Лекция 1.

МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ МОДЕЛИРОВАНИЯ

1. Современное состояние проблемы моделирования систем

Понятия модели и моделирования

Моделирование можно рассматривать как замещение исследуемогообъекта (оригинала) его условным образом, описанием или другим объектом,именуемым моделью и обеспечивающим близкое к оригиналу поведениев рамках некоторых допущений и приемлемых погрешностей. Моделированиеобычно выполняется с целью познания свойств оригинала путем исследованияего модели, а не самого объекта. Разумеется, моделирование оправдано в томслучае когда оно проще создания самого оригинала или когда последний покаким-то причинам лучше вообще не создавать.

Под моделью понимается физический или абстрактный объект, свойствакоторого в определенном смысле сходны со свойствами исследуемого объекта.При этом требования к модели определяются решаемой задачей и имеющимисясредствами. Существует ряд общих требований к моделям:

1) адекватность – достаточно точное отображение свойств объекта;

2) полнота – предоставление получателю всей необходимой информации

об объекте;

3) гибкость – возможность воспроизведения различных ситуаций во всем

диапазоне изменения условий и параметров;

4) трудоемкость разработки должна быть приемлемой для имеющегося

времени и программных средств.

Моделирование – это процесс построения модели объекта и исследованияего свойств путем исследования модели.

Таким образом, моделирование предполагает 2 основных этапа:

1) разработка модели;

2) исследование модели и получение выводов.

При этом на каждом из этапов решаются разные задачи и используются

отличающиеся по сути методы и средства.

На практике применяют различные методы моделирования. В зависимостиот способа реализации, все модели можно разделить на два больших класса:физические и математические.

Математическое моделирование принято рассматривать как средствоисследования процессов или явлений с помощью их математических моделей.

Под физическим моделированием понимается исследование объектов иявлений на физических моделях, когда изучаемый процесс воспроизводятс сохранением его физической природы или используют другое физическоеявление, аналогичное изучаемому. При этом физические моделипредполагают, как правило, реальное воплощение тех физических свойстворигинала, которые являются существенными в конкретной ситуации.Например, при проектировании нового самолета создается его макет,обладающий теми же аэродинамическими свойствами; при планированиизастройки архитекторы изготавливают макет, отражающий пространственноерасположение ее элементов. В связи с этим физическое моделированиеназывают также макетированием.

Полунатурное моделирование представляет собой исследованиеуправляемых систем на моделирующих комплексах с включением в составмодели реальной аппаратуры. Наряду с реальной аппаратурой в замкнутуюмодель входят имитаторы воздействий и помех, математические моделивнешней среды и процессов, для которых неизвестно достаточно точноематематическое описание. Включение реальной аппаратуры или реальныхсистем в контур моделирования сложных процессов позволяет уменьшитьаприорную неопределенность и исследовать процессы, для которых нет точногоматематического описания. С помощью полунатурного моделированияисследования выполняются с учетом малых постоянных времени инелинейностей, присущих реальной аппаратуре. При исследовании моделей свключением реальной аппаратуры используется понятие динамическогомоделирования, при исследовании сложных систем и явлений -эволюционного, имитационного и кибернетического моделирования.

Очевидно, действительная польза от моделирования может быть полученатолько при соблюдении двух условий:

1) модель обеспечивает корректное (адекватное) отображение свойств

оригинала, существенных с точки зрения исследуемой операции;

2) модель позволяет устранить перечисленные выше проблемы, присущие

проведению исследований на реальных объектах.

2. Основные понятия математического моделирования

Решение практических задач математическими методами последовательноосуществляется путем формулировки задачи (разработки математическоймодели), выбора метода исследования полученной математической модели,анализа полученного математического результата. Математическаяформулировка задачи обычно представляется в виде геометрических образов,функций, систем уравнений и т.п. Описание объекта (явления) может бытьпредставлено с помощью непрерывной или дискретной, детерминированнойили стохастической и другими математическими формами.

