МИНИСТЕРСТВО ЦИФРОВОГО РАЗВИТИЯ, СВЯЗИ И МАССОВЫХ КОММУНИКАЦИЙ РОССИЙСКОЙ ФЕДЕРАЦИИ
Ордена Трудового Красного Знамени федеральное государственное бюджетное образовательное учреждение высшего образования
Московский технический университет связи и информатики (МТУСИ)
УДК 621.396 Рег. № НИОКТР 000000000007
Рег. № ИКРБС
ОТЧЕТ ПО ЛЕКЦИИ № 7
РЕШЕНИЕ ЗАДАЧ НАДЁЖНОСТИ СТАТИСТИЧЕСКИМИ МЕТОДАМИ И МОДЕЛИРОВАНИЕМ СМО
(заключительный)
по дисциплине
Диагностика и надёжность автоматизированных систем
Выполнил:
студент 4-го курса группы БАП2201 Мягков А.К.
Проверил: к.т.н., доцент Васильева Т.Ю.
Москва 2026
РЕФЕРАТ
Отчет 19 с., 0 кн., 6 рис., 0 табл., 6 источн., 0 прил. СТАТИСТИЧЕСКОЕ МОДЕЛИРОВАНИЕ, МЕТОД МОНТЕ-КАРЛО,
МЕТОД ВЫЧЕТОВ, СЛУЧАЙНЫЕ СОБЫТИЯ, ПСЕВДОСЛУЧАЙНЫЕ ЧИСЛА, МАССОВОЕ ОБСЛУЖИВАНИЕ, НАДЁЖНОСТЬ, FMПЕРЕДАТЧИК.
Объектом исследования являются статистические методы моделирования и модели массового обслуживания применительно к решению задач надёжности радиотехнических систем.
Цель работы – изучение методов статистического моделирования (метод Монте-Карло, метод вычетов), способов формирования случайных чисел и моделирования случайных событий, а также моделей массового обслуживания для оценки надёжности радиотехнического оборудования.
В ходе выполнения работы рассмотрены алгоритмы получения псевдослучайных чисел, методы моделирования случайных событий с заданными вероятностями, схема статистического моделирования системы для решения задач надёжности, а также модели массового обслуживания с примерами из радиотехнической отрасли.
Результаты работы могут быть использованы для оценки показателей надёжности сложных радиотехнических систем, аналитическое описание которых затруднено или невозможно.
2
|
СОДЕРЖАНИЕ |
|
РЕФЕРАТ................................................................................................................. |
2 |
|
СОДЕРЖАНИЕ....................................................................................................... |
3 |
|
ТЕРМИНЫ И ОПРЕДЕЛЕНИЯ............................................................................ |
4 |
|
ВВЕДЕНИЕ............................................................................................................. |
6 |
|
1. ТЕОРЕТИКО-ПРАКТИЧЕСКАЯ ЧАСТЬ......................................................... |
7 |
|
1.1 |
МЕТОДЫ СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ.......................... |
7 |
1.2 |
МЕТОД ВЫЧЕТОВ...................................................................................... |
8 |
1.3 |
МЕТОД МОНТЕ-КАРЛО............................................................................. |
8 |
1.4 |
СПОСОБЫ МОДЕЛИРОВАНИЯ СЛУЧАЙНЫХ СОБЫТИЙ.............. |
10 |
1.5 |
СПОСОБ ФОРМИРОВАНИЯ РАВНОМЕРНО РАСПРЕДЕЛЁННЫХ |
|
|
СЛУЧАЙНЫХ ЧИСЕЛ............................................................................... |
11 |
1.6 |
СХЕМА МОДЕЛИРОВАНИЯ СИСТЕМЫ ДЛЯ РЕШЕНИЯ ЗАДАЧ |
|
|
НАДЁЖНОСТИ......................................................................................... |
13 |
1.7 |
МОДЕЛИ МАССОВОГО ОБСЛУЖИВАНИЯ И СПОСОБЫ РЕШЕНИЯ |
|
|
ЗАДАЧ......................................................................................................... |
14 |
1.8 |
ПРИМЕР РЕШЕНИЯ ЗАДАЧИ, СОСТАВЛЕНИЕ АЛГОРИТМА........ |
16 |
ЗАКЛЮЧЕНИЕ..................................................................................................... |
18 |
|
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ............................................ |
19 |
|
3
ТЕРМИНЫ И ОПРЕДЕЛЕНИЯ
В настоящем отчете о лекции применяют следующие термины с соответствующими определениями:
Статистическое – метод исследования сложных систем, основанный на моделирование построении вероятностной модели процесса
функционирования и многократной реализации её на ЦВМ с последующей статистической обработкой результатов
Метод Монте-Карло – численный метод решения математических задач путём моделирования случайных величин и статистической оценки искомых величин
Метод вычетов – программный метод генерации псевдослучайных чисел, основанный на рекуррентной формуле xn+1 = k·xn
(mod(m))
Псевдослучайные – последовательность чисел, вырабатываемая числа (ПСЧ) детерминированным алгоритмом, статистические
свойства которой близки к свойствам истинно случайной последовательности
Случайное событие – событие, которое при данном испытании может произойти или не произойти, характеризуемое вероятностью свершения
Массового |
– математическая модель системы, описывающая |
обслуживания |
процесс поступления и обслуживания заявок при |
модель |
случайных интервалах времени |
Заявка |
– требование на обслуживание, поступающее в систему |
|
массового обслуживания в случайные моменты |
|
времени |
Очередь |
– совокупность заявок, ожидающих обслуживания в |
|
системе массового обслуживания |
Пропускная |
– среднее число заявок, обслуживаемых системой в |
способность |
единицу времени |
Равномерное |
– распределение случайной величины, при котором её |
распределение |
значения на отрезке [0, 1] равновероятны |
Обратное |
– метод получения случайных чисел с заданным |
преобразование |
законом распределения путём обращения функции |
|
распределения F(x) |
4
ПЕРЕЧЕНЬ СОКРАЩЕНИЙ И ОБОЗНАЧЕНИЙ
В настоящем отчете о лекции применяют следующие сокращения и обозначения:
ЦВМ – цифровая вычислительная машина ПСЧ – псевдослучайные числа СМО – система массового обслуживания
FM – Frequency Modulation (частотная модуляция)
РЭС – радиоэлектронные средства ЗИП – запасные части, инструменты и принадлежности АФУ – антенно-фидерное устройство
λ– интенсивность отказов
λв |
– интенсивность обслуживания (восстановления) |
t |
– шаг дискретизации времени |
Rj |
– случайное число с равномерным распределением на [0, 1] |
pi |
– вероятность i-го события |
F(x) |
– функция распределения случайной величины |
f(x) |
– плотность распределения случайной величины |
Pi(t) |
– вероятность нахождения системы в i-м состоянии в момент t |
N |
– общее число элементов в системе |
Tср |
– среднее время ожидания в очереди |
nср |
– средняя длина очереди |
5
