🎲

Random

Sources
Live-Beispiel starten Kostenlos · ohne Anmeldung · läuft im Browser

Der RandomNumber-Block generiert pseudozufällige Skalarwerte nach einer gleichmäßigen oder Gaußschen (Normal-)Verteilung. Er wird in der Regelungstechnik, Signalverarbeitung und Robotik zur Nachbildung von Sensormessrauschen, stochastischen Umwelteinflüssen, Windböen und für Monte-Carlo-Toleranzanalysen eingesetzt. Der Block kann bei jedem Simulationslauf neue Zufallswerte aus Systementropie ziehen oder einen festen Initialisierungswert (Seed) für reproduzierbare Regressionstests nutzen.

Mathematisches Modell

Die erzeugte Folge y(t)y(t) folgt der ausgewählten Wahrscheinlichkeitsverteilung:

y(t)={U(a,b),wenn distribution=uniformN(μ,σ2),wenn distribution=gaussiany(t) = \begin{cases} \mathcal{U}(a, b), & \text{wenn distribution} = \text{uniform} \\ \mathcal{N}(\mu, \sigma^2), & \text{wenn distribution} = \text{gaussian} \end{cases}

Für die Gleichverteilung über dem Intervall [a,b][a, b], wobei aa dem Parameter minimum und bb dem Parameter maximum entspricht:

p(y)=1b−a,a≤y≤bp(y) = \frac{1}{b - a}, \quad a \le y \le b

Der Erwartungswert ist E[y]=a+b2\mathbb{E}[y] = \frac{a + b}{2} und die Varianz beträgt Var⁡(y)=(b−a)212\operatorname{Var}(y) = \frac{(b - a)^2}{12}.

Für die Gauß-Verteilung mit Erwartungswert μ\mu (mean) und Standardabweichung σ\sigma (stdDev):

p(y)=1σ2πexp⁡(−(y−μ)22σ2)p(y) = \frac{1}{\sigma \sqrt{2\pi}} \exp\left(-\frac{(y - \mu)^2}{2\sigma^2}\right)

Normalverteilte Zufallswerte werden über die Box-Muller-Transformation aus zwei unabhängigen gleichverteilten Variablen u1,u2∈(0,1)u_1, u_2 \in (0, 1) berechnet:

y=μ+σ−2ln⁡u1cos⁡(2πu2)y = \mu + \sigma \sqrt{-2 \ln u_1} \cos(2\pi u_2)

Ein- & Ausgänge

Direction ID Label Typ Status
← Out out Out number Output

Parameter

Parameter Label Typ Standardwert Beschreibung
distribution Distribution select uniform
minimum Minimum number 0
maximum Maximum number 1
mean Mean number 0
stdDev Std Dev number 1
randomSeed New Seed Every Run boolean true Draw a fresh seed at the start of every run, so each run gives different numbers. Switch off to repeat a run exactly with a fixed seed.
seed Seed number 12345 Fixed starting point of the sequence: the same seed gives the same numbers every run.

Anwendungsbeispiele

Beispiel 1: Additives weißes Gauß-Rauschen (AWGN) in Gyroskopsensoren

In inertialen Messeinheiten (IMU/AHRS) weisen Drehratensensoren thermisches Rauschen auf. Durch Setzen von distribution = gaussian, mean = 0.0, stdDev = 0.015 rad/s und randomSeed = false mit seed = 42 wird ein realistisches, reproduzierbares Sensorrauschen in das Nickratensignal eingespeist. Dies ermöglicht das präzise Tuning nachgeschalteter Kalman-Filter (EKF).

Beispiel 2: Stochastische beschränkte Windböen bei Drohnensimulationen

Untersuchung der Positionsregelung eines Quadrocopters unter atmosphärischen Turbulenzen. Mit distribution = uniform, minimum = -3.0 m/s, maximum = 3.0 m/s und randomSeed = true werden stochastische Windgeschwindigkeiten auf die aerodynamische Widerstandskraft aufgeschaltet, um das Störunterdrückungsverhalten des Flugreglers zu überprüfen.

Hinweise & Best Practices

  • Deterministische Reproduzierbarkeit: Die Einstellung randomSeed = false mit festem seed garantiert exakt identische Signalverläufe über wiederholte Simulationsläufe und automatisierte Testskripte hinweg.
  • Verhalten bei Solver-Zwischenschritten: Der Block generiert bei jedem Haupt-Zeitschritt einen neuen Zufallswert. Innerhalb von Zwischenschritten mehrstufiger ODE-Löser (wie RK4 oder TR-BDF2) bleibt der Wert konstant, um die numerische Konvergenz nicht zu stören.
  • Skalierung von kontinuierlichem weißem Rauschen: Für kontinuierliches weißes Rauschen mit spektraler Leistungsdichte S0S_0 und Abtastzeit TsT_s skaliert die diskrete Standardabweichung gemäß σ=S0/Ts\sigma = \sqrt{S_0 / T_s}.
  • Hocheffiziente Rust-Implementierung: Berechnet über Box-Muller-Arithmetik in WebAssembly ohne dynamische Speicherallokation, wodurch vernachlässigbare Rechenlast entsteht.

Verwandte Blöcke

  • SignalGenerator: Deterministische periodische Signalformen (Sinus, Rechteck, Dreieck, Sägezahn).
  • Constant: Statische konstante Referenzwerte.
  • Sum: Additive Überlagerung von Steuersignalen und stochastischem Rauschen.
  • Quantizer: Modelliert diskrete Quantisierungsstufen von A/D-Wandlern.