
- •1. Понятие технологической системы, ее свойства
- •2. Схема управляемой технологической системы
- •3. Пример управляемой тех. Системы производства см
- •4. Схема частично управляемой и не управляемой тех. Системы
- •5. Пример частично управляемой и не управляемой тех. Системы
- •6. Входные параметры тех. Системы производства см. Примеры, уровни
- •7. Выходные параметры тех. Системы производства см. Примеры, уровни
- •8. Виды возмущающих воздействий на технологическую систему и их учет
- •9. Общая классификация систем. Пример
- •10. Системный анализ. Задачи, способы
- •11. Общие положения стратегии системного анализа
- •12. Применение блочного принципа системного анализа на примере процесса строительной технологии
- •13. Основные типы мат. Мод.
- •16. Высшая ступень иерархической структуры птс
- •17. Исследование птс как объектов управления
- •18. Чувствительность систем
- •19. Управляемость системы
- •20. Наблюдаемость системы
- •21. Устойчивость системы
- •22. Помехозащищенность системы
- •23. Эмерджентность птс
- •24. Интерэктность птс
- •25. Детерминированные процессы. Примеры
- •26. Стохастические процессы. Примеры
- •27. Основные положения теории информации: информационная энтропия
- •28. Основные положения теории информации: св-ва информационной энтропии
- •29. Основные положения теории информации: количество информации
- •30. Передача сигналов в технологических системах: ступенчатое возмущение
- •31. Передача сигналов в технологических системах: импульсное возмущение
- •32. Передача сигналов в технологических системах: синусоидальное возмущение
- •33. Основные типы звеньев тех. Системы: безинерционное и инерционное звено
- •34. Основные типы звеньев тех. Системы: дифференцирующее и интегрирующее
- •35. Основные типы звеньев тех. Системы: чистого запаздывания и колебательное
- •Помехи в технологических системах.
- •Обратная связь в технологических процессах.
- •Моделирование как метод исследования систем. Основные виды моделирования.
- •Виды математических моделей. Классификация моделей по степени точности.
- •Классификация математических моделей по степени соответствия реальному объекту, способности работать в реальном времени.
- •Основные принципы моделирования: информационной точности.
- •Основные принципы моделирования: параметризации.
- •Основные принципы моделирования: агрегирования.
- •Основные принципы моделирования: осуществимости.
- •Основные принципы моделирования: рационального использования факторного пространства.
- •Основные принципы моделирования: принцип множественности.
- •Основные этапы и способы построения моделей.
- •Статистические модели процессов. Понятие активный эксперимент.
- •Статистические модели процессов. Понятие пассивный эксперимент.
- •Эволюционное планирование эксперимента в производственных условиях. Смысл, план эксперимента.
- •Понятие фаза и цикл при эволюционном планировании эксперимента.
- •Графические зависимости и критерии при эволюционном планировании эксперимента в производственных условиях.
- •Оценка опытных данных по g-критерию Кохрена.
- •Области применимости регрессионного анализа.
- •Понятие полнофакторного эксперимента и дробной реплики от него. Применимость планов, их виды.
- •Виды математических моделей используемых при регрессионном анализе.
- •Области применимости дисперсионного анализа.
- •Планирование эксперимента при дисперсионном анализе.
- •Виды математических моделей используемых при дисперсионном анализе.
- •Оценка адекватности по f-критерию Фишера. Проведение вычислительного эксперимента.
- •Основы теории подобия. Виды подобия.
- •Критерии подобия. Применимость, примеры.
- •Типовые модели структуры потоков в аппаратах: модель идеального вытеснения.
- •Типовые модели структуры потоков в аппаратах: модель идеального смешивания.
- •Типовые модели структуры потоков в аппаратах: диффузионная модель.
- •Типовые модели структуры потоков в аппаратах: ячеечная модель.
- •Типовые модели структуры потоков в аппаратах: комбинированная модель.
- •Состав, структура и свойства нейронных сетей. Биологическая аналогия.
