Random
SourcesEl bloque RandomNumber genera valores escalares pseudoaleatorios según una distribución estadística uniforme o gaussiana (normal). Se utiliza extensamente en ingeniería de control, procesado de señales y robótica para simular ruido térmico en sensores, perturbaciones dinámicas no modeladas, rachas de viento turbulentas y análisis de tolerancias Monte Carlo. Permite generar semillas aleatorias en cada ejecución o fijar una semilla estática para ensayos de regresión deterministas.
Modelo Matemático
La secuencia de salida generada responde a la función de probabilidad seleccionada:
Para la distribución Uniforme sobre el intervalo , donde corresponde a minimum y a maximum:
La esperanza matemática es y la varianza es .
Para la distribución Gaussiana (normal) con media (mean) y desviación estándar (stdDev):
Las muestras normales se obtienen mediante la transformación de Box-Muller a partir de dos variables uniformes independientes :
Entradas y Salidas
| Direction | ID | Label | Tipo | Status |
|---|---|---|---|---|
| ← Out | out |
Out | number | Output |
Parámetros
| Parámetros | Label | Tipo | Por defecto | Descripción |
|---|---|---|---|---|
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. |
Ejemplos de Uso
Ejemplo 1: Ruido blanco gaussiano aditivo (AWGN) en giroscopios de navegación
En sistemas de referencia inercial (AHRS), los giroscopios MEMS sufren de ruido térmico electrónico. Ajustando distribution = gaussian, mean = 0.0, stdDev = 0.015 rad/s y randomSeed = false con seed = 42, se inyecta ruido de medida realista en el canal de velocidad de cabeceo. Sumar este ruido antes de un filtro de Kalman extendido (EKF) permite calibrar con exactitud sus matrices de covarianza.
Ejemplo 2: Rachas de viento estocásticas acotadas sobre un dron
Simulación de la estabilidad de un cuadricóptero ante turbulencias atmosféricas. Configurar distribution = uniform, minimum = -3.0 m/s, maximum = 3.0 m/s y randomSeed = true añade ráfagas de viento a la resistencia aerodinámica, permitiendo ensayar la capacidad de rechazo de perturbaciones del lazo de actitud.
Observaciones y Buenas Prácticas
- Reproducibilidad determinista: El modo
randomSeed = falsecon unseedconocido garantiza curvas idénticas entre ejecuciones repetidas y pruebas de integración continua. - Congelación en subpasos del solver: El bloque evalúa una nueva muestra en cada paso principal de simulación. En los pasos intermedios de esquemas multipaso (como RK4 o TR-BDF2), la muestra permanece fija para asegurar la convergencia.
- Escalado para ruido blanco continuo: Al modelar ruido blanco continuo con densidad espectral de potencia y período de muestreo , la desviación estándar se escala como .
- Eficiencia en WebAssembly: Implementado en Rust con transformadas Box-Muller sin reservas dinámicas de memoria, ofreciendo un consumo computacional insignificante.
Bloques Relacionados
- SignalGenerator: Formas de onda periódicas deterministas (seno, cuadrada, triangular, diente de sierra).
- Constant: Referencia constante estática.
- Sum: Adición de comandos deterministas y ruido estocástico.
- Quantizer: Emulación de pasos discretos de cuantificación en convertidores A/D.