- •Введение
- •1. Структура и классификация сапр
- •1.1.Разновидности сапр
- •1.2.Функции, характеристики и примеры cae/cad/cam-систем
- •1.3.Понятие о cals-технологии
- •1.4.Комплексные автоматизированные системы
- •1.5.Системы управления в составе комплексных автоматизированных систем
- •1.6.Автоматизированные системы делопроизводства (асд)
- •2.Системы автоматизированного проектирования и их место среди других автоматизированных систем
- •3.Системные среды и программно-методические комплексы сапр
- •3.1.Функции сетевого программного обеспечения
- •3.1.1.Системы распределенных вычислений
- •3.1.2.Прикладные протоколы и телекоммуникационные информационные услуги
- •3.1.3.Информационная безопасность
- •3.2.Назначение и состав системных сред сапр
- •3.2.1.Системные среды автоматизированных систем
- •3.2.2.Подходы к интеграции по в сапр
- •3.2.3.Технологии интеграции по типа dde и ole
- •3.2.4.Управление данными в сапр
- •3.2.5.Варианты управления данными в сетях ас
- •3.2.6.Интеллектуальные серверы бд
- •3.2.7.Распределенные базы данных (рбд)
- •3.2.8.Программные средства управления проектированием в сапр
- •3.2.9.Примеры подсистем управления данными и проектированием
- •3.3.Инструментальные среды разработки программного обеспечения
- •3.3.1.Среды быстрой разработки приложений
- •3.3.2.Компонентно-ориентированные технологии
- •3.3.3.Пример реализации компонентно-ориентированной технологии в сапр
- •4.Системный подход к проектированию
- •4.1.Понятие инженерного проектирования
- •4.2.Принципы системного подхода
- •4.3.Основные понятия системотехники
- •5.Структура процесса проектирования
- •5.1.Иерархическая структура проектных спецификаций и иерархические уровни проектирования.
- •5.2.Стадии проектирования
- •5.3.Содержание технических заданий на проектирование
- •5.4.Классификация моделей и параметров, используемых при автоматизированном проектировании
- •5.5.Типовые проектные процедуры
- •6.Виды обеспечения и требования к их компонентам (гост 23501.101-87)
- •6.1.Программное обеспечение сапр
- •6.2.Информационное обеспечение сапр
- •6.3.Методическое обеспечение сапр
- •6.4.Математическое обеспечение сапр
- •6.5.Лингвистическое обеспечение сапр
- •6.6.Техническое обеспечение сапр
- •6.7.Организационное обеспечение сапр
- •7.Математическое моделирование автоматизированных систем
- •7.1.Математическое обеспечение анализа проектных решений
- •7.1.1.Математический аппарат в моделях разных иерархических уровней
- •7.1.2.Требования к математическим моделям и численным методам в сапр.
- •7.1.3.Место процедур формирования моделей в маршрутах проектирования
- •7.2.Математические модели в процедурах анализа на макроуровне
- •7.2.1.Исходные уравнения моделей
- •7.2.2.Примеры компонентных и топологических уравнений
- •7.2.3.Представление топологических уравнений
- •7.2.4.Особенности эквивалентных схем механических объектов.
- •7.2.5.Характеристика методов формирования ммс
- •7.2.6.Узловой метод
- •7.3.Методы и алгоритмы анализа на макроуровне
- •7.3.1.Выбор методов анализа во временной области
- •7.3.2.Алгоритм численного интегрирования соду
- •7.3.3.Методы решения систем нелинейных алгебраических уравнений
- •7.3.4.Методы решения систем линейных алгебраических уравнений
- •7.3.5.Анализ в частотной области
- •7.3.6.Многовариантный анализ
- •7.3.7.Организация вычислительного процесса в универсальных программах анализа на макроуровне.
- •7.4.Имитационное моделирование
- •7.4.1.Имитационное моделирование систем массового обслуживания
- •7.4.2.Событийный метод моделирования
- •7.4.3.Краткое описание языка срss
- •7.4.4.Сети Петри
- •7.4.5.Анализ сетей Петри
- •7.5.Математическое обеспечение синтеза проектных решений
- •7.5.1.Постановка задач параметрического синтеза
- •7.5.1.1.Место процедур синтеза в проектировании
- •7.5.1.2.Критерии оптимальности
- •7.5.1.3.Задачи оптимизации с учетом допусков
- •7.5.2.Обзор методов оптимизации
- •7.5.2.1.Классификация методов математического программирования
- •7.5.2.2.Методы одномерной оптимизации
- •7.5.2.3.Методы безусловной оптимизации
- •7.5.2.4.Необходимые условия экстремума
- •7.5.2.5.Методы поиска условных экстремумов.
- •7.5.3.Постановка задач структурного синтеза
- •7.5.3.1.Процедуры синтеза проектных решений
- •7.5.3.2.Задача принятия решений
- •7.5.3.3.Представление множества альтернатив
- •7.5.3.4.Морфологические таблицы
- •7.5.3.5.Альтернативные графы
- •7.5.3.6.Исчисления
- •7.5.4.Методы структурного синтеза в сапр
- •7.5.4.1.Системы искусственного интеллекта.
- •7.5.4.2.Дискретное математическое программирование
- •7.5.4.3.Элементы теории сложности
- •7.5.4.4.Эволюционные методы.