Теория математического моделирования обеспечивает выявлениезакономерностей протекания различных явлений окружающего мира илиработы систем и устройств путем их математического описания имоделирования без проведения натурных испытаний. При этом используютсяположения и законы математики, описывающие моделируемые явления,системы или устройства на некотором уровне их идеализации.

Математическая модель (ММ) представляет собой формализованноеописание системы (или операции) на некотором абстрактном языке, например,в виде совокупности математических соотношений или схемы алгоритма,т. е. такое математическое описание, которое обеспечивает имитацию работысистем или устройств на уровне, достаточно близком к их реальномуповедению, получаемому при натурных испытаниях систем или устройств.

Любая ММ описывает реальный объект, явление или процесс с некоторойстепенью приближения к действительности. Вид ММ зависит как от природыреального объекта, так и от задач исследования.

Математическое моделирование общественных, экономических,биологических и физических явлений, объектов, систем и различных устройствявляется одним из важнейших средств познания природы и проектированиясамых разнообразных систем и устройств. Известны примеры эффективногоиспользования моделирования в создании ядерных технологий, авиационных иаэрокосмических систем, в прогнозе атмосферных и океанических явлений,погоды и т.д.

Однако для таких серьезных сфер моделирования нередко нужнысуперкомпьютеры и годы работы крупных коллективов ученых по подготовкеданных для моделирования и его отладки. Тем не менее, и в этом случаематематическое моделирование сложных систем и устройств не толькоэкономит средства на проведение исследований и испытаний, но и можетустранить экологические катастрофы – например, позволяет отказаться отиспытаний ядерного и термоядерного оружия в пользу его математическогомоделирования или испытаний аэрокосмических систем перед их реальнымиполетами.Между тем математическое моделирование на уровне решения болеепростых задач, например, из области механики, электротехники, электроники,радиотехники и многих других областей науки и техники в настоящее времястало доступным выполнять на современных ПК. А при использованииобобщенных моделей становится возможным моделирование и достаточносложных систем, например, телекоммуникационных систем и сетей,радиолокационных или радионавигационных комплексов.

Целью математического моделирования является анализ реальныхпроцессов (в природе или технике) математическими методами. В своюочередь, это требует формализации ММ процесса, подлежащего исследованию.Модель может представлять собой математическое выражение, содержащеепеременные, поведение которых аналогично поведению реальной системы.Модель может включать элементы случайности, учитывающие вероятностивозможных действий двух или большего числа «игроков», как, например, втеории игр; либо она может представлять реальные переменные параметрывзаимосвязанных частей действующей системы.

Математическое моделирование для исследования характеристик системможно разделить на аналитическое, имитационное и комбинированное. В своюочередь, ММ делятся на имитационные и аналитические.

Аналитическое моделирование

Для аналитического моделирования характерно, что процессыфункционирования системы записываются в виде некоторых функциональныхсоотношений (алгебраических, дифференциальных, интегральных уравнений). Аналитическая модель может быть исследована следующими методами:

1) аналитическим, когда стремятся получить в общем виде явныезависимости для характеристик систем;

2) численным, когда не удается найти решение уравнений в общем виде иих решают для конкретных начальных данных;

3) качественным, когда при отсутствии решения находят некоторые егосвойства.

Аналитические модели удается получить только для сравнительно простыхсистем. Для сложных систем часто возникают большие математическиепроблемы. Для применения аналитического метода идут на существенноеупрощение первоначальной модели. Однако исследование на упрощенноймодели помогает получить лишь ориентировочные результаты. Аналитическиемодели математически верно отражают связь между входными и выходнымипеременными и параметрами. Но их структура не отражает внутреннююструктуру объекта.

