
- •Список литературы:
- •Введение
- •Основные понятия и определения
- •Классический подход
- •Системный подход
- •Способы создания моделей
- •Классификация моделей
- •Классификация методов моделирования
- •Глава 2 Теоретические основы моделирования
- •1.1 Условное моделирование
- •1.2 Аналогия.
- •2. Аналогичное моделирование
- •3. Элементы теории подобия
- •3.1 Понятие подобия
- •3.2 Подобие физических процессов (объектов)
- •3.3 Виды подобия.
- •Теория размерности Основные положения теории размерности
- •Критерии подобия
- •3.4 Определение критериев подобия
- •Определение критериев подобия при известном математическом описании
- •Определение критериев подобия с использованием теории размерности (при неизвестном математическом описании)
- •3.5 Первая теорема подобия и ее применение при определении критериев подобия.
- •3.5.1 Определение критериев подобия по уравнениям исследуемых процессов
- •3.5.2 Определение критериев подобия процессов, описываемых уравнениями, содержащими только однородные функции
- •3.5.3 Определение критериев подобия процессов, описываемых уравнениями, содержащими неоднородные функции
- •Преобразование критериев подобия
- •Методика определения критериев подобия способом интегральных аналогов
- •3.6 Вторая теорема подобия и ее применение при определении критериев подобия (-теорема)
- •Методика определения критериев подобия на основе анализа размерностей
- •Этапы определения критериев подобия
- •3.7 Третья теорема подобия и ее применение при установлении условий подобия.
- •3.7.1 Формулировка третьей теоремы, отвечающая реальным задачам
- •3.7.2 Автомодельность
- •3.7.3. Масштабные уравнения
- •Общий вид масштабных уравнений для любой системы по методу размерности
- •3.8 Дополнительные положения о подобии
- •Первое дополнительное положение о подобии сложных систем
- •3.8.1.1 Следствия первого дополнительного положения
- •Второе дополнительное положение о подобии систем с нелинейными или переменными параметрами
- •Третье дополнительное положение о подобии анизотропных или неоднородных систем
- •Четвертое дополнительное положение о подобии физических
- •Этапы процесса подобного моделирования
- •Классификация видов подобия и моделирования
- •В качестве модели заменим
- •Методы идентификации
- •Структурная идентификация
- •Р ис. 20 Общая схема идентификации модели Текущие данные
- •Выбор класса модели
- •Выбор критерия согласия
- •Параметрическая идентификация
- •Схемы параметрической идентификации
- •Идентификация линейной регрессионной модели р ис. 21 Схема одномерной системы
- •Линейный регрессионный анализ для многомерных систем
- •Идентификация динамических систем
- •Идентификация нелинейных систем
- •Метод прямого поиска
- •Аппроксимация нелинейности
- •Модель Гаммерштейна
- •Метод Виннера
- •Двухэтапная процедура
- •Планирование эксперимента
- •Активный эксперимент
- •Построение d – плана
- •Оценка адекватности модели
- •Практическая реализация моделирования
- •Масштабирование переменных для авм
- •Операционный усилитель как основной элемент авм
- •Линейные операционные элементы
- •Пропорциональный (масштабирующий) усилитель
- •Звено перемены знака
- •Суммирующий усилитель
- •Интегрирующее звено.
- •Интегрально-пропорциональный усилитель
- •Дифференциальное звено
- •Пример аналогового моделирования двигателя постоянного тока
- •Способы математического описания систем автоматизации электроприводов.
- •Моделирование нелинейных функций
- •Работа операционного усилителя в режиме компаратора
- •Добротность аналоговой вычислительной машины
- •Реализация аналоговых моделей
- •Методы составления схем набора
- •Общая методика моделирования на авм
- •Цифровое моделирование.
- •Приведение дифференциальных уравнений к виду, удобному для цифрового моделирования
- •Структурирование при цифровом моделировании.
- •Выбор вспомогательных переменных для передаточных функций, содержащих оператор в числителе
- •Гибридное моделирование
- •Система matlab
- •Краткая характеристика системы
- •Система matlab (Вводный курс) Ввод простых матриц
- •Программа моделирования динамических систем.
- •Требования к системе.
- •1. Быстрый старт.
- •2. Начальные сведения.
- •2.1 Создание простой модели этап 1
- •2.2 Этап 2
- •3. Анализ моделей.
- •3.1 Способы использования.
- •3.2 Моделирование.
