реализовать основные методы ана-
лиза систем обыкновенных дифференциальных уравнений и отображений.
Основное окно программы представлено на рис. 1. В докладе будут изло-
жены основные направления создания этой программы и дано описание
текущего ее состояния.
522
Рис.1 Основное окно программы MATDS.
Предполагаемая программа не предусматривает у пользователя на-

выков программирования на MATLAB, а потому должна обладать друже-
ственным интерфейсом, и позволять пользователю легко определять и ис-
следовать динамическую систему. Для этого необходимо предусмотреть
простой ввод правых частей уравнений системы f, эффективные процеду-
ры графического и текстового вывода результатов расчета. На данный мо-
мент в MATDS предусмотрен двухступенчатый ввод правый частей — сна-
чала определяются имена переменных и параметров, а затем вводятся
уравнений. Пока программа может исследовать только системы обыкно-
венных дифференциальных уравнений, причем предоставляется возмож-
ность указания периодичности уравнений по фазовым переменным. В
дальнейшем предполагается расширить класс типов возможных динамиче-
ских систем отображениями, системами специального вида (консерватив-
ные, гамильтоновы, градиентные, филипповские и др.). Кроме того, будет
создан модуль идентификации типа системы с использованием средств
компьютерной алгебры
Для вывода результатов исследования предусмотрены графические
двумерные и трехмерные окна, а текстовый вывод осуществляется в ос-
новное окно MATLAB. В графическом виде предполагается выводить тра-
ектории динамических систем, инвариантные объекты и др. Примеры гра-
фических окон представлены на рис. 2.
Одним из основных направлений исследования динамических сис-
тем является ее интегрирование по времени. Для этого оказывается недос-
таточным использование стандартного набора методов решения задачи
Коши пакета MATLAB. Необходимо включить в программу методы более
высокого порядка точности, специальные методы интегрирования, такие
как симплектические, сохраняющие интеграл системы и др. Сейчас в
MATDS включено два метода восьмого порядка точности, что позволяет
во многих случаях проводить вычисления быстрее и точнее.
523
Рис. 2. Примеры двумерного и трехмерного графических окон.
Другим важным средством исследования динамических систем явля-

ется поиск и анализ инвариантных объектов и их бифуркаций при измене-
нии параметров. К таким объектам можно отнести равновесия системы
дифференциальных уравнений, неподвижные точки отображений, перио-
дические и квазипериодические режимы, инвариантные многообразия. Ис-
следование таких объектов требует реализации алгоритмов продолжения
решений по параметру, бифуркационного анализа и проверки устойчиво-
сти режимов. На данный момент в MATDS включен поиск изолированных
равновесий с анализом их устойчивости (см. рис. 3.), а в ближайшем бу-
дущем будет добавлены программы поиска периодических решений и од-
нопараметрических семейств равновесий.
Рис. 3. Равновесия системы дифференциальных уравнений (точки).
Не менее важным представляется анализ хаотических режимов. Для

этого требуется реализация алгоритмов диагностики хаоса, к которым от-
носится построение отображения Пуанкаре, вычисление показателей Ля-
пунова и частотный анализ сигнала. В текущей версии MATDS реализован
пока только первый метод. Для вычисления отображения Пуанкаре для
524
системы обыкновенных дифференциальных уравнений пользователь зада-
ет уравнение секущей, а в процессе интегрирования системы получает
отображение (см. Рис. 4).
Рис. 4. Сечение Пуанкаре двумя плоскостями.
Во многих случаях важной может оказаться визуализация векторных

полей определяемых правой частью дифференциального уравнения. Для
этого MATLAB предоставляет богатые возможности — от рисования век-
торного поля до демонстрации динамики фазового объема. Естественно,
это должно являться частью программы, и эти средства включены в
MATDS (см. рис. 5).
Рис. 5. Примеры визуализации векторных полей.
1. Говорухин В. Н., Цибулин В. Г. Компьютер в математическом исследо-
вании: Maple, MATLAB, LaTeX.— СПб.: Питер, 2001.
2. http://www.math.rsu.ru/mexmat/kvm/matds.
525
УДК 519.6
ИММИТАЦИОННОЕ МОДЕЛИРОВАНИЕ
ЭКОНОМИЧЕСКОЙ ДИНАМИКИ РЕГИОНОВ ПРИ
ПОМОЩИ КЛЕТОЧНЫХ АВТОМАТОВ
Грибова Е. Н.
Институт проблем управления им. В. А. Трапезникова РАН, Москва,
e-mail:dar77@front.ru
Процесс социально-экономического развития любой территории не-

однороден. Под влиянием тех или иных факторов, не связанных непосред-
ственно с экономическими параметрами (например, физико-
географических условий — динамики рельефа, климата и проч.), в ней вы-
деляются зоны более интенсивного развития. Их рост в дальнейшем носит
кумулятивный характер, то есть скорость роста в некотором смысле про-
порциональна уже достигнутому ими уровню развития. В то же время под
воздействием опять же «случайных» с точки зрения экономиста причин
периодически совершается «рассеивание» (диссипация) накопленных ими
ресурсов роста, вследствие чего некоторые из обозначившихся «точек рос-
та» могут замедляться в развитии или даже приходить в упадок, испыты-
вая локальный регресс. Таким образом, развитие территорий представляет
собой стохастический процесс, протекающий кумулятивным образом и
характеризующийся возникающими время от времени периодами диссипа-
ции.
В результате достаточно длительного развития территориальной
системы почти всегда обнаруживается отчетливое, ясное разделение тер-
ритории по уровню развития на три неравнозначные части — центр (это
важнейшая элементарная ячейка-клетка данной территории), бицентр
(второй по значимости элемент) и так называемую периферию, включаю-
щую в себя все остальные ячейки. В качестве характеристик, по которым
совершается данное разделение, можно выбрать различные основания, как
стоимостные, так и натуральные: объем производства или инвестиций,
пропускную способность транспортных магистралей, интенсивность това-
ропотоков (их объем на единицу площади). Результаты выделения центра,
бицентра и периферии, проведенных по различным основаниям, в подав-
ляющем большинстве случаев совпадают. В связи с этим мы выбрали в ка-
честве определяющего признака наиболее легко проверяемый параметр,
динамику которого к тому же нетрудно отследить, а именно — числен-
ность населения.
На обширном статистическом материале по различным странам от-
четливо прослеживается обобщенно-логистический характер важнейших
526
процессов, связанных с урбанизацией и расселением. Логистические кри-
вые, как известно, описывают динамику кумулятивных процессов с насы-
щением. Подобный характер территориального расслоения связан со сти-
хийным действием различных социально-экономических причин.
1. Программа стохастического роста и ее описание
С целью моделирования процессов расслоения территорий на центр,

бицентр и периферию автором была составлена программа, реализованная
при помощи средств MATLAB, версия 6.1. Она предназначена для моде-
лирования кумулятивного стохастического роста с диссипацией и демон-
страции различных вариантов развития замкнутой территории и законо-
мерностей ее расслоения. Результаты ее работы полностью соответствуют
наблюдаемым на практике режимам возникновения и развития центров и
бицентров в различных территориальных образованиях.
Один из предварительных рабочих вариантов текста программы вы-
глядит следующим образом:
m=input('ввод m:')
S=rand(m);
n=input('ввод n:')
k=1; p=1;
while k<n
for i=1:m
D(1,i)=rand; D(m,i)=rand;
D(i,1)=rand; D(i,m)=rand;
end
for i=2:m-1
for j=2:m-1
D(i,j)=rand/4*(S(i-1,j)+S(i,j-1)+S(i+1,j)+S(i,j+1));
end
end
S(:,:)=S(:,:)+D(:,:);
p=p+1;
if p>9
for i=1:m
for j=1:m
D1(i,j)=rand;
S(i,j)=S(i,j)-4*D1(i,j);
end
end
p=0;
[X,Y]=meshgrid([1:1:m]);
surfc(X,Y,S)
shading interp
ttt=input('пауза')
end
k=k+1;
527
end
Логика работы данной программы вкратце такова. Выбирается квад-
ратное поле размером m на m клеток, на котором будет развиваться про-
цесс, и количество шагов n, в течение которого он будет отслеживаться. На
первом шаге каждой клетке поля присваивается значение, равное случай-
ной величине, лежащей между 0 и 1. На каждом последующем шаге к зна-
чениям клеток на границе поля прибавляется случайная величина от 0 до 1,
а к значениям «внутренних» клеток поля прибавляется такая же случайная
величина, но умноженная на среднее арифметическое значений клеток в
четырех соседних с ней полях. Тем самым, на каждом шаге процесса полу-
чается некий рельеф поверхности, на котором уровень развития каждой
клетки поля определяется ее предшествующим состоянием с учетом дей-
ствия случайных факторов.
Периодически (а именно, в данной программе — через каждые 10
шагов цикла) происходит случайное «осыпание» полученного рельефа,
при котором значение уровня каждой клетки уменьшается на учетверен-
ную случайную величину, лежащую в тех же пределах.
Таким образом, кумулятивный характер роста обеспечивается пря-
мой зависимостью прироста уровня каждой клетки от ее предшествующего
состояния. Диссипативный характер роста вытекает из периодического
рассеивания накопленного уровня высоты, что усиливает неравномерный
характер динамики. Стохастичность этого процесса обеспечивается нали-
чием случайных величин, на каждом шаге характеризующих рост и
уменьшение уровней каждой клетки.
В программу могут быть легко внесены изменения, связанные с пре-
делами, в которых лежат используемые в ней случайные величины, перио-
дичность и характер «осыпания», правила изменения уровня как «внутрен-
них» клеток, так и клеток границы. Реализация некоторых из этих идей
представлена в данной публикации. Кроме того, автором были использо-
ваны различные режимы графического вывода данных в зависимости от
необходимости иллюстрации тех или иных закономерностей исследуемых
случайных процессов.
2. Результаты моделирования и их интерпретация
Результаты работы программы подтвердили, что, начиная с опреде-

ленного момента, в хаотически развивающихся системах стихийно возни-
кает определенный порядок, элементы (в данном случае — ячейки квад-
ратного поля) упорядочиваются по высоте уровня поверхности, причем это
упорядочение, как правило, оказывается достаточно устойчивым, продол-
жительным во времени.
В процессе расчетов, осуществленных при помощи описанной про-
граммы, удалось проследить развитие эмпирически наблюдаемых моделей,
528
отражающих различные варианты территориальной дифференциации и
произвести их классификацию [1].
Например, одним из типов моделей является стандартная двухъя-
русная модель. Это так называемая восточноевропейская модель, в кото-
рой центр отличается от бицентра существенно сильнее, чем бицентр от
периферии. Такая картина (рис. 1) наблюдается во многих странах Восточ-
ной Европы и СНГ и их территориальных образованиях.
Рис. 1. Стандартная двухъярусная модель. Восточноевропейская модель: результаты

моделирования (m = 50, n = 10).
Или многоярусная (швейцарская) модель. Здесь выделяются и

центр, и бицентр, и еще ряд городов, соотношения между которыми по
численности населения примерно повторяют соотношение между центром
и бицентром. Территориальная дифференциация такого (высокоорганизо-
ванного) типа чаще наблюдается в местах, где развитие территорий проис-
ходит очень интенсивно либо имеет давнюю историю (рис. 2).
Чаще всего (как на практике, так и в модельных экспериментах) би-
центр располагается на довольно значительном отдалении от центра, ино-
гда на противоположном краю территории (рис. 3): Вильнюс–Каунас (Лит-
ва), Братислава–Кошице (Словакия), Любляна–Марибор (Словения), Яро-
славль–Рыбинск (Ярославская область).
529
Рис. 2. Многоярусная (швейцарская) модель: результаты моделирования

1.(m = 50, n = 30).
Центр
Бицентр
Рис. 3. Результаты моделирования (m = 50, n = 20).
Результаты расчетов в динамике (как, впрочем, и статистический

анализ реальных ситуаций территориального развития) показывают не-
сколько различных возможных вариантов динамики бицентров и их взаи-
530
моотношений с центром и с периферией. Наиболее часто встречающийся
случай — как на практике, так и в экспериментальных расчетах — разви-
тие конкурирующих между собой бицентров, попеременно проходящих в
своем развитии периоды относительного роста и относительного упадка,
при сохранении одного и того же центра. Эту характерную ситуацию ил-
люстрируют рисунки 4, 5, представляющие различные стадии одного и то-
го же модельного сценария.
531
3. Управление развитием территорий: имитационное моделирование
катастроф и преодоления их последствий
Предлагаемая программа содержит возможности внесения управ-

ляющих воздействий в форме «целевого» или стохастического перерас-
пределения ресурсов в пользу (или в ущерб) определенным клеткам или
группам клеток; в таком виде можно моделировать широкий спектр ситуа-
ций — от реализации целевых программ или «ударных» строек до эколо-
гических катастроф (например, землетрясений) или террористических ак-
тов (так называемых «взрывов»).
На практике при управлении развитием территорий постоянно воз-
никает необходимость прогнозирования последствий принимаемых хозяй-
ственных решений и оптимизации режимов развития отдельных частей
территории. Исходя из этих потребностей, автором на базе представленной
выше программы составлена программа, предназначенная для имитацион-
ного моделирования развития территорий, различные части которых
управляются в разных режимах, что в конечном итоге при определенных
условиях обеспечивает выход всей системы на траекторию сбалансирован-
ного роста с учетом региональных приоритетов развития.
Один из возможных вариантов текста полученной программы с мо-
ментом управления локальной территорией обвала выглядит следующим
образом:
clc
m=input('ввод m:')
%m — масштаб квадрата
S=rand(m);
%S — матрица случайных чисел m*m
n=input('ввод n:')
%n — число шагов
tv=input('ввод времени (шага) взрыва tv:')
%tv — шаг наступления катастрофы
k=1; p=0; vzr=0; g=0;
%счетчики
while k<n
for i=1:m
D(1,i)=rand; D(m,i)=rand;
D(i,1)=rand; D(i,m)=rand;
end
for i=2:m-1
for j=2:m-1
D(i,j)=rand/4*(S(i-1,j)+S(i,j-1)+S(i+1,j)+S(i,j+1));
end
end
%нормируем приращение D
NOR=sum(sum(D));
D(:,:)=0.5*m^2*D(:,:)/NOR;
%прирост уровня
532
S(:,:)=S(:,:)+D(:,:);
p=p+1;
if p>9
for i=1:m
for j=1:m
D1(i,j)=rand;
%диссипация
S(i,j)=S(i,j)-2*D1(i,j);
end
end
p=0;
%рисунки
[X,Y]=meshgrid([1:1:m]);
figure(1);
plot3(X,Y,S)
figure(2)
meshc(X,Y,S)
figure(3)
surfc(X,Y,S)
shading interp
k
end
%цикл взрыва
if k==tv
iv=input('ввод координаты взрыва iv:')
jv=input('ввод координаты взрыва jv:')
dv=input('ввод длины территории взрыва dv:')
%if S(iv:(iv+dv),jv:(jv+dv))>FSr
% if k==tv | vzr==1
%взрыв!!!
S(iv:(iv+dv),jv:(jv+dv))=rand;
'шаг взрыва'
k
vzr=0;
end
if k>tv
F=S; P=S;
F(iv:(iv+dv),jv:(jv+dv))=0;
%рамка
F(:,1:2)=0; F(:,(m-1):m)=0;
F(1:2,:)=0; F((m-1):m,:)=0;
'средние значения';
B=sum(sum(F));
FSr=B/(m^2-dv^2-8*m+16)
%F — поле без территории взрыва
P(:,1:(jv-1))=[]; P(:,(dv+2):(m-jv+1))=[];
P(1:(iv-1),:)=[]; P((dv+2):(m-iv+1),:)=[];
%P — поле взрыва
PSr=mean(mean(P))
RAT=PSr/FSr
533
'наибольшие значения';
Fmax=max(max(F));
Pmax=max(max(P));
k
if RAT>0.5
'шаг восстановления'
k
%печатаем шаг восстановления
vzr=1;
end
end
g=g+1;
if g>9
R=S;
for z=1:12
%z — количество расчетов max во всей матрице
[rs,ir]=max(R);
Wmax=max(rs);
for i=1:m
if Wmax==rs(i)
a(z)=ir(i); b(z)=i;
end
end
STR=struct('nom',z,'Wmax',Wmax,'i',a(z),'j',b(z))
R(a(z),b(z))=0;
end
g=0;
ttt=input('пауза')
end
k=k+1;
end
В отличие от предыдущей программы, теперь периодически (в пред-
ставленном варианте программы — через каждые 10 шагов цикла) на пе-
чать выводятся рисунки, иллюстрирующие текущее состояние рельефа, а
также данные о некотором количестве (в данной версии — о двенадцати)
наиболее высоких точек этого рельефа: уровень этих точек и их координа-
ты в системе (i, j).
На заранее задаваемом шаге tv программа моделирует локальную ка-
тастрофу (условно говоря — взрыв) на территории квадрата с вершиной
(iv, jv) и длиной стороны dv, значения которых вводятся с клавиатуры не-
посредственно на tv-м шаге исполнения программы. «Взрыв» заключается
в том, что каждой точке выбранного квадрата приписывается значение,
равное случайной величине, лежащей между 0 и 1. Эта же функция, есте-
ственно, позволяет осуществить и «перезапуск» всего процесса («глобаль-
ный» взрыв), если на tv-м шаге выбирается квадрат с вершиной (1, 1) и
длиной стороны m.
534
Программа предусматривает возможность осуществления много-
кратных «взрывов» на различных участках исходного поля. Кроме того,
имеется возможность программировать взрыв в зависимости от достиже-
ния определенных условий — например, взрывать всегда только бицентр
либо предусматривать эпицентр взрыва в точке с определенным заранее
заданным уровнем, и т. д.
С целью контроля за развитием ситуации и внесения управляющих
воздействий на каждом шаге после взрыва программа рассчитывает сред-
нее значение уровня точек, подвергшихся катастрофе (PSr) и среднее зна-
чение уровня точек остальной части территории (FSr), за исключением че-
тырех крайних строк и столбцов (по два с каждой стороны), а также отно-
шение этих средних величин RAT=PSr/FSr. В случае наступления опреде-
ленных условий, задаваемых исследователем (определенное соотношение
максимальных по модулю или средних элементов поля взрыва и остальной
части территории), программа выдает сообщение о факте восстановления
поврежденной взрывом территории.
Характер работы данной программы при наступлении катастрофы
показывают рисунки 6 и 7 иллюстрирующие последовательные состояния
одного и того же процесса. Здесь представлена ситуация когда ни центр ни
бицентр непосредственно не пострадали от взрыва (tv = 18, iv = 27, jv = 23,
dv = 6), однако, в силу кумулятивного характера процесса роста, группа
точек, сформировавшая на 10-м шаге бицентр (28, 41), оказалась втянута в
стохастическое перераспределение ресурсов и быстро утратила лидирую-
щий уровень. К 40-му шагу, когда последствия взрыва становятся уже едва
ощутимы (это хорошо видно на рисунке 7), сформировались совершенно
другие устойчивые бицентры, один из которых включает в себя точки с
координатами (44, 16), (43, 15), (44, 15), а другой — точки (35, 18), (36, 16),
(39, 17), (37, 15).
m=50, n=40
Центр
Бицентр
Поле взрыва
Рис. 6. Моделирование становления бицентров в условиях катастрофы (m=50, n=20).
535
Картина с ликвидацией последствий катастрофы выглядит достаточ-
но благополучно (к 40-му шагу RAT неизменно достигает 0,35-0,45), если
программа допускает кумулятивный стохастический рост без насыщения.
Ситуация претерпевает коренные изменения в случае, когда совокупный
объем распределяемых на каждом шаге ресурсов ограничен определенной
величиной, возможно, зависящей от времени (это некий аналог распреде-
ленного ВНП). Задавая различную зависимость ВНП от времени, можно в
случае необходимости моделировать динамику экономического подъема,
кризиса, депрессии, циклические колебания конъюнктуры на данной тер-
ритории.
m=50, n=20 Центр
Бицентр
Рис. 7. Моделирование становления бицентров в условиях катастрофы (m=50, n=40).
m=50, n=30
Рис. 8. Моделирование катастрофы в условиях кумулятивного роста с насыщением

(m=50, n=30).
536
m=50, n=50

(m=50, n=50).
m=50, n=70

(m=50, n=70).
Катастрофу в условиях кумулятивного роста с насыщением и дисси-

пацией иллюстрируют рисунки 8, 9 и 10, отражающие соответственно 30-
й, 50-й и 70-й шаги одного и того же процесса. Несмотря на то, что перво-
начально поле взрыва начало в среднем подниматься, затем началось ста-
бильное ухудшение. Обращает на себя внимание тот факт, что средняя
глубина территории взрыва увеличилась с 20-го по 70-й шаг более чем в 25
537
раз, тогда как высота центра, не изменившего за этот период своих коор-
динат, выросла лишь в 4 раза.
m=50, n=30
Рис. 11. Моделирование катастрофы в режиме «щадящей» диссипации (m=50, n=30).
m=50, n=60
Рис. 12. Моделирование катастрофы в режиме «щадящей» диссипации (m=50, n=60).
Полученные результаты еще раз подтверждают, что в отсутствие це-

ленаправленных управляющих воздействий неминуемо происходит диф-
ференциация, расслоение региона или страны на лидирующие и заметно
отстающие по уровню развития территории, что предопределяется логикой
объективных стихийно действующих законов рыночной экономики, и для
успешного противостояния этим тенденциям необходимы осознанные
усилия государственной власти [2, 3, 4].
538
Даже введение «щадящего» режима диссипации, проиллюстриро-
ванного на рисунках 11 и 12, отражающими различные стадии одного и то-
го же процесса, позволяет лишь смягчить, но не устранить до конца ука-
занную общую закономерность. При этом обращает на себя внимание тот
факт, что территория, потерпевшая катастрофу, нередко имеет тенденцию
к расширению, захватывая и соседние участки поля, на которых тоже на-
чинается обвальное падение уровня развития, как это имеет место на при-
веденных рисунках.
4. Моделирование преодоления последствий катастроф

в режиме ударной стройки
Радикальное преодоление отмеченной тенденции возможно в случае,

когда часть территории взрыва (даже одна точка) начинает развиваться в
режиме «ударной стройки», т. е. получает «целевым назначением» некото-
рый объем ресурсов за счет пропорционального замедления роста осталь-
ных точек всего поля. Управляющее воздействие такого рода порождает
различные сценарии быстрого выхода из кризиса части территории, потер-
певшей катастрофу, что хорошо согласуется с многочисленными реальны-
ми примерами регионального развития. Один из возможных вариантов
текста программы с реабилитацией локальной территории взрыва при по-
мощи режима «ударной стройки» приведен в работе [5]. Такая программа,
в отличие от представленной здесь, позволяет управлять не только терри-
торией взрыва, но и моментом взрыва. Также предусмотрено управление
территорией «стройки» путем задания ее координат и размера. Кроме того,
введенное в тексте данной программы правило изменения параметров на
границе поля делает эту модель еще более близкой к реально наблюдае-
мым режимам роста территорий.
Продемонстрируем работу этой модели на примере реализации
стройки, начинающейся непосредственно после взрыва на всей постра-
давшей от него территории.
Рисунки 13, 14 и 15 являются иллюстрациями различных состояний
одного и того же процесса. После некоторых разрушений на определенной
замкнутой территории периферии значительная часть распределяемых ре-
сурсов выделяется для восстановления поврежденных территорий, что в
скором времени дает положительный результат — восстановление фикси-
руется уже через два шага после взрыва (рис. 14).
539
M=50, n=10
2.Рис. 13. Моделирование катастроф и преодоления их последствий в усло-

виях кумулятивного роста с насыщением (m=50, n=10).
m=50, n=20,
Поле взрыва – шаг11,

шаг восстановления- 13
Рис. 14. Моделирование катастроф и преодоления их последствий в условиях кумуля-

тивного роста с насыщением (m=50, n=20).
540
m=50, n=30
Шаг взрыва=21,
шаг восстановления=45

Однако, если на этой же территории происходит повторный взрыв

(21-й шаг процесса), то восстановление проходит значительно дольше
(вплоть до 45-го шага) и характеризуется нелинейной стохастической ди-
намикой (рис. 15).
m=50, n=10
Центр
Бицентр
3.
4.Рис. 16. Моделирование катастроф и преодоления их последствий в условиях
кумулятивного роста с насыщением (m=50, n=10)
541
m=50, n=30
Шаг взрыва=21,
шаг восстановления=45

Однако, если на этой же территории происходит повторный взрыв

(21-й шаг процесса), то восстановление проходит значительно дольше
(вплоть до 45-го шага) и характеризуется нелинейной стохастической ди-
намикой (рис. 15).
m=50, n=10
Центр
Бицентр

Программа позволяет ввести режим ударной стройки непосредст-

венно после «взрыва» либо отложить начало применения данного режима,
после чего подтвердить или задать новые координаты стройки в зависимо-
сти от выданных программой статистических данных и, таким образом, ре-
542
ально управлять ростом территорий, разные части которых развиваются в
различных режимах.
Рисунки 16-18 являются иллюстрациями различных состояний одно-
го и того же процесса.
На рисунке16 (10-й шаг процесса) отчетливо видны «сдвоенные»
центр и бицентр. На 11-м шаге произошел взрыв квадрата 4х4 с вершиной
в точке (26, 37) — центр территории, который оказался разрушен.
n=20
Центр Бицент
Территория
взрыва

При пассивном наблюдении (второй этап динамики рассматриваемо-

го региона) территория центра медленно, но неуклонно начинает восста-
навливаться. Но после «планового» осыпания (шаг 20) его уровень значи-
тельно снизился (рис. 17). Кроме того, определились новый, опять «сдво-
енный», центр (24, 46) и бицентр (39, 42).
После введения режима ударной стройки лишь в одной точке повре-
жденной взрывом территории (третий этап динамики) ее развитие проис-
ходит неравномерно (рис. 18), но более быстрыми темпами по сравнению с
периодом стохастического саморазвития. Поскольку в программе заложе-
но ограничение по количеству ресурсов, то осуществление режима удар-
ной стройки замедляет развитие и рост других частей территории, в част-
ности, в данном примере — бывшего бицентра (рис. 17, 18), вплоть до его
разорения. К тому же, осыпание заметно снижает уровень развития как
воссоздаваемой и прилежащих к ней территорий, так и донорской терри-
тории бицентра. Однако стоит заметить, что рядом с территориями «обва-
лов» возникают новые благополучно растущие территории, более выгод-
543
ное расположение которых позволяет им в известной мере выполнять дис-
петчерские функции по распределению ресурсов — в реальной жизни это-
му случаю соответствует ситуация, когда на этих территориях, например,
формируется новый быстро растущий транспортный узел, и т. п. (рис. 18).
n=30 Территория
взрыва
Территория
донора
5.
6.Рис. 18. Моделирование катастроф и преодоления их последствий в условиях куму-
лятивного роста с насыщением (m=50, n=30).
На четвертом этапе при введении стройки по всей территории взры-

ва рост параметров идет еще более быстрыми темпами и к 47-му шагу
происходит восстановление поврежденных территорий. Стабилизируется
депрессивный характер развития донорских районов — как непосредст-
венно прилежащих к разрушенной территории, так и бывшего бицентра,
послужившего в данном примере основным донором. При этом новым би-
центром данного региона становится соседний с прежним бицентром рай-
он.
На пятом этапе уместно воспользоваться заложенной в программе
возможностью задавать не совпадающие координаты взрыва и ударных
строек, происходящих одновременно. Например, небольшое осыпание но-
вого бицентра и дополнительную стройку на территории районов-доноров.
При этом за короткий срок изменить ситуацию не удается (рис. 19), к тому
же быстро растущий новый бицентр к 50-му шагу стабильно закрепил за
собой статус центра, а бицентром соответственно становится территория,
выступавшая до этого центром.
544
n=50
Бицентр
Центр
Рис 19. Моделирование катастроф и преодоления их последствий в условиях кумуля-

Представленный комплекс имитационных стохастических моделей

позволяет: 1) отслеживать неравномерность роста различных составных
частей замкнутых территорий, 2) фиксировать закономерности территори-
альной динамики, присутствующие в развитии отдельных стран и регио-
нов, 3) моделировать в различных режимах последствия как уже произо-
шедших, так и предполагаемых фактов быстрых локальных изменений
разной природы (катастроф), 4) внося различные управляющие воздейст-
вия, моделировать последствия принимаемых решений по распределению
ресурсов и развитию территорий, разные части которых развиваются в
различных режимах.
Реализация некоторых других возможностей данного программного
аппарата может позволить решать следующие задачи:
1) Моделирование «распада» единого государства, разрыва хозяйст-
венных связей и т. д. в форме проведения внутри рассматриваемого поля
размером m на m определенной «границы» или ряда «границ», препятст-
вующих перетоку ресурсов;
2) Моделирование объединения территорий, развития хозяйственных
связей, организации обмена ресурсами, осуществляемого в соответствии с
известными теориями международной торговли;
2) Построение определенных сценариев развития, заложенных в
программе в форме качественных изменений поведения системы при дос-
тижении определенного уровня развития ее элементов или определенных
соотношений между ними.
545
Эти и некоторые другие возможности, предоставляемые данным
программным аппаратом, служат предметом дальнейших исследований.
1. Нижегородцев Р. М., Грибова Е. Н. Моделирование возникновения и
развития бицентров: кумулятивный стохастический рост с диссипацией
// Природно-антропологический и социокультурный статус бицентра:
Материалы межрегиональной (с международным участием) научно-
практической конференции.— Новомосковск, 2003.— С.47–63.
2. Нижегородцев Р. М. Траектории региональной экономики: проблемы
причинности и моделирования // Информация и экономика: теория, мо-
дели, технологии: Сб. науч. трудов / Под ред. Е. Ю.Иванова,
Р. М. Нижегородцева.— Барнаул: Изд-во Алтайского гос. ун-та, 2002.—
С.172–194.
3. Нижегородцев Р. М. Информационная экономика. Кн. 3. Взгляд в За-
зеркалье: Технико-экономическая динамика кризисной экономики Рос-
сии.— Москва–Кострома, 2002.— 170 с.
4. Нижегородцев Р. М. Поляризация экономического пространства России
и как ей противодействовать // Проблемы теории и практики управле-
ния.— 2003.— №1.— С.89–95.
5. Грибова Е.Н. Стохастическое моделирование территориальных катаст-
роф и преодоления их последствий. // Управление большими система-
ми: Сб. тр.: Вып. 6 / Общ. ред. Д. А. Новиков.— М., 2004.— С.33–55.
6. Нижегородцев Р. М., Грибова Е. Н. Апология бицентризма: рост и упа-
док, анализ и прогнозирование // Региональная экономика в информа-
ционном измерении: модели, оценки, прогнозы: Сб. науч. тр. / Под ред.
Е. Ю. Иванова, Р. М. Нижегородцева.— Москва–Барнаул: Изд-во «Биз-
нес-Юнитек», 2003.— С.81–114.
7. Грибова Е. Н., Нижегородцев Р. М. Моделирование локальных траекто-
рий регионального развития: катастрофы и преодоление их последствий
// Проблемы управления безопасностью сложных систем: Труды XI
Международной конференции / Под ред. Н. И. Архиповой, В .В. Куль-
бы. Ч.1.— М.: РГГУ, 2003.— С.147–151.
8. Грибова Е. Н., Нижегородцев Р. М. Управление развитием территорий:
имитационное моделирование катастроф и преодоления их последствий
// Управление большими системами: Сб. тр. мол. ученых: Вып. 5 / Общ.
ред. Д. А. Новиков.— М., 2003.— С.21–34.
546
УДК 539.2:681.3.06
МОДЕЛИРОВАНИЕ ПРОИЗВОЛЬНЫХ
ПРОСТРАНСТВЕННЫХ МЕХАНИЧЕСКИХ СИСТЕМ
ТВЕРДЫХ ТЕЛ С УПРУГИМИ СВЯЗЯМИ В СРЕДЕ
MATLAB
Дубаренко В. В., Кучмин А. Ю.

