- •Тульский государственный университет
- •Конспект лекций
- •Моделирование систем
- •Оглавление
- •Лекция 1 введение Имитационное моделирование – метод научного познания
- •1. Предмет курса, его цели и задачи
- •2. Имитационное моделирование как метод научного познания. Философские аспекты теории моделирования.
- •3. Основные понятия курса
- •Лекция 2 введение Сложные системы
- •1. Понятие сложной системы
- •2. Факторы, действующие на процесс функционирования сложной системы
- •3. Показатели, характеризующие свойства сложных систем
- •4. Задачи исследования сложных систем
- •Лекция 3 имитационное моделирование
- •1 Модели и их роль в изучении процессов функционирования сложных систем
- •2 Классификация видов моделирования систем
- •3 Математическое моделирование процессов функционирования систем
- •4 Аналитические и имитационные модели
- •Лекция 4
- •1. Основные подходы к описанию функционирования сложных систем
- •2. Дискретно - детерминированные модели
- •3. Непрерывно - детерминированные модели
- •4. Дискретно - стохастические модели
- •5. Непрерывно - стохастические модели
- •Лекция 5 обобщенная схема построения модели сложной системы
- •1. Основные этапы формализации: концептуальная модель, формализованная схема, математическая модель
- •2. Пример описания системы
- •3. Проверка адекватности модели и объекта
- •Лекция 6 принципы построения моделирующих алгоритмов
- •1. Формы представления логической структуры модели
- •2. Методы построения моделирующих алгоритмов
- •3. Формы представлений логической структуры моделей
- •4. Проверка адекватности модели и объекта моделирования
- •Лекция 7 роль времени в имитационных моделях
- •1. Масштабы времени
- •2. Способы управления модельным временем
- •Лекция 8 моделирование дискретных случайных воздействий на систему и событий
- •1. Общая характеристика метода статистического моделирования на эвм
- •2. Методы получения случайных чисел и их машинная генерация
- •3. Проверка качества псевдослучайных последовательностей чисел
- •4. Моделирование случайных событий
- •Лекция 9 моделирование непрерывных случайных величин
- •1. Метод обратной функции.
- •2. Метод исключения
- •3. Моделирование нормального распределения
- •4. Обобщенное распределение Эрланга
- •5. Треугольное распределение.
- •6. Моделирование случайной величины со ступенчатой плотностью
- •Лекция 10 формирование реализаций случайных векторов и процессов
- •1. Имитация случайного вектора, заданного совместной плотностью распределения вероятностей
- •2. Имитация нормально распределенного случайного вектора
- •3. Моделирование вектора, заданного распределением компонент и коэффициентами корреляции.
- •4. Моделирование случайных функций (процессов)
- •Лекция 11 точность и качество испытаний при статистическом моделировании
- •1. Общая схема фиксации и обработки результатов моделирования
- •2. Статистическая обработка независимых реализаций критерия интерпретации
- •3. Оценка точности и необходимого количества реализаций модели
- •4. Использование правил автоматической остановки
- •Лекция 12 общая характеристика языков моделирования
- •1. Общая характеристика языков моделирования
- •2. Основные понятия и средства языков моделирования
- •Лекция 13
- •1. Диалоговые системы моделирования
- •2. Банки данных моделирования
- •3. Моделирование на аналоговых вычислительных машинах и гибридных моделирующих комплексах
- •Лекция 14 планирование машинных экспериментов с моделями систем
- •1. Цели и задачи планирования машинных экспериментов.
- •2. Основные понятия теории планирования экспериментов
- •3. Модели планирования эксперимента
- •4. Стратегическое планирование машинных экспериментов
- •5. Тактическое планирование машинных экспериментов
- •Лекция 15 общая схема фиксации и обработки результатов моделирования систем
- •1. Особенности фиксации и обработки результатов моделирования
- •2. Оценка моментов распределения
- •3. Оценка функции распределения
- •Лекция 16 методы понижения дисперсии результатов моделирования
- •1. Критерии сравнительной оценки вариантов систем
- •2.Методы понижения дисперсии результатов.
- •Лекция 17 сравнение вариантов сложных систем по результатам моделирования
- •1. Сравнение вариантов сложных систем при моделировании
- •Г радиентные методы . Метод также заключается в последовательной проверке значений в точках o, 1, 2,... m
- •Часть 2 Лекция 18 формализация процессов функционированиия систем схемами систем массового обслуживания
- •1. Общая характеристика систем массового обслуживания.
- •2. Формализация входного потока
- •Лекция 19 моделирующие алгоритмы системы массового обслуживания
- •1. Одноканальная смо с ожиданием
- •2 Однолинейная смо с приоритетным обслуживанием
- •3. Особенности построения моделирующего алгоритма многофазных многоканальных смо
- •Лекция 20 агрегаты и агрегатные системы
- •1.Понятие агрегата.
- •2. Математическое описание агрегата.
- •Лекция 21 построение моделирующих алгоритмов в виде агрегатов
- •1. Моделирование функционирования агрегата при заданных входных и управляющих воздействиях.
- •2. Моделирование функционирования агрегата при вырабатываемых в процессе моделирования воздействиях
- •Лекция 22 агрегативные системы
- •1. Основные понятия и определения агрегативных систем
- •2. Моделирование агрегативных систем.
- •3. Регистровый метод моделирования а-систем
- •4. Автоматизация имитационного моделирования с использованием агрегативного подхода.
- •Лекция 23 основные направления использования моделирования при проектировании и эксплуатации асу
- •1. Универсальная автоматизированная модель в асу
- •2. Применение универсальных автоматизированных моделей в сфере
- •3.Использование имитационного моделирования при проектировании сложных систем.
