
- •Основные понятия теории моделирования Моделирование как метод научного познания
- •Понятие модели и моделирования
- •Понятие информационной модели
- •Виды моделирования
- •Математическое и компьютерное моделирование
- •Пример моделирования простейшей системы
- •Формализация систем и классификация моделей Некоторые термины системного анализа
- •Формальная модель объекта.
- •Классификация моделей
- •Основные требования к математическим моделям
- •Этапы процесса моделирования
- •Статические регрессионные модели Понятие черного ящика и регрессии
- •Линейная одномерная регрессионная модель
- •Линейная множественная регрессионная модель
- •Нелинейные регрессионные модели
- •Динамические модели Динамические системы
- •Динамическая система первого порядка
- •Звено второго порядка (колебательное звено)
- •Динамические регрессионные модели
- •Модель в виде фильтра Каллмана
- •Статистическое моделирование Понятие статистического моделирования
- •Метод Монте-Карло.
- •Генераторы случайных чисел
- •Проверка качества работы генератора
- •Моделирование случайной величины с заданным законом распределения
- •Моделирование системы случайных величин
- •Потоки случайных событий
- •Системы массового обслуживания (смо)
- •Принципы компьютерного моделирования смо
- •Задания
- •1. Моделирование простейшей системы
- •2. Статическая регрессионная модель
- •3. Динамическая регрессионная модель
- •4. Метод Монте-Карло и генераторы случайных чисел
- •5. Моделирование смо
- •Приложения
- •Нормальный закон распределения (закон Гаусса)
- •Распределение Пуассона
- •Список источников
- •Моделирование процессов и систем
- •153000 Г. Иваново, пр. Ф. Энгельса, 21 Оглавление
Звено второго порядка (колебательное звено)
Такие
звенья описываются дифференциальным
уравнением вида:
,
где U – входные
воздействия.
Если
ввести обозначения
;
;
;
то уравнение примет вид
в записи которого содержатся три параметра:
T – постоянная времени (в секундах);
– коэффициент
затухания (безразмерная величина);
k – передаточный коэффициент.
Если входное воздействие U=0, то можно получить так называемое характеристическое уравнение
,
касающееся только внутренних свойств звена.
В зависимости от величины звенья второго порядка классифицируются по видам:
= 0 – консервативное звено второго порядка (рис. 8а);
0 < < 1 – колебательное звено второго порядка (рис. 8б);
≥ 1 – апериодическое звено второго порядка (рис. 8в).
Рис. 8. Переходные характеристики h(t) звеньев 2-го порядка в зависимости от параметра : а) = 0;
б) = 0,2;
в) = 1,5.
Динамические регрессионные модели
Допустим, что на вход системы подана сигнал в виде функции Хэвисайда, а примерный вид динамического сигнала представлен на рис. 9а. Ограничиваясь временем рассмотрения сигнала, равным T, проведена дискретизация сигнала (рис. 9б) – разбиение отрезка [0;T] на n равных промежутков.
а)
б)


Рис. 9. Возможный вид зависимости выходного сигнала от времени а) до дискретизации; б) после дискретизации
Пусть на вход системы подается единичная функция Хэвисайда 1[t], а выходной сигнал описывается уравнением1
|
(6) |
с начальными
условиями
|
(7) |
Проинтегрируем уравнение (6) дважды от 0 до некоторого произвольного t, учитывая условия (7). После первого интегрирования получим:
Переходя к численному интегрированию методом правых прямоугольников, получим для любого m = 1,2,...,n:
Следовательно, для каждого m = 1,2,...,n (n – число экспериментальных точек) приблизительно верно:
|
(8) |
если использовать обозначения
|
(9) |
Ошибку
,
которая показывает, насколько отходит
теоретическое значение
от экспериментального в некоторой m-ой
точке, можно записать как
Сумма квадратов ошибок, вносимых всеми точками, которую надо минимизировать, будет:
|
(10) |
Чтобы найти минимум функции F, доставляемый за счет параметров a0, a1, a2, надо взять частные производные F по каждому из параметров и приравнять каждую производную к нулю. В результате получаем систему линейных уравнений:
Запишем
систему в матричном виде, и решим ее
методом Крамера. Можно считать, что
задача нахождения коэффициентов модели
решена, а система описывается уравнением
(6) с начальными условиями (7) и определенными
постоянными коэффициентами
Теперь необходимо сравнить получаемое из этой модели решение Y теоретическое с Y, заданным экспериментально, и вычислить ошибку F. Далее проверить ее значение по критерию – допустимо ли значение вычисленной ошибки, или гипотезу о виде модели требуется сменить на более точную.
Y теоретическое можно получить, аналитически решая дифференциальное уравнение (6)1.
Считая что коэффициенты модели теперь известны, построим реализацию, имитирующую поведение системы.
Для этого воспользуемся уже полученной ранее формулой (8) с учетом введенных обозначений (9). Поскольку
из выражения
можно
выразить сначала
,
а потом
тем самым
сымитировав поведение системы.