Институт проблем машиноведения РАН, Санкт-Петербург,
e-mail: dvv@ss.ipme.ru, Raditescope@nm.ru
В докладе рассматривается задачи моделирования пространственных

механических систем с упругими связями в среде MATLAB.
Разработана библиотека компонент для моделирования механиче-
ских систем с упругими связями, нагруженных внешними силами и управ-
ляющими воздействиями, которая может быть применена к объектам со
следующими ограничениями:
1. Объект представляется в виде твердых тел с упругими связями;
2. Твердые тела имеют шесть степеней свободы;
3. Связи являются упругими балками, с произвольными координатами
точек крепления к твердым телам;
4. Связи и твердые тела образуют граф, где упругие элементы — его
ребра, а твердые тела — вершины;
5. Рассматривается линейная задача деформаций (по Гуку);
Для большинства механических систем (манипуляторы роботов,
грохоты, радиотелескопы и т. д.) данные условия выполнимы, и при их ис-
следовании могут быть использованы компоненты предложенной библио-
теки.
Исходя из структуры графа и вида внешних воздействий и используя
данный подход, записываются уравнения системы без трудоемких методов
Лагранжа — Даламбера или Ньютона — Эйлера.
В качестве примера, приведена модель радиотелескопа РТ70, по-
строенная с использованием предложенной библиотеки и получены урав-
нения.
Разработанное программное обеспечение находит применение в НИР
и ОКР ОО КБСМ при модернизации радиотелескопа РТ70, работающего в
миллиметровом диапазоне.
1. Арнольд В. И. Математические методы классической механики.— М.:
Наука, 1974.— 431 с.
547
2. Белков А. Ю., Коноплев В. А. Две новые формы уравнений движения
твердых тел // Изв. РАН. МТТ.— 1997.— №5.— С.3–11.
3. Коноплев В. А. Матричные уравнения динамики открытой кинемати-
ческой цепи с вращающимися массами на звеньях // Изв. Вузов. Ма-
тематика.— 1987.— №12.— С.31–33.
4. Коноплев В. А. Агрегативная механика систем твердых тел.— СПб.:
Наука, 1996.— 166 с.
548
УДК 517.9
АСИМПТОТИЧЕСКИЕ ФОРМУЛЫ В ЗАДАЧЕ О ТОЧКАХ

БИФУРКАЦИИ ДИСКРЕТНЫХ ДИНАМИЧЕСКИХ
СИСТЕМ
Ибрагимова Л. С.
Сибайский институт Башкирского госуниверситета, Сибай ,
e- mail: lilibr@mail.ru
Дискретные динамические системы играют важную роль при моде-

лировании многих теоретических и прикладных задач. Особо важны ис-
следования дискретных систем, зависящих от параметра. Поведение таких
систем может оказаться очень сложным. Здесь возможны различные би-
фуркации, приводящие к хаотическому поведению системы [1,2].
Одним из основных сценариев перехода к хаосу является бифурка-
ция удвоения периода. При исследовании такой бифуркации важны как
обнаружение бифурцирующих значений параметра, так и построение са-
мих решений. Очень часто бифурцирующие решения получить в явном
виде не удается, поэтому здесь используются методы приближенного по-
строения таких решений.
В работе предлагается метод приближенного построения бифурци-
рующих решений и соответствующие асимтотические формулы для неко-
торого класса динамических систем.
Вспомогательные сведения
Рассмотрим дискретную динамическую систему

xk +1 = f ( xk ) , k = 0,1,2,... (1)
Неподвижной точкой этой системы называют решение уравнения
x = f ( x) . Циклом периода 2 системы (1) называют пару x0 , x1 , x0 ≠ x1 , та-
кую, что x1 = f ( x0 ) и x0 = f ( x1 ) ; тогда, например, x0 является неподвиж-
ной точкой отображения f 2 ( x) , т. е. решением уравнения x = f 2 ( x) . Ана-
логично определяются циклы периода 3, 4 и т. д.
Рассмотрим теперь систему, зависящую от скалярного параметра λ :
xk +1 = f ( xk , λ ) , k = 0,1,2,... (2)
Пусть выполняется тождество f ( 0, λ ) = 0 , т. е. x = 0 является непод-
вижной точкой системы (2) при всех λ .
Число λ 0 называют точкой бифуркации системы (2) в задаче о не-
подвижных точках, если существует последовательность λm → λ0 , такая,
549
что при λ = λ m система (2) имеет неподвижную точку х ( m ) ≠ 0 , при этом
х ( m ) → 0 . Такое λ 0 назовем точкой 1 -бифуркации.
Число λ 0 называют точкой бифуркации системы (2) в задаче о цик-
лах периода 2, если существует ненулевой цикл x1( n ) , x2 ( n ) периода 2 такой,
что x1( n ) , x2 ( n ) → 0 при n → ∞ .Такое λ0 назовем точкой
2 -бифуркации. Аналогично могут быть определены точки бифур-
кации системы (2) в задачах о циклах периодов 3, 4 и т. д.
Постановка задачи
Основным объектом в настоящей работе является дискретная дина-

мическая система
хк +1 = А(λ ) хк + ϕ( хк , λ ) , хк ∈ Н , λ ∈ R , k = 0,1, 2... , (3)
где Н — гильбертово пространство, А(λ ) и ϕ( xк , λ) вполне непрерывные
операторы, причем А(λ ) — линейный и ϕ( х, λ ) = о( х ) при х → 0 .
Если λ 0 является точкой 1-бифуркации системы (3), то (см.[2])
1 ∈ σ( А(λ 0 )) (здесь σ( А) — спектр оператора А ), а если λ 0 — точка 2-
бифуркации, то − 1 ∈ σ ( A ( λ 0 ) ) . Эти условия являются необходимыми,
но еще не достаточными условиями бифуркации.
Ниже предлагаются новые достаточные условия бифуркации, а так-
же предлагается схема приближенного исследования, приводящая к асип-
тотическим формулам.
Задача о точках 1-бифуркации.
Рассмотрим сначала задачу о точках 1-бифуркации системы (3), т. е.

задачу о бифуркации малых ненулевых решений уравнения
х = А(λ ) х + ϕ( х; λ ) , х∈ Н , λ∈R . (4)
Пусть 1 является простым собственным значением оператора
А(λ 0 ) . Тогда существует единственный (с точностью до направления)
элемент е0 , е0 = 1 , такой, что А(λ0 )е0 = е0 . Кроме того, для сопряженного
оператора А* (λ ) : Н → Н число 1 также будет являться собственным зна-
чением. Тогда существует такой собственный вектор g 0 , что выполняются
равенства: А* (λ 0 ) g 0 = g 0 и (е0 , g0 ) =1.
Обозначим через Н 0 — одномерное подпространство, содержащее
вектор е0 . Определим операторы Р0 x = ( x, g 0 )e0 и
Р 0 x = ( I − P0 ) x = x − ( x, g 0 )e0 . Положим Н 0 = P 0 H . Операторы Р0 : Н → Н 0
550
и Р :Н → Н
0 0
являются операторами спектрального проектирования, так
что выполнены равенства Р0 А(λ 0 ) = А(λ 0 ) Р0 и Р 0 А(λ 0 ) = А(λ 0 ) Р 0 . По по-
строению пространство H может быть представлено в виде прямой суммы
Н = Н 0 ⊕ Н 0 инвариантных для оператора А(λ0 ) подпространств.
Пусть х0 = εе0 , где ε > 0 — вспомогательный малый параметр. Ре-
шение уравнения (4) будем искать вблизи х0 при значениях λ близких к
λ 0 . С этой целью воспользуемся методом функционализации параметра
[3], для чего определим функционал
λ
λ ( х ) = 0 ( х, g 0 ) . (5)
ε
Тогда λ(εе0 ) = λ 0 . Подставляя функционал ( 2) в уравнение (4) получим
уравнение, не содержащее параметр λ :
F ( x) = 0 , (6)
где F ( х) ≡ х − А(λ ( х)) х − ϕ ( х; λ ( х)) .
Определим также операторы
F0 ( x) = x − A(λ ( x)) x , f ( x) = −ϕ ( x; λ ( x)) .
Тогда F ( x) = F0 ( x) + f ( x) .
Для построения решения уравнения (6) применим модифицирован-
ный метод Ньютона-Канторовича с возмущениями [3]. Оператор F0 ( x)
дифференцируем при любом x ∈ H и его производная Фреше имеет вид
F0′( х)h = h − λ (h) А′(λ ( x)) х − А(λ ( х ))h . (7)
Оператор F ′ ( x) обратим точке x = εe . При x = x оператор (6) не
0 0 0 0
зависит от ε и имеет вид
F0′( х0 )h = h − λ 0 (h, g 0 ) А′e0 − Аh , (8)
где для простоты обозначено A′ = A′(λ 0 ) и A = A(λ 0 ) .
Лемма. Пусть выполняется соотношение ( А′е0 , g 0 ) ≠ 0 . Тогда суще-
ствует ( F ′ ( x )) −1 .
0 0
Основным утверждением статьи является следующая

Теорема 1. Пусть ( А′е0 , g 0 ) ≠ 0 . Тогда при каждом малом ε 〉 0 урав-
ε
нение (6) имеет в шаре S ( x0 ; ) единственное решение xε , которое можно
4
получить как предел последовательных приближений
x = x − ( F ′ ( x )) −1 F ( x ) , n = 0,1,2,...
n +1 n 0 0 n
где x0 = εe0 . Решение xε удовлетворяет соотношениям: xε → 0 и

λ ( xε ) → λ 0 при ε → 0 .
551
Из приведенной теоремы 1 следует, что вектор xε является ненуле-
вым решением уравнения (4) при λ = λ ( xε ) , т. е. xε — это бифурцирующее
решение уравнения (3) в задаче о точках 1-бифуркации, а λ ε — соответст-
вующее значение параметра.
Доказательство теоремы 1 основано на том, что в ее условиях для
уравнения (6) выполнены все предположения модифицированного метода
Ньютона-Канторовича с возмущениями [3].
Асимптотические формулы
Пусть нелинейность ϕ( x, λ) представляется в виде

ϕ( x, λ) = a2 ( x, λ) + a3 ( x, λ) , где a2 ( x, λ) содержит квадратичные по x сла-
гаемые, а a3 ( x, λ ) — слагаемые более высокого порядка. В этом случае для
бифурцирующих решений могут быть получены асимтотические формулы.
Теорема 2. Существующее в условиях теоремы 1 бифурцирующие
решения xε системы (3) и соответствующие значения параметра λ ε пред-
ставляются в виде
xε = εe0 + ε 2 e1 + o ( ε 2 ) , λ ε = λ 0 + ελ1 + o ( ε 2 ) ,
где λ = ( Гa (e , λ ), g )λ , e = Гa (e , λ ) и Г = ( F ′ ( x )) −1 .
1 2 0 0 0 0 1 2 0 0 0 0
Следствие. Пусть λ1 〉 0 (λ1 〈0) . Тогда бифуркация в системе (3) явля-
ется суперкритической (субкритической).
Задача о точках 2-бифуркации.
Пусть теперь оператор A(λ 0 ) имеет простое собственное значение

− 1 и не имеет собственного значения 1 . Тогда переходя от уравнения (3) к
уравнению
хк +1 = А2 (λ ) хк + ψ ( хк , λ ) , (9)
где ψ ( x, λ ) = A(λ )ϕ( x, λ ) + ϕ( A(λ ) x + ϕ( x, λ ), λ ) получим, что задача о точках
2-бифуркации для уравнения (3) равносильна задаче о точках 1-
бифуркации для уравнения (9). При этом условие ( А′е0 , g 0 ) ≠ 0 превраща-
ется в равносильное соотношение (2 АА′е0 , g 0 ) ≠ 0 . Рождающиеся непод-
вижные точки уравнения (9) не могут быть неподвижными точками урав-
нения (3), так как в противном случае получили бы включение
1 ∈ σ( А(λ 0 )) , что противоречит условию.
Для приближенного построения бифурцирующих неподвижных то-
чек xε уравнения (9) и соответствующих значений λε могут быть исполь-
зованы теоремы 1 и 2. В свою очередь, пара ( xε , xε1 ) , где
552
x = A(λ ε ) xε + ϕ( xε , λ ε ) , будет циклом периода 2 исходной системы (3) при
ε
1
λ = λε .
Предложенный в работе метод приближенного исследования задачи
о бифуркации в дискретных динамических системах может быть реализо-
ван в виде алгоритмов и соответствующих MATLAB-программ.
1. Малинецкий Г. Г. Хаос. Структуры. Вычислительный эксперимент: Вве-
дение в нелинейную динамику.— М.:Наука, 1997.— 255с.
2. 2.Гукенхеймер Дж., Холмс Ф. Нелинейные колебания, динамические
системы и бифуркации векторных полей.— М.-Ижевск: Институт ком-
пьютерных исследований, 2002.— 560 с.
3. Красносельский М. А., Вайникко Г. М. Забрейко П. П. и др. Приближен-
ное решение операторных уравнений.— М.: Наука, 1969.— 479 с.
553
УДК 681.3:512.64
АНАЛИЗ ПЕРЕДАТОЧНЫХ
ФУНКЦИЙ РОТОРНОЙ СИСТЕМЫ «ВАЛКОВОЕ
УСТРОЙСТВО–ТЕКСТИЛЬНЫЙ МАТЕРИАЛ»
Калинин Е. Н.
Ивановская государственная текстильная академия, Иваново,
e-mail:enka@igta.interline.ru
С целью определения влияния параметров роторной системы,

влияющих на длительность переходных процессов при обработке тек-
стильного материала воспользуемся разработанной нами структурно-
параметрической моделью и полученными методом ее дефрагментации
передаточными функциями [1], выражающими влияние внешнего возму-
щающего воздействия на состояние как системы в целом, так и на ее кон-
туры (подсистемы), а также характеризующими основные технологические
свойства машины:
передаточная функция, характеризующая преобразование периодиче-
ского кинематического возмущения, обусловленного параметрами шва
d 4 ( p ) в ускорение приводного вала с массой m2
am 2 ( p ) p 2 [−3( R17 + R18 − R19 ) + 1]
T2 ( p ) = = ,
d 4 ( p ) ННУ ∆ R ( p)
функция цепи T61 ( p ) , отражающая преобразование периодического
возмущения, характеризуемого параметрами шва d 4 ( p ) в скорость υ3 ( p )
деформации эластичной оболочки вала с массой m1 или T62 ( p ) — в абсо-
лютную деформацию d 3 ( p ) эластичной оболочки
υ3 ( p ) pυ3 ( p ) p ( Z17 + Z18 − Z19 )
T61 ( p ) = = = ;
d 4 ( p ) ННУ υ4 ( p ) v = 0 ∆ Z ( p)
5
d3 ( p) d ( p) ( R + R18 − R19 )
T62 ( p ) = = 3 = 17 .
d 4 ( p ) ННУ d 4 ( p ) d =0 ∆ R ( p)
5
Влияние массы приводного вала на длительность периода затухания

его колебаний, вызванных прохождением шва, имеющего постоянные гео-
метрические параметры с огибающими сторон, описываются эмпириче-
скими формулами для лицевой стороны полотна в виде показательной
функции [2]
y1 = a1 [1 − exp(−b1 x1 )]
и для изнаночной стороны полотна в виде степенной функции
554
y 2 = a 2 x 2b2 ,
где x1 , x2 , y1 , y 2 — координаты точек огибающих швов; a1 , a 2 , b1 , b2 — ко-
эффициенты, определяемые экспериментально.
Результатами численного эксперимента, реализованного с использо-
ванием возможностей разработанной нами модели являются визуализиро-
ванные графические зависимости (рис. 1–4), характеризующие взаимо-
связь между внутренними характеристиками роторной системы, варьиро-
вание которыми возможно на этапе проектирования системы, с длительно-
стью переходного процесса, определяемого, в основном, как период зату-
хания колебаний элементов системы, а также влияние внешнего возмуще-
ния (шва) на период затухания колебаний системы, которые определяют
длину некондиционного участка обрабатываемого полотна текстильного
материала.
Таким образом, исследуя компьютерную модель роторной системы,
мы имеем возможность прогноза ее динамических характеристик, исклю-
чающих попадания в резонанс при высокоскоростных режимах эксплуата-
ции, а также определить пути, позволяющие сократить длину некондици-
онного отрезка материала в процессе его обработки за счет уменьшения
периода переходного процесса. Процесс затухания колебаний (рис. 4) эла-
стичного вала при пропуске шва с различными геометрическими парамет-
рами: толщиной δ ш и длиной lш , зависит:
от динамических характеристик остова устройства: а, б — масса остова
500 и 1000 кг, соответственно, при равных коэффициентах сопротивления;
в — масса 1000 кг при удвоенном значении коэффициенте сопротивле-
ния r3;
жесткость приводного вала на длительность переходного состояния
системы влияет мало. При минимальных величинах жесткости k вала - час-
тота колебаний принимает большие значения (рис. 1), а амплитуда мень-
шие, чем при максимальных значениях k;
геометрические параметры: ширина шва δ ш и его длина l ш , принимая
минимальные значения δ ш = 3 мм и l ш = 20 мм , соответствуют наиболее-
оптимальному состоянию системы при наименьшей длительности затуха-
ния и минимуме значений амплитуд колебаний (рис. 2). Продолжитель-
ность колебаний сокращается при этом на 2/3 по сравнению с максималь-
ными значениями принятых в численном эксперименте величин δ ш = 6 мм
и l ш = 40 мм ;
наиболее существенный влияние на исследуемый процесс оказывают
масса m3 остова и его диссипативная характеристика, оцениваемая коэф-
фициентом сопротивления r3 .
Полученные графические зависимости (рис. 4) демонстрируют воз-
можности эффективного сокращения периода переходного состояния сис-
555
темы, заключающиеся в уменьшении длительности затухания колебаний
валов на 75% (с 1,5 с до 0,25 с), за счет увеличения массы m3 остова и ко-
эффициента сопротивления r3 .
x 10
-16 Linear Simulation Results
0
k=min
k=max
-0.5
-1
Amplitude
-1.5
-2
-2.5
-3
0 0.5 1 1.5 2 2.5 3
Time (sec)
Рис. 1. Влияние жесткости приводного вала на период затухания его колебаний.

x 10
0
-0.5
-1
Amplitude
-1.5
A,b
-2 A,b/2
A/3,b
A/3,b/2
-2.5
-3
0 0.5 1 1.5 2 2.5 3
Time (sec)
Рис. 2. Влияние длины и толщины шва на время затухания колебаний приводного вала.
556

x 10
0
A,b
A,b/2
A/3,b
A/3,b/2
-0.5
m=2
-1
Amplitude
-1.5
-2
-2.5
-3
0 0.5 1 1.5 2 2.5 3
Time (sec)
Рис. 3, а. Влияние массы приводного вала на время затухания его колебаний

для различных сочетаний геометрических параметров шва.

x 10
0
A,b
A,b/2
A/3,b
A/3,b/2
-0.5
m=10
-1
Amplitude
-1.5
-2
-2.5
-3
0 0.5 1 1.5 2 2.5 3
T i me (sec)
Рис. 3, б. Влияние массы приводного вала на время затухания его

колебаний для различных сочетаний геометрических параметров шва.
557

x 10
-1
-2
-3
-4
Amplitude
-5
-6 A,b
A,b/2
A/2,b
A/2,b/2
-7
-8
-9
0.5 1 1.5 2 2.5 3
T ime (sec)
Рис. 4. Зависимость затухания колебаний в остове от δ ш - толщины и ширины lш шва.
При решении поставленных задач использована система MATLAB 6

с пакетами Simbolic Math Toolbox, Control System Toolbox и Signal
Processing Toolbox [3].
Работа выполнена при поддержке Минобразования РФ (грант
Т02-10.2-782).
1. Калинин Е. Н. Модель передаточной функции линейной стационарной
системы «валковое устройство–текстильный материал» // Изв. вузов.
Технология текст. пром-сти.— 2001.— №4.
2. Кузнецов Г. К. Некоторые вопросы силового анализа валкового отжим-
ного механизма // Изв. вузов. Технология текст. пром-сти.— 1971.—
№1.
3. Лазарев Ю. Ф. MATLAB 5.x.– К.: Изд. группа BHV, 2000.— 384 с.
558
УДК 004
ТРЕХЦВЕТНАЯ ДИСКРЕТНАЯ МОДЕЛЬ АДСОРБЦИИ
Каплий С. А., Проказников А. В., Рудь Н. А.

Ярославский государственный университет им. П. Г. Демидова, Ярославль,
e-mail: rnrgio@yandex.ru
Проблема исследования адсорбции различных веществ на поверхно-

сти твердых тел привлекает к себе пристальное внимание исследователей
на протяжении длительного времени, так как поверхность является един-
ственным каналом проникновения вглубь кристалла. Кроме того, модифи-
кация свойств поверхности существенно сказывается на изменении объем-
ных свойств твердого тела, особенно в областях с малыми размерами кри-
сталлитов, где объем и площадь поверхности становятся соизмеримы друг
с другом.
В ходе процессов анодирования полупроводниковых кристаллов
кремния в плавиковой кислоте в определенных режимах было обнаружено
периодическое изменение динамических характеристик процесса с течени-
ем времени. Аналогичные явления были также обнаружены в ходе экспе-
риментов с электролюминесцентными устройствами на основе пористого
кремния, помещенными в среду поверхностно активных веществ.
Настоящая работа базируется на модельных представлениях адсорб-
ционной системы, согласно которой, адсорбированные на поверхности
твердого тела атомы, могут находиться в двух различных состояниях: ней-
тральном и заряженном вследствие туннельного обмена электроном между
атомом и твердым телом. В модели рассматривается элементарная ячейка
на поверхности твердого тела, которая может находиться в трех состояни-
ях: без адсорбированного атома (молекулы), с адсорбированным нейтраль-
ным атомом и с адсорбированным заряженным атомом. Элементарная
ячейка может изменять свое состояние в зависимости от состояния бли-
жайших соседей, и таким образом учитывается латеральное взаимодейст-
вие между адсорбированными атомами. Данная модель процесса является
двумерной и связана с поверхностью твердого тела, которая считается иде-
альной, то есть не учитываются дефекты и неоднородности на поверхно-
сти. Кроме того, граница рабочей области является циклически замкнутой
в обоих измерениях.
Рассматриваемая в данной работе компьютерная модель основывает-
ся на теории вероятностных клеточных автоматов (ВКА). Для осуществле-
ния модельных представлений используется вычислительная среда
MATLAB. Рассмотрим, как это реализовано.
Все поле событий на поверхности твердого тела разбивается на эле-
ментарные квадратные ячейки, которые могут находиться в одном из трех
559
состояний: пустое (белое), занятое нейтральной молекулой (серое), занятое
заряженной молекулой (черное). Для хранения информации о местополо-
жении черных и серых клеток используется две разреженные (sparse)
квадратные (100×100) матрицы. Учет латерального взаимодействия произ-
водится таким образом, что вероятность ячейки перейти в то или иное со-
стояние зависит от числа ближайших соседей, находящихся в определен-
ном состоянии.
Вычисление динамики переходов клеток по цветам решается при
помощи матричных операций, что существенно ускоряет работу модели.
% инициализация матриц для хранения информации о местоположении
% серых и черных точек
m = 100; % размер матриц
% инициализация матрицы X серых и Y черных точек на белом фоне
X = sparse(m, m); Y = sparse(m, m);
% матрица 100×100 равномерно распределенных случайных чисел [0..1]
R = rand(m);
% матрица времен жизни клеток
T = zeros(m,m);
% количество серых N1 и черных N2 соседей
N1 = neibors(X); N2 = neibors(Y);
% соответствующие вероятности переходов tau_i, где i=1..7;

% белые → (серые | белые);
% серые → (белые | серые | черные);
% черные → (белые | серые | черные)
% ttl_w; ttl_g; ttl_b времена жизни соответствующих точек
% Локальные правила переходов

% белые → серые | белые)
dX1 = ~X& ~Y& T>=ttl_w& (((N1>=1| N2>=2)& R<=tau_1) | (N1==0&…
N2==0& R<=tau_7));
% серые→ (черные | белые | серые)
dY1 = X& T>=ttl_g& R<=tau_2 &(N1>=3| N2>=2); % серые → черные
dW1 = ~dY1& X& T>=ttl_g& R<=tau_3; % серые → белые
% черные → (серые | белые | черные)
dX2 = Y& T>=ttl_b& R<=tau_4 &(N1>=3| N2>=2); % черные → серые
dW2 = ~dX2& Y& T>=ttl_b& R<=tau_5; % черные → белые
% обнуление TTL вновь измененных клеток
T = ~((dX1| dY1| dW1| dX2| dW2)& T).*T;
X = X + dX1 - dY1 - dW1 + dX2; % изменение серых
Y = Y + dY1 - dX2 - dW2; % изменение черных
T = T + 1; % увеличение TTL на 1
Реализация описанного выше достаточно простого алгоритма приво-

дит к большому числу разнообразных динамических режимов, которые,
тем не менее, могут быть классифицированы согласно четырем основным
560
группам. Модель описывает периодические режимы. Существует также
область турбулентного (хаотического) поведения системы, характеризую-
щаяся разнообразным поведением выходных параметров. Характерной
особенностью нашей модели является наличие режимов с ведущими цен-
трами (пейсмекерами), отличающиеся различной эволюцией развития.
Рис. 1. (а) — картина распространяющихся по поверхности фазовых волн, обусловлен-

ная работой нескольких ведущих центров с формой, близкой к сферической; (b) — ана-
логичная картина, обусловленная работой «квадратных» ведущих центров.
Поведение системы при наличии ведущих центров характеризуется

большим разнообразием. На рис. 1, a представлен «мгновенный снимок»
системы при наличии в ней нескольких одновременно работающих веду-
щих центров, которые взаимодействуют друг с другом посредством волно-
вых систем солитонного типа, порождающих волны, движущиеся по всей
системе. На рис. 1, b показан пейсмекер, обладающий прямоугольной сим-
метрией. Такой режим работы в подобной системе является результатом
конкуренции нескольких пейсмекеров, в ходе которой с течением времени
остается пейсмекер, работающий с наибольшей частотой, причем одномо-
ментной синхронизации различных точек пространства не наступает.
На рис. 2 представлены временные зависимости количества черных
ячеек для различных режимов работы модели. Показанные кривые полу-
чаются, варьируя управляющие параметры. Отмечу, что построить фазо-
вую диаграмму, показывающую, при каких значениях параметров динами-
ческая система ведет себя тем или иным образом, в нашем случае не пред-
ставляется возможным, так как число управляющих параметров, задающих
поведение системы, велико (10 шт.).
561
Рис. 2. Зависимость числа черных точек от времени (тактов): (a) — для хаотической
динамики системы; (b) — для ведущих центров с формой, близкой к сферической;
(c) — для ведущих центров с формой, близкой к квадратной; (d) — для периодической
динамики системы.
Важно отметить, что одномерная адсорбционная задача с двумя со-

стояниями (в нашей терминологии — с двумя цветами) для ВКА не приво-
дит к такому разнообразию решений, причем полностью отсутствуют ос-
циллирующие решения и решения с наличием пейсмекеров. В настоящее
время известно, что не существует ответа на вопрос о том, как находить
локальные правила, следуя которым множество отдельных элементов бу-
дет воспроизводить желаемую динамику.
В наших ранних работах в осцилляционном режиме порообразова-
ния в локальных, выделенных местах экспериментально наблюдались
формирование различных пористых структур, которые можно отождест-
вить с результатом работы пейсмекеров различной конфигурации как сфе-
рической формы, так и с прямыми углами. Фронты фазовых волн в этих
двух типах ведущих центрах разбегаются как по окружностям, так и под
прямыми углами. На рис. 3 показаны примеры. Наша модель, как это де-
монстрирует рис. 1, описывает ведущие центры подобных форм.
562
Рис. 3. Фотографии воронкообразных структур: (a) поперечный разрез; (b) вид сверху;
и структур, похожих на «ласточкин хвост»: (c) поперечный разрез; (d) вид сверху, что
были получены во время травления кремния n–типа при колебаниях приложенного по-
тенциала.
Отметим, что одним из наиболее интересных выводов данного ис-

следования является тот факт, что при переходе от хаоса к глобальной
синхронизации система вначале локально синхронизируется в режиме ве-
дущих центров. Это означает, что возникают локально осциллирующие
центры с определенными частотами колебаний. Наиболее удобным пара-
метром, характеризующим различные режимы динамики исследуемой сис-
темы, является энтропия динамической системы (энтропия Колмогоро-
ва — Синая), связанная с показателями Ляпунова, значение которой мак-
симально для режимов хаотических колебаний и равно нулю в режиме ре-
гулярных осцилляций, причем для режимов с наличием ведущих центров
энтропия имеет промежуточные значения.
В заключение отметим, что построена и исследована двумерная мо-
дель негамильтоновой системы, обладающая всеми характерными свойст-
вами, присущими активным средам с самоорганизацией. Результаты дан-
ной работы могут быть использованы для прогнозирования и интерпрета-
ции результатов работы различных сенсорных устройств.
1. Адамсон А. Физическая химия поверхности.— М.: Мир, 1979.— 568 с.
2. Ozanam F., Chazalviel J. N., Radi A. et al. // Phys. Chem.— 1991.—
V.95.— P.98.
563
3. Carstensen J., Prange R., Poprikov G.S. et al. // Appl. Phys. A.— 1998.—
V.67.— P.459–467.
4. Smith R. L., Collins S. D. // J. Appl. Phys.— 1992.— V.71.— N.8.— P.R1–
R22.
5. Бучин Э. Ю., Проказников А. В. // Письма в ЖТФ.— 1997.— Т.23.—
Вып.5.— С.1–7.
6. Babanov Yu. E., Prokaznikov A. V., Rud N. A. и др. // Phys. Stat. Sol. (a).—
1997.— V.162.— N.1.— P.R7–R8.
7. Лаптев А. Н., Проказников А. В., Рудь Н. А. // Письма в ЖТФ.— 2000.—
Т.26.— Вып.23.— С.47–54
8. Лаптев А. Н., Проказников А. В., Рудь Н. А. // Микросистемная техни-
ка.— 2002.— №6.— С.31–40.
9. Babanov Yu. E., Prokaznikov A. V., Svetovoy V. B. // Vacuum.— 1990.—
V.41.— P.902–905.
10. Oono Y. // Phys. Rev. Letters.— 1985.— V.55.— P.2927–2931.
11. Ванаг В.К. // УФН.— 1999.— Т.169.— №5.— С.481–505.
12. Мартынов Н. Н., Иванов А. П., MATLAB 5.х Вычисления. Визуализа-
ция. Программирование. Часть 1, 2.— М.: «Кудиц–Образ», 2000.—
336 с.
13. Wolfram S. // Rev. Mod. Phys. .— 1983.— V.55.— P.601.
14. Анищенко В.С. Сложные колебания в простых системах.— М.: Наука,
1990.— 312 c.
15. Fuks H. // arXiv:nlin.— CG/0302015.— 2003.— V.1.
16. Buchin E. Yu., Prokaznikov A. V. // Phys. Low — Dim. Structures.—
2003.— V.7/8.— P.69–76.
17. Benettin G., Galgani L., Strelcyn J. M. // Physical Review A.— 1976.—
V.14.— N.6.— P.2338–2345.
564
УДК 519.6
ПАКЕТ ПРИКЛАДНЫХ ПРОГРАММ В СРЕДЕ МАTLAB

ДЛЯ ПАРАМЕТРИЧЕСКОЙ ИДЕНТИФИКАЦИИ
ЛИНЕЙНЫХ РАЗНОСТНЫХ УРАВНЕНИЙ ПРИ НАЛИЧИИ
ЛОКАЛЬНО АВТОКОРРЕЛИРОВАННЫХ ПОМЕХ В
ВЫХОДНЫХ СИГНАЛАХ
Кацюба О. А., Тренькин В. М.

