
- •Билет 1
- •1. Понятие о моделировании.
- •2. Моделирование процессов смо
- •Билет 2
- •Модель и расчетная схема. Виды моделирования
- •Виды моделирования.
- •Пример построения алгоритмической модели для одноканальной смо и заявок без приоритета.
- •Билет 3
- •Математическое моделирование. Основные этапы и источники ошибок.
- •Понятие о методах типа Монте-Карло.
- •Билет 4
- •О необходимости тестирования компьютерной модели. Способы тестирования.
- •Терминология для смо. Понятие о простейшем потоке событий.
- •Билет 5
- •5.1. Сравнение некоторых пакетов, расчетов и моделирований.
- •5.2. Марковские процессы.
- •Билет 6
- •6.1. Понятие о системах с сосредоточенными и распределёнными параметрами.
- •6.2. Уравнения Колмогорова.
- •Билет 7
- •7.1. Примеры систем, модель для которых описывается дифференциальными уравнениями.
- •7.2. . Уравнения Колмогорова для замкнутых смо.
- •Билет 8
- •8.1. Сведение произвольной системы оду к системе оду I-го порядка в нормализованном виде Коши. Пример.
- •8.2. Открытые системы массового обслуживания. Уравнения Колмогорова для открытых смо
- •Билет 9
- •9.1 Реализации в среде MathCad математической модели для простейшего осциллятора. Билет 9
- •Билет 10
- •10.1 Пример использования simulink matlab для решения оду 2-го порядка. Билет 11
- •11.1 Методика получения модели механических колебательной системы сосредоточенными параметрами на основе уравнений Лагранжа 2-ого рода
- •11.2 Разложение аппроксиматора по системы базисных функций.
- •12.2 Выполнение среднеквадратичного приближения на основе разложения аппроксиматора по системе базисных функций.
- •13.2. Интегральная квадратичная аппроксимация на отрезке [a, b].
- •Билет 14
- •14.1 Методы решения задачи Коши для оду
- •14.2 Пример MathCad реализующий метод среднеквадратичной аппроксимации
- •Билет 15
- •15.1 Классификация методов решения задачи Коши для оду.
- •15.2 Пример аппроксимации функции 2-ух переменных в MathCad.
- •Билет 16
- •16.1 Метод Эйлера и его модификации для решения оду
- •16.2 Алгебраическое интерполирование.
- •Билет 17
- •Метод типа Рунге-Кутта для решения задачи Коши
- •Интерполирование на основе формулы Лагранжа
- •Билет 18
- •Метод Рунге-Кута 4-ого порядка для решения задачи Коши формулы метода и их реализация в среде MathCad
- •18.2 О наилучшем выборе узлов интерполирования
- •Билет 19
- •Оценка погрешности решения оду. Способ Рунге для оценки такой погрешности.
- •Тригонометрическое интерполирование
- •Билет 20
- •Оценка погрешности решения оду. Способ Рунге для оценки такой погрешности.
- •Использование интерполирования при решении различных задач и реализация в среде MathCad
- •1) Приближенные вычисления функции
- •2) Численное интегрирование
- •3) Численное дифференцирование
- •Билет 21
- •21.1 Методы прогноза и коррекции для решения оду.
- •21.2 Понятие о сплайнах.
- •Билет 22
- •22.1 Понятие о жестких дифференциальных уравнениях.
- •22.2 Эрмитов кубический сплайн.
- •Билет 23
- •23.1 Метод стрельбы для решения граничных задач для оду.
- •23.2 Кубический сплайн дефекта 1. Алгоритм его построения.
- •Билет 24
- •24.1 Задача Бюффона как пример использования методов Монте-Карло при решении детерминированных задач.
- •24.2 Решение системы уравнений, определяющих сплайн, методом прогонки.
- •Билет 25
- •25.2 Обобщенные кубические сплайны.
- •Билет 26
- •26.1 Метод Судзуо-Какутани для решения граничных задач теории потенциалов
- •26.2 Пример использования сплайнов для вычисления площади фигуры
- •Билет 27
- •27.1 Понятие о конкурирующих стратегиях
- •27.2 Параметрический сплайн для приближения кривых.
- •Билет 28
- •28.1 Компонентные уравнения для различных видов подсистем.
- •Механическая поступательная система.
- •Механическая вращательная подсистема
- •Аналоги топологических уравнений
- •Билет 29
- •29.1 Получение эквивалентных схем технических объектов.