При аналитическом моделировании его результаты представляются в видеаналитических выражений. Например, подключив RC -цепь к источникупостоянного напряжения E ( R, C и E - компоненты данной модели), мыможем составить аналитическое выражение для временной зависимостинапряжения u(t ) на конденсаторе C :

. (1)

Это линейное дифференциальное уравнение (ДУ) и являетсяаналитической моделью данной простой линейной цепи. Его аналитическоерешение, при начальном условии u(0) = 0 , означающем разряженныйконденсатор C в момент начала моделирования, позволяет найти искомуюзависимость – в виде формулы:

u(t) = E(1− eхp(- t/ RC )). (2)

Однако даже в этом простейшем примере требуются определенные усилиядля решения ДУ (1) или для применения систем компьютерной математики (СКМ) с символьными вычислениями – систем компьютернойалгебры. Для данного вполне тривиального случая решение задачимоделирования линейной RC -цепи дает аналитическое выражение (2)достаточно общего вида – оно пригодно для описания работы цепи при любыхноминалах компонентов R, C и E , и описывает экспоненциальный зарядконденсатора C через резистор R от источника постоянного напряжения E .

Безусловно, нахождение аналитических решений при аналитическоммоделировании оказывается исключительно ценным для выявления общихтеоретических закономерностей простых линейных цепей, систем и устройств.Однако его сложность резко возрастает по мере усложнения воздействий намодель и увеличения порядка и числа уравнений состояния, описывающихмоделируемый объект. Можно получить более или менее обозримыерезультаты при моделировании объектов второго или третьего порядка, но ужепри большем порядке аналитические выражения становятся чрезмерногромоздкими, сложными и трудно осмысляемыми. Например, даже простойэлектронный усилитель зачастую содержит десятки компонентов. Тем неменее, многие современные СКМ, например, системы символьной математикиMaple, Mathematicaили среда MATLAB, способны в значительноймере автоматизировать решение сложных задач аналитическогомоделирования.

Одной из разновидностей моделирования является численное моделирование, которое заключается в получении необходимыхколичественных данных о поведении систем или устройств каким-либоподходящим численным методом, таким как методы Эйлера илиРунге-Кутта. На практике моделирование нелинейных систем и устройствс использованием численных методов оказывается намного болееэффективным, чем аналитическое моделирование отдельных частных линейныхцепей, систем или устройств. Например, для решения ДУ (1) или систем ДУв более сложных случаях решение в аналитическом виде не получается, но поданным численного моделирования можно получить достаточно полныеданные о поведении моделируемых систем и устройств, а также построитьграфики описывающих это поведение зависимостей.

Имитационное моделирование

Приимитационном 10имоделировании реализующий модель алгоритмвоспроизводит процесс функционирования системы во времени. Имитируютсяэлементарные явления, составляющие процесс, с сохранением их логическойструктуры и последовательности протекания во времени.

Основным преимуществом имитационных моделей по сравнениюсаналитическими является возможность решения более сложных задач.

Имитационные модели позволяют легко учитывать наличие дискретных илинепрерывных элементов, нелинейные характеристики, случайные воздействияи др. Поэтому этот метод широко применяется на этапе проектированиясложных систем. Основным средством реализации имитационногомоделирования служит ЭВМ, позволяющая осуществлять цифровоемоделирование систем и сигналов.

В связи с этим определим словосочетание «компьютерноемоделирование», которое все чаще используется в литературе. Будем полагать,что компьютерное моделирование - это математическое моделированиес использованием средств вычислительной техники. Соответственно,технология компьютерного моделирования предполагает выполнениеследующих действий:

1) определение цели моделирования;

2) разработка концептуальной модели;

3) формализация модели;

4) программная реализация модели;

5) планирование модельных экспериментов;

6) реализация плана эксперимента;

7) анализ и интерпретация результатов моделирования.

Содержание первых двух этапов практически не зависит отматематического метода, положенного в основу моделирования (и даженаоборот - их результат определяет выбор метода). А вот реализация остальныхпяти этапов существенно различается для аналитического и имитационногомоделирования.

При имитационном моделировании используемая ММ воспроизводиталгоритм («логику») функционирования исследуемой системы во времени приразличных сочетаниях значений параметров системы и внешней среды.