- •Алгоритм моделирования сложных объектов и систем с помощью нейронных сетей.(70)
- •Применение нейронных сетей для прогнозирования поведения системы в будущем.(71)
- •Имитационные модели. Этапы построения модели.(85)
- •Основные элементы системы управления. Способы продвижения модельного времени.(90)
- •Построение моделирующего алгоритма системы управления запасами по принципу Δt.
- •Построение моделирующего алгоритма системы управления по принципу особых состояний.
- •Специальные методы применяемые при имитационном моделировании: группировка, применение относительных и средних величин.
- •Специальные методы применяемые при имитационном моделировании: сравнение, метод цепных подставок.
- •Специальные методы применяемые при имитационном моделировании: метод аналогий, экспертные оценки.
- •Моделирование и анализ организационной структуры предприятия при создании системы управления.
- •Структурная схема имитационной модели тп сборного железобетона с изменяемыми критериями управления. Основные информационные потоки.(86)
- •Оценка стабильности технологических процессов. Организация работ.(72)
- •Регистрационные методы оценки стабильности технологических процессов.(73)
- •Статистические методы оценки стабильности технологических процессов.(74)
- •Оценка стабильности технологических процессов. Контрольные карты.(79)
- •Оценка стабильности технологических процессов. Диаграммы Парето.(80)
25. Детерминированные процессы. Примеры
К детерминированным относятся процессы, в которых все параметры определенны точно, однозначно и не содержат элементов случайности. Моделирование детерминированных процессов осуществляется в виде конкретных чисел или однозначно определенных закономерностей т.е. функций.
26. Стохастические процессы. Примеры
К стохастическим относятся процессы, в которых присутствуют элементы случайности. Моделирование стохастических процессов осуществляется в виде совокупности случайных величин, законов их распределения и параметров этих распределений.
27. Основные положения теории информации: информационная энтропия
Информация – это любые сведения в любой форме, первичным источником которых являются опыт и наблюдение. Среди основных положений ТИ основное место занимают энтропия и количество информации. Энтропия выступает как мера неопределённости, причём характеристика неопределённости может быть самой различной (неопределённость результатов будущего объекта, состояние системы и другое). Рассмотрение отношения вероятности приводит к не удобным и многоэтажным дробям, поэтому для выражения количества информации, при котором пользуются отношениями вероятности, удобно вывести логарифм вероятности. Количество переданной информации выражает отношение логарифма вероятности после получения информации Р1 к логарифму вероятности получения информации Р2.
Для
количественной оценки меры в теории
вероятности введено понятие «информационной
энтропии»:
28. Основные положения теории информации: св-ва информационной энтропии
Для количественной оценки меры в теории вероятности введено понятие «информационной энтропии»:
Информационная энтропия обладает следующими свойствами:
Значение Н должно монотонно возрастать с увеличением числа опытов;
Н=0, если имеется единственный исход опыта, т.е. k=1, то никакой не определённости не возникает и результат можно определить безошибочно;
оценка неопределённости должна обладать свойствами аддитивности в том смысле, что если в результате некоторого сложного опыта имеет место 2 одновременных исхода k1 и k2, то очевидно, что для таких опытов:
энтропия не может принимать отрицательных значений;
энтропия опыта =0, если одна из вероятностей =1, а все остальные =0
29. Основные положения теории информации: количество информации
График изменения энтропии для двух опытов.
Из графика следует, что максимальное значение энтропии соответствует равновероятностным событием, т.е. р1=р2=0,5 и при этом максимально значение энтропии =1. Тот факт, что максимум энтропии соответствует равновероятностным событиям хорошо согласуется со смыслом энтропии, т.е. в случае равновероятностных событий нельзя отдать предпочтение ни одному из них и поэтому труднее всего предвидеть результат. С целью устранения неопределённости и производиться моделирование процессов ставятся опыты и т. д. После проведения опытов неопределённость имеется лишь в простейших случаях, например некоторая погрешность в измерениях всегда остаётся вследствие погрешности приборов.
Если неопределённость до составляла Н’, неопределённость после опыта составляет Н’’, то очевидно, что в ходе опыта неопределённость будет составлять
-количество
информации.