- •Введение
- •1. Проблемы автоматизированного проектирования
- •1.1. Типовые задачи проектирования электронных средств
- •1.2. Роль формализации и творчества
- •1.2.1. Структура процесса проектирования
- •1.2.2. Анализ в проектировании
- •1.2.3. Параметрический синтез
- •1.2.4. Структурный синтез
- •1.2.5. Особенности применения типовых проектных процедур при проектировании эс
- •1.3. Искусственный интеллект в науке и технике
- •1.3.1. Базовые положения ии
- •1.3.2. Методики и подходы построения систем ии
- •1.3.3. Проблемы создания ии
- •1.3.4. Реализация систем ии
- •2. Новые методологии проектирования (Вендров)
- •2.1. Case- технологии
- •2.1.1. Общие сведения
- •2.1.2. Основы методологии проектирования ис
- •2.1.2.1. Жизненный цикл
- •2.2. Структурный подход к проектированию ис
- •2.2.1. Сущность структурного подхода
- •2.2.2.2. Типы связей между функциями
- •2.2.3.1. Основные понятия er-диаграмм
- •2.2.3.2. Основные этапы разработки erd
- •2.2.3.3. Пример erd-технологии
- •2.2.4.1. Общие положения
- •2.2.4.2. Миниспецификация.
- •2.2.4.4. Построение диаграмм.
- •2.2.5. Sadt-тенология
- •2.2.5.1. Введение
- •2.2.5.2. Sadt-диаграммы
- •2.2.6. Сравнение методологий
- •2.2.7. Дополнения к диаграммам и моделям
- •2.2.7.1. Дополнения к диаграммам
- •2.2.7.2. Определение терминологии с помощью глоссария
- •2.2.7.3. Пояснение содержания с помощью текста
- •2.2.7.3. Пояснение с помощью рисунков.
- •2.2.7.4. Дополнение моделей
- •Пример:
- •2.2.8. Стандарты idef
- •2.2.8.1. Общие положения
- •2.2.8.2. История возникновения стандарта idef0
- •2.2.8.3. Основные элементы и понятия idef0
- •2.2.8 4. Принципы ограничения сложности idef0-диаграмм
- •2.2.8.5. Применение технологии idef0 к решению задачи автотрассировки
- •2.3.2. Сущность метода
- •2.3.2.1. Объектно-ориентированный анализ
- •2.3.2.2. Объектно-ориентированное проектирование
- •2.3.2.3. Информационные модели
- •2.3.2.4. Модели состояний
- •2.3.2.5. Модели процессов
- •2.3.3. Рабочие продукты ооап
- •2.3.4. Язык uml
- •2.3.4.1. Введение
- •2.3.4.2. Структура языка uml
- •2.3.4.3. Средства uml-моделирования
- •2.3.4.4. Элементы языка
- •2.3.4.5. Пример
- •3. Интеллектуализация средств проектирования
- •3.1. Общие сведения о иис
- •3.1.1. Основа концепции иис
- •3.1.2. Классификация иис
- •3.2. Системы с интеллектуальным интерфейсом
- •3.2.1. Интеллектуальные информационно-поисковые системы
- •3.2.2. Гипертекстовые системы
- •3.2.3. Системы контекстной помощи
- •3.2.4. Системы когнитивной графики
- •3.3. Экспертные системы
- •3.3.1. Общие сведения
- •3.3.2. Назначение экспертных систем
- •3.3.3. Классификация эс
- •3.3.4. Архитектура экспертной системы
- •3.4. Самообучающиеся системы
- •3.4.1. Виды систем
- •3.4.2. Система с индуктивным выводом
- •3.4.2.3. Информационные хранилища (Data Warehouse).
