- •Тульский государственный университет
- •Конспект лекций
- •Моделирование систем
- •Оглавление
- •Лекция 1 введение Имитационное моделирование – метод научного познания
- •1. Предмет курса, его цели и задачи
- •2. Имитационное моделирование как метод научного познания. Философские аспекты теории моделирования.
- •3. Основные понятия курса
- •1. Понятие сложной системы
- •2. Факторы, действующие на процесс функционирования сложной системы
- •Лекция 2 введение Сложные системы
- •3. Показатели, характеризующие свойства сложных систем
- •4. Задачи исследования сложных систем
- •Лекция 3 имитационное моделирование
- •1 Модели и их роль в изучении процессов функционирования сложных систем
- •2 Классификация видов моделирования систем
- •3 Математическое моделирование процессов функционирования систем
- •4 Аналитические и имитационные модели
- •Лекция 4
- •1. Основные подходы к описанию функционирования сложных систем
- •2. Дискретно - детерминированные модели
- •3. Непрерывно - детерминированные модели
- •4. Дискретно - стохастические модели
- •5. Непрерывно - стохастические модели
- •Лекция 5 обобщенная схема построения модели сложной системы
- •1. Основные этапы формализации: концептуальная модель, формализованная схема, математическая модель
- •2. Пример описания системы
- •3. Проверка адекватности модели и объекта
- •Лекция 6 принципы построения моделирующих алгоритмов
- •1. Формы представления логической структуры модели
- •2. Методы построения моделирующих алгоритмов
- •3. Формы представлений логической структуры моделей
- •4. Проверка адекватности модели и объекта моделирования
- •Лекция 7 роль времени в имитационных моделях
- •1. Масштабы времени
- •2. Способы управления модельным временем
- •Лекция 8 моделирование дискретных случайных воздействий на систему и событий
- •1. Общая характеристика метода статистического моделирования на эвм
- •2. Методы получения случайных чисел и их машинная генерация
- •3. Проверка качества псевдослучайных последовательностей чисел
- •4. Моделирование случайных событий
- •Лекция 9 моделирование непрерывных случайных величин
- •1. Метод обратной функции.
- •2. Метод исключения
- •3. Моделирование нормального распределения
- •4. Обобщенное распределение Эрланга
- •5. Треугольное распределение.
- •6. Моделирование случайной величины со ступенчатой плотностью
- •Лекция 10 формирование реализаций случайных векторов и процессов
- •1. Имитация случайного вектора, заданного совместной плотностью распределения вероятностей
- •2. Имитация нормально распределенного случайного вектора
- •3. Моделирование вектора, заданного распределением компонент и коэффициентами корреляции.
- •4. Моделирование случайных функций (процессов)
- •Лекция 11 точность и качество испытаний при статистическом моделировании
- •1. Общая схема фиксации и обработки результатов моделирования
- •2. Статистическая обработка независимых реализаций критерия интерпретации
- •3. Оценка точности и необходимого количества реализаций модели
- •4. Использование правил автоматической остановки
- •Лекция 12 общая характеристика языков моделирования
- •1. Общая характеристика языков моделирования
- •2. Основные понятия и средства языков моделирования
- •Лекция 13
- •1. Диалоговые системы моделирования
- •2. Банки данных моделирования
- •3. Моделирование на аналоговых вычислительных машинах и гибридных моделирующих комплексах
- •Лекция 14 планирование машинных экспериментов с моделями систем
- •1. Цели и задачи планирования машинных экспериментов.
- •2. Основные понятия теории планирования экспериментов
- •3. Модели планирования эксперимента
- •4. Стратегическое планирование машинных экспериментов
- •5. Тактическое планирование машинных экспериментов
- •Лекция 15 общая схема фиксации и обработки результатов моделирования систем
- •1. Особенности фиксации и обработки результатов моделирования
- •2. Оценка моментов распределения
- •3. Оценка функции распределения
- •Лекция 16 методы понижения дисперсии результатов моделирования
- •1. Критерии сравнительной оценки вариантов систем
- •2.Методы понижения дисперсии результатов.
- •Лекция 17 сравнение вариантов сложных систем по результатам моделирования
- •1. Сравнение вариантов сложных систем при моделировании
- •Г радиентные методы . Метод также заключается в последовательной проверке значений в точках o, 1, 2,... m
- •Часть 2 Лекция 18 формализация процессов функционированиия систем схемами систем массового обслуживания
- •1. Общая характеристика систем массового обслуживания.
- •2. Формализация входного потока
- •Лекция 19 моделирующие алгоритмы системы массового обслуживания
- •1. Одноканальная смо с ожиданием
- •2 Однолинейная смо с приоритетным обслуживанием
- •3. Особенности построения моделирующего алгоритма многофазных многоканальных смо
- •Лекция 20 агрегаты и агрегатные системы
- •1.Понятие агрегата.
- •2. Математическое описание агрегата.
- •Лекция 21 построение моделирующих алгоритмов в виде агрегатов
- •1. Моделирование функционирования агрегата при заданных входных и управляющих воздействиях.
- •2. Моделирование функционирования агрегата при вырабатываемых в процессе моделирования воздействиях
- •Лекция 22 агрегативные системы
- •1. Основные понятия и определения агрегативных систем
- •2. Моделирование агрегативных систем.
- •3. Регистровый метод моделирования а-систем
- •4. Автоматизация имитационного моделирования с использованием агрегативного подхода.
- •Лекция 23 основные направления использования моделирования при проектировании и эксплуатации асу
- •1. Универсальная автоматизированная модель в асу
- •2. Применение универсальных автоматизированных моделей в сфере
- •3.Использование имитационного моделирования при проектировании сложных систем.