- •29.2 Метод получения топологических уравнений математической модели.
- •30.1 Топологические уравнения математической модели на основе матрицы инциденции.
Билет 1
1. Понятие о моделировании.
Реальное явление – Представление человека об этом явлении- Модель явления -Предсказание- Сравнение с экспериментом – Уточнение модели
Модель- искусственный объект, созданный человеком, заменяющий реальный объект.
Если модель заменяет объект с достаточной точностью, то она адекватна. Адекватность инженерных моделей зависит от инжен-го опыта, интуиции и подготовки специалистов.
Основная задача модел-ия – построение таких моделей, которые позвол. выполнять исследования на них, а не на реальных объектах.
2. Моделирование процессов смо
Рассмотрим несколько примеров:
Портовый кран перегружает контейнеры с автотранспорта на корабль. Автомобили подвозят контейнеры через случайные промежутки времени. Какой случайный промежуток времени требуется на перемещение контейнера?
Имеется цех. С предыдущей технологической операции к нему поступают детали через произвольные промежутки времени. На обработку партии также требуется случайный промежуток времени.
Имеется стойка телефонной станции, на вход которой поступают вызовы абонентов. Через какой случайный промежуток времени поступают вызовы?
Во всех примерах имеется нечто общее. Можно выделить так называемые заявки, которые образуют поток. Первый пример – автомобили, подвозящие контейнеры, во втором – партии деталей, в третьем – телефонные звонки.
Обслуживающий аппарат (ОА) называется каналом. В первом примере – это портовый кран, во втором - цех, в третьем – стойка на телефонной станции.
В зависимости от соотношения производительности обслуживающего аппарата и интенсивности потока заявок может образовываться очередь. В простейшем случае эту ситуацию можно изобразить следующим образом:
Поток заявок
Обслуживающий аппарат
Выход
Очередь
Рис. Схема простейшей системы массового обслуживания
Заметим, что СМО могут быть достаточно сложными: в них могут присутствовать несколько ОА–каналов. Обслуживание может вестись с учетом приоритетов заявок.
Основными показателями СМО являются:
Загрузка обслуживающих аппаратов.
Коэффициент простоя ОА:
(где
- загрузка).
Количество заявок, обслуженных за рассмотренный промежуток времени t (производительность).
Средняя и максимальная длина очереди.
Время пребывания заявки в очереди.
Основная задача при моделировании СМО – определить типы и количество обслуживающих аппаратов, а также их связь между собой (структуру СМО). Так, чтобы обеспечить максимальную требуемую производительность системы массового обслуживания при выполнении заданных ограничений (например, стоимость ОА).
Билет 2
Модель и расчетная схема. Виды моделирования
Модель- искусственный объект, созданный человеком, заменяющий реальный объект.
Расчетная схема отличается от модели, тем что в ней могут присутствовать дополнительные упрощения.
Виды моделирования.
Натурное. При таком моделировании объект изготавливается в натуральную величину из тех же материалов, которые будут использоваться в реальной эксплуатации и к которому прикладывают воздействие, как можно ближе воспроизводящее реальную среду.
преимущества: точные результаты при точности измерительной аппаратуры;
недостатки: высокая стоимость проведения эксперимента,часто испытуемый объект приходит в негодность после испытания, невозможность применения его в нек. Случаях.
Полунатурное. Объект изготавливают либо в измененном масштабе, либо из другого материала, либо еще с каким-то существенным отличием от реального.
преимущества: достаточно наглядное представление результатов;
недостатки: сложность пересчета полученных результатов к реальным.
Аналоговое базир-ся на философском принципе единства мира, который в частности выражается в том, что явления и процессы разной природы могут описываться одинаковыми по виду уравнениями.
Преимущества: решение получается мгновенно;
Недостатки: сложность пересчета полученного решения к искомым переменным.
Математическое моделирование: в этом случае в качестве искусственного объекта заменяющего реальный выступает математический объект. Этот объект может иметь формулу ур-ий, матриц, графов и т.д. Последовательность этапов переходов к компьютерной модели.
Преимущество:
1)универсальность
Если модель создано параметрически то это позволяет исследовать поведение Реального объекта различных размеров, материалов и т.д.
2)простая переносимость из одной лаборатории в другую
3)Высокая точность получения результатов при адекватном построении моделей.
Недостатки:
Создание универсального ПО для исследования широкого класса объектов требует существенных материальных затрат(зачастую сотни человека лет).