- •Введение
- •Глава 1. Моделирование случайных величин
- •1.1.1. Понятия модели и моделирования
- •1.1.2. Основной цикл познания при моделировании
- •1.1.3. Математическое моделирование
- •1.1.3.1. Математическое описание сложных систем
- •1.1.3.2. Методы математического моделирования
- •1.1.3.3. Имитационное моделирование
- •1.1.3.4. Принципы построения алгоритмов имитационного моделирования
- •1.1.3.5. Характерные особенности имитационного моделирования на эвм
- •1.1.3.6. Статистическое моделирование
- •1.1.3.7. Понятие о вероятностном физическом моделировании
- •1.1.3.8. Достоинства метода имитационного моделирования на эвм
- •1.1.3.9. Недостатки метода имитационного моделирования
- •1.2. Структура имитационной модели. Технологии построения.
- •1.2.1. Этапы разработки имитационной модели
- •1.2.2. Элементы и структура имитационной модели
- •1.2.3. Технология построения и функционирования.
- •1.3. Генерирование равномерно распределенных на интервале [0,1] случайных чисел. Проверка качества генераторов случайных чисел
- •1.3.1. О приближенных случайных числах
- •Физические датчики случайных величин
- •О проверке физических датчиков случайных чисел
- •Метод псевдослучайных чисел
- •Алгоритмы получения псевдослучаных чисел
- •Алгоритмы порядка r
- •Метод возмущений
- •Генератор Лемера
- •Проверка качества формируемой последовательности псевдослучайных чисел
- •1.4. Методы генерирования случайных событий, дискретных и непрерывных случайных величин, многомерных случайных величин, усеченных случайных величин.
- •1.4.1. Моделирование дискретных случайных величин
- •1.4.2. Моделирование семейства биномиальных распределений
- •1.4.3. Моделирование непрерывных случайных величин Метод обратных функций
- •Метод суперпозиций
- •Моделирование многомерных случайных величин
- •Моделирование n-мерной точки с зависимыми координатами
- •Метод отбора
- •Применение метода отбора. Моделирование усеченных распределений
- •Метод Неймана
- •Выбор равномерно распределенных точек в сложных областях
- •1.5. Методы генерирования наиболее часто встречающихся на практике распределений.
- •1.5.1. Моделирование распределения Эрланга
- •1.5.2. Приближенное моделирование нормально распределенных случайных величин
- •1.5.3. Методы генерирования цепей и процессов Маркова.
- •1.5.4. Метод генерирования процессов Маркова с дискретным множеством состояний.
- •1.5.5. Метод генерирования процессов Маркова с дискретно-непрерывным множеством состояний.
- •Глава 2. Моделирование информационных систем железнодорожного транспорта
- •2.1. Формирование реализаций случайных потоков
- •Однородных событий.
- •2.1.1. Входящие потоки
- •2.1.2. Формирование произвольных случайных потоков однородных событий
- •2.2. Введение марковских процессов при моделировании систем массового обслуживания при произвольных распределениях основных случайных величин.
- •2.3. Моделирование однолинейной системы массового обслуживания
- •2.3.1. Распределение длины очереди
- •2.3.2. Время отклика и время ожидания
- •2.4. Моделирование многолинейной системы массового обслуживания
- •2.4.1. Моделирование многолинейной системы массового обслуживания для расчете времени ожидания
- •2.4.2. Моделирование многолинейной системы массового обслуживания для расчета распределения числа требований в системе.
- •2.5. Моделирование сетей массового обслуживания,
- •Глава 3. Оценка точности результатов моделирования
- •3.1. Постановка задачи по оценке точности результатов моделирования. Характеристики точности результатов моделирования Оценка точности результатов аналитического моделирования
- •3.1.1. Постановка задачи по оценке точности результатов
- •3.1.2. Классификация входных случайных величин
- •3.1.3. Смещение и дисперсия оценки выходного показателя
- •3.2. Оценка точности результатов имитационного
- •3.2.1. Оценка смещения
- •3.2.2. Оценка составляющей дисперсии за счет неточности входных параметров
- •3.2.3. Оценка частных производных от показателя эффективности сложной системы на ее математической модели
- •3.3. Оценка точности результатов статистического
- •Глава 4. Разработка математической модели функционирования двухпутного железнодорожного участка для определения минимального расчетного межпоездного интервала
- •4.1. Постановка задачи
- •4.1.1. Актуальность разработки модели
- •4.1.2. Постановка задачи по разработке модели.