Примером простейшей аналитической модели может служить уравнениепрямолинейного равномерного движения. При исследовании такого процессас помощью имитационной модели должно быть реализовано наблюдениеза изменением пройденного пути с течением времени.Очевидно, в одних случаях более предпочтительным являетсяаналитическое моделирование, в других - имитационное (или сочетание того идругого). Чтобы выбор был удачным, необходимо ответить на два вопроса.

С какой целью проводится моделирование?

К какому классу может быть отнесено моделируемое явление?

Ответы на оба эти вопроса могут быть получены в ходе выполнения двухпервых этапов моделирования.

Имитационные модели не только по свойствам, но и по структуресоответствуют моделируемому объекту. При этом имеется однозначное и явноесоответствие между процессами, получаемыми на модели, и процессами,протекающими на объекте. Недостатком имитационного моделированияявляется большое время решения задачи для получения хорошей точности.

Результаты имитационного моделирования работы стохастическойсистемы являются реализациями случайных величин или процессов. Поэтомудля нахождения характеристик системы требуется многократное повторение ипоследующая обработка данных. Чаще всего в этом случае применяетсяразновидность имитационного моделирования - статистическое

моделирование (или метод Монте-Карло), т.е. воспроизведение в моделяхслучайных факторов, событий, величин, процессов, полей.

По результатам статистического моделирования определяют оценкивероятностных критериев качества, общих и частных, характеризующихфункционирование и эффективность управляемой системы. Статистическоемоделирование широко применяется для решения научных и прикладных задачв различных областях науки и техники. Методы статистическогомоделирования широко применяются при исследовании сложныхдинамических систем, оценке их функционирования и эффективности.

Заключительный этап статистического моделирования основан наматематической обработке полученных результатов. Здесь используют методыматематической статистики (параметрическое и непараметрическое оценивание,проверку гипотез). Примером параметрической оценки являетсявыборочное среднее показателя эффективности. Среди непараметрическихметодов большое распространение получил метод гистограмм.

Рассмотренная схема основана на многократных статистическихиспытаниях системы и методах статистики независимых случайных величин.Эта схема является далеко не всегда естественной на практике и оптимальнойпо затратам. Сокращение времени испытания систем может быть достигнуто засчет использования более точных методов оценивания. Как известно изматематической статистики, наибольшую точность при заданном объемевыборки имеют эффективные оценки. Оптимальная фильтрация и методмаксимального правдоподобия дают общий метод получения таких оценок.В задачах статистического моделирования обработка реализацийслучайных процессов необходима не только для анализа выходных процессов.

Весьма важен также и контроль характеристик входных случайныхвоздействий. Контроль заключается в проверке соответствия распределенийгенерируемых процессов заданным распределениям. Эта задача частоформулируется как задача проверки гипотез.

Общей тенденцией моделирования с использованием ЭВМ у сложныхуправляемых систем является стремление к уменьшению временимоделирования, а также проведение исследований в реальном масштабевремени. Вычислительные алгоритмы удобно представлять в рекуррентнойформе, допускающей их реализацию в темпе поступления текущей информации.

Лекция 2

ПРИНЦИПЫ СИСТЕМНОГО ПОДХОДА В МОДЕЛИРОВАНИИ

1. Основные положения теории систем

Основные положения теории систем возникли в ходе исследованиядинамических систем и их функциональных элементов. Под системой понимают группу взаимосвязанных элементов, действующих совместнос целью выполнения заранее поставленной задачи. Анализ систем позволяетопределить наиболее реальные способы выполнения поставленной задачи,обеспечивающие максимальное удовлетворение поставленных требований.

Элементы, составляющие основу теории систем, не создаются с помощьюгипотез, а обнаруживаются экспериментальным путем. Для того чтобы начатьпостроение системы, необходимо иметь общие характеристикитехнологических процессов. Это же справедливо и в отношении принциповсоздания математически сформулированных критериев, которым долженудовлетворять процесс или его теоретическое описание. Моделированиеявляется одним из наиболее важных методов научного исследования иэкспериментирования.