Самарская государственная академия путей сообщения, г. Самара,
e-mail:mbl@front.ru
В реальных объектах помехи наблюдений в выходных сигналах в

общем случае хотя и не коррелированны, но представляет собой неэргоди-
ческий процесс. Поэтому представляет интерес распространить рассмот-
ренный выше метод наименьших квадратов на случай аддитивного ло-
кально автокоррелированного шума [1] в канале наблюдений.
Вновь рассмотрим стационарную динамическую систему, описы-
вающую следующим линейным разностным уравнением заданного поряд-
ка с дискретным временем i = ...,−1,0,1,... вида:
r r1
Z i − ∑ b0( m ) z i − m = ∑ b0( m ) xi − m ; y i = Z i + ξ 2 (i ) . (1)
m =1 m=0
Пусть имеют место следующие предположения:
Ι 0 . Случайный процесс ξ 2 (i ) удовлетворяет условиям:
E (ξ 2 (i + 1) / Fi ) = 0 п.н.; E (ξ 22 (i0 )) < π < ∞, E (ξ 22 (i + 1)) / Fi ) ≤ W ,
где W-случайная величина, E (W ) ≤ π < ∞, Fi ... - σ -алгебра, индуциро-
ванная семейством случайных величин ( {ξ 2 (t ), t ∈ Ti },
Ti = {t ; t ≤ i, t ∈ Z c − множество целых чисел }; E - оператор математиче-
ского ожидания.
20. Выполняются следующие условия:
N
П. Н .
N ∑ ξ 2 (i )ξ 2 (i + m)
−1
⋅ hξ* (m) < ∞ , m = 0,..., r , i0 = − r ,...,1,
i =i0 N →∞
где hξ* (m) - локальная автоковариационная функция [1];
матрица
hξ* (0) hξ* (1) ... hξ* (r ) ~
~ *
 hξ* (0) hξT ∗ 
H ξ = hξ (1)
* *
hξ (0) ... hξ (r − 1) =  ~ ∗
* 
 h H * 
h * (r ) h * (r − 1) ... h * (0)  ξ ξ 
ξ ξ ξ
положительно определенная, где матрица

565
 hξ* (0) ... hξ* (r − 1) 
 
H ξ* =  ;
 h * (r − 1) hξ* (0) 
 ξ
~
вектор hξ∗ = (hξ∗ (1),..., hξ∗ (r ) ∈ Rr
30 . Последовательность {X i } не зависит от {ξ 2 (i )}.
~
4 0 . Множество B , которому априорно принадлежат истинные зна-
чения устойчивой линейной динамичной системы является компактом.
5 0 . Входной сигнал xi является случайным процессом и удовлетво-
ряет условиям постоянного возбуждения порядка ri + 1 [2], то есть с веро-
ятностью 1 существует
N
lim N −1 ∑ x r1 (i ) x rT1 (i ) = H xx
*
N →∞
i =1
*
и матрица H положительно определенная.
xx
Представим уравнение (1) для всех i = 1,2,..., N в векторной форме в
виде системы линейных алгебраических уравнений:
b
Z = Zb + xa = ( Z X )( ) ,
a
x1 x1− r1  Z Z 1−r 
 
x= , Z =  , Z = ( Z 1 ,..., Z N ) ∈ R N .
T
xN x N − r1 Z Z N − r 
 N −1
Однако, вместо z и Z наблюдаются только случайно возмущенные
вектор Y ∈ R N и матрица AY .
y0 y1− r
AY =
y N −1 y N −r
T
Y = y1 ... y N
Для получения нелинейных оценок наименьших квадратов восполь-
зуемся следующим подходом.
Представим уравнение (1) в виде:
b
yi = ( y rT (i ) x rT1 (i )) ( ) + ξ 2 (i ) − Ξ rT b0 ,
a
где
y r (i ) = ( y i −1 ,..., y i − r ) T ∈ Rr ,
x r1 (i ) = ( xi ,..., xi − r1 ) T ∈ Rr1 +1 ,
566
Ξ r (i ) = (ξ 2 (i − 1),..., ξ 2 (i − 1)) T ∈ Rr .
Обобщенная ошибка:
b
e(b , i ) = yi − ( y rT (i ) x rT1 (i )) ( ) = ξ 2 (i ) − Ξ rT b .
a
Тогда из предложения 10 вытекает, что e(b0 , i ) имеет нулевое сред-
нее, а из предположения 20 — что ее локальная дисперсия с вероятно-
стью 1 равна
N
~
(σ ) e = lim N ∑ e 2 (b0 , i ) = hξ* (0) + ( H ξ* b0 , b0 ) − 2(hξ∗ , b0 ) = ω ' (b0 ) ,
* 2 −1
N →∞
i =1
где (⋅,⋅) — скалярное произведение.
 b( N ) 
Определим оценку  неизвестных истинных значений пара-
 a ( N ) 
 
b 
метров  0  из условия минимума суммы взвешенных квадратичных от-
 a0 
клонений e(b, i ) с весом ω ' (b) , т. е. из
b b
min (ω ') −1
(b )(Y − ( AY x )  a  , Y − ( A Y x )  a ) (2)
( ba )∈BCRr1 + r +1
   
Заметим, что так как Y и AY случайны, то решение (2) не всегда единствен-
ное или может не существовать вообще. Покажем, что при N → ∞ имеется
 b( N )   b( N ) 
единственное решение (2)   при этом  сильно состоятельная
 a( N )   a ( N ) 
   
b 
оценка  0  .
 a0 
Утверждение 1. Пусть стационарная динамическая система описы-
вается уравнением (1) с нулевым начальным условием и помеха удовле-
творяет предположениям 10 − 30 . Кроме того, истинные значения парамет-
b 
ров  0  и входной сигнал удовлетворяют условию 40 − 50.
 a0 
Тогда при N → ∞ с вероятностью 1 существует оценка
−1
 b( N )   AYT AY − θ 2 ( N ) H ξ∗ AYT X   АYT Y − θ 2 ( N )hξ* 
  =    , (3)
 a ( N )   X T AY X T X  
 X T
Y 

где θ 2 ( N ) — наименьший корень уравнения
 Y T Y Y T AY   Y T X  T −1  Y T X  
det  T  −   ( )  AT X 
X X   − θ H ξ  = 0.
*
(4)
 AY Y AYT AY   AYT X   Y  
567
 b( N ) 
При этом оценка   сильно состоятельная, то есть
 a ( N ) 
 b( N )  П . Н .  b0 
   →   и является единственным решением задачи (2) (при
 a ( N ) 
N →∞
 a0 
N → ∞ ).
В начале докажем следующую лемму.
Лемма 1. Рассмотрим функцию
VN(1) (b, a,θ ) = U N' (b, a ) − θω '(b) , θ ∈ R1 ,
N
U N′ (b, a ) = ∑ (Yi − YrT (i ) ⋅ b) − X rT1 (i ) ⋅ a ) 2 .
i =1
Тогда уравнение
VN(1) (θ ) = min VN(1) (b, a,θ ) = 0
b
 ∈BCRr + r1 +1
a
имеет не более одного корня θ 2 ( N ) на интервале (−∞, Λmin ( N )), где

Λmin ( N ) — наименьший корень уравнения
 AYT AY − θ H ξ∗ AYT T 
det   , (det( X T X ) ≠ 0 ) (5)
 X AY T
X T
X 
 
при этом, если θ 2 ( N ) существует, то 0 ≤ θ 2 ( N ) < Λmin ( N ) , и, следователь-
но, θ 2 ( N ) — наименьший среди всех корней уравнения VN(1) (θ ) = 0 .
Доказательство. Рассмотрим функцию
T −1
 AT
Y − θ h ∗  AT A − θ H ξ∗ AT X   AT Y − θ h ∗ 
VN(1) (θ ) = Y T Y − θ hξ* (0) −  Y T ξ  ×  Y Y T Y   Y T ξ .
 X Y  
   X AY X X   X Y 
T
Заметим, что V (1) (θ?) на интервале (−∞, Λ ( N )), непрерывная и

N min
VN(1) (θ ) = −(hξ* (0) + b?T ( N ,θ ) H ξ* b( N ,θ ) − 2(hξ* )T b( N ,θ )), где

−1
 b( N ,θ )   AT A − θ H ∗ AT X   AT Y − θ h ∗ 
  =  Y YT ξ Y
  Y T ξ
 a ( N ,θ )   X AY X X   X Y 
T
  
Значит VN(1) (θ ) < 0, ∀θ ∈ (−∞, Λmin ( N )) . Из этого непосредственно
следует лемма 1.
Доказательство утверждения 1. Рассмотрим функцию N −1U 'N (b, a ),
которую можно представить в следующем виде, имеем:
N −1U ' N (b, a ) = ϑ ' '1 +ϑ ' ' 2 +ϑ ' ' 3 ,
где
568
N
ϑ ' '1 = N −1
∑ (ξ
i =1
2
2 (i ) − 2ξ 2 (i )Ξ rT b + b T Ξ r Ξ rT b)
ϑ ' ' 2 = N −1 ∑ (ba~ ) ( Z rT (i ) X rT1 (i )) T ( Z rT (i ) X rT1 (i )) (ba~ )

N
~ T ~
i =1
N
~ ~
ϑ ' '3 = 2 N −1 ∑ (−ξ 2 (i ) Z rT (i )b − ξ 2 (i ) X rT1 (i )a~ + b T Ξ r Z rT (i )b + b T Ξ r X rT1 (i )a~ ) ;
i =1
~
где b = b − b0 , a~ = a − a0 .
Тогда из предположения 2 0 непосредственно получаем, что
~ ~
ϑ1'' →(hξ* (0) + b T H ξ* b − 2(hξ* ) T b, ∀b ∈ B CRr .
П .Н .
N →∞
Очевидно, также
~ T ~
 b  *b  b ~
ϑ2 
"
→ ~  H  ~  , ∀ ∀b ∈ B CRr + r1 +1 ,
П .Н .
N →∞
a  a  a
b ~
ϑ3''  → 0, ∀  ∈ B CRr + r1 +1
П .Н .
N →∞
a
и
~ T ~
b  ∗b  ~
−1
N U (b, a ) 
'
N → hξ (0) +  ~  H  ~  + b T H ξ∗b − 2(hξ∗ ) T b =
П .Н . ∗
N →∞
a  a 
T ~
 b   H ZZ
∗
+ H ξ∗ H ZX
∗
 b   H ZZ ∗
b0 + H ZX∗
a 0 + hξ∗ 
=      − 2 
∗ T ∗    ( H ∗ )T b + H ∗ a  ×
 a   ( H ZX ) H XX   a   ZX 0 XX 0 
T
b b  b  b
×   + hξ∗ (0) +  0  H ∗  0  ≡ U '' (b, a ) , ∀  ∈ Rr1 + r +1 . (6)
a  a0   a0  a
Покажем, что решение задачи
U '' (b, a )
min
b
∈
  BCRr + r +1
ω ' (b)
a 1
 
b 
Существует и достигается в единственной точке  0  , то есть
 a0 
''
U (b, a) U '' (b0 , a0 )
min = = 1. (7)
b
 ∈BCR
ω '
(b ) ω '
(b0 )
a
r1 + r +1
 
Для этого рассмотрим функцию

V (1) (b, a,θ ) = U ' ' (b, a ) − θω ' (b) , θ ∈ R1 ;
V (1) (θ ) = min V (1) (b, a, θ ) =
b
 ∈BCRr1 + r +1
a
569
T ~∗ ~∗ T
 b   b   H ∗
b + H ∗
a + h − θh 
= hξ∗ (0) +  0  H ∗  0  − θhξ∗ (0) -  ZZ 0 ∗ TZX 0 ∗ξ ξ 
 ×
a
 0 a
 0  ( H ZX ) b 0 + H a
XX 0 
-1 ~ ~
 H ∗ZZ b0 + H ξ∗ − θH ξ∗ H ZX∗
  H ∗ZZ b0 + H ZX ∗
a 0 + hξ∗ − θhξ∗ 
×   
∗  
.
( H ∗
) T
H ( H ∗
) T
b + H ∗
a 
 ZX XX   ZX 0 XX 0 
Легко проверить, что уравнение V (θ ) = 0 на интервале (1)
(− ∞, Λmin + 1) имеет корень θ 2 = 1 , где Λmin > 0, наименьшее собственное

число регулярного пучка квадратичных форм [3], определяемых положи-
*
тельно определенным матрицам: H ZZ − H ZX
* *
H XX ( ) (H )
−1 * T
ZX и H ξ* . Тогда со-
гласно лемме 1 корень θ 2 = 1 является единственным на этом интервале, и,
значит непосредственно следует справедливость (7).
b 
Оценки коэффициента  0  определяется из (2) следующим обра-
 a0 
зом:
VТ(1) (b, a,θ ) = U 'N (b, a ) − θω '(b),θ ∈ R1 ,
получаем
VN(1) (θ?) = min VN(1) (b, a, θ ) =
b
 ∈BCRr1 + r +1
a
T
 b ( N ,θ )   A TY AY − θ H ξ∗ AYT X   b ( N ,θ ) 
=   .   −
 a ( N ,θ )   X T AY X T X   a ( N ,θ ) 
    
T
 A TYY − θ h ξ∗   b ( N ,θ ) 
−2     + Y T Y-θ h ξ∗ (0) ,
 X TY   a ( N ,θ ) 
   
где
T −1
 b ( N ,θ )   A TY AY − θ H ξ∗ AYT X   AYT Y − θ h ξ∗ 
  =    ,
 a ( N ,θ )   X T
AY X T X   X TY 
    
или
T
 AYT Y − θ h ξ∗ 
VN (θ ) = Y Y − θ hξ (0) − 
(1) T *
 ×
 X TY 
 
−1
 A TY AY − θ H ξ∗ AYT X   AYT Y − θ h ξ∗ 
×   . (8)
 X T
A X T
X   X TY 
 Y   
Тогда из (8) непосредственно следует справедливость (7).
570
Основным затруднением при реализации описанного алгоритма яв-
ляется обращения матриц большой размерности и нахождение собствен-
ных чисел указанных матриц. Эти операции наиболее удобно выполнять в
среде MATLAB так как все указанные операции можно производить в уни-
версальной матричной форме.
1. Цветков Э. И. Нестационарные случайные процессы и их анализ.— М.:
Энергия, 1973.— 128 с.
2. Эйкофф П. Основы идентификации систем управления.— М.: Мир,
1975.— 683 с.
3. Гантмахер Ф.Р. Теория матриц.— М.: Наука, 1966.— 575 с.
571
УДК 681.3 (075.8)
О ВОЗМОЖНОСТИ МОДЕЛИРОВАНИЯ ДИНАМИКИ

ЭЛЕКТРОМАГНИТНЫХ ПРИВОДОВ
С ПРИМЕНЕНИЕМ ПРОГРАММНЫХ СРЕДСТВ
СПЛАЙН-ИНТЕРПОЛЯЦИИ
Кондратьев В. А.
Новосибирский государственный технический университет, Новосибирск,
e-mail: kondr@ait.cs.nstu.ru
На основе современных представлений о преобразовании энергии в

электрических машинах и принципа диакоптического разделения коорди-
нат [1, 2] мгновенные (иначе — динамические) значения электромагнитно-
го усилия на якоре и электродвижущей силы в обмотке электромагнита
можно определять по формулам :
Ψ o (i0 , δ) Kд.о (i0 ,δ)
Fэм (i0 , δ) = − 2
⋅ Lд.о (i ,δ) ; (1)
0
d Ψ о (i0 , δ)  di0 dδ 
eо (i0 , δ) = − = −  Lд. о (i0 , δ) + K д. о (i0 , δ)  . (2)
dt  dt dt 
В (1) и (2) обозначено: i0 , δ — соответственно, ток намагничивания и ве-
личина рабочего воздушного зазора; Ψ о (i0 , д) – потокосцепление обмот-
ки, Lд. о (i0 , δ) и K д. о (i0 , δ) — частные производные:
∂ Ψ о (i0 , δ)
Lд. о (i0 , δ) = ; (3)
∂ i0
∂ Ψ о (i0 , δ)
K д. о (i0 , δ) = . (4)
∂δ
Величина i0 обусловлена электрической энергией, потребляемой от
источника питания на создание энергии магнитного поля обмотки. В ди-
намике i0 составляет часть тока обмотки за вычетом приведенного к ее па-
раметрам вихревого тока, протекающего в контурах магнитопровода и
возможного электромагнитного демпфера. Значения же точек статической
характеристики потокосцепления, на основе которых находятся мгновен-
ные значения Ψo(i0, δ), рассчитываются для полного тока в обмотке Io.
Предлагаемый автором метод позволяет достаточно просто решать
задачу электродинамики электромагнитных приводов за счет того, что
пространство интерполяции статических характеристик потокосцепления
обмотки электромагнита ставится в соответствие мгновенным значениям
тока намагничивания обмотки i0 и рабочего зазора δ. Это не требует вы-
числений электромагнитного усилия Fэм и электродвижущей силы обмотки
572
ео на каждом шаге решения дифференциальных уравнений, описывающих
динамику электромагнитного привода. Применение программно-
инструментальных средств Simulink 3 позволяет выполнять моделирование
динамики электромагнитного привода с представлением всех интерполи-
рованных характеристик в блоках Look — Up Table (2-D). Интерполяция
должна быть выполнена для вызова блок-диаграмм модели.
Качество моделирования динамических процессов электромагнитно-
го привода с применением (1)–(4) обеспечивается точностью электромаг-
нитного расчета, нацеленного на получение значений потокосцепления в
узлах интерполяции, двумерной сплайн-интерполяцией этих характери-
стик, а затем и определением частных производных от них.
В [3] описаны положения электромагнитного расчета на основе тео-
рии поля, представлены блок-диаграммы для имитационного моделирова-
ния свойств электромагнитного привода с одним электромагнитом, рабо-
тающим, в общем случае, в режиме исполнительного двигателя. Здесь же
приведены рекомендации по организации электромагнитного расчета, по-
зволяющие обеспечивать приемлемый вид характеристик (1) за счет не-
равномерной расстановки узлов интерполяции характеристик потокосцеп-
ления. Однако, опыт применения разработанного автором программно-
методического комплекса [4] показал, что выполнение предложенных ре-
комендаций по выбору узлов интерполяции с разным шагом по току об-
мотки является «узким местом» в выполнении проектных работ, связан-
ных с поиском рационального варианта привода.
Проблема двумерной сплайн-интерполяции характеристик потокос-
цепления состоит в том, что их вид существенно меняется в зависимости
от конструкции магнитопровода, свойств стали, силы тока в обмотке и ве-
личины рабочего воздушного зазора электромагнита. По мере насыщения
элементов магнитопровода, в характеристиках потокосцепления появля-
ются характерные изгибы, обусловленные влиянием формы кривой намаг-
ничивания стали. Это отражается на производных (3) и (4), порождает не-
допустимую волнистость характеристик (1). Выполнение двумерной
сплайн-интерполяции характеристик потокосцепления с относительно
большим числом узлов явление волнистости уменьшает, но требует значи-
тельных затрат времени на проведение электромагнитного расчета. Ука-
занные обстоятельства недопустимы при имитационном моделировании,
нацеленном, например, на выявление наилучшего варианта конструкции
электромагнита.
Исследования, проведенные с использованием данных вычислитель-
ного эксперимента, описанного в [2], программных средств раздела Spline
вычислительной среды MATLAB версии 5.3, позволили установить, что
удовлетворительное качество характеристик (1) при равномерном разме-
щении узлов интерполируемой характеристики потокосцепления может
быть получено, если придерживаться следующего алгоритма.
573
1. Рассчитать статические характеристики потокосцепления таким
образом, чтобы крайние узлы интерполяции выходили за границы воз-
можного при работе привода увеличения i0 и уменьшения δ.
2. Выполнить интерполяцию характеристик по п. 1 со сглаживанием
методом наименьших квадратов (функция spaps, относительная точность
10-4–10-3, количество промежуточных точек в 100 раз больше количества
узлов интерполируемой характеристики по обеим координатам, анализ
графиков).
3. Определить значения производных в узлах исходной и сглажен-
ной по п.2 характеристик (обращение к функциям fndir, fnval, squeeze).
4. Выполнить интерполяцию характеристик по п.3 для сглаженных
результатов (функция spaps, количество промежуточных точек по п. 1, от-
носительная точность подбирается в интерактивном режиме на основе
анализа графиков с нанесенными «реперными» точками, полученными ра-
нее для исходных характеристик потокосцепления).
5. Определить значения электромагнитных сил в узлах интерполяции
по формуле (1) с использованием данных, полученных при выполнении
п. 3.
6. Выполнить интерполяцию характеристик электромагнитных сил
для сглаженных по п. 3 результатов (функция spaps, количество промежу-
точных точек по п. 1, относительная точность подбирается в интерактив-
ном режиме на основе анализа графиков с «реперными» точками, полу-
ченными при выполнении п. 5).
Иллюстрация эффективности предложенного алгоритма приводится
по данным вычислительного эксперимента, проведенного для электромаг-
нитной системы согласно рис. 1.
Рис. 1. Продольный разрез электромагнитной системы, выполненный на стадии подго-

товки электромагнитного расчета.
Все расчеты и построение характеристик проводились для равно-

мерно разнесенных пяти значений зазора и десяти значений тока обмотки в
574
диапазонах, указанных на рис. 1.
Эталоном для оценки качества представления интерполированных
характеристик электромагнитных сил принята общеизвестная в электроме-
ханике формула Максвелла для силы, действующей на ферромагнитные
полюса с площадью зазора Sδ при индукции в зазоре Bδ (µ0 = 4π10-7 Гн/м —
магнитная постоянная):
2

 Bδ ( I o , δ) Sδ
Fэм ( I o , δ) = 
2µ0

. (5)
Полученные для сопоставления характеристики иллюстрируют рис.2
и рис. 3.
а
) б)
Рис. 2. Характеристики электромагнитных сил, полученные при расчете (3) и (4) непо-
средственно по предварительно интерполированным характеристикам потокосцепле-
ния (линии на виде б прорежены).
а) б)
Рис. 3. Характеристики электромагнитных сил, полученные по предложенному алго-
ритму, сплошные линии — расчет по формуле (5).
575
На основании проведенных исследований можно сделать следующие
выводы.
1. Предложенный метод получения интерполированных характери-
стик для токовой (3) и скоростной (4) частей электродвижущей силы само-
индукции (2) обмотки, а также электромагнитного усилия (1) на якоре
электромагнита позволяет с достаточной для практических целей точно-
стью реализовать моделирование динамических процессов в электромаг-
нитном приводе постоянного тока.
2. Применение предлагаемого метода моделирования динамики элек-
тромагнитного привода с обращением к предварительно интерполирован-
ным и находящимся в рабочем пространстве вычислительной среды
MATLAB 5.3 электрическим и электромеханическим характеристикам
электромагнита позволяет подходить к решению задач проектирования на
качественно более высоком уровне.
3. Выражение (1), а так же алгоритм определения мгновенного зна-
чения электромагнитного усилия могут быть использованы и при исследо-
вании свойств вращающихся электрических машин.
Первый вывод имеет и ряд экспериментальных подтверждений, яв-
ляющихся предметом отдельных публикаций.
1. Гомельский Ю. С. Электрические элементы электрогидравлических уст-
ройств автоматики.— М.: Энергия, 1968.— 140 с.
2. Кондратьев В. А. О методе расчета характеристик электромагнитных
устройств // Актуальные проблемы электронного приборостроения: Сб.
трудов V междунар. конф. АПЭП–2000 в 7 т. Т.3.— Новосибирск: Изд-
во НГТУ, 2000.— С.178–181.
3. Кондратьев В. А. Проектирование исполнительных электромагнитных
двигателей с использованием приемов математического моделирования:
Учебное пособие.— Новосибирск: Изд-во НГТУ, 2002.— 81 с.
4. Кондратьев В. А. Программно-методический комплекс для проектиро-
вания привода на основе электромагнита постоянного тока // Материа-
лы международной науч.-техн. конф. «Информационные системы и
технологии». Т.1.— НГТУ, Новосибирск, 2003.— С.177–182.
576
УДК 681.3; 620.178.7 (088.8)
ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ
ЭЛЕКТРОМАГНИТНОГО УДАРНОГО СТЕНДА
Кондратьев В. А., Цветков В. Е.

Новосибирский государственный технический университет, Новосибирск,
e-mail: kondr@ait.cs.nstu.ru
В [4] описаны результаты экспериментального исследования, прове-

денного на стадии испытания макета автоматизированного электромагнит-
ного ударного стенда. Оборудование испытательной установки иллюстри-
руют рис. 1 и рис. 2.
Рис.1. Конструктивная схема. Рис.2. Схема принципиальная.
После нажатия на кнопку SB c помощью блока QV управления тири-