- •Лекция 24
- •1. Особенности формализации функционирования асу
- •2. Особенности моделирования асу на эвм
- •3. Пример моделирования асу предприятием
- •Лекция 25 моделирование производственных процессов
- •1.Понятие о дискретном производственном процессе.
- •2. Формализованные обобщенные операции
- •3. Формализация операции обработки
- •4. Формализация операции сборки.
- •Лекция 26 моделирование производственных процессов
- •5. Формализация операции управления
- •6. Моделирование операций обработки
- •7. Моделирование операции сборки.
- •Лекция 27 формализация нарушений производственного процесса
- •1. Общая схема нарушений производственного процесса.
- •2. Формализация брака
- •Лекция 28 формализация нарушений производственного процесса
- •3. Формализация процессов отказа оборудования
- •Лекция 29 моделирование непрерывных производственных процессов
- •1. Особенности формализации и методика моделирования
- •Лекция 30 динамические модели процессов на предприятиях и в организациях различных отраслей экономики.
- •1. Модель производственной фирмы
- •1.4. Пример решения задачи моделирования
- •Лекция 31 динамические модели процессов на предприятиях и в организациях различных отраслей экономики.
- •1. Содержательное описание финансовой деятельности фирмы
- •2. Концептуальная модель
- •3. Алгоритм модели
- •4. Пример решения задачи моделирования
- •Лекция 32 перспективы развития машинного моделирования сложных систем
- •Применение имитационного моделирования
- •Направления развития имитационного моделирования
- •Области применения имитационного моделирования
- •Библиографический список
2. Применение универсальных автоматизированных моделей в сфере
автоматизации эксперимента
В современных условиях автоматизация эксперимента имеет существенное значение не только для повышения эффективности исследований в области фундаментальных наук, но и для проведения и ускорения комплексных испытаний различных технических систем.
Имитационные модели находят в сфере автоматизации эксперимента следующие применения:
1. Решения задач планирования эксперимента и машинной обработки его результатов. Здесь моделирование хода эксперимента позволяет получить более обоснованные сведения об оптимальных планах его проведения, сбора, хранения и обработки экспериментальных данных.
2. Решение задач оперативного управления ходом эксперимента. (Правильное распределение ресурсов в результате моделирования, соблюдение допусков на режим работы аппаратуры, оперативная обработка информации).
3. Решение задач обоснования требований на технические средства проведения эксперимента.(Сюда включается определение состава, технических характеристик и режимов функционирования оборудования, определение точности, чувствительности и т.п. датчиков).
4. Использование машинных моделей как имитаторов, заменяющих собой некоторые элементы исследуемой системы или объекты внешней среды. Оптимальное сочетание натурного эксперимента и имитационного моделирования, создание на этой основе АСНИ, позволяет за короткое время получить достоверную информацию, сделать более совершенной саму имитационную модель.
Изложение методов решения указанных задач выходит за рамки курса, тем более, что многие из них требуют еще глубоких и трудоемких исследований. Отметим особенности применения УАИМ в сфере автоматизации эксперимента.
Наличие УАИМ в составе системы автоматизации эксперимента способствует существенному повышению оперативности в подготовке моделей и реализации их на ЭВМ. При этом достигается быстрая перенастройка на новую моделируемую систему при переходе от одной задачи к другой. Снижаются затраты времени на программирование и объем памяти на хранение различных вариантов модели.
Особенно ценной представляется возможность быстрого внесения изменений в модели в процессе самого эксперимента и при его подготовке.
Особенности, отмеченные выше при пользовании УАИМ в АСУ, остаются существенными и в данном случае.
Практически всегда при экспериментальных исследованиях возникает задача обработки экспериментальных данных, приведение их к виду, удобному для дальнейшего использования. Возникает задача создания единого алгоритмического приема обработки экспериментальных данных для широкого круга задач и реальных объектов.
Способ, удовлетворяющий всем этим требованиям, базируется на системном подходе к проблеме обработки данных эксперимента и основан на идентификации имитационных моделей.
Предположим, что имеется имитационная модель исследуемого объекта, который зависит от параметров a1, a2,.., ak. Для любого набора а1*,a2*,...,аk* эта модель позволяет определить некоторую функцию z(t) - обычно многомерный случайный процесс, описывающий изменение состояний z исследуемого объекта во времени. Некоторая часть параметров может быть известна до начала эксперимента, а остальные неизвестны.
Первый этап обработки данных сводится к оценке неизвестных параметров по экспериментальным данным. Определяются их нулевые приближения a1°, a2°,.., ak°.По этим параметрам на основе модели определяется движение системы ž° (t). Далее ставится задача определения поправок Δa1°,Δa2°,..,Δak°, чтобы движение удовлетворяло некоторым экспериментальным условиям. Эта задача может быть решена одним из численных методов математического программирования.я5 я0В результате будут получены значения искомых параметров a1′=a1°,…,ak′=ak°+ Δak. Представляя их в имитационную модель, получим новое значение функции z(t). Далее можно еще раз уточнить параметры. Полученные при этом значения a1, a2,.., ak принимаются в качестве истинных значений.
На втором этапе по результатам моделирования ž (t) определяют ее для любых условий функционирования объекта. Наличие УАИМ при решении такого рода задач имеет следующие преимущества:
1. Способствует универсализации приемов обработки опытных данных.
2. Позволяет создать единые алгоритмические приемы проведения итераций при оценке параметров сложных систем.
3. Ускорить настройку математического обеспечения для конкретных задач в экспериментах.