При построении моделей объектов используется системный подход,представляющий собой методологию решения сложных задач, в основекоторой лежит рассмотрение объекта как системы, функционирующейв некоторой среде. Системный подход предполагает раскрытие целостностиобъекта, выявление и изучение его внутренней структуры, а также связейс внешней средой. При этом объект представляется как часть реального мира,которая выделяется и исследуется в связи с решаемой задачей построениямодели. Кроме этого, системный подход предполагает последовательныйпереход от общего к частному, когда в основе рассмотрения лежит цельпроектирования, а объект рассматривается во взаимосвязи с окружающейсредой.

Сложный объект может быть разделен на подсистемы, представляющие собой части объекта, удовлетворяющие следующим требованиям:

1) подсистема является функционально независимой частью объекта. Онасвязана с другими подсистемами, обменивается с ними информацией иэнергией;

2) для каждой подсистемы могут быть определены функции или свойства,не совпадающие со свойствами всей системы;

3) каждая из подсистем может быть подвергнута дальнейшему делению доуровня элементов.

В данном случае под элементом понимается подсистема нижнего уровня,дальнейшее деление которой нецелесообразно с позиций решаемой задачи.

Таким образом, систему можно определить как представление объектав виде набора подсистем, элементов и связей с целью его создания,исследования или усовершенствования. При этом укрупненное представлениесистемы, включающее в себя основные подсистемы и связи между ними,называется макроструктурой, а детальное раскрытие внутреннего строениясистемы до уровня элементов – микроструктурой.

Наряду с системой обычно существует надсистема – система болеевысокого уровня, в состав которой входит рассматриваемый объект, причёмфункция любой системы может быть определена только через надсистему.

Следует выделить понятие среды как совокупности объектов внешнего мира,существенно влияющих на эффективность функционирования системы, но невходящих в состав системы и ее надсистемы.

В связи с системным подходом к построению моделей используетсяпонятие инфраструктуры, описывающей взаимосвязи системы с ееокружением (средой).При этом выделение, описание и исследование свойств объекта,существенных в рамках конкретной задачи называется стратификациейобъекта, а всякая модель объекта является его стратифицированнымописанием.

Для системного подхода важным является определение структуры системы, т.е. совокупности связей между элементами системы, отражающих ихвзаимодействие. Для этого вначале рассмотрим структурный ифункциональный подходы к моделированию.

При структурном подходе выявляются состав выделенных элементов системы и связи между ними. Совокупность элементов и связей позволяет судить о структуре системы. Наиболее общим описанием структуры является топологическое описание. Оно позволяет определить составные части системыи их связи с помощью графов. Менее общим является функциональное описание, когда рассматриваютсяо тдельные функции, т. е. алгоритмы поведения системы. При этом реализуетсяфункциональный подход, определяющий функции, которые выполняетсистема.

На базе системного подхода может быть предложена последовательностьразработки моделей, когда выделяют две основные стадии проектирования:макропроектирование и микропроектирование.

На стадии макропроектирования строится модель внешней среды,выявляются ресурсы и ограничения, выбирается модель системы и критериидля оценки адекватности.

Стадия микропроектирования в значительной степени зависит отконкретного типа выбранной модели. В общем случае предполагает созданиеинформационного, математического, технического и программногообеспечения системы моделирования. На этой стадии устанавливаютсяосновные технические характеристики созданной модели, оцениваются времяработы с ней и затраты ресурсов для получения заданного качества модели.

Независимо от типа модели при ее построении необходиморуководствоваться рядом принципов системного подхода:

1) последовательное продвижение по этапам создания модели;

2) согласование информационных, ресурсных, надежностных и другиххарактеристик;

3) правильное соотношение различных уровней построения модели;

4) целостность отдельных стадий проектирования модели.