стором VT обмотка длинноходового электромагнита YA в импульсном ре-
жиме подключалась к сети переменного тока. Ток регистрировался с по-
мощью осциллографа PS с послесвечением, подключенного к измеритель-
ному шунту R. Якорь-боек электромагнита за время импульса тока, дости-
гавшего сотни ампер, с начального положения δ0 приобретал ускорение и,
пролетев сквозь полость обмотки и направляющую трубку, ударялся о
контейнер с установленным в нем пьезоэлектрическим датчиком ускоре-
ния — акселерометром. В якоре-бойке и ярме магнитопровода YM были
профрезерованы пазы, что практически исключало протекание в них вих-
ревых токов. Фланцы же магнитопровода были сплошными, поэтому при
включении в них вихревые токи возникали.
577
Целью исследований было обеспечение максимума силы удара яко-
ря-бойка о контейнер за счет изменения числа витков обмотки wо и на-
чального его положения в катушке δ0 при максимально возможном угле
отпирания применяемого тиристора (2.2 рад.) и неизменных размерах маг-
нитопровода (диаметр наружный 100, длина 95 мм, толщина фланцев и
ярма по 5 мм). Параметры якоря-бойка были подобраны из ряда изготов-
ленных заранее изделий и соответствовали указанной цели (диаметр 35
мм, длина 59 мм, масса 0.46 кг).
Исследования проводились на основе положений факторного плани-
рования эксперимента с использованием практически ротатабельного пла-
на [1] с варьированием на пяти уровнях числа витков обмотки wo = 180,
212, 290, 368, 400 и начального положения якоря-бойка δ0 = 24, 32, 49, 67,
75 мм. Усилие, создаваемое якорем-бойком в момент удара о контейнер,
оценивалось опосредованно с помощью акселерометра и второго осцилло-
графа с послесвечением. В силу того, что под ударные воздействия тари-
ровать акселерометр не представлялось возможным, обработка наблюде-
ний выполнялась в относительных единицах. Максимальное значение уда-
ра было определено путем подбора δ0. после того, как было установлено
целесообразное и доступное по исполнению обмотки wo.кр = 180.
В результате было выявлено экстремальное значение δ0.кр= 58 мм. В про-
цессе испытаний регистрировались также амплитудные значения и дли-
тельность протекания тока обмотки, была определена величина сопротив-
ления питающей сети вместе с тиристором (0.35 Ом). Сопротивление об-
мотки при разном числе витков было определено с помощью прецизионно-
го моста сопротивления. Результаты исследований относительной величи-
ны силы удара, представленные в виде квадратичного уравнения регрес-
сии, позволили выработать рекомендации операторам автоматизированной
установки, предназначенной для проведения испытаний микросхем на
ударную нагрузку.
Несмотря на то, что эксперимент проводился на основе совершенных
теоретических положений, он оказался достаточно трудоемким, выполнял-
ся во время, исключающее влияние помех другим потребителям электри-
ческой энергии с фидера питающей подстанции. Испытания макетного об-
разца имели частный характер, они показали, в какой мере электромагнит-
ное оборудование стенда было далеко от совершенства. Выявленное wo.кр =
180 против изначально принятого wo= 500 при диаметре провода 1.7 мм,
диктовало необходимость уменьшения размеров магнитопровода, что вме-
сте с желаемым увеличением диаметра провода, в свою очередь, привело
бы к изменению свойств установки и повторным испытаниям. В уравнение
регрессии не введен, например, угол отпирания тиристора, что было бы
очень удобно для автоматизированного регулирования силы удара.
На взгляд авторов, приведенный пример служит хорошим обоснова-
нием актуальности проведения проектных работ по созданию устройств с
578
форсированными электромагнитными системами с применением приемов
имитационного моделирования.
Результаты представленных исследований частного характера было
решено использовать для сопоставления с результатами имитационного
моделирования установки в вычислительной среде MATLAB 5.3. Извест-
но [2], что качество имитационного моделирования в определяющей мере
зависит от адекватного описания свойств объекта. Применение же поло-
жений факторного планирования при организации исследований позволяет
формировать ситуации по конечной функции цели исследования, в том
числе и для задач проектирования технических устройств. Программная
реализация имитационного моделирования средствами Simulink сущест-
венно уменьшает время доводочных операций, повышает качество проект-
ных работ, сокращает сроки и стоимость их выполнения.
На основе положений, обоснованных в [4, 5], и обозначенной цели
имитационного моделирования, для описания динамических процессов в
представленной установке составлена система уравнений:
 di0 / dt = eд.о / Lд. о (i0 , δ);

 diк′ / dt = eд.к
′ / Lд.′ к (i0 , δ);

dvя / dt = Fд / mя ; (1)
 d δ / dt = −v ;
 я


iп = i0 − iк′ .
В (1) для мгновенных (иначе — в зависимости от времени) значений обо-
значено: i0 , iк′ — ток намагничивания обмотки и приведенный к ее пара-
метрам вихревой ток короткозамкнутого (демпфирующего) контура, обра-
зованного фланцами магнитопровода; i п — ток цепи питания; δ — величи-
на зазора; vя — скорость движения якоря-бойка; e д.o и e′д.к — дифференци-
альные электродвижущие силы (ЭДС) обмотки и приведенного к ее пара-
метрам демпфирующего контура; Fд — результирующая сила на якоре-
бойке.
Значения e д.o и e′д.к с учетом взаимного влияния контуров с токами
определяются по формулам:
eд.о = e п − eM .о. к + ec. о − i п Rц. п ; (2)
′ = −eM .к.о + ec. к. − iк′ Rк′ ,
eд.к (3)
где Rц.п — сопротивление цепи питания (сеть, шунт, обмотка); R′к —
приведенное к обмотке сопротивление демпфирующего контура; eп —
ЭДС сети питания (напряжение на зажимах без нагрузки); eM .о. к — ЭДС,
обусловленная взаимной индукцией обмотки с демпфирующим контуром
и скоростью изменения приведенного к обмотке тока в этом контуре;
eM .к.о — ЭДС, обусловленная взамной индукцией демпфирующего контура
579
с обмоткой и скоростью изменения тока намагничивания в ней; ec. о — ЭДС
обмотки, обусловленная скоростью изменения зазора; ec. к. — ЭДС
демпфирующего контура, обусловленная скоростью изменения зазора.
Обозначенные в (2) и (3) ЭДС рассчитываются по следующим
формулам (в соответствии с положениями, обоснованными в [3],
электромагнитная связь контуров принята абсолютной):
eM .о. к = M д. о. к (i0 , δ) diк′ / dt ; (4)
eM .к.о = M д. о.к (i0 , δ) di0 / dt ; (5)
ec. о = ec. к = [ K д. о (i0 , δ) + N д. о. к (i0 , δ)] vя , (6)
где
M д. о.к. (i0 , δ ) = Lд. о (i0 , δ ) Lд.′ к (i0 , δ ) ; (7)
N д. о.к (i0 , δ) = K д. о (i0 , δ) K д.′ к (i0 , δ); (8)
∂ Ψ о (i0 , δ)
Lд. о (i0 , δ) = Lд.′ к (i0 , δ) = ; (9)
∂ i0
∂ Ψ о (i0 , δ)
K д. о (i0 , δ) = K д.′ к (i0 , δ) = . (10)
∂δ
Приведенное к параметрам оботки сопротивление демпфирующего
контура, в отличие от рекомендованного в [3], рассчитывается по условию:
Rк′ = wo 2 k у.с (i0 , δ) Rк , (11)
где Rк — сопротивление фланцев постоянному току (формулы приведены
в [4]).
В (11) k у.с (i0 , δ) — коэффициент увеличения сопротивления вихре-
вому току вследствие эффекта его вытеснения, рассчитываемый по эмпи-
рической формуле:
− t
kп Т (i0 , δ)
k у.с (i0 , δ) = 1 + е , (12)
Т (i0 , δ)
где t — текущее время переходного процесса; kп подбирается при модели-
ровании процесса включения электромагнита исходя из условия обеспече-
ния kу.с ≤ 4; T (i0 , δ) — переменный параметр:
Lд. о (i0 , δ)
T (i0 , δ) = . (13)
Rц.п
Формула (12) получена на основе экспериментальных исследований
динамики форсированного включения электромагнитов цилиндрического
исполнения с втягивающимся якорем под напряжение постоянного тока и
достижении якорем скорости порядка 1.5 м/c. При этом вытеснение вихре-
вых токов, обусловленных движением якоря, можно считать пренебрежи-
мо малым [4].
580
Усилие, приложенное к якорю-бойку, определяется как разность
электромагнитного усилия и веса бойка с массой mб
Fд = Fэм (i0 , δ) − g mб , (14)
где Fэм (i0, δ) в соответствии с [4]:
Ψo (i0 ,δ) Kд.о (i0 ,δ)
Fэм (i0 , δ) = −
2
⋅ L (i ,δ) . (15)
д.о 0
В приведенных выше формулах величина i0 обусловлена потребле-
нием электрической энергией на создание энергии магнитного поля обмот-
ки. В динамике i0 составляет лишь часть тока обмотки. Значения же точек
статической характеристики потокосцепления, на основе которых находят-
ся интерполированные и поставленные им в соответствие мгновенным
значениям Ψo(i0, δ), рассчитываются для полного тока в обмотке Io.
Для проведения имитационного моделирования описанной выше ус-
тановки средствами Simulink 3 в вычислительной среде MATLAB 5.3 был
разработан комплекс блок-диаграмм, реализующих функции тиристорного
ключа и электромагнита. Исследования проводились в соответствии с тем
же планом эксперимента и тех же размеров электромагнитной системы и
якоря-бойка, для каждого значения wо и δ0. Средствами, описанными в [5],
были выполнены расчеты статических характеристик потокосцепления в
реальном диапазоне возможного изменения тока намагничивания и зазора,
и двумерная интерполяция характеристик, используемых в (4)–(15). Значе-
ния сопротивлений цепи питания принимались по данным эксперимента,
расчет Rк был выполнен согласно [3], пересчет к Rк′ проводился по (11).
В качестве иллюстрации на рис. 3 представлены временные диа-
граммы, наблюдаемые в процессе моделирования условий работы уста-
новки при экстремальных значениях wо. кр = 180 и δ0. кр = 58 мм.
581
Рис. 3. Диаграммы, наблюдаемые при моделировании.
Из графиков видно, что при оптимальных для данной установки ус-

ловиях якорь-боек практически находится на вылете из полости обмотки
(вид б), когда ток в ней достигает нуля (вид в). При этом уже происходит
снижение скорости движения якоря-бойка (вид г), поэтому при разработке
конструкции (см. рис. 1) надо было бы уменьшить длину трубки для его
свободного пролета.
Динамические свойства установки при моделировании оценивались
по кинетической энергии Eк, которую якорь-боек имел в момент удара о
контейнер.
План эксперимента и результаты моделирования иллюстрирует
табл. 1 (в скобках указаны абсолютные значения факторов).
Для сопоставления с экспериментом результаты, полученные при
моделировании, пересчитывались относительно экстремального значения.
На рис.4 (сплошные линии) они приведены вместе с результатами, полу-
ченными опытным путем (штрих-пунктир) для wо=180, 290 и 400 (по мере
увеличения wо относительная величина силы удара уменьшается). Кривые
построены по квадратичному уравнению регрессии (16), полученному для
кодированных значений параметров с последующим пересчетом по фор-
мулам (17) и (18).
2 − 9.05 x 2 .
Eк =15.15 − 2.18 xw − 5.16 xδ +1.6 xw xδ − 0.34 xw (16)
δ
− δi ;
x δ i = δ0∆δ (17)
xwi = wi∆−ww0 . (18)
582
Таблица 1.
План и результаты моделирования.
№ xw (wo) Ек, Дж
1 -0.707 (212) -0.707(67) (67) 17.66
2 -0.707 (212) 0.707 (32) 5.19
3 0.707 (368) -0.707(67) 10.83
4 0.707 (368) 0.707 (32) 4.94
5 0 (290) -1 (75) 12.02
6 0 (290) 1 (24) 1.26
7 -1 (180) 0 (49) 19.32
8 1 (400) 0 (49) 11.38
9 0 (290) 0 (49) 15.62
10 -1 (180) -1 (75) 12.57
11 -1 (180) 1 (24) 1.44
12 1 (400) -1 (75) 7.97
13 1 (400) 1 (24)
0.8
Сила удара, о.е.
0.6
0.4
0.2
0
20 30 40 50 60 70 80
δ, мм
Рис. 4. К вопросу сопоставления усилия удара якоря-бойка при изменении

его начального положения и числа витков обмотки.
583
Имеющееся расхождение обусловлено, в первую очередь, свойства-
ми стали (реальный якорь-боек был выполнен из стали 45 и подвергался
закалке, магнитопровод изготавливался из конструкционной стали 30; все
расчеты энергии магнитного поля и, соответственно, потокосцепления
проводились для свойств электротехнической стали 30 [3]).
На основании проведенных исследований можно сделать заключе-
ние, что с практической точки зрения совпадение результатов имитацион-
ного моделирования с экспериментом вполне удовлетворительное, а раз-
работанная модель может быть успешно использована для проектирования
форсированных электромагнитных систем схожего целевого назначения.
1. Бродский В. З. и др. Таблицы планов эксперимента для факторных и
полиномиальных моделей (справочное издание).— М.: Металлургия,
1982.— 752 с.
2. Гультяев А. К. Визуальное моделирование в среде MATLAB: Учебный
курс.— СПб: Питер, 2000.— 432 с.
3. Клименко Б. В. Форсированные электромагнитные системы.— М.:
Энергоатомиздат, 1989.— 158 с.
4. Кондратьев В. А., Брикман А. И., Евграфов В. Н. К вопросу выбора ра-
циональных параметров электромагнитных возбудителей удароиспыта-
тельных систем // Колебания. Удар. Защита.: Межвузовский сб. науч.
трудов.— Новосибирск: 1984. С.180–185.
5. Кондратьев В. А. О методе расчета характеристик электромагнитных
устройств // Актуальные проблемы электронного приборостроения: Сб.
трудов V междунар. конф. АПЭП–2000 в 7 т. Т.3.— Новосибирск: Изд-
во НГТУ, 2000.— С.178–181.
6. Кондратьев В. А. Проектирование исполнительных электромагнитных
двигателей с использованием приемов математического моделирования:
Учебное пособие.— Новосибирск: Изд-во НГТУ, 2002.— 81 с.
584
УДК 621.314.58
МАТЕМАТИЧЕСКАЯ МОДЕЛЬ
ИНВЕРТОРНО-ВЫПРЯМИТЕЛЬНОГО БЛОКА
ИСТОЧНИКА ПИТАНИЯ ДЛЯ ПЛАЗМЕННОЙ
ТЕХНОЛОГИИ
Кошелев П. А., Пшенкин С. Н., Парамонов С. В.

Санкт-Петербургский государственный электротехнический университет-
СПбГЭТУ (ЛЭТИ), Санкт-Петербург
e-mail:petr_k@lens.spb.ru
Особенности объекта и задачи исследования
Современный источник питания (ИП) электротехнологической уста-

новки — сложная система с нелинейными элементами и коммутаторами в
силовых и информационных цепях.
В большинстве перспективных отечественных и зарубежных разра-
боток ИП с выходом на постоянном токе содержат управляемый промежу-
точный преобразователь электроэнергии (автономный транзисторный ин-
вертор), работающий на частотах не менее 20 кГц и подключенный к тех-
нологическому узлу через согласующий силовой трансформатор (СТ), вы-
прямитель и фильтр. Такая структура превосходит трансформаторно-
выпрямительные схемы по многим экономическим и эксплуатационным
показателям.
Наиболее сложным для анализа и проектирования звеном ИП явля-
ется инверторно-выпрямительный блок (ИВБ), поскольку адекватное опи-
сание электромагнитных процессов возможно только при совместном рас-
смотрении всех составляющих динамических звеньев: автономного инвер-
тора, трансформатора, выпрямителя, фильтра и нагрузки.
Для успешного решения задачи проектирования установки, отве-
чающей требованиям качества технологического процесса, эргономики,
экологии, дизайна, способной конкурировать на мировом рынке аналогич-
ной продукции, необходима математическая модель (ММ).
Это в полной мере относятся к плазменной технологии, где к дина-
мическим параметрам оборудования предъявляются высокие требования.
Назначение ММ традиционно:
- проведение численных экспериментов с целью уточнения электри-
ческих режимов элементов для оптимального их выбора, обеспечивающего
надежность и исключающего избыточность;
- моделирование процессов управления технологической нагрузкой;
- оптимизация элементов ИП по выбранным критериям;
585
- имитация возможных нештатных и аварийных ситуаций, что необ-
ходимо для проектирования средств защиты;
- формализация задачи при максимальной общности для ускорения
модификации устройства или разработки ряда изделий при появлении но-
вых технических требований.
Эти проблемы могут быть решены с помощью ММ, созданной на ба-
зе вычислительной системы MATLAB.
Принцип построения математической модели
Транзисторный инвертор, включенный в ИВБ, обычно выполняется

по мостовой схеме на двух однотактных ячейках с разделенной первичной
обмоткой силового трансформатора.
Эта схема наиболее надежна, т. к. в ней сквозные токи транзисторов
и скорости их нарастания ограничены.
На рис.1 — принципиальная электрическая схема силовой части
ИВБ, адаптированная к анализу методом контурных токов.
Рис. 1. Принципиальная схема ИВБ.
586
Один из вариантов расчетной схемы приведен на рис. 2. Здесь тран-
зисторы и неуправляемые вентили представлены R-моделями, а циклич-
ность переключения диагоналей моста имитирует коммутатор SW1.
Рис. 2. Расчетная схема ИВБ.
Различия в топологии схем объясняются допущением об идеально-

сти магнитной связи обмоток L11 и L12 по рис. 1. Это допущение не вно-
сит существенной погрешности, т. к. на практике обмотки выполняются
двумя параллельными проводами, что обеспечивает коэффициент связи не
менее 0.99.
Для расчетной схемы по рис. 2 матрица [Z] операторных сопротив-
лений
R1 + pL1 − pM1 − pM1
[ Z ] = − pM1 R2 + R4 + p ( L2 + L3) −R4 − p ( L3 − M 2)
− pM1 −R4 − p ( L3 − M 2) R3 + R4 + p ( L2 + L3)
В главную диагональ матрицы вписываются собственные оператор-
ные сопротивления (суммы сопротивлений, образующих данный контур), в
остальные ячейки — взаимные операторные сопротивления контуров.
Поскольку исследуемая цепь нелинейна и нестационарна, вектор
воздействий (изображений источников ЭДС [E]), кроме питающего напря-
жения, должен учитывать граничные условия.
Принцип формирования вектора воздействий состоит в следующем.
587
Физически граничные (в данном случае начальные) условия отра-
жают процесс накопления электромагнитной энергии в реактивных эле-
ментах за счет токов индуктивностей и напряжений емкостей. В соответст-
вии с законами коммутации после изменения какого-либо параметра цепи
предшествующие значения токов индуктивностей и напряжений емкостей
распространяются на очередной интервал расчета, т. е. до следующего ша-
га вычислений считаются постоянными [1].
Предполагается, что в конце исследуемого интервала расчета tm аб-
солютное значение тока i индуктивности L уменьшается, поэтому произ-
водной присваивается знак «–»:
di  di 
U L ( tm ) = − L ; U L ( p ) = L  −  / p = pLi ( p ) / p = Li 0.
dt  dt 
Здесь L оператор прямого преобразования Лапласа; i 0 — значение
тока индуктивности в конце интервала tm.
Напряжения на конденсаторах, если они присутствуют в схеме, и их
изображения распространяются на очередной интервал со своим знаком:
∫ i (t )dt ; U ( p ) = L [U (t )] = p
1 U
U C (t ) =
t
0 C C C
C0
.
C
Здесь U C 0 — значение напряжения на конденсаторе в конце интервала.
Для расчетной схемы по рис. 2:
− L1i10 + M 1( i 20 + i30 ) − E / p
[ E ] = − L2i 20 − L3( i 20 − i30 ) − M 2i30 + M 1i10 .
− L 2i30 − L3 ( i30 − i 20 ) − M 2i 20 + M 1i10
Вычисление изображений токов
В векторе решения матричного уравнения:

[i] = [Z ]−1 * [E ]
[i] — выражения для операторных изображений контурных токов.
Уравнение решено в символьном виде в математическом пакете
MAPLE [2], там же их синтаксис адаптирован для включения в файл сис-
темы MATLAB.
В решении переменные обозначены: nijk — коэффициент числителя
(n) изображения тока (i) контура №j при операторе р Лапласа в k-й степе-
ни. Аналогично dijk расшифровывается как коэффициент при р в k-й сте-
пени знаменателя (d) изображения тока i j-го контура.
В качестве примера приводим выражения для изображения тока 1-го
контура.
ni13=(-2*L2*M1^2*i10+2*L2*L3*L1*i10+L2^2*L1*i10+
2*M2*M1^2*i10+2*M2*L3*L1*i10-4*L3*M1^2*i10-M2^2*L1*i10);
ni12=(2*M2*R4*L1*i10+2*L3*R2*M1*i20+R3*L3*L1*i10+R3*M1*L2*i30-
588
2*L2*L3*EE+L2*R2*L1*i10+L3*R2*L1*i10-R2*M1^2*i10+L2*R2*M1*i20-L2^2*EE-
R3*M1^2*i10-M2*R2*M1*i20+2*R3*M1*L3*i30+2*R4*L2*L1*i10-R3*M2*M1*i30-
4*R4*M1^2*i10+R3*L2*L1*i10-2*M2*L3*EE+M2^2*EE);
ni11=(-R3*L2*EE-2*R4*L2*EE-L3*R2*EE+R3*R4*M1*i30-
L2*R2*EE+R4*R2*L1*i10+R3*R4*L1*i10+R3*R2*M1*i30-2*M2*R4*EE-
R3*L3*EE+R4*R2*M1*i30+R3*R2*L1*i10+R4*R2*M1*i20+R3*R4*M1*i20+R3*R2*
M1*i20);
ni10=-(R3*R4*EE-R4*R2*EE-R3*R2*EE);
di14=(2*M2*M1^2+2*M2*L3*L1-4*L3*M1^2-M2^2*L1-
2*L2*M1^2+2*L2*L3*L1+L2^2*L1);
di13=(-R2*M1^2+2*M2*R4*L1-
M2^2*R1+L3*R2*L1+R3*L3*L1+2*R4*L2*L1+R3*L2*L1+L2*R2*L1+2*L2*L3*R1-
4*R4*M1^2+L2^2*R1-R3*M1^2+2*M2*L3*R1);
di12=(R3*L3*R1+R3*R4*L1+R3*L2*R1+R3*R2*L1+L3*R2*R1+L2*R2*R1+2*R4*L2
*R1+R4*R2*L1+2*M2*R4*R1);
di11=(R4*R2*R1+R3*R2*R1+R3*R4*R1);
di10=0;
ni1=[ni13 ni12 ni11 ni10];
di1=[di14 di13 di12 di11 di10];
Вычисление оригиналов
Обратное преобразование Лапласа выполнено в пакете MATLAB с

помощью разложения изображения на простые дроби и реализовано по-
средством оператора residue.
Результат работы блока вычисления оригиналов в приводимом при-
мере — ток 1-го контура (вектор h1), элементы которого g1 накапливаются
в цикле по номеру шага.
Начальные условия переопределяются на каждом шаге.
[k1,p1,r1]=residue(ni1,di1);
lp1=length(p1);
n1=1;
i1=0;
while n1<=lp1;
i11=k1(n1)*exp(p1(n1)*t);
i1=i1+i11;
n1=n1+1;
end
g1=i1(2); g3=i3(2); g4=i4(2);
h1=[h1;g1];
Таким образом, математическое ядро данной модели включает со-
ставление, символьное решение матричного уравнения расчетной схемы
относительно изображений токов и их численное обращение.
Структура логической части модели организуется весьма просто на
основе физики и логики работы исследуемого устройства, а именно: со-
противления резисторов R1, R2, R3 принимают большие значения rm, от-
589
ражающие утечки в вентильных ячейках, когда они заперты и малые rl —
если открыты.
Отпирание транзисторов вентильных ячеек производится в заданные
моменты на время, обусловленное управлением по закону широтно-
импульсной модуляции (ШИМ). Запирание — по окончании протекания
тока рекуперации через обратные вентили (диоды).
Переключение диодов выходного выпрямителя, представленных ре-
зисторами R2 и R3, определяется знаком мгновенного значения g2 или g3
анодного тока I2 или I3 на рис. 2:
if g2<0;R2=rl;else R2=rm; end
if g3>0;R3=rl;else R3=rm; end
Результаты работы ММ
На графиках показаны результаты моделирования некоторых сигна-

лов ИВБ в составе ИП для воздушно-плазменной резки металла: процесс
зажигания дежурной дуги (шаги моделирования 1-300) и далее переход к
основной дуге; рис. 3 — ток нагрузки, рис. 4 — ее напряжение, рис. 5 —
ток первичной обмотки СТ.
Рис. 3.
590
Рис.4
Рис. 5
Чтобы обеспечить безопасную работу транзисторов, устранить пере-

напряжения на вентильных ячейках, параллельно транзисторам инвертора,
как правило, включаются последовательные демпфирующие RC цепи.
Выбор их параметров — важный этап проектирования ИВБ.
Влияние демпфирующих цепей учтено при допущении о том, что
переходный процесс, вызванный паразитными реактивными элементами,
заканчивается до окончания основного периода работы инвертора. Это по-
зволяет рассматривать демпфирующую цепь как линейную систему, на ко-
торую воздействует последовательность импульсов (в данном случае им-
пульсов напряжения на ячейке) и использовать принцип суперпозиции.
591
Передаточная функция RLC цепи:
pC
W ( p) = ,
p 2 LC + pRC + 1
где R и C — внешние сопротивление и емкость, L — паразитная индуктив-
ность схемы. Расчетные значения: R=12 Ом, C=8200 пФ, L=8 мкГн.
Напряжение первичной обмотки СТ вычисляется с учетом полной
конфигурации схемы, включая магнитные связи (рис.2), и всех ее сигналов
(вычисленных токов):
di1 d
UL1 = L1 + M 1 (i 2 + i3) .
dt dt
В синтаксисе MATLAB
UL1=L1*gradient((h1)',dt)+M1*gradient((h2+h3)',dt);
Сравнение этого напряжения (рис. 6) со значением Е по рис. 1 под-
тверждает адекватность модели.
Реакцию возвращает оператор lsim (моделирование линейной систе-
мы).
На следующих графиках показаны сигналы ИВБ, полученные в ре-
зультате численных экспериментов и осциллографирования (выделен ус-
тановившийся режим) при токе нагрузки ИВБ 100А, напряжении 120 В.
На рис. 6 и 7 — соответственно результат моделирования и осцилло-
графирования напряжения первичной обмотки СТ.
На рис. 8 и и 9 — ток транзисторно-диодной ячейки (верхние линии)
и ее напряжение (нижние линии).
На рис. 10 — абсолютное значение тока 1 обмотки СТ, на рис. 11 —
выпрямленный сигнал датчика тока 1 обмотки.
Рис. 6.
592
Рис. 7.
Рис. 8.
593
Рис. 9.
Рис. 10.
594
Рис. 11.
Выводы
В работе изложен принцип построения математической модели

двухзвенного преобразователя электроэнергии — инверторно-
выпрямительного блока источника питания для плазменной технологии.
Вычислительная среда MATLAB в сочетании с пакетами символьной
математики позволяет создавать простые и эффективные модели нелиней-
ных и нестационарных динамических систем.
Это подтверждается сопоставлением результатов численных и на-
турных экспериментов, а также положительным опытом разработок и
практикой эксплуатации промышленных образцов.
1. Атабеков Г. И. Основы теории цепей.— М.: Энергия, 1989. 424 с.
2. Martha L Abel, James Brasselton. Maple V by Example. Dep of Mathemat-
ics and Computer Science.— Statesboro, GA, 1994.— 502 с.
595
УДК 531.38
ИДЕНТИФИКАЦИЯ ПЕРЕХОДНЫХ И
КВАЗИСТАЦИОНАРНЫХ РЕЖИМОВ КОЛЕБАНИЙ В
МОДЕЛЯХ С ХАОТИЧЕСКОЙ ДИНАМИКОЙ
Кухаренко Б. Г.
Институт машиноведения РАН, Москва,
e-mail: jcenter@imash.ru
Для описания сложных динамических систем требуется большое

число переменных и уравнения в частных производных. Однако, низкие
фрактальные размерности экспериментально наблюдаемых временных ря-
дов для переменных динамических систем показывают, что в действитель-
ности многие из этих динамических систем представляются достаточно
простыми. Это оказывается в соответствии с теоремой Такенса [1] Исход-
ная сложная динамическая система в так называемом вложенном фазовом
пространстве может описываться модельной системой обыкновенных
дифференциальных уравнений низкого порядка, определяемого фракталь-
ной размерностью. Поэтому, были построены модели сложных динамиче-
ских систем, использующие неполную информацию об этих системах —
например, наблюдаемые временные ряды для относительно небольшого
числа переменных. Установлено, что по крайней мере три степени свободы
требуются для моделирования хаотического поведения автономных систем
в непрерывном времени [2].
Каждая нелинейная система с хаотическим поведением характеризу-
ется двумя основными свойствами. Во-первых, в фазовом пространстве
нелинейной системы имеется бесконечное число нестабильных периодиче-
ских орбит, вложенных в странный аттрактор. Во-вторых, динамика в этом
странном аттракторе обладает свойством эргодичности. Это означает, что
в процессе временной эволюции фазовая траектория системы посещает
малую окрестность любой точки у каждой неустойчивой периодической
орбиты, вложенной в аттрактор. Главная причина, почему периодические
орбиты трудно обнаружить — это их нестабильность: фазовые траектории
в окрестности нестабильной периодической орбиты отталкиваются от нее
[3]. При произвольно выбранных начальных условиях, фазовой траекто-
рии в среднем требуется большое число итераций, чтобы попасть в ε-
окрестность целевой периодической орбиты. Более того, распределение
вероятностей за большой отрезок времени, генерируемое типичной фазо-
вой траекторией на странном аттракторе, в общем случае имеет сингуляр-
ный характер. Фазовая траектория с произвольно выбранными начальными
условиями в области притяжения посещает различные части аттрактора с
заметно отличающимися вероятностями. В этом смысле странный аттрак-
596
тор обладает мульти фрактальной структурой [4]. Действительно, если не-
линейная система описывается моделью с конечным числом степеней сво-
боды, то в фазовом пространстве ее переменных всегда имеется несколько
положений равновесия [5]. Тогда, в этом пространстве переменных любое
хаотическое колебание рассматриваемой нелинейной системы представля-
ется последовательностью локальных движений возле нескольких ее по-
ложений равновесия. Причем, каждое из локальных движений возле одно-
го из положений равновесия может завершиться в результате перескока к
другому положению равновесия. В результате, в пространстве переменных
нелинейной модели, любое хаотическое колебание представляется в виде
последовательности неустойчивых локальных периодических орбит. По-
кажем, как временная эволюция аттрактора Лоренца описывается в терми-
нах неустойчивых периодических орбит.
Аттрактор Лоренца на рис. 1 состоит из локальных неустойчивых
орбит периода 1. Здесь под периодом подразумевается целочисленный пе-
риод орбиты, равный числу оборотов до замыкания орбиты. Каждая ло-
кальная периодическая орбита расположена в окрестности устойчивого
положения равновесия. Для фазовой траектории с произвольно выбранны-
ми начальными условиями в области притяжения, в процессе ее времен-
ной эволюции сначала формируется некоторая непрерывная последова-
тельность локальных орбит (рис. 2).
Рис. 1. Фазовая траектория в аттракторе Лоренца.
597
Рис. 2. Непрерывная последовательность локальных орбит.
После этого может произойти перескок на локальную орбиту в окре-

стности другого устойчивого положения равновесия. Так образуется по-
следовательность локальных орбит, разделенных перескоком. И, наконец,
в результате серии перескоков, образуется глобальная неустойчивая пе-
риодическая орбита, окружающая устойчивые положения равновесия сис-
темы. В работе [6] установлено, что временная эволюция аттрактора не яв-
ляется чисто случайной. С точки зрения этой временной эволюции, следу-
ет различать два различных типа непрерывных последовательностей ло-
кальных орбит: длинные непрерывные последовательности, состоящие из
трех и более локальных орбит, и короткие, состоящие из одной или двух
локальных орбит. Все длинные непрерывные последовательности являют-
ся частичными реализациями единственной универсальной последова-
тельности локальных орбит. В противоположность этому, глобальные не-
устойчивые периодические орбиты формируются только из коротких не-
прерывных последовательностей локальных орбит, разделенных переско-
ками. Кроме того, все глобальные орбиты являются результатом внезапно-
го изменения частоты локальных орбит [6]. Таким образом, бесконечное
число локальных неустойчивых периодических орбит вложено в универ-
сальную непрерывную последовательность локальных орбит, также как
бесконечное число глобальных неустойчивых периодических орбит вло-
жено в аттрактор Лоренца в целом. Поэтому, в процессе временной эволю-
ции аттрактора Лоренца, поочередно формируются либо длинные непре-
рывные последовательности локальных орбит, либо глобальные орбиты.
Соответствующая им последовательная смена во времени различных ре-
жимов колебаний лучше видна при представлении трех временных зави-
симостей координат (x1, x2, x3) модели Лоренца. Действительно, зависимо-
сти xK = xK(t), K=1:3 представляют движение в 4-х мерном пространстве (x1,
x2, x3, t), т. е. они первичны по отношению к соответствующим орбитам в
598
фазовом пространстве. При этом, из соображений наглядности удобно при
описании особенностей координатно-временных зависимостей колебаний
использовать образы и понятия, связанные с представлением этих колеба-
ний в фазовом пространстве (x1, x2, x3). Во временной области длинные не-
прерывные последовательности локальных орбит соответствуют гладкому
переходному колебательному процессу. Почти периодический характер
этого колебания может быть обнаружен при его рассмотрении за любые
два последовательных периода локальной орбиты. Период локальной ор-
биты определяет естественный (собственный) для данной модели масштаб
времени. Поэтому частота локальной орбиты доминирует в амплитудных
спектрах зависимостей xK = xK(t), K=1:3 при любом способе их определения
и усреднения. Во временной области, глобальные орбиты представляют
собой почти субгармонические движения по отношению к частоте локаль-
ной орбиты. Поэтому, причиной возникновения субгармонического режи-
ма колебаний является появление относительно редких перескоков между
устойчивыми положениями равновесия на фоне продолжительных движе-
ний в окрестности каждого из этих положений равновесия. Любая нели-
нейная динамическая модель может быть исследована численно на пред-
мет существования в ней субгармонических режимов колебаний различно-
го порядка. В настоящей работе такое исследование проводится для моде-
лей Лоренца и Росслера с хаотической динамикой. В MATLAB имеются
средства численного интегрирования систем нелинейных дифференциаль-
ных уравнений. Полученные численные решения могут представлять неко-
торую последовательность переходных и квазистационарных режимов ко-
лебаний. Однако качественное исследование этих численных решений, в
основном, основано на их визуализации. Проблемы, связанные с использо-
ванием метода Фурье для определения зависящего от времени спектра час-
тот нестационарных колебаний, представленных временными рядами, хо-
рошо известны [8]. В настоящей работе показано, каким образом спек-
тральный анализ по методу Прони позволяет идентифицировать в этих
численных решениях переходные и квазистационарные режимы колеба-
ний.
Во временной области, все гладкие переходные колебательные
процессы, соответствующие непрерывным последовательностям
локальных орбит, завершаются в результате скачка частоты локальных
орбит [7]. Проблеме идентификации, т. е. обнаружения в режиме
реального времени мгновенных изменений параметров динамических
систем посвящено большое количество работ [9]. Но они касаются
главным образом проблемы обнаружения ошибок в системах управления и
системах контроля качества продукции. В последнее время предложено
решение проблемы обнаружения мгновенных изменений, т. е. скачков
частоты нестационарных колебаний, происходящих в нелинейных
динамических системах [10]. Однако предлагаемый в этой работе
рекурсивный алгоритм требует значительных временных затрат. Поэтому, 599
тельных временных затрат. Поэтому, он не может быть использован для
обнаружения скачков частоты нестационарных колебаний нелинейных
систем в режиме реального времени. В настоящей работе для обнаружения
мгновенных изменений частоты нестационарных колебаний используется
метод спектральный анализ по методу Прони. Известно, что средний
спектр частот нестационарного колебания, определяемый по методу Фу-
рье, имеет довольно сложную структуру [11]. При этом мгновенный, т. е.
зависящий от времени спектр частот этого нестационарного колебания
может оставаться почти гармоническим и изменяться непрерывно. Исклю-
чение составляют окрестности тех моментов времени, в которые фунда-
ментальная частота нестационарного колебания внезапно, т. е. скачком из-
меняется. Ниже это продемонстрировано на примере численных решений
модели Лоренца и Росслера.
Сегментированный метод Прони
Пусть временные ряды xK (i), i = 1: N0, K = 1: P (P — размерность