- •4.2.2. Кусочно-непрерывный марковский процесс, описывающий функционирование двухпутного железнодорожного участка
- •4.3. Алгоритм смены состояний кусочно-непрерывного процесса, функционирования железнодорожного участка во времени
- •4.4. Уравнения движения поезда
- •4.5. Программная реализация алгоритма математической модели функционирования двухпутного ж.Д. Участка
- •4.6. Оценка точности линеаризованных решений дифференциальных уравнений движения поезда
- •4.7. Результаты моделирования
- •4.7.1. Описание объекта моделирования и исходные данные
- •4.8. Результаты моделирования для обычных грузовых поездов
- •4.9. Результаты моделирования для поездов повышенной длины и массы
- •4.10. Результаты расчета точности решений линеаризованных уравнений движения поезда
- •Глава 5. Задачи по дисциплине «Моделирование систем» для студентов 4 курса по кафедре «асу» по направлениям
- •Оглавление
- •Глава 1
- •Глава 2. Моделирование информационных систем
- •2.3. Моделирование однолинейной системы массового обслуживания………………………………………………………………...52
- •2.4. Моделирование многолинейной системы массового обслуживания..55
- •Глава 3. Оценка точности результатов моделирования…………………...63
- •Глава 4. Разработка математической модели функционирования
- •Глава 5. Задачи по дисциплине «Моделирование систем»
4.10. Результаты расчета точности решений линеаризованных уравнений движения поезда
В результате работы
подпрограмм и сравнения их результатов
были получены зависимости погрешностей
,
,
от длины пути, который надо пройти,
,
от точки, с которой начинается движение,
,
от времени, которое надо пройти,
.
Из результатов моделирования видно,
что при постановке задачи поиска времени
по известному пути погрешности в конечных
скоростях не превосходят 2 км/час при
разгоне и 3 км/час при торможении, а
погрешности во времени не превышают
9
10
час
при разгоне и 9
10
час
при торможении. В случае, когда ищется
путь по известному времени, погрешности
в конечных скоростях не превосходят 1
км/час при разгоне и 2 км/час при торможении,
погрешность в пути не превышает при
разгоне 0,001 км, при торможении 0,01 км.
Ниже приведены некоторые графики,
отражающие изменение погрешности в
зависимости от различных величин.
Погрешность
в скорости
ΔVk
, км/ч
2
(2)
(1)
(3)
1
(4)
Путь S, км
0 0,05 0,1 0,15 0,2 0,25 0,3
Рис. 4.2. Зависимость ΔVk от S
Графики для начальной скорости Vнач :
(1) – Vнач = 0 км/ч,
(2) – Vнач = 5 км/ч,
(3) – Vнач = 20 км/ч,
(4) – Vнач = 50 км/ч,
Здесь и далее (1) –
график для начальной скорости
= 0 км/час; (2) –
= 5 км/час; (3) - = 20 км/час; (4) - = 50 км/час.
Погрешность
во времени
ΔTk , 10–5ч
7
0
(2)
6
0
(1)
5
0
4
0
(3)
3
0
2
0
1
0
(4)
Путь S, км
0 0,05 0,1 0,15 0,2 0,25 0,3
Рис. 4.3. Зависимость ΔТk от S
Погрешность
в скорости
ΔVk , км/ч
2
1
(3)
(2)
(1) Точка
начала
(4) движения
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
0 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45 0,5 0,55 0,6 0,65 0,7 Sпр, км
Рис. 4.4. Зависимость ΔVk от Sпр
Погрешность
во времени
ΔТk , 10–5ч
5 0
4 0
3 0
(2)
2
0
(3)
Точка
1
0
(1)
начала
(4) движения
0 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45 0,5 0,55 0,6 0,65 0,7 Sпр, км
Рис. 4.5. Зависимость ΔТk от Sпр
Итак, при единичном обращении к подпрограмме, использующей решения линеаризованных уравнений, возникающая погрешность вполне допустима. Так как при прогоне моделирующего алгоритма для найденного оптимального межпоездного интервала число разгонов и торможений, а соответственно, и число обращений к подпрограмме не велико, то суммарная ошибка во времени, скорости и пути также невелика. Все вышеизложенное дает основания к использованию подпрограммы, реализующей линеаризованные уравнения движения поездов.
Таким образом, в разработанной модели функционирования двухпутного ж.д. участка учитывается детально динамика движения пакета поездов во взаимодействии между собой, для чего используются непосредственно их уравнения движения и многие другие влияющие факторы.
Моделирование осуществляется посредством смены вовремени состояний введенного кусочно-непрерывного Марковского процесса, характеризующего функционирование двухпутного ж.д. участка.
Разработана методика определения с помощью этой модели оптимального межпоездного интервала на двухпутном ж.д. участке, при котором достигается максимум числа поездов, проследовавших через него за сутки, при сохранении устойчивости движения. На этой модели можно определять межпоездные интервалы и для тяжеловесных поездов сдвоенных, строенных поездов и т.д.
Для конкретного двухпутного ж.д. участка проведена апробация модели. Собраны необходимые исходные данные, проведено моделирование. Результаты моделирования приведены в таблицах и графиках по определению
межпоездного интервала и показывают правомерность предложенного подхода, работоспособность разработанной математической модели двухпутного ж.д. участка и методики определения оптимального межпоездного интервала для обычных грузовых поездов.
Проведены расчеты по определению межпоездного интервала для движения сдвоенных и строенных поездов на рассматриваемом двухпутном ж.д. участке. Показана работоспособность математической модели двухпутного ж.д. участка применительно к поездам повышенной длины и массы.
Сформирован перечень исходных данных, необходимых для функционирования модели. Для произвольного двухпутного участка межпоездной интервал определяется на математической модели вводом соответствующих исходных данных этого участка.
Возможен учет в модели ряда реальных особенностей функционирования двухпутного ж.д. участка, как-то: предупреждений об ограничении скорости, движения поездов разных категорий и т.д.
