Random
SourcesLe bloc RandomNumber génère des nombres scalaires pseudo-aléatoires selon une loi de probabilité uniforme ou gaussienne (normale). Il est très largement utilisé en automatique, traitement du signal et robotique pour simuler le bruit de mesure des capteurs, les perturbations environnementales non modélisées, les rafales de vent stochastiques et les analyses de tolérance de Monte-Carlo. Le bloc peut renouveler sa graine aléatoire (seed) à chaque exécution ou utiliser une valeur fixe pour garantir des tests de non-régression déterministes.
Modèle Mathématique
La séquence de sortie suit la loi de probabilité sélectionnée :
Pour la loi Uniforme sur l'intervalle , où désigne minimum et désigne maximum :
L'espérance mathématique est et la variance vaut .
Pour la loi Gaussienne (normale) d'espérance (mean) et d'écart-type (stdDev) :
Les tirages gaussiens sont calculés au moyen de la transformée de Box-Muller à partir de deux variables uniformes indépendantes :
Entrées & Sorties
| Direction | ID | Label | Type | Status |
|---|---|---|---|---|
| ← Out | out |
Out | number | Output |
Paramètres
| Paramètres | Label | Type | Défaut | Description |
|---|---|---|---|---|
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. |
Exemples d'Utilisation
Exemple 1 : Bruit blanc gaussien additif (AWGN) sur gyroscope d'IMU
Dans une centrale inertielle (AHRS), les gyromètres subissent un bruit thermique électronique à large bande. En configurant distribution = gaussian, mean = 0.0, stdDev = 0.015 rad/s et randomSeed = false avec seed = 42, on injecte un bruit réaliste et reproductible dans la mesure de vitesse angulaire de tangage, permettant d'optimiser les gains d'un filtre de Kalman étendu (EKF).
Exemple 2 : Rafales de vent bornées sur drone autonome
Simulation de la tenue de position stationnaire d'un quadrirotor sous vent turbulent. En réglant distribution = uniform, minimum = -3.0 m/s, maximum = 3.0 m/s et randomSeed = true, on applique des sautes de vent aléatoires sur la traînée aérodynamique pour évaluer la réjection de perturbations de la boucle d'attitude.
Remarques & Bonnes Pratiques
- Reproductibilité déterministe : Choisir
randomSeed = falseavec unseeddéfini garantit des trajectoires de simulation rigoureusement identiques entre exécutions successives. - Maintien lors des sous-pas du solveur : Le bloc tire un nouveau nombre aléatoire à chaque pas de simulation principal. Au sein des étapes internes des solveurs d'intégration (tels que RK4 ou TR-BDF2), la valeur tirée reste figée pour ne pas corrompre la convergence numérique.
- Mise à l'échelle pour bruit blanc continu : Pour modéliser un bruit blanc continu de densité spectrale avec un pas d'échantillonnage , l'écart-type discret se dimensionne par .
- Exécution ultra-rapide en Rust WASM : Implémenté sans aucune allocation dynamique sur le tas, garantissant des milliers de tirages par seconde sans impacter les performances.
Composants Associés
- SignalGenerator: Formes d'ondes périodiques déterministes (sinus, carré, triangle, dent de scie).
- Constant: Valeurs scalaires fixes invariables.
- Sum: Superposition additive de signaux de commande et de bruits stochastiques.
- Quantizer: Simulation de la discrétisation par pas de quantification CAN.