модели) представляют численное решение нелинейной модели, получен-
ное с шагом дискретизации времени ∆t. Определим N ∆t — два максималь-
ных периода локальной орбиты, N << N0, R = round(2N0 /N). Члены времен-
ного ряда, представляющего колебание, всегда осциллируют. Для оценки
временной зависимости фундаментальной частоты временного ряда, кото-
рая обратна по величине зависящему от времени периоду этого ряда, зна-
чение N должно быть выбрано больше максимальной величины этого пе-
риода, деленной на ∆t [12]. Фактически, сегмента такой длины достаточно
для оценки среднего за рассматриваемый период значения фундаменталь-
ной частоты временного ряда, только если в течение этого периода члены
ряда симметрично осциллируют около некоторого нулевого или среднего
уровня. В случае временного ряда с ассиметричной осцилляцией его чле-
нов в пределах рассматриваемого периода, почти периодичность этого ря-
да проявляется за два его последовательных периода. Соответствующим
образом должна быть выбрана величина N. Таким образом, использование
сегментированного метода Прони для спектрального анализа временного
ряда предполагает предварительный анализ этого ряда во временной об-
ласти [3]. Во временной области оценка величины зависящего от времени
периода временного ряда может быть осуществлена посредством опреде-
ления последовательных моментов прохождения членами этого ряда его
нулевого или среднего уровня. Однако, в случае зашумленного временного
ряда, более надежная оценка для зависящего от времени периода этого ря-
да, дают первые разности между последовательными локальными макси-
мумами или минимумами рассматриваемого временного ряда.
Для каждого значения индекса, наполовину перекрывающиеся двух-
периодные временные ряды определяются следующим образом:
600
xJK (1 : N) = xK (n J : n J + 2 ), nJ = N J / 2, J = 0 : R, K = 1 : P . (1)
Для J = const и K = 1: P, временные ряды (1) являются синхронизо-
ванными сегментами временных рядов xK(1:N0), K = 1:P. Зафиксируем ин-
дексы J и K. Разложение Прони имеет вид
M JK
x JK (i ) = ∑ [r
l =1
JK (l )][ z JK (l )]i −1 , i = 1 : N , (2)
где zJK(l), l = 1 : MJK — полюса, rJK (l), l = 1 : MJK — вычеты в этих полюсах,
zJK(l) = exp[∆t( δJK(l) +j2π fJK(l) )], т. е. δ JK(l) и f JK(l) — соответственно, за-
тухание и частота полюса z JK(l); r JK(l) = α JK (l) exp( j β JK(l)), т. е. α JK(l) и
β JK(l) — соответственно, амплитуда и фаза вычета rJK(l) . Вычислитель-
ные процедуры для определения полюсов zJK(l) , l = 1 : MJK из (2) описаны
в [13]. Для реализации метода Прони используется матричный алгоритм.
Все матричные операции, используемые в этом алгоритме, поддерживают-
ся ядром MATLAB. MATLAB обеспечивает также и макетирование метода
качественного исследования численных решений для моделей с хаотиче-
ской динамикой, который описывается ниже.
Пусть в интервале времени
∆tJ = ∆t [ n J : n J + 2 ], (3)
где nJ определено в (1), изменение частоты нестационарного колебания
происходит непрерывно. Определим спектр частот нестационарного коле-
бания за период TJ = ∆t [nJ : n J + 1 ]
P
{ f J (l ), l = 1 : M J ] = ∩ f JK (1 : M JK ) , (4)
K =1
где fJK( 1 : M JK) определены на основе временного ряда xJK( 1 : N) из (1) в
соответствии с (2). Спектр частот (3) может быть определен на основе ка-
ждого временного ряда xJK( 1 : N) с помощью специального критерия. Ока-
зывается, что для каждого временного ряда xJK( 1 : N ), K = 1 : P, множест-
во его полюсов zJK(1 : M JK) разделяется на два подмножества {zJK(l), l ∈
IJK(Q) } и { zJK(l), l ∈ IJK(N) }, IJK(Q) ∪ IJK(N) = [ 1:MJK], в соответствии с крите-
рием
max | δ JK (l ) |<< min | δ JK (l ) | . (5)
l∈I JK
(Q ) l∈I JK
(N )
Полюса { zJK(l), l ∈ IJK(N) } являются специфичеcкими для временной

зависимости временного ряда xJK( 1 : N) с фиксированным значением ин-
декса K. Полюса { zJK(l), l ∈ IJK(Q) }характеризуют временную зависимость
всех временных рядов xJK( 1 : N), K = 1 : P, нестационарного колебания,
рассматриваемого как целого. Таким образом,
{ f J (l), l = 1 : MJ }= {fJK(l), l ∈ IJK(Q) }.
Частоты полюсов типа Q являются гармониками фундаментальной
частоты fJ(1) с той точностью, с которой получен временной ряд xJK(1:N).
601
Пронумеруем полюса типа Q в порядке возрастания их частот: {l, l∈IJK(Q)}
= {li, i = [1:MJK(Q)]}. Тогда
f JK (l i ) ≈ if JK (l1 ), i = 1 : M JK
(Q )
. (6)
Точность, с которой при фиксированном J полюса типа Q являются
общими для всех синхронных временных рядов xJK(1 : N ), K = 1 : P, зави-
сит от индекса J = 0 : R. Преимуществом метода Прони является возмож-
ность выбора временных интервалов ∆tJ для спектрального анализа вре-
менного ряда xK (i), i = 1: N0 , K = 1: P в соответствии с характерным мас-
штабом N ∆t его изменения. Поэтому этот метод обеспечивает простую
физическую интерпретацию спектральных данных.
Спектр частот гладкого квазипериодического временного ряда, оп-
ределенный за его текущий период, должен быть квазигармоническим.
Однако, как отмечалось выше, фактически периодичность либо квазипе-
риодичность временного ряда проявляется за два его последовательных
периода. Поэтому, говоря о спектре за период, ниже будем иметь в виду
дискретные спектры (6). Именно такой спектр, определенный для двух по-
следовательных периодов является квазигармоническим с фундаменталь-
ной частотой, усредненной за два периода локальной орбиты. Таким обра-
зом, установлено, что общего у частотных спектров всех гладких переход-
ных колебаний. Предстоит выяснить, что в таком спектре может быть осо-
бенного, характеризующего конкретное нестационарное колебание (т. е.
конкретную нелинейную модель с хаотической динамикой). Для этого на-
до увеличить временной масштаб спектрального анализа. Определим по-
следовательность расширенных временных интервалов для каждого зна-
чения J = 0:(R-3)
L
{T = ∪ ∆t I , L = ( J + 2) : ( R − 1)} .
J
L
(7)
I =J
Для каждого расширенного временного интервала (7) по методу
Прони определяются спектры амплитуд, фаз, факторов затухания и частот
{αLJK (l), βLJK (l), δLJK (l), fLJK (l), l =1: M }. (8)
Таким образом, спектры (8) могут быть определены для частично
перекрывающихся расширенных временных интервалов (7). Пусть всем
временным интервалам ∆tI (3), которые при I = J : S составляют расши-
ренный интервал TJS (7), соответствует некоторая длинная непрерывная
последовательность локальных орбит. Определение спектров (8) для рас-
ширенных временных интервалов в принципе позволяет определить в
спектре временного ряда xK (i), i = 1: N0, K = 1: P более низкие частоты,
чем частота локальной орбиты. Это связано с тем, что минимальная часто-
та спектра, определяемая по методу Прони для некоторого временного ин-
~ ~
тервала T , оказывается порядка 1/ T [12]. Однако для непрерывной после-
довательности локальных орбит этого не происходит. Определенный для
расширенного временного интервала TJS спектр частот (8) всегда оказыва-
602
ется квазигармоническим и близким к спектру частот (4), усредненному по
временным интервалам ∆tI , I = J : S . Соответствующие гладкие переход-
ные процессы завершаются в результате скачка фундаментальной частоты.
Пусть для J = R1 : R2, где 0 < R1 < R2 < R, ни сами временные интервалы TJ
= ∆t [ n J : n J + 1 ], где nJ = NJ , ни их границы tJ = ∆t nJ не содержат момен-
тов времени tI = ∆t mI , I = 1 : Q , в которые происходит скачок частоты не-
стационарного колебания. Поскольку мгновенный спектр частот меняется
непрерывно и остается при этом почти гармоническим, то почти гармони-
ческим оказывается и спектр частот, усредненный по временному интерва-
лу ∆t [ NR1 : NR2 ]
R2
1
∑
R2 − R1 J = R2
(Q)
f JK (1 : M JK ). (9)
Очевидно, что почти гармоническим с фундаментальной частотой,

близкой к фундаментальной частоте из (9), будет и средний спектр
P
∩f K (1 : M K(Q) ) , (10)
K =1
определенный по формуле (2) для всего временного интервала
∆t [NR1 : NR2 ] на основе временных рядов xK(N R1 : N R2 ), K = 1 : P.
Предположим, что период временного ряда медленно меняется за
два последовательных периода. Численные эксперименты дают относи-
тельную оценку ≈ 0,01 для временного изменения периода ряда за два его
последовательных периода, которое может считаться достаточно гладким
[7]. Тогда, для такого почти периодического ряда, спектральный анализ
по методу Прони каждого его сегмента длиной в два последовательных
периода этого ряда, деленных на ∆t, дает гармонический спектр частот с
фундаментальной частотой, усредненной за эти два периода. Если при вы-
боре величины N в (1) используется описанный выше способ, N зависит от
используемого шага дискретизации времени ∆t. Однако, для такого сег-
мента (4) определяемый по методу Прони спектр частот {f J K (l), l = 1 : M}
не зависит от выбора величины ∆t. Тогда оценка для гладко меняющегося
спектра частот (4) локальной орбиты, усредненного за два последователь-
ных периода, имеет вид
f J K (l) ≈ l ⋅ fJ , l = 1 : M, J = 0 : R, (11)
где fJ — фундаментальная частота соответствующей локальной орбиты.
Табличная зависимость фундаментальной частоты f J , J = 0 : R, опреде-
ленная по (11) для временных рядов xK (1 : N 0 ), K = 1 : P, является кусоч-
но гладкой. А именно, в некоторые моменты времени t I = ∆ t m I , I = 1 : Q
фундаментальная частота изменяется скачком. Определим R I = round (m I /
N). Зафиксируем индекс I. Тогда, для J = [R I : ( R I +1 — 1)], табличная за-
висимость фундаментальной частоты f J является гладкой функцией ин-
603
декса J. Поэтому, могут быть определены табличные амплитудо-частотные
зависимости
{α J K , f J , J = [R I : ( R I + 1- 1)] }, K = 1 : P. (12)
Зафиксируем индекс K. Если соответствующая табличная амплитуд-
но-частотная зависимость (12) является достаточно гладкой, она частично
представляет скелетную кривую αK = αK(f) для K-ой переменной динамиче-
ской модели. Тогда, полное представление этой скелетной кривой α K = α K
(f), определенное на основе временного ряда x K (1 : N 0 ), имеет вид
Q
{α JK , f J , j = 1 : G} = ∪{α JK , f J , J = [ R I : ( R I +1 − 1)]} (13)
I =1
Q
где G = ∑ length([RI :(RI +1 - 1)]) . Предполагается, что объединение множеств
I =1
(13) отсортировано по возрастанию фундаментальной частоты f J , J = 1: G.
Отметим, что скелетная кривая αK = αK (f) действительно существует, если
степень гладкости ее полного табличного представления (13) выше или та-
кая же, как степень гладкости всех ее частичных табличных представлений
(12). Численные эксперименты показывают, что для численных решений
модели Лоренца скелетные кривые действительно существуют.
Каждое гладкое табличное представление (13) скелетной кривой мо-
жет быть аппроксимировано некоторым аналитическим выражением. Это
аналитическое выражение может быть использовано для экстраполяции.
Зафиксируем индекс K. Как в [14], набор экспонент с вещественными по-
казателями используется для аппроксимации табличной зависимости, об-
ратной табличной зависимости (13). В MATLAB ошибка такой аппрокси-
мации минимизируется с помощью алгоритма Нелдера–Мида. Полученная
аппроксимация f = f(α K ), которая является обратной функцией для ске-
летной кривой αK = αK(f), используется вплоть до значения αK = 0. Это
дает оценку фундаментальной частоты для малой локальной орбиты, кото-
рая еще не колапсирует во времени.
При определении спектра частот по формуле (4), наряду с времен-
ными интервалами относительно медленного изменения периода ряда мо-
гут быть обнаружены особые моменты времени, в окрестности которых
период этого ряда меняется скачком. Численные эксперименты дают отно-
сительную оценку ≈ 0,1 для такого изменения периода ряда за временной
интервал, равный двум его последовательным периода, которое идентифи-
цируется как скачкообразное (мгновенное) [7]. Пусть в пределах некоторо-
го двухпериодного сегмента (1) рассматриваемого временного ряда его пе-
риод меняется скачком. Тогда, по методу Прони на основе сегмента (1) од-
новременно определяются два последовательных значения фундаменталь-
ной частоты временного ряда. Соответственно, определяемый спектр час-
тот состоит из двух гармонических рядов от этих фундаментальных частот
[7]. Это обстоятельство позволяет оценить, какова относительная величина
604
скачка фундаментальной частоты ряда в пределах рассматриваемого двух-
периодного сегмента этого ряда. Приведенный выше результат сохраняет-
ся в случае, если длина анализируемого сегмента временного ряда, соот-
ветствует расширенному временному интервалу (7). А именно, для такого
сегмента по методу Прони одновременно определяются две фундамен-
тальные частоты. Их амплитуды определяются пропорцией, в которой сег-
мент временного ряда разделяется рассматриваемым особым моментом
времени. В [7], это позволило сформулировать алгоритм для локализации
точки мгновенного изменения частоты временного ряда. В общем случае,
гармоники фундаментальных частот fJ(-) и fJ(+) определяются с пропуска-
ми. В результате усредненный по формуле (9) спектр частот уже не будет
гармоническим. Средний спектр частот, определенный по формуле (10) на
основе временных рядов xK(i), i = 1: N0, K = 1:P для всего рассматриваемого
временного интервала ∆t [1:N0] будет содержать частоты повторения скач-
ков мгновенной частоты рассматриваемого нестационарного колебания
[15]. Примеры идентификации переходных и квазистационарных режимов
колебаний в моделях Лоренца и Росслера, приводимые ниже, выполнены в
MATLAB 6.5 .
Модель Лоренца
Уравнения движения представляют собой систему нелинейных диф-

ференциальных уравнений
dx1 / dt = — β x1 + x2 x3,
dx2 / dt = — σ x2 + σ x3, (14)
dx3 / dt = —x1 x2 + ρ x2 — x3.
В настоящей работе эта модель рассматривается при значениях па-
раметров: β = 8/3, σ = 10, ρ = 28. При этих значениях параметров аттрактор
Лоренца существует [1]. Численное решение системы (14), полученного
при начальных условиях x1(0) = 0, x2(0) = 0, x3 (0) = 10-3, с постоянным ша-
гом интегрирования ∆t = 0,015. Временная зависимость x3 = x3(t) приведена
на рис. 3. Фазовое пространство (x1, x2, x3) содержит два устойчивых поло-
жения равновесия с координатами (27; ±8,5; ±8,5). На рис. 3 горизонталь-
ные линии представляют координаты x3 устойчивых положений равнове-
сия. Как показывает спектральный анализ по методу Прони, полученное
численное решение описывает нестационарное колебание с кусочно-
непрерывным, почти гармоническим мгновенным спектром частот (4). В
Таблице 1 приведены спектры частот fJK(l), K = 1 : 3 (6), определенные, со-
ответственно, для xJK(1 : N), K = 1: 3, с N = 100, J = 24. Интервал времени
∆t24 = [ 36 : 37,5] . Как видно из Таблицы 1, в рассматриваемом временном
интервале для x1,24(1:100) не определяется значение десятой гармоники
фундаментальной частоты.
605
Рис. 3. Координатно-временная зависимость x3 = x3(t).
Для тех из временных интервалов ∆tJ = 1,5 [J : (J+1)], J = 0:23; 25:35,

в которых фундаментальная частота численного решения меняется непре-
рывно, условие (11) выполняется с той же точностью, или даже более точ-
но, чем для частот из табл. 1. Для локальных орбит некоторой непрерыв-
ной последовательности в окрестности устойчивого положения равнове-
сия, частота этих орбит с ростом их амплитуды изменяется непрерывно
вплоть до момента, предшествующего завершению этой непрерывной по-
следовательности. После этого любая локальная орбита на рис. 3 может
распасться с определенной вероятностью и в результате произойдет пере-
скок на некоторую локальную орбиту в окрестности другого положения
равновесия. С этим моментом перескока связано внезапное, скачкообраз-
ное изменение частоты нестационарного колебания. На рис. 3, представ-
ляющем временную зависимость x3 = x3(t), моменты перескоков между ус-
тойчивыми положениями равновесия могут быть определены непосредст-
венно по скачкообразному изменению этой переменной x3 . Например, это
может быть сделано для перескока между устойчивыми положениями рав-
новесия в момент времени t15 ≈ 47,5, соответствующего m15 = 3167. Одна-
ко, как это видно из рис. 3, до момента перескока t = t15 при t ≈ 46 состоя-
ние непрерывной последовательности локальных орбит в окрестности ус-
тойчивого положения равновесия с координатами (27; 8,5; 8,5) меняется от
стабильного к нестабильному, что сопровождается внезапным изменением
частоты локальной орбиты. Этот скачок частоты нестационарного колеба-
ния также идентифицируется посредством спектрального анализа времен-
ных рядов xJK(1 : N), K = 1: 3, с N = 100, J = 30. Соответствующие двухпе-
риодные спектры частот приведены в Таблице 2. Частоты с нечетными ин-
дексами являются гармониками частоты с индексом l = 1, а частоты с чет-
ными индексами являются гармониками частоты с индексом l = 2. Таким
образом, моменту времени t ≈ 46 соответствует скачок фундаментальной
частоты нестационарного колебания с f (-) ≈ 1,510 до f (+) ≈ 1,355. При этом,
606
относительное изменение частоты составило ≈ 0,1 . Это позволяет оценить
порог, выше которого относительное изменение частоты нестационарного
колебания идентифицируется, как внезапное или скачкообразное. Дейст-
вительно, во временном интервале непрерывного изменения частоты не-
стационарного колебания при сдвиге на N = 100 точек шкалы дискретиза-
ции времени относительное изменение этой частоты составляет ≈ 0,02 .
Таблица 1.
l 1 2 3 4 5 6 7 8 9 10
f1(l) 1,5634 3,1332 4,6842 6,3180 7,9791 9,5393 11,172 12,761 14,416 -
f2(l) 1,5581 3,1321 4,6870 6,4934 8,0159 9,6767 11,031 12,743 14,304 16,079
f3(l) 1,5653 3,1287 4,5950 6,1533 8,0586 9,7053 11,193 12,753 14,400 15,981
Таблица 2.
l 1 2 3 4 5 6 7 8 9 10
f1(l) 1,3547 1,5109 2,7517 2,9917 4,1483 4,4657 5,5329 5,9184 6,9135 7,3033
f2(l) 1,3556 1,5101 2,7550 2,9931 4,1534 4,4702 5,5317 5,9645 7,7078 7,5893
f3(l) 1,3552 1,5106 2,7543 2,9927 4,1536 4,4686 5,5633 5,9459 7,0779 7,4972
Из сравнения таблиц 1 и 2 видно, что для временного интервала со

скачком частоты нестационарного колебания, точность определения двух
гармонических последовательностей частот ниже, чем точность определе-
ния единственной гармонической последовательности частот (6) для вре-
менного интервала, характеризуемого непрерывным изменением частоты
этого нестационарного колебания.
На рис. 4, пять гладких переходных режимов колебаний переменных
xK (t), K = 1 : 3, представляют 5 непрерывных последовательностей ло-
кальных орбит в фазовом пространстве (x1, x2, x3).
Рис. 4. Гладкие переходные режимы колебаний

в координатно-временных зависимостях x(t), K = 1 : 3.
607
Рис. 5. 1-я непрерывная последовательность локальных орбит.
Для хаотических траекторий модели Лоренца (14) с различными на-

чальными условиями для трех ее переменных, последовательности пере-
ходных процессов во временных рядах xK(1 : N 0), K = 1:3 отличаются от
последовательностей переходных процессов на рис. 5–8.
608
Однако, при фиксированных параметрах модели (14), все эти пере-

ходные процессы являются частичными реализациями трех универсальных
переходных процессов, которые описываются скелетными кривыми αK =
αK(f), K = 1:3 на рис. 9. Поскольку эти скелетные кривые являются универ-
сальными характеристиками всех непрерывных последовательностей ло-
кальных орбит в окрестности как первой, так и второй точки устойчивого
равновесия в фазовом пространстве (x1, x2, x3), эти скелетные кривые явля-
ются универсальными характеристиками аттрактора Лоренца при фикси-
рованных параметрах его модели (14). Экстраполяция зависимостей f =
f(αK ), K = 1 : 3, обратных скелетным кривым αK = αK (f), K = 1 : 3 на
рис. 9, дает три независимые оценки для фундаментальной частоты малой
609
локальной орбиты в окрестности устойчивого положения равновесия, ко-
торая еще не колапсирует во времени.
α0
f0
Рис. 9. Скелетные кривые переходных процессов для трех координатно-временных

зависимостей модели Лоренца: β = 8/3, σ = 10, ρ = 28.
Соответствующие оценки для фундаментальной частоты: f 0 1 ≈

0,16151, f 0 2 ≈ 0,16152, и f 0 3 ≈ 0,16153. Метод, описанный в [16], дает при-
близительно тот же результат.
Скачок частоты локальной орбиты является единственным спек-
тральным критерием завершения длинной непрерывной последовательно-
сти локальных орбит в аттракторе Лоренца. После этого с вероятностью
единица происходит перескок к другому положению равновесия. Таким
образом, можно предсказывать смену режимов колебаний. Серия переско-
ков в фазовом пространстве представляет собой глобальную орбиту моде-
ли Лоренца. Во временной области наблюдается обострение колебаний,
поскольку амплитуда колебаний по всем координатам меняется скачкооб-
разно [17]. Как видно из рис. 9, существует ограничение на предельный
размер локальных орбит. Отсюда следует ограничение на возможную
структуру глобальных орбит. Так в результате завершения длинной непре-
рывной последовательности локальных орбит возможен перескок на не-
стабильную орбиту максимального размера в окрестности другого поло-
жения равновесия. В результате распада такой нестабильной орбиты с ве-
роятностью единица происходит перескок на непрерывную последова-
тельность локальных орбит. Однако сам случай предшествующего пере-
скока на нестабильную орбиту максимального размера маловероятен. Бо-
лее вероятным является случай, когда нестабильной орбитой максималь-
ного размера оказывается вторая орбита после перескока. Это единствен-
ный случай незавершенной глобальной орбиты, расположенной целиком в
окрестности только одного из положений равновесия. Все остальные гло-
610
бальные орбиты включают в себя более чем два перескока и, поэтому, яв-
ляются завершенными. После распада длинной непрерывной последова-
тельности и перескока на локальную орбиту в окрестности другого поло-
жения равновесия более вероятен перескок на стабильную последователь-
ность локальных орбит [18]. Поэтому большинство завершенных глобаль-
ных орбит включают в себя непрерывные последовательности, состоящие
из двух локальных орбит. Однако наиболее интересным случаем завер-
шенных глобальных орбит являются орбиты, симметрично расположенные
относительно положений равновесия (рис. 10). Введем обозначение:
NM — число локальных орбит в непрерывной последовательности, распо-
ложенных в окрестности M —го положения равновесия. Симметричные
глобальные орбиты могут состоять из следующих последовательностей: a)
11–12; b) 21–22; c) 11–22–21–12; d) 11–22–11–12–21–12 и т. д. Для любого сим-
метричной глобальной орбиты во временном масштабе, определяемом пе-
риодом локальной орбиты, спектр частот (6) колебания остается квазигар-
моническим с фундаментальной частотой, равной частоте этой орбиты.
Рис. 10. Субгармонические переходные режимы колебаний в координатно-временных

зависимостях xK(t), K = 1 : 3.
611
Таблица 3.
l α(l) β( l) δ(l) f(l)
1 3.7660 0.0196 0.0167 0.3237
2 0.0000 -0.4594 2.6364 0.6147
3 34.2890 -0.0631 -3.0029 0.9677
4 3.8533 0.4167 -0.0333 0.9730
5 0.0026 -0.0243 0.9692 1.3039
6 1.2355 0.3738 -0.0360 1.5888
7 0.0058 0.2312 0.9459 1.6699
8 10.5531 0.2865 -2.3133 2.1632
9 1.6357 -0.2888 -0.0751 2.2786
10 0.1114 0.3728 -0.1033 2.5940
11 0.1773 0.4847 0.0447 2.9376
12 0.0046 0.0645 0.6123 3.2323
Однако в более крупных временных масштабах, определяемых рас-

ширенными временными интервалами (7), в спектре частот (8) появляются
более низкие частоты, характеризующие эту симметричную серию пере-
скоков между двумя положениями равновесия. Оказывается, что спектр
частот (8) для симметричной глобальной орбиты всегда оказывается квази-
гармоническим с фундаментальной частотой, равной одной из субгармо-
ник частоты локальной орбиты [18]. А именно, симметричные глобальные
орбиты описываются координатно-временными зависимостями с почти
субгармоническими спектрами частот, убывающими вместе с убыванием
частоты локальных орбит, составляющих эти глобальные орбиты. Как сле-
дует из таблицы 3, частота глобальной орбиты типа ‘21–22’ на рис. 11
f3(1)=0,3237 изменяется примерно как субгармоника порядка 1/4 от часто-
ты локальной орбиты f3(5)=1,3039. Эта частота глобальной орбиты при-
мерно в два раза меньше соответствующей частоты перескоков между
двумя устойчивыми положениями равновесия в фазовом пространстве мо-
дели Лоренца. Частота глобальной орбиты типа d изменяется со временем
примерно как субгармоника порядка 1/8 частоты локальной орбиты (рис.
12). Возможны также симметричные глобальные орбиты, частота которых
меняется примерно как субгармоника порядка 1/6 и 1/12 частоты локаль-
ной орбиты. Во временной области симметричным глобальным орбитам
соответствуют нестационарные субгармонические режимы колебаний, ам-
плитуда которых не стабилизируется. Таким образом, во временной облас-
ти весь странный аттрактор Лоренца представляется последовательностью
гладких почти периодических и сингулярных почти субгармонических пе-
реходных режимов колебаний. На примере аттрактора Росслера покажем,
что существуют аттракторы, в основном представляющие стационарные
субгармонические колебания. Отличительной особенностью модели Росс-
лера является то, что при каждом значении параметра этой динамической
модели возможен единственный почти периодический переходный режим
612
колебаний и единственный субгармонический переходный режим колеба-
ний, амплитуда которого со временем стабилизируется.
Рис. 11. Координатно-временные зависимости для последовательности

двух неустойчивых глобальных орбит периода 4.
Рис. 12. Координатно-временные зависимости для неустойчивой

глобальной орбиты периода 8.
Переходные и субгармонические режимы колебаний в модели Рослера
Модель Рослера имеет вид

dx1 /dt = — x2 — x3,
dx2 /dt = x1 + x2 /5, (15)
dx3 /dt = 1/5 + x3 (x1 — m),
где x1 , x2 , x3 — переменные, m — параметр модели [2]. Численные реше-
ния xK(1:4000), K=1:3 модели (6) c начальными условиями x1 = 0,1; x2 = 0;
x3 = 0 получены для m = {2,6; 3,5; 4,1; 4,18} с постоянным шагом интегри-
613
рования ∆t = 0,04. Для m = 4,23 получено численное решение модели (15)
в виде xK(1:8000), K=1:3 .
При m = 2,6 численное решение в фазовом пространстве (x1 , x2 , x3)
представлено на рис. 13. Оно содержит единственный переходный режим
колебаний xK(1:1000), K=1:3. В течение интервала времени T05 = [0; 40] с
(15) частота локальных орбит на рис. 1, которая является частотой колеба-
ния, равна 0,1585 Гц. Амплитуда колебаний монотонно растет с постоян-
ным инкриментом. Положительный коэффициент демпфирования на час-
тоте локальной орбиты равен 0,0945 c-1. В окрестности t = 40 с происходит
скачок частоты локальной орбиты с 0,1585 Гц до 0,1738 Гц, и гладкий пе-
реходный режим колебаний завершается. Сегменты xK(1000:4000), K=1:3,
соответствующие T619 = [40; 150] с, представляют периодический стацио-
нарный режим колебания с частотой 0,1738 Гц. Оказывается, что опреде-
ленная выше частота и коэффициент демпфирования для гладкого пере-
ходного режима колебаний не зависят от параметра m модели Росслера.
При m = 3,5 , cегменты xK(1:1000), K=1:3 численного решения моде-
ли (15) представляют гладкий переходный режим колебаний.
Рис. 13. Фазовая траектория при m = 2,6.
При t = 40 с начинается субгармонический переходный режим коле-