- •Лекция 24
- •1. Особенности формализации функционирования асу
- •2. Особенности моделирования асу на эвм
- •3. Пример моделирования асу предприятием
- •Лекция 25 моделирование производственных процессов
- •1.Понятие о дискретном производственном процессе.
- •2. Формализованные обобщенные операции
- •3. Формализация операции обработки
- •4. Формализация операции сборки.
- •Лекция 26 моделирование производственных процессов
- •5. Формализация операции управления
- •6. Моделирование операций обработки
- •7. Моделирование операции сборки.
- •Лекция 27 формализация нарушений производственного процесса
- •1. Общая схема нарушений производственного процесса.
- •2. Формализация брака
- •Лекция 28 формализация нарушений производственного процесса
- •3. Формализация процессов отказа оборудования
- •Лекция 29 моделирование непрерывных производственных процессов
- •1. Особенности формализации и методика моделирования
- •Лекция 30 динамические модели процессов на предприятиях и в организациях различных отраслей экономики.
- •1. Модель производственной фирмы
- •1.4. Пример решения задачи моделирования
- •Лекция 31 динамические модели процессов на предприятиях и в организациях различных отраслей экономики.
- •1. Содержательное описание финансовой деятельности фирмы
- •2. Концептуальная модель
- •3. Алгоритм модели
- •4. Пример решения задачи моделирования
- •Лекция 32 перспективы развития машинного моделирования сложных систем
- •Применение имитационного моделирования
- •Направления развития имитационного моделирования
- •Области применения имитационного моделирования
- •Библиографический список
2 Классификация видов моделирования систем
В настоящее время в научных исследованиях и инженерной практике используются многочисленные методы моделирования. Обычно различают физическое и математическое моделирование.
При физическом моделировании модель воспроизводит оригинал с сохранением его физической природы. Типичные примеры: продувка летательного аппарата в аэродинамической трубе, оценка свойств гидротехнических сооружений на макете руслового потока. Физическое моделирование связано с пропорциональным изменением основных величин, описывающих изучаемый процесс: длины, массы, времени и т.п. При этом некоторые комбинации этих величин (так называемые критерии подобия) остаются неизменными. то дает возможность изменять размеры исследуемых конструкций, скорости протекания процессов и др. и тем самым получить существенный выигрыш в стоимости и времени проведения испытаний.
Математическое моделирование определяют как описание существенных черт изучаемого объекта или явления при помощи математической символики, математических соотношений. С математическими моделями мы постоянно имеем дело при изучении механики, физики, различных технических дисциплин. В настоящее время математические модели широко используются в экономике, биологии, в таких чисто гуманитарных науках, как языкознание, история, социология и др.
История развития наук показывает, что математическое моделирование происходит через четыре этапа:
1 Формулировка законов, связывающих основные объекты модели и запись их в математической форме;
2 Исследование математической модели, решение входящих в нее математических задач.
На этом этапе выбирается или вновь разрабатывается математический аппарат, методы решения возникающих задач. Он связан с широким использование вычислительной техники.
3 Выяснение согласованности модели и изучаемого объекта или, как говорят, проверка адекватности модели и объекта.
Промежуточным между физическим и математическим моделированием является аналоговое моделирование. В его основе лежит аналогия явлений различной физической природы, но имеющих одно и то же математическое описание. Например, механические колебания груза, подвешенного на пружине, и электрические колебания тока в цепи описываются одним и тем же дифференциальным уравнением второго порядка. Это дает возможность исследовать механическую систему - груз на пружине - с помощью электрической модели. Мощным средством аналитического являются аналоговые моделирующие машины и аналого-цифровые вычислительные комплексы.
3 Математическое моделирование процессов функционирования систем
Метод математического моделирования охватывает математическую формулировку законов функционирования объекта исследования, его математическую модель, алгоритм и его реализацию на ЭВМ. При использовании математической модели в первую очередь выделяется система искомых величин, определение которых является целью исследования.
После этого ищется способ использования математической модели для определения искомой величин. Можно выделить два способа использования математической модели, при реализации которых могут быть применены все виды вычислительной техники:
1. аналитическое решение;
2. исследование процессов при помощи численных методов.
Под аналитическим решением подразумевается построение явных формул для искомых величин, либо приведение уравнений к виду, для которого решения известны. Такое решение задачи является наиболее полным. Поэтому к аналитическому решению стремятся в первую очередь. Явные формулы для искомых величин дают возможность исследования их зависимости от параметров, которые можно произвольно изменять. Тем самым создается возможность легко находить решения для различных условий.
Аналитическое решение настолько заманчиво, что зачастую ради его получения прибегают к огрублению исходной модели, отбрасывают некоторые члены в уравнениях, заменяют приближенно нелинейные зависимости линейными и т.п. Однако, упрощенная модель может оказаться неадекватной объекту и предсказывать неправильные результаты.
В тех случаях, когда аналитическое решение найти не удается, упрощенные зависимости приводят к недопустимо грубым результатам, переходят к численным методам решения.
При использовании численного метода решения соотношения модели преобразуют к виду, позволяющему найти отдельные значения искомых величин путем расчета. Итогом работы в этом случае будет таблица значений искомых величин.
Класс уравнений, которые могут быть решены численными методами, значительно шире, чем класс уравнений, доступных аналитическому решению. Однако расчет всякий раз дает нам одну частную реализацию исследуемого процесса, поэтому исследование всегда не полно. Для получения зависимости искомых величин от заданных параметров требуется многократное повторение расчетов. Неприятным часто оказывается и то обстоятельство, что математические модели сложных процессов в своем первоначальном виде далеко не всегда оказываются пригодными для применения численных методов, а преобразование математических моделей в соответствующую систему уравнений, как правило, остаются столь же сложными, как и в случае аналитического исследования.