- •7.5.4.5.Постановка задачи поиска оптимальных решений с помощью генетических алгоритмов
- •7.5.4.6.Простой генетический алгоритм
- •7.5.4.7.Разновидности генетических операторов
- •7.5.4.8.Генетический метод комбинирования эвристик
- •8.Эффективность сапр
- •9.Понятие об открытых системах
- •9.1.История развития открытых систем
- •9.2.Существующие определения открытых систем и терминология
- •9.3.Различные подходы к понятию "открытые системы"
- •10.Технологии и стандарты информационной поддержки жизненного цикла изделий
- •Заключение
- •Библиографический список
- •Оглавление
- •394026 Воронеж, Московский просп., 14
7.3.2.Алгоритм численного интегрирования соду
Одна из удачных реализаций неявного метода второго порядка, которую можно считать модификацией метода трапеций, основана на комбинированном использовании явной и неявной формул Эйлера. Рассмотрим вопрос, почему такое комбинирование снижает погрешность и приводит к повышению порядка метода.
Предварительно отметим, что в методах p-го порядка локальная погрешность, т.е. погрешность, допущенная на одном п-м шаге интегрирования, оценивается старшим из отбрасываемых членов
в разложении решения V(t) в ряд Тейлора, где с - постоянный коэффициент, зависящий от метода, - норма вектора (р+1)-х производных V (t), которая оценивается с помощью конечно-разностной аппроксимации, – значение времени t внутри шага.
Если n-й шаг интегрирования в комбинированном методе был неявным, т.е. выполненным по неявной формуле, то следующий шаг с тем же значением И должен быть явным. Используя разложение решения V(t) в ряд Тейлора в окрестностях точки tn+1, получаем для (n+1)-го неявного шага
-
7.28
и для (п+2)-го явного шага
-
7.29
где - величины неявного и явного шагов, а значения производных относятся к моменту tn+1.
Подставляя (7.28) в (7.29), при получаем:
т.е. погрешности, обусловливаемые квадратичными членами в (7.28) и (7.29) взаимно компенсируются, и старшим из отбрасываемых членов становится член с . Следовательно, изложенное комбинирование неявной и явной формул Эйлера дает метод интегрирования второго порядка.
Неявные методы и, в частности, рассмотренный комбинированный метод целесообразно использовать только при переменной величине шага. Действительно, при заметных скоростях изменения фазовых переменных погрешность остается в допустимых пределах только при малых шагах, в квазистатических режимах шаг может быть во много раз больше.
Алгоритмы автоматического выбора шага основаны на сравнении допущенной и допустимой локальных погрешностей. Например, вводится некоторый диапазон (коридор) погрешностей δ, в пределах которого шаг сохраняется неизменным. Если же допущенная погрешность превышает верхнюю границу диапазона, то шаг уменьшается, если же выходит за нижнюю границу, то шаг увеличивается.
7.3.3.Методы решения систем нелинейных алгебраических уравнений
Вычисления при решении СОДУ состоят из нескольких вложенных один в другой циклических процессов. Внешний цикл -цикл пошагового численного интегрирования, параметром цикла является номер шага. Если модель анализируемого объекта нелинейна, то на каждом шаге выполняется промежуточный цикл - итерационный цикл решения системы нелинейных алгебраических уравнений (СНАУ). Параметр цикла - номер итерации. Во внутреннем цикле решается система линейных алгебраических уравнений (СЛАУ), например, при применении узлового метода формирования ММС такой системой является (7.19). Поэтому в математическое обеспечение анализа на макроуровне входят методы решения СНАУ и СЛАУ.
Для решения СНАУ можно применять прямые итерационные методы такие, как метод простой итерации или метод Зейделя, но в современных программах анализа наибольшее распространение получил метод Ньютона, основанный на линеаризации СНАУ Собственно модель (7.19) получена именно в соответствии с методом Ньютона. Основное преимущество метода Ньютона - высокая скорость сходимости.
Представим СНАУ в виде
-
F(X)=0.
7.30
Разлагая F(Х) в ряд Тейлора в окрестностях некоторой точки Xk, получаем
Сохраняя только линейные члены, получаем СЛАУ с неизвестным вектором X:
-
7.31
где Решение системы (7.31) дает очередное приближение к корню системы (7.30), которое удобно обозначить
Вычислительный процесс стартует с начального приближения и в случае сходимости итераций заканчивается, когда погрешность, оцениваемая как
станет меньше допустимой погрешности ε.
Однако метод Ньютона не всегда приводит к сходящимся итерациям. Условия сходимости метода Ньютона выражаются довольно сложно, но существует легко используемый подход к улучшению сходимости. Это близость начального приближения к искомому корню СНАУ Использование этого фактора привело к появлению метода решения СНАУ, называемого продолжением решения по параметру.
В методе продолжения решения по параметру в ММС выделяется некоторый параметр а, такой, что при корень системы (7.30) известен, а при увеличении от 0 до его истинного значения составляющие вектора X плавно изменяются от до истинного значения корня. Тогда задача разбивается на ряд подзадач, последовательно решаемых при меняющихся значениях , и при достаточно малом шаге Δα изменения α условия сходимости выполняются.
В качестве параметра α можно выбрать некоторый внешний параметр, например, при анализе электронных схем им может быть напряжение источника питания. Но на практике при интегрировании СОДУ в качестве α выбирают шаг интегрирования h. Очевидно, что при h = 0 корень СНАУ равен значению вектора неизвестных на предыдущем шаге. Регулирование значений h возлагается на алгоритм автоматического выбора шага.
В этих условиях очевидна целесообразность представления математических моделей для анализа статических состояний в виде СОДУ, как и для анализа динамических режимов.