- •3.5. Адаптивные системы
- •3.5.1. Общие сведения
- •3.5.2. Нейронные сети
- •Этапы решения задач:
- •Сбор данных для обучения
- •Выбор топологии сети
- •4. Экспериментальный подбор параметров обучения
- •5. Собственно обучение сети
- •6. Проверка адекватности обучения
- •3.5.3 Генетический алгоритм
- •3.5.4. Байесовская сеть
- •4. Интеллектуальные сапр
- •4.1. Новая информационная технология разработки программных средств
- •4.2. Применение иис для задач проектирования
- •4.3. Пример использования ии
- •4.3.1. Ускорение создания систем проектирования
- •4.3.2. Уровни знания системы спрут-Технология
- •4.3.3. Sprut ExPro: программирование для непрограммистов
- •4.3.3.1. Описание системы
- •4.3.3.2. Ввод экспертных знаний в систему
- •4.3.3.3. Базы экспертных знаний
- •Список использованных источников:
1.2.2. Анализ в проектировании
Цель анализа - получение информации о характере функционирования и значениях выходных параметров Y при заданных структуре объекта, сведениях о внешних параметрах Q и параметрах элементов Х. Если заданы фиксированные значения параметров Х и Q, то имеет место процедура одновариантного анализа, которая сводится к решению уравнений математической модели и вычислению вектора выходных параметров Y. Если заданы статистические сведения о параметрах Х и нужно получить оценки числовых характеристик распределений выходных параметров (например, оценки математических ожиданий и дисперсий), то это процедура статистического анализа. Если требуется рассчитать матрицы абсолютной и (или) относительной чувствительности, то имеет место задача анализа чувствительности.
В процедурах многовариантного анализа определяется влияние внешних параметров, разброса и нестабильности параметров элементов на выходные параметры. Процедуры статистического анализа и анализа чувствительности - характерные примеры процедур многовариантного анализа.
К математическому обеспечению (МО) анализа относят математические модели, численные методы, алгоритмы выполнения проектных процедур.
Компоненты МО определяются базовым математическим аппаратом, специфичным для каждого из иерархических уровней проектирования.
На микроуровне типичные математические модели (ММ) представлены дифференциальными уравнениями в частных производных (ДУЧП) вместе с краевыми условиями. К этим моделям, называемым распределенными, относятся многие уравнения математической физики. Объектами исследования здесь являются поля физических величин, что требуется при анализе прочности строительных сооружений или машиностроительных деталей, исследовании процессов в жидких средах, моделировании концентраций и потоков частиц и т.п.
Допущение, выражаемое дискретизацией пространства, позволяет перейти к моделям макроуровня. Моделями макроуровня, называемыми также сосредоточенными, являются системы алгебраических и обыкновенных дифференциальных уравнений, поскольку независимой переменной здесь остается только время t. Упрощение описания отдельных компонентов (деталей) позволяет исследовать модели процессов в устройствах, приборах, механических узлах, число компонентов в которых может доходить до нескольких тысяч.
В тех случаях, когда число компонентов в исследуемой системе превышает некоторый порог,сложность модели системы на макроуровне вновь становится чрезмерной. Поэтому, принимая соответствующие допущения, переходят на функционально-логический уровень. На этом уровне используют аппарат передаточных функций для исследования аналоговых (непрерывных) процессов или аппарат математической логики и конечных автоматов, если объектом исследования является дискретный процесс, т.е. процесс с дискретным множеством состояний.
Наконец, для исследования еще более сложных объектов, примерами которых могут служить производственные предприятия и их объединения, вычислительные системы и сети, социальные системы и другие подобные объекты, применяют аппарат теории массового обслуживания, возможно использование и некоторых других подходов, например, сетей Петри. Эти модели относятся к системному уровню моделирования.
Основными требованиями к математическим моделям являются требования адекватности, точности, экономичности.
Модель всегда лишь приближенно отражает некоторые свойства объекта. Адекватность имеет место, если модель отражает заданные свойства объекта с приемлемой точностью. Под точностью понимают степень соответствия оценок одноименных свойств объекта и модели. Экономичность (вычислительная эффективность) определяется затратами ресурсов, требуемых для реализации модели. В САПР экономичность характеризуется затратами машинных времени и памяти. [1,2]
Анализ, по сути, построен на математическом моделировании, методы которого развивались и развиваются уже достаточно давно. Задачи анализа достаточно легко (при наличии необходимых машинных мощностей) формализуются и, как следствие, автоматизируются. С развитием вычислительной техники процедура анализа в проектировании становится все более автоматизированной.