баний. В спектре колебания появляется субгармоника порядка 1/2 от час-
тоты локальной орбиты. Субгармонический переходный режим колебаний
завершается при t = 80 с. Сегменты xK(2000:4000), K=1:3 численного ре-
шения модели (15) соответствующие T1319 = [80; 150]с, представляют ста-
ционарный субгармонический режим колебаний с удвоенным периодом.
При m = 4,1 сегменты xK(1:1000), K=1:3 представляют гладкий пере-
ходный режим колебаний. При t = 40 с начинается субгармонический пе-
реходный режим колебаний. Он более сжат по времени по сравнению со
случаем m = 3,5 и завершается при t = 60 с. Ограниченная продолжитель-
ность субгармонического режима колебаний не позволяет надежно опре-
делить параметры субгармоник более низких порядков. При t = 60 с на-
614
ступает стационарный субгармонический режим колебания с четырехкрат-
ным увеличением периода. Для расширенного временного интервала T714 =
[56; 102,4] с, соответствующего удвоенному периоду колебаний на суб-
гармонике порядка 1/4 от частоты локальной орбиты наиболее низкочас-
тотные составляющие дискретных спектров (8) сегментов xK(1400:2560),
K=1:3 приведены в таблице 4. Спектр частот является гармоническим с
фундаментальной частотой, равной субгармонике порядка 1/4 от частоты
локальной орбиты. Относительная точность определения гармонического
ряда частот составляет 0,001 (0,1%). Спектр амплитуд имеет максимум на
частоте локальной орбиты.
Таблица 4.
K l αK ( l ) βK(l) δK ( l ) fK(l)
1 1 0,0315 0,3406 0,0016 0,0431
2 0,4589 -0,3569 -0,0004 0,0862
3 0,2117 -0,0205 0,0009 0,1294
4 2,8597 -0,2279 0,0001 0,1725
2 1 0,0988 0,0047 0,0010 0,0431
2 0,7831 0,3361 -0,0002 0,0862
3 0,2600 -0,3094 0,0005 0,1294
4 2,5942 0,4926 0,0001 0,1725
3 1 0,0940 0,4899 0,0003 0,0431
2 0,5703 -0,1889 -0,0004 0,0862
3 0,0959 0,1193 0,0003 0,1294
4 0,7262 -0,3650 0,0000 0,1725
Рис. 14. Координатно-временные зависимости xK(t), K = 1: 3 при m = 4,18.
При m = 4,18 смена во времени режимов колебаний происходит ана-

логично случаю m = 4,1 (рис. 14). Однако, при t = 60 с, наступает стацио-
615
нарный субгармонический режим колебания с восьмикратным увеличени-
ем периода. Для расширенного временного интервала T721 = [56; 148,8] с,
соответствующего удвоенному периоду колебаний на субгармонике по-
рядка 1/8 от частоты локальной орбиты, наиболее низкочастотные состав-
ляющие дискретных спектров (8) сегментов x2(1400:3720) приведены в
таблице 5. Дискретные спектры для координат с K = 1; 3 имеют аналогич-
ный вид. Спектр частот является гармоническим с фундаментальной час-
тотой, равной субгармонике порядка 1/8 от частоты локальной орбиты.
Спектр амплитуд имеет максимум для субгармоники порядка 1/2 от часто-
ты локальной орбиты.
Таблица 5.
2 1 0,0086 0,2726 -0,0023 0,0216

2 0,1048 0,3373 0,0013 0,0431
3 0,0388 0,4749 -0,0017 0,0646
4 0,7880 -0,0055 -,0002 0,0862
5 0,0613 -0,4826 -0,0023 0,1077
6 0,2633 -0,3210 0,0013 0,1292
7 0,0430 -0,1663 -0,0031 0,1509
8 2,6392 -0,1901 0,0000 0,1724
Рис. 15. Координатно-временные зависимости

xK = xK(t), K = 1: 3 при m = 4,23.
В результате, система Росслера при значениях параметра m = {3,5;

4,1; 4,18} в установившемся режиме совершает субгармонические колеба-
ния порядка ½, ¼ и 1/8, соответственно, для частоты орбиты периода 1,
устойчивой при m = 2,6. При m = 4,23 численное решение модели (15)
616
представлено на рис. 15. Cмена во времени режимов колебаний происхо-
дит аналогично случаю m = 4,18. Однако, при t = 60 с наступает стацио-
нарный субгармонический режим колебания с двенадцатикратным увели-
чением периода. Для расширенного временного интервала T729 = [56; 195,2]
с, соответствующего удвоенному периоду колебаний на субгармонике по-
рядка 1/12 от частоты локальной орбиты, наиболее низкочастотные со-
ставляющие дискретных спектров (8) сегментов x1(1400:4880) приведены в
табл. 6.
Таблица 6
3 1 0,0007 0,1458 0,0094 0,0141
2 0,0040 -0,2655 0,0003 0,0274
3 0,0311 0,2828 0,0018 0,0431
4 0,0231 -0,0369 -0,0048 0,0578
5 0,0196 0,4137 -0,0011 0,0716
6 0,4583 -0,4983 0,0000 0,0861
7 0,0368 -0,4242 -0,0015 0,1008
8 0,0677 0,0664 -0,0037 0,1143
9 0,1953 -0,2322 0,0017 0,1292
10 0,0590 0,4692 -0,0022 0,1440
11 0,0386 -0,0208 -0,0038 0,1574
12 2,9310 0,4896 0,0000 0,1723
Рис. 16. Орбита периода 12 при m = 4,23.
Дискретные спектры для координат с K = 2; 3 имеют аналогичный

вид. Спектр частот является гармоническим с фундаментальной частотой,
равной субгармонике порядка 1/12 от частоты локальной орбиты. Спектр
амплитуд имеет максимум для частоты локальной орбиты. Таким образом,
при m = 4,23 последовательность бифуркаций удвоения периода заверша-
ется. На рис. 16 показана устойчивая орбита порядка 12 в фазовом про-
странстве (x1, x2, x3) системы Росслера при m = 4,23, которая соответствует
617
стационарному субгармоническому колебанию порядка 1/12. Таким обра-
зом, при увеличении параметра m аттрактор Росслера возникает как предел
последовательности стационарных субгармонических движений пони-
жающегося порядка для частоты нестабильной орбиты периода 1. Для m >
5, система Росслера действительно демонстрирует хаотическое поведение.
Тем не менее, как показано в [19], почти гармонический спектр частот
продолжает характеризовать и временную эволюцию аттрактора Росслера.
Таким образом, для широкого интервала значений параметра m, неста-
бильные орбиты периода 1 идентифицируются с высокой точностью. Если
аттрактор Росслера существует, то стабилизация системы Росслера — это
выделение орбиты периода 1 из аттрактора Росслера в процессе его вре-
менной эволюции. Сходство частотных спектров субгармонических дви-
жений системы Росслера и аттрактора Росслера во временной эволюции
приводит к тому, что орбита периода 1 выделяется из стационарных суб-
гармонических движений системы Росслера посредством тех же методов
управления, которые обеспечивают выделение орбит периода 1 из аттрак-
тора Росслера.
1. Takens F. Detecting strange attractors in turbulence // Dynamical Systems
and Turbulence.— Berlin. Springer, 1981.— P.366–381.
2. Lichtenberg A. J., Liberman A. P. Regular and stochastic motion.— Berlin:
Springer. 1983.
3. Dhamala M., Lai Y.-C., Kostelich E. J. Detecting unstable periodic orbits
from transient chaotic time-series // Physical Review E.— V.61.— 2000.—
P.6485–6489
4. Skowronski J. M., Guttalu R. S. Real-time attractors // Dynamics and Stabil-
ity of System.— V.5.— 1990.— №4.— P.255–279.
5. Gukenheimer J., Holmes P. J. Nonlinear oscillations, dynamical systems, and
bifurcations of vector fields.— New York: Springer-Verlag, 1986.— P.167–
192.
6. Кухаренко Б. Г. Спектральная идентификация закономерностей неста-
ционарных колебаний нелинейных систем // Проблемы машинострое-
ния и надежности машин. 2002.— № 5.— С.92–97.
7. Кухаренко Б. Г. Спектральная идентификация мгновенных изменений
частоты нестационарных колебаний нелинейных систем // Проблемы
машиностроения и надежности машин.— 2002.— № 1.— С.72–78.
8. Shinozuka M., Deodatis G. Simulation of stochastic processes by spectral
representation // Applied Mechanics Review.— V.44.— 1991.— №4.—
P.191–203.
9. Basseville M., Nikiforov I.V. Detection of abrupt changes, theory and applica-
tions. — Englewoods Cliffs, New Jersey: Prentice-Hall, 1993.— 352 p.
618
10. Lai T. L., Shan J. Z. Efficient recursive algorithms for detection of abrupt
changes in signals and control systems // IEEE Transactions on Automatic
Control.— V.44.— 1999.— № 5.— P.952–966.
11. Brunsden V., Cortell J., Holmes P. J. Power spectra of chaotic vibrations of a
bukled beam // Journal of Sound and Vibration.— V.130.— 1989. № 1.—
P.1–25.
12. Kukharenko B. G. Use of the Prony method for modal identification of slow-
evolutionary linear structures // Journal of Structural Control.— V.7.—
2000.— №2.— P.203–218.
13. Кухаренко Б. Г. Спектральная идентификация периодических траекто-
рий для модели стохастического резонанса // Тр. Всероссийской науч.
конф. «Проектирование научных и инженерных приложений в среде
MATLAB». Ч.3. Моделирование и исследование динамических систем.
М.: ИПУ РАН,. 2002.— С.423–428.
14. Kukharenko B. G. Estimation of non-linear systems by stochastic vibration
spectra // Spanos P. P. Computational Stochastic Mechanics. Rotterdam
/Brookfield: A. A. Balkema. 1999.— P.103–106.
15. Kukharenko B. G. Spectral identification of periodic trajectories for the
model of interwell jumps in a bistable oscillator // Fradkov A. L., Kurzhanski
A. B., eds. Nonlinear Control Systems 2001. Oxford: Elsevier Science.
2002.— V.2.— P.951–956.
16. Galleani L., Presti L. L., De Stefano A. A method for nonlinear system classi-
fication in the time-frequency plane // Signal Processing.— V.65.— 1998.—
P.147–153.
17. Kukharenko B. G. Spectral identification of singular regimes for nonstation-
ary vibrations of nonlinear structures // Proceedings of 5th international con-
ference on vibration problems.— Moscow, 2001.— P.302–305.
18. Kukharenko B. G. Numerical estimates of local and global motions of the Lo-
renz attractor // Proceedings of international conference «Physics and Con-
trol».— St. Petersburg, 2003.— V.2.— P.632–637.
19. Farmer D., Crutchfield J., Froehing H., Packard N., Show R. Power spectra
and mixing properties of strange attractors // Annals of N.Y. Academy of
Science. —V.357.— 1980.— P.453–472.
619
УДК 620.22-419.8
ИССЛЕДОВАНИЕ ТОПОЛОГИИ ПОВЕРХНОСТЕЙ

ТВЕРДЫХ ТЕЛ С ПОЗИЦИИ ТЕОРИИ ФРАКТАЛОВ
Лихачев А. Б., Гнатюк C. П.

Санкт-Петербургский государственный университет
кино и телевидения, Санкт-Петербург,
e-mail: andylee@rambler.ru
Основной топологической характеристикой исследуемой поверхно-

сти может быть фрактальная размерность — D, которая вычисляется по
формуле (метод подсчета клеток) [1, 2]:
ln( N (ε ))
D= , (1)
ln(ε )
где N(ε) — минимальное количество объектов с радиусом (стороной) ε, не-
обходимых для покрытия исследуемой структуры, при ε→0.
Однако данный подход обладает рядом недостатков, связанных с
тем, что в большинстве случаев N(ε) не несет в себе информации об осо-
бенностях объекта, т. к. вес ячейки не зависит от количества содержащих-
ся в ней элементов структуры и всегда равен 1. Это обстоятельство явля-
лось частой причиной отсутствия корреляций фрактальной размерности с
физическими свойствами материала [3], что привело к созданию представ-
лений о мультифрактальной природе исследуемых объектов и разработке
математического аппарата мультифрактального формализма. [3, 4]
Предпосылкой развития метода стало предположение о неравномер-
ности распределения свойств по объему или поверхности изучаемой
структуры. Подобные свойства проявляют, например, распределение пор в
объеме материала, некоторые особенности поверхности разрушения и т. д.
Таким образом, переход от фрактального описания к мультифрактальному
означает смещение акцента исследований масштабно-инвариантных
свойств объектов в направлении изучения особенностей распределения его
физических свойств.
Мультифрактальная параметризация структур основана на «помеще-
нии» исследуемого объекта с неупорядоченной структурой в евклидово
пространство, которое разбивается на ячейки характерного размера. Каж-
дой ячейке сопоставляется мера в виде некоторого положительного числа,
а полученная совокупность (матрица) значений задает глобальную меру на
том или ином масштабе дискретизации изображения структуры.
Понятие меры формализует субъективный подход к описанию изу-
чаемых объектов соответственно их природе или функциям. Довольно по-
620
лезным для задач материаловедения является использование вероятност-
ной меры.
В подавляющем большинстве случаев изучаемые структуры пред-
ставлены именно в виде плоских изображений, поэтому дальнейшим раз-
витием такого подхода может служить генерация меры по «рельефу» плос-
кого изображения структуры.
Для так или иначе построенной меры Pi находится производящая
функция меры [3]:
N
Γ ( q, τ, l ) = ∑ ( Pi ) (l )
q τ
i
, (2)
i =1
где Pi — мера i-ой ячейки размера li ≤l<1, ΣPi=1; l — характеристический

размер ячейки, если размер исследуемого множества принимается равным
единице.
Суммирование проводится только по непустым ячейкам с мерой
pi>0; q и τ произвольные вещественные числа: –∞<q, τ≤∞.
В случае сингулярного поведения меры, имеющего место во многих
ситуациях:
Pi ≅ ( li ) , l → 0
α
(3)
где α — положительное вещественное число.
Было показано [3], что существует единственная функция τ(q), такая,
для которой Г(q, τ(q), l) конечна при l→0. При данном q для τ`<τ(q) и
τ`>τ(q) функция Г(q, τ(q), l) обращается в бесконечность или нуль соответ-
ственно.
Для обобщенной корреляционной функции χ и ее экспоненты τ име-
ем:
N
χ ( q ) = ∑ ( Pi ) ~ l τ( q ) , l → 0 ,
q
(4)
i =1
τ ( q ) = lim
l →0
ln ( χ ( q ) ) ln ( l ) . (5)
Таким образом, изучаемой структуре (носителю меры) ставится в со-
ответствие вещественная функция τ(q), посредством которой можно ввести
полезные (статистические) характеристики структуры.
От суммирования по ячейкам в (4) для χ можно перейти к интегралу:
χ ( q ) = ∫ d α ⋅ ρ ( α ) ⋅ l − f ( α ) ⋅ l qα , (6)
-f(α)
где ρ(α`)l dα` вероятность того, что произвольно выбранная сингуляр-
ность α для pi, имеет значение в диапазоне (α`, α`+dα`); ρ(α) — несингу-
лярная гладкая функция.
В результате исследуемая структура моделируется набором взаимо-
проникающих множеств сингулярностей α, каждое из которых имеет соот-
ветствующую фрактальную размерность — f(α), (f(α) — спектр).
621
В пределе l→0 значение интеграла (5) определяется некоторым α,
при котором qα-f(α)=min, откуда получается соотношение между функци-
ей τ(q) и спектром сингулярностей f(α):
τ ( q ) = qα − f ( α ) , (7)
α = d τ / dq , (8)
q = df / d α , (9)
т. е. τ(q) и f(α) связаны преобразованием Лежандра.
Из последних соотношений, в том числе (5), видно, что в силу усло-
вия нормировки τ(1)=0. Это обстоятельство можно выразить в явном виде,
положив:
τ ( q ) = ( q − 1) Dq , (10)
где Dq — обобщенные размерности Реньи (энтропии Реньи); причем
D0≥D1≥D2 - являются хаусдорфовой или фрактальной (q=0), информаци-
онной (q=1) и корреляционной (q=2) размерностями соответственно.
(Строго говоря, термин «размерность» применим только к D0, так как зна-
чение q=0 снимает различия мер разных ячеек, и мы имеем дело с конфи-
гурацией носителя «в чистом виде».) Величины «размерностей» Dq опре-
деляются как конфигурацией носителя, так и его мерой.
Таким образом, мультифрактальный формализм предоставляет неиз-
меримо большие возможности использования двух вещественных функ-
ций: f(α) — спектра и Dq — спектра (или каких-либо их характеристик),
причем Dq автоматически предоставляет в распоряжение исследователя
величину фрактальной размерности.
Использование мультифрактального формализма наиболее обосно-
вано при исследовании топологии поверхности материалов со стохастиче-
ским распределением поверхностных свойств.
Предложенный подход был использован для мультифрактального
моделирования поверхности бумажных носителей изображений различно-
го качества, применяемых в струйных технологиях печати.
Было показано, что каждому виду бумаг присущи определенные за-
кономерности в распределении неоднородностей различных типов, кото-
рые, в конечном счете, определяют степень развитости их поверхности [5].
Авторами использовались три типа изображения отражающие харак-
тер поверхности исследуемых носителей:
• изображение, элементы которого образованы пикселями, соответст-
вующими местам с минимальным градиентом яркости на исходном
изображении (поверхность нулевого градиента);
• изображение, объекты которого соответствуют сечениям трехмерной
структуры матрицы яркости (поверхность среза);
• изображение, элементы которого образованы пикселями, соответст-
вующими местам с максимальным градиентом яркости на исходном
изображении (поверхность ячеек) [6, 7].
622
а б в
Рис. 1.
Аппроксимации изображения поверхности писчей бумаги.
а) — поверхность нулевого градиента, б) — поверхность среза, в) — поверхность ячеек
Алгоритм расчета мультифрактальных характеристик по представ-

ленным наборам изображений состоял в вычислении сумм (11, 12) и нахо-
ждении параметров f(α) — спектров (14, 15) на их основе [9–10]:
Ak ( q ) = ∑ i µ1ik ( q ) ln ( µ ik ( q ) )  , (11)
Fk ( q ) = ∑ i µ1ik ( q ) ln ( µ1ik ( q ) )  , (12)
где µik — определялась из выражения: µ1ik ( q ) = ( µik ) χ k ( q ) ; χk(q,) (обоб-
q
щенная корреляционная функция) определялась, как: χ ( q ) = ∑ i ( µ ik ) ,

q
 
( i = 1… N k ) .
Величина µik есть вероятностная мера каждой ячейки размером l×l
(l=[2, 4, 8, 16, 32, 64, 128]) огрубленного разбиения анализируемого изо-
бражения для всех заданных величин q, пределы которых были определе-
ны по стационарным состояниям графика D(q), из диапазона от —40 до 40:
µij = z ( i, j ) (∑ i, j
( z ( i, j ) ) ) (13)
где z(i,j) — значение яркости в координате (i,j).
Далее для каждой величины q определялись углы наклона зависимо-
стей Ak и Fk от ln(lk):
α ( q ) = ∂Ak ( q ) ∂ ln ( lk ) , (14)
f ( q ) = ∂Fk ( q ) ∂ ln ( lk ) . (15)
По рассчитанным величинам α(q), f(q) определялся спектр размер-
ностей Реньи:
Dq = τ ( q ) ( q − 1) , D1 = α ( q = 1) (16)
где τ(q) — определялась из выражения τ ( q ) = qα ( q ) − f ( q ) .
По результатам расчетов были построены зависимости D(q) (рис.
2-3). На графиках приняты следующие обозначения: А) — писчая бумага
(цвет №1), Б) — писчая бумага (цвет №2), В) — легкомелованная бумага,
623
Г) — бумага для печати фотографического качества, модифицированная
полимером, Д) — бумага для печати фотографического качества Canon.
Рис. 2. D-спектр размерностей Реньи для исследуемых носителей

(по изображениям поверхности нулевого градиента).

(по изображениям поверхности среза).
624

(по изображениям поверхности ячеек).
Для оценки степени развитости поверхности носителя использова-

лись величины Dq (q = [0, 1, 40]). Подобный выбор продиктован возможно-
стью непосредственно трактовать рассчитанные характеристики, как гео-
метрические параметры поверхности исследуемого носителя, а именно,
как степень ее отличия от идеальной плоскости. (Отказ от других инфор-
мационно важных мультифрактальных характеристик объясняется невоз-
можностью выделения в рамках принятой концепции исследования таких
структур поверхности бумаги, как макро- , микро- или переходные поры,
так как анализ распределения яркости по поверхности исследуемого носи-
теля дает только косвенную информацию о подобных структурах).
Интерпретация оценки D(0) не выходит за рамки фрактальной кон-
цепции и фактически является мерой отклонения исследуемой поверхно-
сти от идеальной плоскости. Из всех исследуемых бумаг наименьшие зна-
чения D(0) рассчитаны для писчих бумаг, что соответствует виду их по-
верхности, которая формируется за счет адгезионного взаимодействия во-
локон целлюлозы и клеящего состава. Близость значений D(0) у писчих и
легкомелованных бумаг определяется малой степенью модифицированно-
сти поверхности последней и фактически показывает, что определяющее
влияние на геометрию ее рельефа оказывают волокна целлюлозы. Высокие
значения D(0) полученные для бумаг фотографического качества являются
следствиями модификации их поверхности полимерами, что, возможно,
определяется отсутствием у них фрактальности на выбранных масштабах
увеличения.
Такие характеристики как D(1), D(40) и ∆∞ (∆∞=D(1)-D(40)), в рамках
данной работы, можно интерпретировать, как величины характеризующие
энтропии исследуемых множеств, и показывающие, насколько они струк-
турированы. Так, низкие значения D(1) и D(40) у писчих бумаг являются
625
следствием структурированности их поверхности, на выбранных масшта-
бах увеличения за счет четкого выделения на изображениях волокнистой
структуры целлюлозы. Это объясняет более высокие значения для ∆∞.
Поскольку бумаги фотографического качества обладают более высо-
кой степенью модифицированности поверхности, их топология носит бо-
лее гладкий характер, то при выбранных кратностях увеличения четко вы-
делить какие либо структурные элементы не представляется возможным.
Что подтверждается высокими значениями D(1), D(40) и низкими значе-
ниями ∆∞.
Интерпретация значений f(40) не выходит за рамки мультифракталь-
ного формализма и отражает однородность исследуемого множества. Как и
ожидалось, данная характеристика имеет тенденцию к росту, особенно для
изображений сделанных с кратностью увеличения x200, при переходе от
писчих бумаг к бумагам для печати фотографического качества.
Таким образом, предложенная методика позволяет делать обосно-
ванные выводы о характере поверхности исследуемых бумаг, что может
быть положено в основу построения системы распознавания типов носите-
лей, используемых в струйных технологиях печати, и их ранжирования по
шкале качества. Полученные мультифрактальные параметры находятся в
хорошей корреляции с другими ранее определенными объективными ха-
рактеристиками поверхности носителей [8, 9].
1. Кроновер Р. М. Фракталы и хаос в динамических системах. Основы тео-
рии.— М.: Постмаркет, 2000.— 352 с.
2. Мандельброт Б. Фрактальная геометрия природы.— М.: Институт ком-
пьютерных исследований, 2002.— 656 с
3. Встовский Г. В., Колмаков А. Г., Бунин И. Ж. Введение в мультифрак-
тальную параметризацию структур материалов.— М.–Ижевск: НИЦ
«Регулярная и хаотическая динамика», 2001.— 116 с.
4. Иванова В. С., и др. Синергетика и фракталы в материаловедении. М.:
Наука, 1994.
5. Лихачев А. Б., Гнатюк С. П., Басов С. В. Анализ качества цифровых
изображений на носителях, полученных методами струйной печати //
Сб. науч. тр. Вып. 14.— С.83–92.
6. Встовский Г. В., Бунин И. Ж. Мультифрактальная параметризация
структур в материаловедении // Перспективные материалы.— 1995.—
№3.— С.13–21.
7. Бунин И. Ж., и др. Методология мультифрактальной параметризации
структур материалов. // Вестник ТГУ.— 1998.— Т.3.— Вып.3.— С.293–
294.
8. Гнатюк С. П., Неклюдов М. Ю., Лихачев А. Б. Оптимизация изображе-
ний объектов различной морфологии для получения количественной
626
информации с использованием систем автоматического распознавания
образов // Международный симпозиум «Фотография в XXI веке»: Тези-
сы докладов.— М., 2002.— С.172–174.
9. Гнатюк С. П., Исаакян А. А., Гусарова Т. В. К вопросу о применимости
использования цифровых методов регистрации изображений для изуче-
ния наполненных гетерогенных полимерных систем и эмульсий // Меж-
дународный симпозиум «Фотография в XXI веке»: Тезисы докладов.—
М., 2002.— С.169–172.
627
УДК 519
ДИСКРЕТНАЯ МОДЕЛЬ УПРАВЛЕНИЯ ФИНАНСОВЫМИ

ПОТОКАМИ В СТАТИСТИЧЕСКИ УСТОЙЧИВОЙ
СИТУАЦИИ
Малафеев О. А., Пичугин Ю. А.

Санкт-Петербургский государственный университет,
факультет ПМ ПУ, Санкт-Петербург
e-mail: oam@apmath.spbu.ru
1. Многошаговая динамическая модель управления

финансовыми потоками
В работе рассматривается динамическая модель М управления фи-

нансовыми потоками в течение n периодов t0 = 0<t1<t2<…<tn = T банком А.
Множество состояний модели обозначим через X = {x1, x2,…, xm},
при этом в каждом состоянии xi задано множество допустимых управлений
{ u1 ( xi ) , u2 ( xi ) ,…, uk1 ( xi ) }. Hа первом шаге в момент t0 в состоянии x0 банк
А имеет k1 альтернатив управления, обозначим { u1 ( x 0 ) , u2 ( x 0 ) ,…, uk1 ( x 0 ) },
на втором шаге k2: { u1 ( x1 ) , u2 ( x1 ) ,…, uk2 ( x1 ) }, и т. д.
Выбор альтернативы u j1 (x0) влечет переход из состояния x0 в со-
стояние x1 = F(x0, u j1 ) и получение дохода H(x0, x1( u j1 )) и т. д., переход из
xn–1 в xn = F(xn–1, u jn ) влечет получение дохода H(xn–1, xn( u jn )), здесь F —
оператор перехода, H — функция дохода банка.
Суммарный доход банка А при выборе управлений
u = ( u , u ,..., u ) ji∈{1, 2,…, ki} из начального состояния x0 равен
j1 j2 jn
n
H (u , x 0 ) = ∑ H ( xi −1 , x i (u ji )) .
i =1
Введем функцию оптимального дохода B(n, x0) = maxu∈U H (u , x 0 ) , где

U — множество последовательностей допустимых управлений.
В соответствии с принципом оптимальности динамического про-
граммирования [1] выводится рекуррентное соотношение для функций
оптимального дохода [2]
B(n, x0) = maxu∈Un–1 {H(xn–1, xn( u jn )) + B(n —1, x0)}, (1)
n −1 n −1 n −1
где Un–1 ={ u1 ( x ) , u2 ( x ) ,…, ukn ( x ) } — множество допустимых
управлений на последнем шаге процесса.
628
2. Построение вероятностной модели
Больший практический интерес представляет недетерминированная

стационарная модель, в которой выбор управления на каждом шаге рас-
сматриваемого многошагового процесса приводит к набору переходных
вероятностей на множестве состояний модели.
Рассматривая задачу максимизации среднего дохода, мы приходим к
рекуррентному соотношению
J
B(n, x0) = maxu∈Un–1{ ∑ pij (u ) ×H(xn–1, xn( u j )) + B(n −1, x0)},
n
(2)
j =1
где J = J(u) — число возможных переходов из состояния xi = xn–1.

Первым этапом реализации вышеописанной модели является стати-
стическая оценка вероятностей перехода pkij = pij(uk) из состояния xi в со-
стояние xj при выборе управления uk на основе накопленной за предыду-
щий период информации. Эта оценка сводится к непосредственному вы-
числению частот перехода ~pijk из каждого из возможных состояний xi в со-
стояние xj.
Для принятия статистически обоснованных решений необходимо
провести тестирование оценок переходных вероятностей, полученных на
основе наблюдений.
Во-первых, следует убедиться в статистической значимости особен-
ностей (в нетривиальности) вероятностной структуры, обусловленной тем
или иным управлением. С этой целью необходимо проверить (в данном
случае опровергнуть) гипотезу Н0,1, состоящую в том, что все переходные
вероятности pij предполагаются равными между собой, т. е. возможные со-
стояния равновероятны. Для каждого управления uk, согласно методу
Пирсона [3], мы имеем χ2 − статистику
J (n k − n k p )2
χν = ∑
2 ij i ij
, (3)
j =1 j ni pij
где nki — количество случаев выбора управления uk в состоянии xi; nkij —
J
наблюдаемое при этом количество переходов в состояние xj, ∑n
j =1
k
ij = nik ;
pij = 1/J, J = J(uk) — число возможных при данном управлении переходов.