- •3.2.1 Моделирование с помощью меню.
- •3.2.2 Моделирование с помощью командной строки.
- •3.3 Просмотр траекторий выходных сигналов.
- •3.5 Алгебраические циклы
- •3.6 Алгоритмы моделирования
- •4. Управление величиной шага
- •4.1 Минимальный размер шага
- •4.2 Максимальный размер шага
- •4.3 Методы с фиксированным шагом
- •4.4 Эффективный размер шага
- •5. Системы дискретного времени.
- •5.1 Дискретные блоки
- •5.2 Образцовое время
- •5.3 Полностью дискретные системы
- •5.4 Смешанные системы (непрерывные и дискретные)
- •6. Линеаризация
- •Имитационное моделирование.
- •1. Сущность имитационного моделирования.
- •2. Цифровое моделирование больших систем.
- •2.1 Характерные особенности больших систем.
- •2.2 Аналитические модели
- •2.3 Имитационные модели.
- •2.3.1 Влияние случайных факторов.
- •2.4 Пример имитационной модели.
- •2.5 Условия использования имитационных моделей.
- •2.6 Недостатки имитационных моделей.
- •3. Технология моделирования сложных систем. Технологические этапы создания и использования имитационных моделей.
2.2 Аналитические модели
В аналитических моделях – процессы функционирования элементов сложной системы записываются в виде некоторых функциональных соотношений (алгебраических, интегральных, дифференциальных) или логических условий.
Аналитическая модель может исследоваться одним из следующих способов:
аналитический способ –получение в обобщённом виде явных зависимостей для искомых величин;
численный способ – если нет возможности решить имеющиеся уравнение в общем виде, но можно получить численный результат при конкретных начальных данных;
качественный способ –нет решения в явном виде, но можно найти некоторые свойства решения, например, оценить его устойчивость.
При моделировании на ЭВМ вместо аналитического способа исследования используется алгоритмическое описание процесса функционирования модели.
Наиболее полное, а в некоторых случаях и исчерпывающее исследование можно провести в том случае, если получены явные зависимости, связывающие искомые величины с параметрами системы и начальными условиями. Однако, их удается получить лишь для сравнительно простых систем. Поскольку обобщенная система достаточно сложна, аналитическое исследование сталкивается с непреодолимыми трудностями. Поэтому, стремясь получить аналитическое решение, идут на упрощение первоначальной модели, чтобы иметь возможность изучать некоторые общие свойства системы.
В отдельных случаях исследователя могут удовлетворить и те выводы, которые можно получить при качественных методах анализа математической модели.
При исследовании сложной системы, часто для получения аналитического решения задачи приходится вводить жесткие ограничения на ее модель и прибегать к упрощениям. При этом приходится пренебрегать некоторыми особенностями системы, от чего созданная модель уже перестает быть средством изучения рассматриваемой большой системы. И все же, часто стремятся к построению такой аналитической модели, которая обеспечивает хотя бы и грубое, но простое и достаточно удобное решение рассматриваемой задачи. Оно обычно используется как ориентировочное до получения более точных решений другими методами.
Численные методы применимы к значительно более широкому классу функциональных уравнений, однако получаемые решения носят частный характер, и не всегда есть возможность получить из них выводы общего характера.
В зависимости от используемого математического аппарата и применяемых методов формализации различают следующие виды аналитических моделей: модели математического программирования, сетевые модели, модели физических явлений, модели массового обслуживания, модели теории игр и т.д.
2.3 Имитационные модели.
В имитационных моделях моделирующий алгоритм приближенно воспроизводит процесс-оригинал в смысле его функционирования во времени, причем имитируются элементарные явления, составляющие процесс, с сохранением их логической структуры и последовательности протекания во времени.
Сущность рассматриваемого метода моделирования состоит в реализации на ЭВМ специального алгоритма, который воспроизводит формализованный процесс сложной системы. Моделирующий алгоритм позволяет по исходным данным, содержащим сведения о начальном состоянии процесса (входной информации) и его параметрах, получить информацию о состояниях процесса в произвольные моменты времени.
В моделирующем алгоритме можно выделить три основных типа подалгоритмов, выполняющих одну из следующих функций:
1. моделирование какого-либо элементарного подпроцесса исследуемого процесса;
2. учет взаимодействия элементарных подпроцессов и объединение их в единый процесс;
3. обеспечение согласованной работы отдельных подалгоритмов при реализации модели на ЭВМ.