- •1. Математическое моделирование
- •2. Классификация математических моделей:
- •3. Основные понятия моделирования систем
- •4. Формальная модель объекта
- •7.Виды моделирования имитационное моделирование
- •Функциональные модели
- •Комбинированное (аналитико-имитационное) моделирование
- •Кибернетическое моделирование – «черный ящик»
- •9. Математические модели диффузных явлений в полупроводниках
- •10. Непрерывно – детерминированные модели
- •11. Системы автоматического регулирования
- •12. Дискретно-детерминированные модели (f-модели)
- •12. Дискретно-стохастические модели (р-схемы)
- •13. Непрерывно-стохастические модели (q-схемы)
- •14. Комбинированные модели (а-схемы)
- •15. Сетевые модели (n-схемы)
- •16. Последовательность разработки и машинной реализации моделей систем
- •17. Обработка результатов моделирования систем
- •18. Построение концептуальных моделей систем и их формализация
- •19. Статистическое моделирование
- •20. Псевдослучайные числа и процедуры их машинной генерации
- •21. Моделирование случайных воздействий
- •22. Требования к языкам имитационного моделирования.
- •23. Языки моделирования дискретных систем.
- •24. Пакеты прикладных программ моделирования
- •25. Программные средства асм (автоматизированные системы моделирования)
- •26. Особенности языка моделирования gpss.
- •27. Базы данных моделирования
- •28. Планирование имитационных экспериментов
7.Виды моделирования имитационное моделирование
При случае использования имитационных моделей в отличие от аналитических в ЭВМ воспроизводится текущее функционирование технической системы в некотором, удобном для пользователей, масштабе времени.
Входные воздействия воспроизводятся в виде наборов чисел – реализации процессов (а не числовых характеристик как при аналитическом моделировании).
Могут воспроизводиться также промежуточные преобразования обрабатываемого сигнала. В динамическом режиме работы имитационной модели может меняться корреляционная функция работы входных чисел с последующим отображением корреляции функции выходного сигнала.
Имитационное моделирование напоминает физический эксперимент (наглядность результатов моделирования, в том числе и промежуточных).
Достоинства имитационного моделирования:
1. возможность моделирования даже тогда, когда аналитические модели либо отсутствуют, либо (из-за сложности системы) не дают достоверных результатов (например перевод на разные языки, распознавание образов);
простота выработки управляющих воздействий на модель;
позволяет учесть влияние большого числа случайных и детерминированных факторов, а так же сложных зависимостей при вводе в модель соответствующих элементов и операций;
с точки зрения сбора статистических данных дает возможность проводить активный эксперимент с помощью целенаправленных изменений параметров модели на некотором множестве реализации, что позволяет оптимизировать модель.
При решении ряда задач могут применяться имитационные модели, отображающие только структурные, топологические (геометрические) свойства объектов. Такие структурные модели могут иметь форму:
матриц;
графов;
списка векторов
и выражать возможное расположение элементов в пространстве и их связи (провода, трубопроводы). Структурные модели используют в случаях, когда не учитываются физические процессы в объектах.
Функциональные модели
При моделировании сложных технологических объектов возрастает объем входной информации (описание связей, задание параметров элементов модели, и т.д.). Укрупненность элементов модели приводит к возрастанию необходимой номенклатуры элементарных моделей, к увеличению объема моделирующей программы.
Компромисс - разбиение модели на функциональные блоки.
Функциональные модели отражают как структуру так и процессы функционирования объектов, и чаще всего имеют форму систем уравнений.
По способу получения функциональные модели делятся на:
теоретические;
формальные.
Формальные функциональные модели получают на основе проявления свойств моделируемого объекта во внешней среде. Они более точны в окрестности той точки пространства параметров, вблизи которой они определялись, но менее точны вдали от нее.
Глубина моделирования.
Моделируя сложные системы используют совокупность из нескольких моделей из числа всех разновидностей.
Любая система или подсистема может быть представлена различными способами, часто взаимодополняющими. В зависимости от глубины анализа простые модели заменяют все более сложные.