Статистика (3) распределена по закону Пирсона с числом степеней
свободы ν = J–1.
В данной модели условием применения вероятностных методов яв-
ляется выполнении гипотезы (Н0,2) о статистической устойчивости, суть
которой состоит в том, что полученные оценки − pijk = nkij/nki можно счи-
тать вполне стабильными, то есть последние не изменятся в дальнейшем и
будут несущественно отличаться от оценок, полученных в результате по-
следующего периода наблюдений.
629
Проверим вышеуказанное условие, используя оценки ~p k , получен- ij
ные на первом этапе наблюдений, и статистику

J (mk − mk p k ) 2
χν = ∑
2 ij i ij
k
, (4)
j =1 j mi pij
где mkij и mki — величины аналогичные величинам nkij и nki , но вычислен-
ные на основе новых наблюдений.
В случае, когда стабильность ситуации (устойчивость оцененных
значений) подтверждена, мы можем принять полученные оценки за истин-
ные значения pkij = pijk .
Кроме вычисления переходных вероятностей в задачу идентифика-
ции модели входит и оценка доходов rkij = H(xi, xj(uk)), как средних за на-
блюдаемый период наблюдений доходов, а их устойчивость может быть
оценена как устойчивость средних величин на основе хорошо известного
теста Стьюдента.
Таким образом, проверка Н0,1 (ее отрицание) позволяет выделить ста-
тистически значимые особенности в вероятностной структуре обусловлен-
ной том или иным управлением, а проверка Н0,2 (ее принятие) дает воз-
можность предположить устойчивость ситуации и применить для опреде-
ления оптимальной экономической политики метод Р. Ховарда.
3. Метод нахождения оптимального управления
Для нахождения оптимального управления применяется метод

Р. Ховарда [1].
Обозначим через vi часть дохода, зависящую только от начального
состояния, а через g — стационарную часть, такую, что суммарный доход
этой часть зависит только от числа шагов n (ng). Тогда при достаточно
большом количестве шагов должно выполняться соотношение
J
g + vi ≈ ∑p
j =1
k
ij (rkij + vj). (5)
Как показано в [1], соотношение (5) позволяет за относительно малое

число итераций найти оптимальное управление k*, дающее максимальное
значение стационарного дохода g.
С использованием пакета прикладных программ MATLAB решен
численный пример для случая 4-х состояний и 3-х управлений. Таким об-
разом, данный пакет программ можно рекомендовать для планирования
некоторых финансовых расчетов и операций.
Работа поддержана грантом РФФИ № 03-06-80324.
630
1. Беллман Р, Дрейфус С. Прикладные задачи динамического программи-
рования.— М.: Наука. 1965.
2. Малафеев О. А., Муравьев А. И. Математические модели конфликтных
ситуаций и их разрешение. Т.2. Математические основы моделирования
процессов конкуренции и конфликтов в социально-экономической сре-
де.— СПб.: Изд-во СПбГУЭФ, 2001.
3. Уилкс С. Математическая статистика.— М.: Наука. 1965.
631
УДК 519.6
РАСЧЕТ ПЕРЕХОДНЫХ И КОЛЕБАТЕЛЬНЫХ

ПРОЦЕССОВ В СИСТЕМАХ СО СЛОЖНЫМИ
ЗАПАЗДЫВАНИЯМИ
Музафаров С. М.
Сибайский институт Башгосуниверситета, Сибай,
e-mail: msalich@mail.ru
1. Постановка задачи
Динамические системы, содержащие запаздывания, используют для

моделирования различных объектов во многих областях знаний. Реальные
явления могут моделироваться уравнениями с последствием, содержащи-
ми несколько дискретных запаздываний, распределенные запаздывания,
случайные запаздывания или их комбинации. Теория дифференциальных
уравнений запаздывающего типа (см [1–4] и имеющуюся там библиогра-
фию), стала важной составной частью современного естествознания.
Одним из основных при изучении динамической системы является
вопрос о переходных и колебательных процессах системы. Знание пере-
ходных процессов позволяет изучить поведение системы при переходе от
одних устойчивых режимов к другим, описать характеристики устойчиво-
сти системы. Колебательные процессы являются важнейшим видом функ-
ционирования динамической системы, широко распространенным в физи-
ке, технике, биологии и др.
Переходные и колебательные процессы в системах, содержащих за-
паздывания, обладают рядом особенностей. Поведение таких систем обла-
дает сложной динамикой, здесь возможны появление незатухающих, в том
числе хаотических колебаний, слипание решений и т. д. Вопросы модели-
рования переходных и колебательных процессов в системах с запаздыва-
ниями изучались, например, в работах [5-8].
В настоящий работе предлагается метод приближенного расчета пе-
реходных и колебательных процессов в системах со сложными запаздыва-
ниями [9]
n −1 r m r
x (t ) + ∑ ∫ x (t − s )d α j ( s ) = ∑ ∫ u ( j ) (t − s )d β j ( s ),
(n) ( j)
(1)
j =0 0 j =0 0
где n > m , α j (t ) и β j (t ) — функции ограниченной вариации на отрезке

[0, r ] , а интегралы понимаются в смысле Лебега–Стилтьеса. Метод основан
на переходе к простейшим звеньям запаздывающего типа.
632
2. Схема построения решений
Переходным процессом для линейной системы (1) будем называть

поведение системы на промежутке [0, τε ) , где τε — время стабилизации
системы. Переходные и колебательные процессы в системах автоматиче-
ского управления и регулирования характеризуются импульсными и им-
пульсно-частотными характеристиками.
Импульсной характеристикой линейного системы (1) называют нор-
мальную реакцию системы на входной сигнал u (t ) = δ(t ) , где δ(t ) — это
дельта-функция Дирака. При этом под нормальной реакцией системы по-
нимается обобщенный выход h(t ) системы такой, что носитель обобщен-
ной функции h(t ) содержится на полуоси t > 0 .
Импульсно-частотной характеристикой (ИЧХ) линейной систе-
мы (1), называется Т-периодическая реакция системы на Т-периодическую
последовательность бесконечных мгновенных импульсов. При этом ука-
занная последовательность может быть описана как обобщенная функция
∞
δT (t ) = ∑ δ(t − kT ).
k =−∞
Для построения ИХ и ИЧХ предлагается следующая процедура.
Передаточная функция W ( p ) системы (1) приводит к необходимости
рассмотрения следующих функций комплексного переменного p :
n−1 r m r
L( p ) = p + ∑ p
n j
∫e
− ps
d α j ( s ), M ( p) = ∑ p j
∫e
− ps
d β j ( s ), (2)
j =0 0 j =0 0
M ( p)
так что W ( p) = , и в обычных обозначениях [7,9] имеем
L( p )
L( p) x = M ( p )u или x = W ( p)u .
От уравнения (1) следует перейти к более простым уравнениям пер-
вого порядка, а именно к уравнениям вида
M (τk )
xk (t ) − τk xk (t ) = u (t ) ,
L′(τk )
где τk — корни квазиполинома L( p ). Тогда решение x(t ) уравнения (1)
представимо в виде x(t ) = ∑ xk (t ). Разложение такого вида связано с раз-
ложемостью передаточной функции W ( p ) в ряд по простым дробям. Учи-
тывая, что квазиполином L( p ) имеет счетное число нулей, то передаточ-
ная функция W ( p ) представима в виде ряда W ( p) = ∑ W j ( p) , где W j ( p ) —
простые дроби вида
k k
, (k12 − 4k2 < 0), l ≥ 1.
( p + k1 ) l
( p + k1 p + k2 )
2 l
633
Основным в предлагаемом методе является вопрос о сходимости
∞
рядов W ( p) = ∑W j ( p). В работе изучаются условия сходимости таких ря-
j =1
дов, приводящие к выявлению класса динамических систем со сложными

запаздываниями, для которых указанный метод реализуем.
3. Основное утверждение
Ниже предполагается, что квазиполином L( p ) в (2) является про-

стым, т. е. все его нули имеют кратность равную 1 .
Пусть числа τ1 , τ2 , , τk , (| τk |→ ∞) — это простые нули квазиполи-
нома (2), расположенные в порядке возрастания их модулей: | τk |≤| τk +1 | .
Так как L( p ) является простым, то L′(τ k ) ≠ 0 .
Ниже предполагается, что каждая из функций α j (t ) удовлетворяет
одному из условий:
U1. α j (t ) — абсолютно непрерывная функция;
U2. α j (t ) — функция скачков с конечном или счетным числом точек
разрыва. В последнем случае предполагается,что множество точек разрыва
ξ1 ,ξ2 , функции α j (t ) имеет максимальный элемент: ξ0 = max{ξi }.
Основными в настоящей работе являются следующие теоремы.
Теорема 1. Пусть выполнены условия U1 или U1. Тогда передаточ-
ная функция W ( p ) системы (1) может быть разложена в ряд
∞
1
W ( p) = ∑ ′ ,
k =1 L ( τ k )( p − τ k )
равномерно сходящийся на любом компакте комплексной плоскости C.
Теорема 2. Пусть выполнены условия U1 или U2. Тогда импульсная
характеристика h(t ) системы (1) представляется в виде
∞
h(t ) = ∑ hk (t ), (3)
k =1
где hk (t ) — это решения уравнений первого порядка
M (τ k )
x′ − τ k x = δ (t ), k = 1, 2,....
L′(τ k )
при этом ряд (3) равномерно сходится на [0, τε ) .
Теорема 3. Пусть выполнены условия U1 или U2. Тогда импульс-
но — частотная характеристика G (t , T ) линейного звена с передаточной
функцией (4) представляется в виде ряда
∞
eτ k t
G (t , T ) = ∑ ′ τ kT
(0 ≤ t ≤ T ), (4)
k =1 L (τ k )(1 − e )
634
который равномерно сходится на каждом отрезке 0 < α ≤ t ≤ T и сходится
по норме гильбертова пространства L2 (0, T ) суммируемых с квадратом
функций на (0, T ) .
3. Пример
Предложенный метод моделирования переходных и колебательных

процессов системы (1) реализован в виде разработанных алгоритмов и
программ в среде MATLAB [10,11]. Подготовленные m-файлы позволяют
получить приближенное описание указынных процессов для широкого
класса динамических систем со сложными запаздываниями. Использованы
и соответствующие графические возможности среды MATLAB.
Рассмотрим в качестве иллюстрации задачу об управлении дистан-
ционным манипулятором на поверхности Луны [8]. Передаточная функция
этой модели имеет вид
0.5e − pT
W ( p) = ,
p + 1 + 0.5e −2 pT
а динамика описывается уравнением
x′(t ) + x(t ) + 0,5 x(t − 2T ) = 0,5u (t − T ).
Поскольку среднее расстояние от Земли до Луны составляет 384318 км, то
время запаздывания T , связанное с прохождением сигнала, равно 1, 28 с.
Этот модель является частным случаем звена (1) при n = 1, m = 0 и
α 0 (t ) = χ(t ) + 0,5χ(t − 2,56) , β0 (t ) = 0,5χ(t − 1, 28) , где χ(t ) — функция Хеви-
сайда.
Воспользуемся теоремой 2 для приближенного построения h(t ) .
Нормальная реакция этого звена при u (t ) = δ (t ) определяется равенством
 0, если t ≤ 0 ,

hk (t ) =  0,5e τk t −1,28 τk
1 − 1, 28e −2,56 τk , если t > 0 .

Тогда приближенное значение h(t ) в соответствии с теоремой 2 можно по-
лучить по формуле
h n(t ) ≈ h1 (t ) + h2 (t ) + + hn (t ).
Вычисления по указанной формуле иллюстрируются на рис. 1 при n = 26
(рис. 1, a) и n = 160 (рис. 1, б).
635
(a) (б )
Рис. 1. График импульсной характеристики системы управления дистанционным мани-

пулятором на поверхности Луны. Запаздывания T = 1, 28 с. Случай (a) соответствует
вычислениям импульсной характеристики при n = 26 , а случай (б ) — при n = 160.
1. Беллман Р., Кук К. Дифференциально-разностные уравнения.— М.:
Мир, 1967.— 548с.
2. Мышкис А. Д. Линейные дифференциальные уравнения с запаздываю-
щим аргументом.— М.: Наука, 1972.— 352 с.
3. Хэйл Дж. Теория функционально-дифференциальных уравнений.—
М.:Мир, 1984.— 423 с.
4. Азбелев Н. В., Максимов В. П., Рахматуллина Л. Ф. Элементы совре-
менной теории функционально-дифференциальных уравнений.— М.:
ИКИ, 2002.
5. Розенвассер Е. Н. Периодически нестационарные системы управле-
ния.— М.:Наука, 1973.— 512 с.
6. Афанасьев В .Н, Колмановский В .Б., Носов В .Р. Математическая тео-
рия конструирования систем управления.— М.: Высшая школа, 1998.—
574 с.
7. Цыпкин Я. З. Основы теории автоматических систем.— М.: Наука,
1977.— 559 с.
8. Дорф Р., Бишоп Р. Современные системы управления: Пер. с англ. Б.И.
Копылова.— М.: Лаборатория Базовых Знаний, 2002.— 832с.
9. Юмагулов М.Г. О разложнии периодической функции Грина уравнений
с последействием в ряд по экспоненциальным решениям // ДАН России.
1993.— Т.331.— №4.— C.406–408.
10. Чен К., Джиблин П., Ирвинг А. MATLAB в математических
исследованиях: Пер. с англ.— М.: Мир, 2001.— 346 с.
11. Мартынов Н. Н. Введение в MATLAB 6.— М.: КУДИЦ-ОБРАЗ, 2002—
352 с.
636
УДК 519.6
МЕТОД МОДЕЛИРОВАНИЯ НЕЛИНЕЙНЫХ

ДИНАМИЧЕСКИХ ПРОЦЕССОВ В СЛОЖНЫХ
ЭКОНОМИЧЕСКИХ СИСТЕМАХ
Никульчев Е. В., Кучаева Е. В.
Московская государственная академия приборостроения и информатики, Москва,
e-mail: nikulchev@exponenta.ru, evgeniyaa@exponenta.ru
В экономических системах часто имеют место нелинейные хаотиче-

ские явления: малые изменения начальных условий или каких-либо пара-
метров приводит к резким изменениям динамического поведения наблю-
даемых процессов; существует множества значений, к которым стремятся
показатели процессов при различных условиях; структурные изменения,
вызванные малыми сдвигами параметров, приводит к колебаниям.
Колебания, присущие экономическим данным, весьма различны и по
амплитуде, и по области распространения, и по длительности. Для их объ-
яснения выделяют две группы факторов. Во-первых, на экономическую
систему воздействуют случайные внешние факторы, что приводит к сме-
щению системы от состояния равновесия. Во-вторых, осцилляции могут
возникнуть как следствие сложных нелинейных взаимодействий внутри
системы.
Основой нелинейно-динамического подхода является учет внутрен-
них особенностей системы в отличие от статистических методов, в кото-
рых все факторы полагаются случайными или неопределенными. Исследо-
вания в области нелинейной динамики показывают, что даже если воз-
можно найти статистические закономерности управляющих воздействий
на ход процессов, предсказать поведение системы с разумной достоверно-
стью не представляется возможным. Существенным общим положением
ряда экономических теорий являлось признание эндогенного характера
экономических циклов, т. е. заведомая концентрация внимания на внут-
ренней динамике систем. Важное место среди них занимает теория хаоти-
ческих систем [1, 2].
В статье проблема формализации экономических систем сводится к
задаче параметрической идентификации хаотических процессов моделями
регулярной динамики. При этом на систему действуют заранее запрограм-
мированные возмущения, сохраняя близость к равновесию, что приводит
систему к периодической орбите с желаемыми свойствами, т. е. близко к
хаотическому поведению. В качестве инструментов исследования исполь-
зуются методы теории симметрий и средства построения линеаризованных
уравнений в пространстве состояний.
637
Рассмотрим модель с дискретным временем, т. е. предположим, что
динамика системы локально может быть описана отображением F :
Rn × Rr → Rn :
x ( t + 1) = F ( x ( t ) , u ) , (1)
где x ( t ) — n-мерный вектор состояния системы; u — r-мерный вектор па-
раметров системы; t — дискретное время.
Цель моделирования состоит в «выборе» такой F, чтобы движение
системы соответствовало периодической, возможно неустойчивой траек-
тории экономического процесса x(t ) . Линеаризуем уравнение (1) вдоль
этой траектории:
∆x ( t + 1) = A ( t ) ∆x ( t ) + B ( t ) ∆u ( t ) , (2)
где A ( t ) = Dx F ( x ( t ) , u ) — матрица Якоби, которая определяет свойства ус-
тойчивости системы по Ляпунову, и B(t ) = Du F( x (t ), u) — матрица, опреде-
ляющая линейный отклик системы на возмущения.
Исследования показали, что динамически-сложные системы допус-
кает группы симметрий сдвига.
Симметрия систем определяется как линейное преобразование
g: x → x′ = g ( x ) в пространстве состояний, при котором нелинейное уравне-
ние динамики (1) сохраняет свою структуру. Более формально, уравнение
(1), процесс которого обладает симметрией и описывается группой сим-
метрий G , если отображение F коммутирует по всем групповым операци-
ям:
F ( g ( x ) , u ) = g ( F(x, u ) , ∀ g ∈ G; ∀x ∈ Q , (3)
или, другими словами, группа G делает функцию F ( x, u ) инвариантной по
первому аргументу. Группа G является однопараметрической.
Для моделирования важно, что, при линеаризации около траектории
x ( t ) структурная симметрия уравнения (1) не исчезает, но заменяется свя-
занной симметрией. Определим L как полную группу симметрий линеари-
зованного уравнения (2) автономной системы ( u ( t ) = 0 ) :
g ( A∆x ) = Ag ( ∆x ) ; ∀g ∈ L.
Таким образом, группа L описывает динамическую симметрию системы
около программной траектории x и включает все преобразования g . Как
правило L совпадет с G . На практике невозможно определить независимо
группу G , которая исчерпывает динамические симметрии системы или
группа L содержит «скрытые» симметрии. Однако можно показать, что
множество ограничений при определении управляющих параметров может
быть получено на основании произвольной подгруппы L ' ∈ L .
Группа L′ в соответствии может быть разложена по базису инфини-
тезимальных инвариантов:
638
L ' = p1T 1 ⊕ p2T 2 ⊕ ... ⊕ pqT q , (4)
где n = p1d1 + p2 d 2 + ... + pq d q ; pr — число эквивалентных представлений T r в
декомпозиции (4), и q — число инфинитезимальных образующих в базисе.
Существующие методы моделирования хаотических систем по вре-
менным рядам ограничиваются только решением задачи реконструкции
фазового портрета [3]. Основой для реконструкции фазового портрета
служит единственный измеряемый скалярный выход. Этот выход y ( t ) , яв-
ляется функцией неизвестного вектора внутренних состояний s ( t ) систе-
мы:
y (t ) = H (s (t )) . (5)
Метод, позволяющий восстанавливать пространство состояний системы и
ее динамику, был предложен Н. Паккардом и др., и состоит в последова-
тельном измерении времени выхода y ( t ) . Алгоритм основывается на ре-
конструкции состояний системы со скалярного выходного сигнала с ис-
пользованием временных задержек τ1 , τ2 , ...., τn :
x ( t ) =  y ( t + τ1 ) y ( t + τ2 ) ... y ( t + τn )  .
T
Ф. Такенс показывал, что для скалярного выходного процесса (5), выбран-

ных: времени задержки τi и размерности n реконструированного аттрак-
тора ( n ≥ n h + 1 , где n h — хаусдорфова размерность) идентифицируется ото-
бражение P : s ( t ) → x ( t ) , которое обеспечивает глобальное взаимноодно-
значное представление аттрактора.
В результате применения метода Паккарда-Такенса восстанавлива-
ется отображение (1), определяя состояния x k = x ( tk ) , где t0 , t1 , t2 , .... — время
последовательных пересечений соответствующим образом выбранного се-
чения Пуанкаре в пространстве R n восстановленных состояний x ( t ) .
Теорема Такенса вводится для достаточно общего случая систем без
учета симметрии, однако, она не удовлетворяется для большинства систем,
так как из наличия симметрии следует вырождение операторов эволюции.
Другими словами, для таких систем теорема неприменима, т. е. простран-
ство состояний системы не может быть восстановлено на основании един-
ственного выходного процесса, независимо от того, как велика размер-
ность реконструкции n . Более того, фазовое пространство не может быть
восстановлено ни локально, около периодических траекторий аттрактора,
ни вдоль определенных кривых в пространстве фазы, ни глобально. Ис-
пользуя язык теории управления такие системы — локально и глобально
ненаблюдаемые.
Ж. Кинг и И. Стеварт [4] доказали обобщение теоремы о вложениях,
в которой требуется, чтобы бы наблюдаемый выход был векторной, а не
скалярной функцией состояния системы s ( t ) :
639
y (t ) = ϕ(s (t )) ,
отображая пространство состояний Q идентифицируемой системы в m-
мерное евклидово пространство.
Состояние системы затем может аналогично представлено коорди-
натным вектором задержки
( )
T
x(t ) =  y ( t + τ1 ) ... y t + τne  ,
 
где теперь размерность вложенного пространства n = m ne . Так как вид
уравнений эволюции неизвестен, то получить ответ на вопрос о возможно-
сти построения функции ϕ можно на основании свойств симметрии систе-
мы, которые можно установить на базе основных преобразований — групп
сдвига.
Получен результат [5]: в случае если нет случайных вырождений, и
группа L′ содержит самое большее одну копию каждого элемента деком-
позиции (4), то, для того, чтобы восстанавливать динамику около неизме-
няемого во времени состояния s необходимо, что бы m измеренных ска-
лярных выходных сигналов yi ( t ) , равнялось числу параметров r .
Из этого следует, что при существовании симметрии сдвига динами-
ка системы (1) может быть смоделирована системой (2), при этом размер-
ность вектора параметров должна быть равна числу наблюдаемых процес-
сов. Сами параметры могут быть порождены групповой операцией сдвига
по времени и, следовательно, представляют собой линейные функции вре-
мени.
Метод идентификации экономических систем может быть сведен к
известным, вычислительно-надежным методам параметрической иденти-
фикации, например, разработанных и реализованных Л. Льюнгом [6].
Алгоритм решения задачи следующий:
— применение метода Такенса-Паккарда [2–3] для первых точек ис-
ходных процессов с произвольной размерностью;
— вычисление минимальной размерности вложений как базиса ин-
вариантов групп симметрий;
— параметрическая идентификация с найденной размерностью и
u = ( u1 , u2 , ..., um ) , где u = ( αt + β ) (можно взять u = t ); получение уравнений
x ( t + 1) = Ax ( t ) + Bu ( t ) ,
(5)
y ( t ) = Cx ( t ) ;
— оценка адекватности.
Алгоритм был проверен на большом количестве различных хаотиче-
ских процессах. В данной работе рассмотрим процесс добычи нефти с 1996
по 2002 г. по месяцам (рис. 1). Источник информации: Госкомстат России.
В результате применения разработанного алгоритма — размерность
пространства состояний n = 5 , задержка — 12. Матрицы идентифицируе-
мой системы (5):
640
 0.60834 0.50486 0.080937 0.062727 −0.01938 
 
 1.0095 −0.13426 −0.21508 −0.063598 −0.11859 
A =  0.15589 −0.11737 0.52931 −0.19481 1.0054  ;
 
 −0.10176 0.34926 0.4504 −0.90832 −0.54864 
 −0.1961 0.4512 0.79608 0.59162 −0.28166 

 0.0053124 
 
 0.012395 
B =  −0.082699  ; C = ( −13852 −1215.2 396.36 −438.54 1122.5 ) .
 
 0.12558 
 0.20907 
 
Рис. 1. Исходные данные.
Сравнение реальных данных по добычи нефти (сплошная линия) с

динамическим поведением идентифицированной системы (штриховая ли-
ния) показан на рис. 2. Оценка адекватности модели составляет 72.5%, т. е.
ошибка прогнозирования — 27.4%. Для проверки оценки построена авто-
корреляционная функция (рис. 3).
641
Рис. 2. Сравнение результатов моделирования с реальными данными.
Рис. 3. Автокорреляционная функция.
Разработан метод математического моделирования дискретных мо-

делей сложных экономических систем, допускающих группы симметрий.
В результате применения метода к экспериментальным данным могут быть
получены регулярные модели, имеющие адекватное исходному процессу
поведение.
1. Петерс Э. Хаос и порядок на рынках капитала: Пер с англ.— М.: Мир,

2000.— 333 с.
2. Никульчев Е. В., Волович М. Е. Модели хаоса для процессов изменения
курса акций // Exponenta Pro. Математика в приложениях.— 2003. —
№1. — С.49–52.
642
3. Малинецкий Г. Г. Потапов А. Б. Современные проблемы нелинейной
динамики. Эдиториал УРСС. 2000. — 336 c.
4. King G. P., Steward I. Phase space reconstruction for symmetric dynamical
systems // Physica D: Nonlinear Phenomena. 1992.— V.58.— P.216–228.
5. Никульчев Е. В. Использование групп симметрий для идентификации
сложных систем // Вычислительные технологии.— 2004.— Т.9.—
№3.— С.72–80.
6. Ljung L. System Identification — Theory for the User. 2nd edition — Pren-
tice Hall, Upper Saddle River, N.J., 1999.
7. Никульчев Е. В. Разработка аппарата исследования сложных экономиче-
ских процессов на основе хаотических моделей, допускающих группы
симметрий // II Всероссийская науч.-практ. конф. «Информационные
модели экономики»: Сб. тр. / Под ред. Д. А. Королева. — М.: МГАПИ,
2004.— С.34–40.
8. Никульчев Е. В. Simulink как средство исследования дифференциальных
моделей // Exponenta Pro. Математика в приложениях.— 2004.—
№1(5).— С.91–93.
643
УДК 519.7
МОДЕЛИРОВАНИЕ И ОПТИМИЗАЦИЯ ПРОДОЛЬНОЙ

ДИНАМИКИ ПУЧКА ЧАСТИЦ В ЛИНЕЙНОМ
УСКОРИТЕЛЕ
Овсянников Д. А., Меркурьев С. В.

email: dovs@apcp.apmath.spbu.ru, mers@rbcmail.ru
Введение
При проектировании сложных управляемых систем различного на-

значения (в том числе таких, как ускорители и токамаки) довольно стан-
дартным является подход, при котором сначала рассчитывается программ-
ное движение, а затем, используя уравнения в отклонениях, исследуются
возмущенные движения. Однако это не всегда приводит к желаемым ре-
зультатам. Так, при анализе возмущенных движений, существенно зави-
сящих от программных движений, может оказаться, что динамические ха-
рактеристики полученных возмущенных движений неудовлетворительны с
той или иной точки зрения.
В связи с этим представляется актуальным исследование математи-
ческих моделей, позволяющих проводить совместную оптимизацию про-
граммного движения и ансамбля возмущенных движений.
В работе [1] поставлена и рассмотрена задача совместной оптимиза-
ции программного движения и ансамбля возмущенных движений. Разрабо-
танные алгоритмы применялись при оптимизации ускоряющей структуры
с пространственно-однородной квадрупольной фокусировкой (ПОКФ). В
данной статье представлен новый алгоритм решения задачи совместной
оптимизации программного и возмущенных движений и результаты его
применения. Алгоритм отличается от рассмотренных в [1] методов тем,
что он основан на переходе от задачи управления множеством к задаче
управления границей этого множества. При этом вариация функционала
выписывается через специальные уравнения в частных производных пер-
вого порядка. Апробация алгоритма проводится на решении задач оптими-
зации продольной динамики пучка частиц в линейном ускорителе с
ПОКФ.
Общая постановка задачи
Рассмотрим управляемую динамическую систему, описываемую

системой дифференциальных уравнений [1]
644
dx
= f (t , x, u ) , x(0) = x0 , (1)
dt
dy
= F (t , x, y, u ) , y (0) = y 0 ∈ M 0 . (2)
dt
Здесь t ∈ T0 = [0, T ] ∈ R 1 — независимая переменная, Т — фиксированное
число, x ∈ R n и y ∈ R m — векторы фазовых переменных, u = u (t ) — r -
мерная вектор-функция управления. Множество
M t ,u = {yt yt = y (t , x(t ), y0 , u ), y0 ∈ M 0 , x(0 ) = x0 } представляет собой сечение
пучка траекторий системы (2) в момент времени t, соответствующее
управлению u = u (t ) и программному движению x(t , x0 , u ) . Вектор-
функция f (t , x, u ) размерности n предполагается определенной и непре-
рывной по совокупности аргументов (t, x, u) на множестве T0 × Ω x × U
вместе со своими частными производными по x: ∂f i ∂x j где i, j = 1, … , n .
Векторная функция F (t , x, y, u ) размерности m предполагается определен-
ной и непрерывной по совокупности аргументов (t , x, y, u ) на множестве
T0 × Ω x × Ω y × U вместе со своими частными производными первого и вто-
рого порядка. Множества Ω x ⊂ R n , Ω y ⊂ R m — открытые; множество
M 0 ⊂ Ω y — компактное ненулевой меры; x0 — точка из множества Ω x .
Полагаем, что допустимые управления u = u (t ) , t ∈ T0 , образуют некото-
рый класс D кусочно-непрерывных функций, принимающих значения в
компактном множестве U ⊂ R r .
Предположим, что система (1),(2) имеет единственное решение зада-
чи Коши на интервале T0 = [0, T ] при любых y 0 ∈ M 0 и допустимых
управлениях u ∈ D .
Пусть выбрано управление u (t ) и x(t ) — соответствующее про-
граммное движение. Рассмотрим пучок траекторий y (t , x(t ), y 0 , u ) , y0 ∈ M 0 .
Обозначим y t = y (t , x(t ), y 0 , u ) .
Введем следующие функционалы, определенные на решениях сис-
темы (1), (2) и выбранном управлении u (t )
T
I1 (u ) = ∫ ϕ1 (t , x(t ), u (t ))dt + g1 ( x(T )) , (3)
0
I 2 (u ) = ∫ g ( y )dy
2 T T , (4)
M T ,u
I (u ) = I 1 (u ) + I 2 (u ) . (5)
645
Новые представления для функционалов
Рассмотрим следующие дифференциальные уравнения в частных

производных специального вида [2]
∂ν 1 ∂ν 1
+ f (t , x, u) + ϕ1 (t , x, u) = 0 , (6)
∂ t ∂x
∂ν2 ∂ν2 ∂ν
+ f (t, x, u) + 2 F(t, x, y,u) +ν2divy F(t, x, y, u) +ϕ2 (t, x, y,u) = 0 (7)
∂t ∂ x ∂y
с конечными условиями
ν 1 (T , x(T )) = g 1 ( x(T )) , ν 2 (T , x(T ), y (T )) = g 2 ( x(T ), y(T )) .
Здесь ν 1 = ν 1 (t , x) , ν 2 = ν 2 (t , x, y ) . Ведем функции
∂ν (t, x) ∂ν 1 (t, x)
w1 (t, x, u) = 1 + f (t, x, u) + ϕ1 (t, x, u) ,
∂t ∂x
∂ν (t, x, y) ∂ν2 (t, x, y)
w2 (t, x, y, u) = 2 + f (t, x, u) +
∂t ∂x
∂ν2 (t, x, y)
+ F(t, x, y, u) +ν2 (t, x, y)divy F(t, x, y, u).
∂y
В силу (6), (7) имеют место тождества w1 (t , x, u (t )) ≡ 0 ,
w2 (t , x, y, u (t )) ≡ 0 . Учитывая это, мы получаем новые представления для
функционалов (4), (5) через решения уравнений (6),(7)
I 1 (u ) = ν 1 (0, x0 ) ,
I 2 (u ) = ∫ν 2 (0, x0 , y 0 )dy 0 .
M0
Вариации функционалов
Используя результаты работ [2, 3], выпишем новые представления для

вариаций функционалов (4), (5) через решения уравнений (6), (7):
T
∂v 
δ I1 = ∫  1 ∆ u f (t , x, u ) + ∆ uϕ1 (t , x, u )dt , (8)
0
∂ xt 
T
 ∂v2 ∂v2 
δ I2 = ∫ ∫  ∆ u f + ∆ u F + v 2 div y ∆ u F dyt dt . (9)
0 M t ,u 
∂ x ∂ y 
646
Управление границей множества
Как показано в [2,4] задача управления множеством — сечением

пучка траекторий M t ,u может быть сведена к задаче управления его грани-
цей. Выпишем в общем виде как такой переход можно осуществить.
Перейдем в вариации функционала (4) в форме (9) от интегрирова-
ния по множеству M t ,u к интегрированию по его границе. C этой целью
введем новые функции
∂v (t , x, y1 , …, y i −1 , ζ i , y i +1 ,… , y m )
yi
qi (t , x, y, u ) = ∫ 2 dζ i f (t , x, u ).
0
∂ x
С учетом только что введенных функций вариация (9) может быть
представлена следующим образом:
T T
δ I2 = ∫ ∫ div(∆
0 M t ,u
u q + v2 ∆ u F )dyt dt = ∫ ∫ {∆
0 St ,u
u q + v2 ∆ u F }n( yt )dS t , u dt ,
Λ( y t )
где S t , u — граница множества M t ,u , а n( y t ) = — внешняя единич-
|| Λ( y t ) ||
ная нормаль к границе S t , u . Вектор функция Λ удовлетворяет уравнению
dΛ( y (t ))  ∂F (t , x(t ), y (t ), u (t )) 
*
= −  Λ( y (t ))
dt  ∂ y 
∂B ( y )
с начальным условием Λ( y0 ) = 0 0 , где B0 ( x ) = 0 является границей
∂ y0
множества M 0 .
Пусть существует функция G2 такая, что div y G2 ( x, y ) = g 2 ( x, y ). То-
гда используя формулу Остроградского-Гаусса получаем новое представ-
ление для функционала (4):
I 2 = ∫ G2 ( x(T ), yT ) n( yT )dST , u .
ST ,u
Таким образом, задача управления множеством сведена к задаче

