АСПССУ

1. Классификация математических процедур сапр.

Процедуры синтеза реализуют процесс создания объекта и его параметров.

Процедура анализа – это процесс обработки результатов проектирования.

При одновариантном анализе проводятся однократное моделирование работы объекта. При многовариантном – моделируется работа в разных ситуациях, для получения оптимального выходного параметра.

Верификация – это сравнение технического задания на проектируемый объект и результатов математического моделирования готового объекта.

Анализ чувствительности определяет изменение одного из выходных параметров при изменении внутреннего или входного параметра.

Статистический анализ – задаются законы распределения внутренних или входных параметров и проводится анализ работоспособности объекта и области работоспособности.

2. Методы анализа математических моделей.

Анализ математических моделей разделяется на одновариантный и многовариантный.

Одновариантный анализ. Большинство задач одновариантного анализа сводится к решению систем линейных алгебраических уравнений вида АХ=В, где А - матрица (nхn) с большим количеством нулевых элементов, Х- n- мер­ный вектор неизвестных, В- n- мерный заданный вектор. Численные методы решения разделяются на итерационные и прямые. Итерацион­ные методы просты в реализации и требуют минимальных затрат опе­ративной памяти. Прямые методы основаны на применении методов Гаусса. Для решения нелинейных алгебраических уравнений применя­ется метод Ньютона, метод деления отрезка пополам.

Многовариантный анализ – используется для верификации проектного решения.

Методы решения: анализ чувствительности, метод наихудшего случая, метод Монте–Карло.

Анализ чувствительности: определяется коэффициент чувстви­тельности выходных параметров (J) к изменению внутренних (X) или внешних Q параметров.

При анализе чувствительности составляется матрица коэф. чувствительности, где отражаются все внутренние параметры влияющие на выходные параметры.

(1)

Матрицы чувствительности А и В размером nxm (1) состоят из значений а_ijдляnвыходных, m внутренних,lвнеш­них параметров. В САПР аналитических выражений связывающих входные, внутренние и выходные переменные нет. Поэтому коэф. определить прямым дифференцированием не возможно, поэтому от частных производных переходят к приращениям, т.е. задается малое приращение внутреннего или внешнего параметра и определяется изменение выходного параметра. Это значит, что проводится (m+1) раз одновариантный анализ.

Метод наихудшего случая. Относится к статическим методам. Для его реализации необходимы начальные входные данные: максимально возможные отклонения ∆q_iэлементов векто­ра внешних параметров от номинальных; закон распределения внутренних параметров; техническое требование на выходные параметрыy_i. При реализации метода наихудшего случая составляется векторQиз элементов внешних параметровq_l. Таким образом, чтобы значение каждого элемента вектора отклонялись максимально в сторону ухудшения выходного параметра. На выходные параметры в ТЗ задаются условияyi ≥TTiилиyi<TTi. Задача анализа в нахождении знака коэф. чувствительности и максимального отклонения входного параметра. Определяется область работоспособности и если изделие работоспособно в условиях наихудшего случая, то оно работоспособно во всем пространстве внешних параметров. (1-граница работоспособности, 2 -область работоспособности)

Метод Монте-Карлооснован на многократном моделирование числовых значений вектора % внутренних параметров и расчета для каждого сочетания выходных параметров У.

Алгоритм метода Монте-Карло.

1.Случайным образом задается вектор Х внутренних параметров с определенными отклонениями. Вектор не коррелирован, т.е. нет связей м/д отдельными параметрами.

2.Проводится корреляция вектора внутренних параметров, т.е. корректируются значения элементов вектора в соответствии с коэф. корреляции получаем вектор х_l.

3Проводится одновариантный анализ(расчет выходных параметров).

4. Проводится анализ результатов моделирования.

5. Повторяются шаги 1-4 заданное количество раз.

6. Проводится анализ результатов, т.е. определяется вероятности работоспособности объекта для заданного количества испытаний. Чем больше проведено вариантов внутренних параметров, тем выше вероятность работоспособности объекта при заданных значениях внутренних параметров, тем больше времени требуется на реализацию метода.