управления его границей.
Апробация алгоритма управления границей.
Разработанный в [4] алгоритм далее применятся при решении задачи

оптимизации продольной динамики пучка частиц в линейном ускорителе с
пространственно-однородной квадрупольной фокусировкой.
Продольное движение пучка частиц в ускорителе с ПОКФ без учета
взаимодействия описывается следующей системой уравнений [1,5,6]:
647
d
~ (L L0 )2 = 2k ⋅ η (τ~ ) ⋅ cosϕ s (τ~ ) , (10)
dτ
2′ ″
( L L0 ) ( L L0 ) η (τ~ )
(cosϕ s − cos(ψ + ϕ s )) = 0 . (11)
ψ ′′ + ψ′+ ψ−
(L L0 )2 (L L0 ) (L L0 )2
4π e(U L Θ )max
Здесь τ~ = Ω 0τ , Ω 02 = , τ = ct — приведенное время, e — за-
W0 L20
ряд электрона, U L — напряжение между электродами, Θ — эффектив-
ность ускорения, W0 — энергия покоя, L = β s λ — длина периода, β s —
приведенная скорость синхронной частицы, λ — длина волны, c — ско-
рость света, k = Ω 0 ω~ , ω~ = 2πω c , ω — частота ускоряющего поля,
ψ (τ~ ) = 2 π ( z s − z ) / L — отклонение продольной координаты частицы пуч-
ка от координаты синхронной частицы.
Уравнения (10), (11) описывают динамику синхронной частицы
(программное движение) и, соответственно, пучка частиц (возмущенное
движение). Управлениями являются функции η (τ~ ) — эффективность ус-
корения, и ϕ s (τ~ ) — фаза синхронной частицы. Управления предполагают-
ся кусочно-линейными на промежутке интегрирования системы, причем
τ~ ∈ [0, T ].
Рассмотрим следующие цели оптимизации ускоряющей структуры с
ПОКФ:
1. получение требуемой энергии на выходе ускорителя;
2. обеспечение минимального суммарного отклонения координат
частиц пучка от координаты синхронной частицы на выходе ус-
корителя;
3. учет воздействия дефокусирующего фактора.
Для решения указанных задач введем функционалы I 1 (u ) и I 2 (u ) ,
оценивающие динамический процесс, u = (η (τ~ ), ϕ s (τ~ )) — управление. В
начале рассмотрим функционал I 1 (u ) :
T
I1 (u ) = ∫ ϕ ( Adef )dτ~ + ( x(T ) − x ) 2 ,
2
(12)
0
где Adef — дефокусирующий фактор, определяемый по формуле
2k 2η (τ~ ) sin ϕ s (τ~ )
Adef = ,
( L L0 ) 2
а величина x(T ) = ( L / L0 ) 2 |T = ( β / β 0 ) 2 |T , причем x — фиксированный
параметр, задающий скорость синхронной частицы на выходе ускорителя;
ϕ следует понимать как штрафную функцию, которая может быть введена
разными способами.
648
Функционал (12) интегрально оценивает отклонение дефокусирую-
щего фактора от заданной величины и учитывает отклонение скорости
синхронной частицы на выходе ускорителя от заданной скорости, следова-
тельно, удовлетворяет первой и третьей заявленным целям оптимизации.
Перейдем теперь к рассмотрению функционала I 2 (u ) :
I 2 (u ) = ∫ψ (T ) dψ dψ T/ ,
2
T (13)
M T ,u
множество M T ,u есть сечение пучка траекторий в момент T , соответст-

вующее программному движению x и управлению u . Функционал I 2 (u )
обеспечивает выполнение второго требования к качеству управляемого
процесса. Далее в качестве оптимизируемого функционала будем рассмат-
ривать сумму функционалов I 1 и I 2 :
I (u ) = I1 (u ) + I 2 (u ) .
Как показано выше, управление множеством в задаче совместной
оптимизации программного движения и ансамбля возмущенных движений
может быть сведено к управлению его границей. Главное преимущество
такого подхода состоит в том, что при вычислении функционалов вида (13)
в процессе оптимизации требуется меньшее количество операций.
( )
Положим G = ψ 3 (T ) / 3, 0 , тогда согласно формуле Остроградского-
Гаусса
I 2 (u ) = ∫ ψ 2 (T ) dψ T dψ T/ = ∫ divψ G dψ T dψ T/ = ∫ G n (ψ t ) dψ T dψ T/ ,
M T ,u M T ,u ST , u
где S T ,u — граница сечения M T ,u , n (ψ t ) — внешняя единичная нормаль к

границе множества M T ,u . Заметим, однако, что переход к интегрированию
по границе в вариациях функционалов вида (13) не столь тривиален.
Результаты оптимизации
Описанный алгоритм использовался при оптимизации продольного

движения пучка частиц в ускорителе с ПОКФ. Алгоритм моделирования и
оптимизации продольной динамики в ускоряющей структуре с ПОКФ был
реализован в среде MATLAB и встроен в программу моделирования и оп-
тимизации различных ускоряющих структур, созданную на кафедре тео-
рии систем управления электрофизической аппаратурой Санкт-
Петербургского государственного университета.
Ниже приведены некоторые результаты оптимизации. В табл. 1 от-
ражены параметры полученной в результате оптимизации структуры:
Табл. 2 содержит значения оптимизируемых функционалов до и по-
сле минимизации, а также их соответствующие отношения.
649
Таблица 1.
Тип частиц Протоны
Энергия на входе 95КэВ
Энергия на выходе 5МэВ
Рабочая частота 352МГц
Напряжение на электродах 100КВ
Длина структуры 5.5м
-
Конечная синхронная фаза
24.3963град
Таблица 2.
Функционал I1 I2 I
До оптимизации 1.495е+002 2.465e-005 149.4733
После оптимизации 6.466е-006 1.437e-005 2.084e-005
Отношение до / после 2.312е+007 1.715 7.172е+006
На рис. 1 отображен фазовый портрет пучка траекторий в некоторый

момент времени t — сечение M t ,u с построенным внешним полем норма-
лей к границе S t ,u . Рис. 2 иллюстрирует изменение управления в результа-
те оптимизации. На рис. 3 показано изменение фазового портрета в резуль-
тате оптимизации в конечный момент времени Т.
Рис. 1.
650
Рис. 1.
Рис. 1.
Полученные параметры ускоряющей структуры обеспечивают 100 %

захват частиц в режим ускорения.
651
Таким образом, представленный здесь метод совместной оптимиза-
ции программного движения и ансамбля возмущенных движений может
быть использован при расчете и оптимизации параметров различных типов
ускоряющих структур.
Работа поддержана Российским Фондом Фундаментальных Исследо-
ваний (грант № 03-01-0726) и Министерством образования РФ (грант
№ А03-2.8-440).
1. Овсянников А. Д. Математическое моделирование и оптимизация дина-
мики заряженных частиц и плазмы. Дисс. .. канд. физ.-мат. наук.—
СПб., 1999.
2. Ovsyannikov D. A. // Proceedings of 5th IFAC Symposium «Nonlinear Con-
trol Systems» (St. Petersburg, Russia, 4–6 July 2001). / Edited by A. B.
Kurzhansky and A. L. Fradkov. V.1.— St. Petersburg: PERGAMON Press.,
2002.— P.13–22.
3. Овсянников Д. А., Егоров Н. В. Математическое моделирование систем
формирования электронных и ионных пучков.— СПб.: СПбГУ, 1998.
4. Овсянников Д. А., Меркурьев С. В. Об одном алгоритме совместной оп-
тимизации программного движения и ансамбля возмущенных движений
// Proc. of the Ninth International Workshop: Beam Dynamics & Optimiza-
tion (June 24–27, 2002).— Saint-Petersburg, Russia.— P.252–259.
5. Bondarev B. I., Durkin A. P., Ovsyannikov A. D. New Mathematical Optimi-
zation Models for RFQ Structures // Proc. of the 1999 Particle Accelerator
Conference.— New York, 1999.— P.2808–2810.
6. Bondarev B. I., Durkin A. P., Vinogradov S., Ovsyannikov D. A., Ovsyan-
nikov A. D. RFQ Optimization: Methods and Codes // Proc. of the 6th Interna-
tional Computational Accelerator Physics Conference (September 11–14,
2000).— Darmstadt, Germany, 2000.
652
УДК 517.9
МОДЕЛИРОВАНИЕ И ОПТИМИЗАЦИЯ ПРОДОЛЬНОГО

ДВИЖЕНИЯ ЗАРЯЖЕННЫХ ЧАСТИЦ В УСКОРИТЕЛЕ С
ПРОСТРАНСТВЕННО-ОДНОРОДНОЙ КВАДРУПОЛЬНОЙ
ФОКУСИРОВКОЙ
Овсянников Д. A., Овсянников А. Д., Антропов И. В.

email:dovs@apcp.apmath.spbu.ru, email:ovs@apcp.apmath.spbu.ru,
email:igor_antropov@mail.ru
Общая постановка задачи
Рассмотрим управляемую динамическую систему, описываемую

системой интегро-дифференциальных уравнений [1]
dx
= f (t , x, u ) , (1)
dt
dy
= F1 (t , x, y, u ) + ∫ F2 (t , x, y, z t )ρ (t , z t )dz t ≡ F (t , x, y, u ) , (2)
dt M t ,u
с начальными условиями, соответственно,

x(0) = x0 , (3)
y (0 ) = y 0 ∈ M 0 . (4)
Наряду с системой (1)–(2) рассмотрим уравнение изменения плотно-
сти распределения частиц [2, 3, 4] вдоль траекторий подсистемы (2):
dρ
= −ρ ( t , yt ) ⋅ div y F ( t , x, y, u ) , (5)
dt (2)
с заданным в начальный момент законом
ρ ( 0, y ( 0 ) ) = ρ0 ( y0 ) . (6)
Здесь t ∈ T0 = [0, T ] ∈ R 1 — независимая переменная, Т — фиксированное
число, x ∈ R n и y ∈ R m — векторы фазовых переменных, u = u (t ) — r-
мерная вектор-функция управления, ρ 0 ( y0 ) — некоторая
неотрицательная непрерывная функция. Множество
M t ,u = {y t y t = y (t , x(t ), y 0 , u ), y 0 ∈ M 0 , x(0) = x0 } есть сечение в момент
времени t пучка траекторий y (t , x(t ), y 0 , u ) , y 0 ∈ M 0 , при фиксированном
управлении u = u (t ) и соответствующем ему программном движении
x(t , x0 , u ) . Вектор-функция f (t , x, u ) размерности n предполагается опреде-
ленной и непрерывной по совокупности аргументов (t, x, u) на множестве
653
T0 × Ω x × U вместе со своими частными производными по x: ∂f i ∂x j где
i, j = 1, … , n . Векторные функции F1 (t , x, y, u ) и F2 (t , x, y, z ) размерности m
предполагаются определенными и непрерывными по совокупности аргу-
ментов (t, x, y, u) и (t, x, y, z) на множествах T0 × Ω x × Ω y × U и
T0 × Ω x × Ω y × Ω y , соответственно, вместе со следующими своими частны-
∂F1i ∂F1i ∂ 2 F1i ∂ 2 F1i
ми производными первого и второго порядка: , , , ,
∂xk ∂y j ∂xk ∂y j ∂yl ∂y j
∂F2i ∂F2i ∂F2i ∂ 2 F2i ∂ 2 F2i ∂ 2 F2i
, , , , , , где k = 1,…, n , i, j , l = 1,… , m .
∂xk ∂y j ∂z j ∂x k ∂y j ∂yl ∂y j ∂z l ∂y j
Множества Ω x ⊂ R n , Ω y ⊂ R m — открытые; множество U ⊂ R r — ком-
пактное; множество M 0 ⊂ Ω y — компактное, ненулевой меры; x0 — точка
из множества Ω x . Полагаем, что допустимые управления u = u (t ) , t ∈ T0 ,
образуют некоторый класс D кусочно-непрерывных функций, принимаю-
щих значения в компактном множестве U.
Будем предполагать, что система (1),(2) имеет единственное решение
задачи Коши при условиях (3),(4) для всех y 0 ∈ M 0 на всем интервале
T0 = [0, T ] , при всех допустимых управлениях u ∈ D . Также предположим,
что линейное уравнение (5) имеет единственное решение на всем интерва-
ле T0 для любой непрерывно дифференцируемой функции ρ0 ( y0 ) при всех
допустимых управлениях.
Пусть выбрано управление u (t ) и x(t ) — соответствующее про-
граммное движение. Рассмотрим пучок траекторий y (t , x(t ), y 0 , u ) , y 0 ∈ M 0 .
Обозначим y t = y (t , x(t ), y 0 , u ) , ρt = ρ ( t , yt ) .
Введем следующие функционалы, определенные на решениях сис-
темы (1),(2) и уравнения (5) при соответствующих начальных данных
(3),(4) и (6) и выбранном управлении u (t ) :
T
I1 ( u ) = c1 ∫ ϕ1 ( t , x ( t ) , u ( t ) ) dt + c2 g1 ( x (T ) ) , (7)
0
T
I 2 ( u ) = c3 ∫ ∫ ϕ2 ( t , x ( t ) , yt , ρt , u ( t ) ) dyt dt + c4 ∫ g 2 ( yT , ρT ) dyT , (8)
0 M t ,u M T ,u
I (u ) = I 1 (u ) + I 2 (u ) . (9)
Для данного вида функционала (9) было получено представление его ва-
риации:
T T
δI ( u , ∆u ) I = − ∫ ( χ ⋅ ∆ u f − ∆ u ϕ1 ) − ∫
*
∫ (µ
*
⋅ ∆ u F1 + λ ⋅ ∆ u div y F1 − ∆ u ϕ2 ) dyt dt , (10)
0 0 M t ,u
где χ , µ и λ удовлетворяют следующим дифференциальным уравнениям

654
dχ ∂f
*
∂ϕ
⌠

 ∂F * ∂div y F 
*
⌠ ∂ϕ
=− χ + c1 1 −   µ+λ  dyt + c3  2
dyt , (11)
dt ∂x ∂x   ∂x ∂x  ⌡ ∂x
⌡   M t ,u
M t ,u
* *
dµ  ∂F  ∂div y F
= − + E ⋅ div y F  µ − λ +
dt  ∂ y  ∂ y
∂F2 ( t , x, yt , zt )
⌠  *
∂ϕ2 
+c3 − ρ ( t , yt )   µ ( t , zt ) + (12)
∂y   ∂z
⌡ 
M t ,u
∂div y F2 ( t , x, yt , zt ) 
*
+ λ ( t , zt )  dz ,
∂z  t

dλ ∂ϕ
= −λ ⋅ div y F + ϕ2 − ρ 2 , (13)
dt ∂ρ
с условиями на правом конце
∂g1 ( x (T ) )
*
χ (T ) = −c2 , (14)
∂x
∂g 2 ( yT , ρT )
*
µ (T ) = −c4 , (15)
∂y
 ∂g ( y , ρ ) 
λ (T ) = −c4  g 2 ( yT , ρT ) − ρT 2 T T  . (16)
 ρ 
Постановка задачи оптимизации
Учитывая все выше сказанное, поставим задачу оптимизации про-

дольного движения пучка заряженных частиц в ускорителе с пространст-
венно-однородной квадрупольной фокусировкой [1,4]:
 x1′ = 2k ⋅ x2 cos x3 ,

 x2′ = u1 ( τ ) , (17)
 ′
 x3 = u2 ( τ ) ,
 y1′ = y2 ,

 y′ = −  2ξy2 + ξ′ − ξ  y1 − u1 cos u − cos y + u   +
2
 2    ( 1 2 )  (18)
x1  x1 x1 
2
  x1  

 + 2πe FQ ρ ( τ, y1 , y2 ) dy1dy2 ,
 W0 LΩ02 M∫τ ,u

655
( )
*
x = ( β β0 ) , η, ϕs , y = ( ψ, ψ′ ) , τ ∈ [ 0,T ] ,
2 *
Здесь τ = Ω0τ ,
4πe (U L Θ )max
Ω02 = , τ = ct — приведенное время, T — фиксированная
W0 L20
величина, e — заряд электрона, U L — напряжение между электродами,
Θ — эффективность ускорения, W0 — энергия покоя, L = βs λ — длина
периода, β s — приведенная скорость синхронной частицы, λ — длина
волны, c — скорость света, k = Ω0 ω , ω = 2πω c , ω — частота ускоряю-
(U L Θ ) zs
щего поля, ϕs — синхронная фаза, η = , ψ = ∫ K ( ζ ) d ζ = K ∆z ,

(U L Θ )max z
z — продольная координата, K = 2π L , ξ = k ⋅ x2 cos x3 ,

ξ′ = d ξ d τ = k ( u1 cos x3 − u2 x2 sin x3 ) . В качестве управляющей функции бу-
дем рассматривать функцию u ( τ ) = ( u1 ( τ ) , u2 ( τ ) ) , выбирая ее из некото-
*
рого класса D кусочно-непрерывных функций на интервале [0, T ] .

Будем моделировать пучок набором «толстых дисков», форма кото-
рых учитывает аксиальную симметрию задачи, тогда в системе (18) функ-
ция взаимодействия частиц FQ описывается следующим образом [1]:
 2 fm (( ψ − ψ ) K ) − 
Qa 2
J (λ R a)
∞ 2  
FQ ( ψ, ψ, L ) = ∑ 1
×  − f m ( ( ψ − ψ ) K + 2d ) −  , (19)
m
2πε 0 R 2 d 2 m=1 λ J ( λ m ) 
4 2

 − f m ( ( ψ − ψ ) K − 2d ) 
m 1
 
где Q — заряд сгустка, a — апертура канала,
( )
f m ( y ) = sign ( y ) 1 − exp ( λ m y a ) , R — радиус «толстого» диска, 2d —
толщина «толстого» диска, ε 0 — электрическая постоянная, J0, J1 — функ-
ции Бесселя соответственно нулевого и первого рода; λ m — корни функции
Бесселя нулевого рода, т. е. J 0 ( µ m ) = 0 . В этом случае поле объемного за-
ряда определяется путем аналитического решения уравнения Пуассона.
Решения выписываются через ряды специального вида, вычисление сумм
которых представляет значительные трудности.
Система (17) описывает движение синхронной частицы, а система
(18) описывает движение пучка частиц.
Для оптимизации задачи управления продольного движения в
структуре с ПОКФ выберем следующие функционалы качества
T
I1 ( u ) = c1 ∫ ϕ1 ( Adef ) d τ + c2 ( x1 (T ) − x1 ) ,
2 2
(20)
0
где Adef — дефокусирующий фактор, определяемый по формуле
656
2k 2 η sin ϕs
Adef = , (21)
(L L0 )
2
x1 = ( L L0 )
2
— фиксированная величина, определяющая скорость син-
хронной частицы на выходе ускорителя, ϕ1 — штрафная функция
0, A ≤ A,
ϕ1 ( A ) =  (22)
( )
2p
 A − A , A > A,
здесь p некоторое положительное число, A — фиксированное число.
Данный функционал (20) интегрально оценивает отклонение дефо-
кусирующего фактора от заданной величины и учитывает отклонение ско-
рости синхронной частицы от заданной скорости на выходе ускорителя.
Следующий функционал введем в соответствии с функционалом (8),
то есть
T
I 2 ( u ) = c3 ∫ Ф ( w1 ( τ ) ) d τ . (23)
0
Функцию w1 тогда представим в следующим виде
w1 ( τ ) = ∫ 2ψψ′ρ ( τ, ψ, ψ′ ) dyτ , (24)
M τ ,u
а функцию Ф так
0, w1 ≤ 0,
Ф(w1 ) =  2 q (25)
 1w , w 1 > 0 ,
здесь q некоторое положительное целое число. Соответственно, данный
функционал характеризует скорость изменения средне квадратичного раз-
броса частиц по фазе.
Далее, в качества функционала оптимизации будем рассматривать
следующий функционал
I (u ) = I 1 (u ) + I 2 (u ) . (26)
Алгоритм оптимизации
Основываясь на представлении вариации функционала (10) и на

принципе максимума выпишем градиент нашего функционала
∂H1 ∂H 2
gradI ( u ) = + ∫ dyτ , (27)
∂u M τ ,u ∂u
где функции H 1 и H 2 вводятся формулами следующими формулами:
H1 ( t , x, χ, u ) = χ* ⋅ f ( t , x, u ) − ϕ1 ( t , x, u ) , (28)
H 2 ( t , x, y, ρ, µ, λ, u ) = µ* F1 ( t , x, y, u ) + λ ⋅ divF1 ( t , x, y, u ) − ϕ2 ( t , x, y, u ) . (29)
657
Опишем алгоритм оптимизации на основе градиентного метода и
рассмотрим его вычислительные аспекты.
1. Возьмем некоторые исходные управления u1( ) ( τ ) и u2( ) ( τ ) . Запоминаем
0 0
их в k + 1 точках промежутка [0, T ] , а между точками осуществляем ли-

нейную интерполяцию.
2. Интегрируем N раз от 0 до T систему (17), (18) при управлениях
u1( ) ( τ ) и u2( ) ( τ ) с начальными данными x(0) = x0 , yi (0 ) = y 0i и вычис-
0 0
ляем функционал (26). При этом запоминаем выходные значения x L ,

y Li , i = 1,2, …, N .
3. Интегрируем N раз в обратном порядке от T до 0 систему (11)-(13) с
условиями (14)–(16).
4. Вычисляем по формуле (27) градиент.
Заметим, что функция λ , задаваемая уравнением (13) с условием на
правом крае (16) тождественно равна нулю, так как функция ϕ2 линейна
по ρ , а g 2 ≡ 0 .
Компьютерное моделирование
Выше приведенная постановка задачи была реализована в универ-

сальном комплексе программ, написанном в среде MATLAB 6.5, который
позволяет быстро и удобно менять параметры модели, сохранять и загру-
жать насчитанные данные и отображать их в графическом виде.
Хотелось бы отметить некоторые моменты реализации алгоритмов
программы.
Для работы с управлениями был введен новый тип данных. Управ-
ления являются кусочно-постоянными или кусочно-гладкими функциями.
Такие функции назовем табличными. Операции над этими функциями бы-
ли реализованы функционально. Приведем некоторые из них:
• tabl_add — добавляет новые столбцы в табличную функцию;
• tabl_chk — проверяет структуру табличной функции — узлы сетки
упорядочиваются по возрастанию и удаляются продублированные;
• tabl_cut — вычисляет значение заданной табличной функции в узлах
сетки с другим количеством узлов;
• tabl_del — удаляет из заданной табличной функции один узел;
• tabl_dif — вычисляет производную табличной функции;
• tabl_ind — находит номер ячейки для заданного значения в соответ-
ствии с заданной табличной функцией;
• tabl_int — возвращает значение определенного интеграла от таблич-
ной функции;
• tabl_sub — вычисляет значения табличной функции на новой сетке;
658
• tabl_sum — вычисляет линейную комбинацию двух заданных таб-
личных функций;
• tabl_val — находит значение заданной табличной функции в точке.
Интересно отметить способ реализации учета взаимодействия с по-
мощью метода «толстых дисков». При его написании использовалась осо-
бенность среды MATLAB — векторизация, что существенно ускорило вы-
полнение данного блока:
Fvz = zeroes(N,N);
M = Psi’*z;
Y = (M — M’)/K;
for m = 1 : Nbes
F1 = sign(Y) .* (E — exp( —Nu(m)/a .* abs(Y)));
F2 = sign(Y — 2*d) .* (E — exp( —Nu(m)/a .* abs(Y — 2*d)));
F3 = sign(Y + 2*d) .* (E — exp( —Nu(m)/a .* abs(Y + 2*d)));
Fvz = Fvz + Jb(m) * (2*F1 — F2 —F3);
end
Fv = sum(Fvz);
Здесь N — количество частиц, Psi — вектор-строка фазовых координат ψ
размерности 1×N, z — единичная вектор-строка размерности 1×N,
K = 2π L , L — длина периода, Nbes — количество членов ряда Бесселя,
a — апертура канала, E — единичная матрица размерности N×N,
eQa 2 J12 ( Nu ( m ) R a )
Jb(m) = ⋅ .
W0 LΩ 02 ε0 R 2 d 2 Nu ( m )4 J12 ( Nu ( m ) )
Результаты
Рассматривалась ускоряющая структура с пространственно-
однородной квадрупольной фокусировкой со следующими параметрами:
• Энергия инжекции: 95 КэВ

• Частота ускоряющего поля: 352 МГц
• Сорт ускоряемых частиц: протоны
• Число частиц: 100
• Ток: 0.04 А
Начальные относительные фазы ψ выбирались на промежутке
(− π , π ) равномерно.
Для учета взаимодействия между частицами задавались следующие
параметры:
• Количество толстых дисков: 10
• Радиус диска: 0.002 м
• Апертура канал: 0.003 м
• Толщина диска: 1/100 часть пространственного периода в начальный
момент времени.
659
В качестве управляющих параметров использовались: закон измене-
ния синхронной фазы, напряжение на электродах и эффективность уско-
рения (рис. 1 и 2).
Рис. 1. Интенсивность ускорения Рис. 2. Синхронная фаза.
Таким образом, при таких параметрах динамика после оптимизации

выглядит следующим образом — рис. 3–6.
Работа поддержана РФФИ (грант № 03-01-0726).
6
Предел 4энергии
Дефокусирующий фактор Продольная координата

3
2 Энергия
Предел дефокусинга
1
0
0 50 100 150 200 250 300
Рис. 3. Характеристики программного движения.
660
Приведенные фазы пучка
4
-1
-2
-3
-4
0 50 100 150 200 250 300
Рис. 4. Приведенные фазы пучка.

120
100
Разброс по фазе
80
60 Разброс по энергии
40
20
0
0 50 100 150 200 250 300
Рис. 5. Среднеквадратичные разбросы.
Приведенные скорости пучка

0.11
0.1
0.09
0.08
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0 50 100 150 200 250 300
Рис. 6. Приведенные скорости пучка.
661
1. Овсянников А. Д. Математическое моделирование и оптимизация дина-
мики заряженных частиц и плазмы. Дисс. .. канд. физ.-мат. наук.—
СПб., 1999.
2. Овсянников Д. А. Математические методы управления пучками.— Л.,
1980.— 228 с.
3. Weiss M. Radio-frequency quadrupole // Proc. of the 5th CERN Accelerator
School.— Geneva, 1995.— V.2.— P.959–991.
4. Bondarev B. I., Durkin A. P., Vinogradov S., Ovsyannikov D. A., Ovsyan-
nikov A. D. RFQ Optimization: Methods and Codes // Proc. of the 6th Interna-
tional Computational Accelerator Physics Conference (September 11–14,
2000).— Darmstadt, Germany, 2000.
662

section - 2 - p - 1 Моделирование динамических систем

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

section - 2 - p - 1 Моделирование динамических систем

Оригинальное название:

Загружено:

Авторское право:

СЕКЦИЯ 2.

Моделирование динамических систем

Александров В. М., Орловский В. Г.

СРАВНИТЕЛЬНОЕ МОДЕЛИРОВАНИЕ ПОВЕДЕНИЯ

В соврменных технических системах принимают различные меры по

Рис. 1. Области методов и границы переключний.

Для решения таких задач целесообразно использовать сравнительное

Рис. 2. Схема сравнительного моделирования.

Вышеприведенный подход был использован для определения границ

ВЫЧИСЛЕНИЕ НУЛЕЙ ЛИНЕЙНОЙ МНОГОМЕРНОЙ

Асанов А. З., Демьянов Д. Н.

Современные динамические объекты и их системы управления ха-

Нули многомерной системы

Пусть линейная многомерная система описывается в пространстве

Вычисления и идентификация типа нулей

Существуют различные определения нулей многомерной динамиче-

Метод 1. Последовательность операций при определении нулей пер-

Листинг программного модуля 1

Листинг программного модуля 2

Вспомогательные программные модули

Листинг модуля квадрирования системы

Листинг модуля удаления нулей, возникших при квадрировании

Листинг модуля идентификации типов нулей.

Тестирование программных модулей

Листинг головной программы.

ans = -3.0000 Инвариантный ноль

Таким образом, разработаны и протестированы программные модули

ИССЛЕДОВАНИЕ ГОЛОМОРФНЫХ ДИНАМИЧЕСКИХ

В последние годы интенсивно развивается голоморфная динамика, в

2. Динамические системы на римановой сфере

Рассмотрим сферу Римана C = C ∪ ∞. Любое голоморфное отобра-

Замечание 2. Устойчивое периодическое решение автономной сис-

deg f — степень функции f , k — число итераций. Следовательно, с каж-

3. Алгоритм построения области асимптотической устойчивости

Шаг 1. Выбрать x _ min, y _ min, x _ max, y _ max . Задать оценку

Julia(c1 , c2 ) для построения множества Жюлиа. При вызове этой функции

Рис. 1. Пыль Фату. Рис. 2. Связное множество Жюлиа.

Рис. 3. Канторово множество. Рис. 4. Дендрит.

Рис. 5. Julia(0,0) для zn+1 = zn −2 Рис. 6. Julia(0,0) для неголоморфной

При желании можно заменить и саму функцию f (z ), для этого ее

Эта система не является комплексно аналитической, так как не вы-

Рис. 7. Увеличенная часть связного множества Жюлиа.

4. Второй способ построения границы области

Этот способ определяется следующим известным свойством множе-

Рис. 8. Множество Жюлиа — дендрит. Рис. 9. Связное множество Жюлиа.

5. Применение второго метода Ляпунова для исследования

Можно предложить метод проверки того, что заданное отображение

кой конечной области z n ≤ δ ;

ственная и стремится к + ∞, когда x n → +∞ и y n → +∞. Найдем значения

Пусть t = x n + y n . Перепишем последнее неравенство с учетом за-

Это уравнение параболы относительно t , ветви которой направлены

С одной стороны, по определению t = x n + y n ≥ 0, следовательно,

неравенство будет справедливо при

3.4 ± 3.4 2 − 4 ∗1.44

щее, если z n = x n + iy n удовлетворяет системе неравенств

1.7 − 1.45 ≤ x n 2 ≤ 1.7 + 1.45,

Предположим, что Z n = x n + iy n и An = a n + ibn — решения уравнения

Рис. 10. Julia(–1.2, 0). Рис. 11. gau(10,1,0,–1.2).

Предложенные способы исследования голоморфных динамических

МОДЕЛИРОВАНИЕ ДВИЖЕНИЯ ДЕФОРМИРУЕМОЙ

В докладе рассматриваются вопросы моделирования, исследования

Приборный состав системы ориентации и стабилизации (СОС) кос-

Оценивая выдающиеся конструктивные и технические характери-

тор гравитационного момента,

При расчете собственных форм и собственных парциальных частот