- •Назначение и виды стейтчартов. Состояния, переходы. Приведите примеры.
- •2. Какие типы экспериментов поддерживаются программой AnyLogic? Каково их назначение?
- •3. В чем отличие содержательной постановки задачи от концептуальной? Приведите примеры
- •4. Дайте определение понятия модель, приведите примеры.
- •5. Виды моделирования: материальное и идеальное, приведите примеры
- •Методы реализации математических моделей
- •8. Основные этапы создания модели
- •10. Конструкция if else в языке Ява, синтаксис, пример использования.
- •Численные и аналитические методы. Сходства и отличия (см. 6 вопрос )
- •12. Конструкция while в языке Ява, синтаксис, пример использования.
- •Условный оператор в языке Ява, синтаксис, пример использования.
- •Когнитивные, концептуальные и формальные модели. Приведите примеры.
- •Классификация математических моделей в зависимости от сложности объекта моделирования.
- •Классификация математических моделей в зависимости от оператора модели.
- •Классификация математических моделей в зависимости от входных и выходных параметров.
- •Иерархическая структура моделей гхтс.
- •Классификация математических моделей в зависимости от целей моделирования.
- •Классификация математических моделей в зависимости от методов реализации.
- •Особый класс моделей – компьютерные.
- •Концептуальная постановка задачи моделирования. Приведите пример и проведите анализ задачи.
- •Математическая постановка задачи моделирования. Контроль правильности полученной системы математических соотношений.
- •Выбор и обоснование выбора метода решения задачи.
- •Дайте определение дискретно-событийной системы, приведите примеры
-
Классификация математических моделей в зависимости от входных и выходных параметров.
По отношению ко времени различают статические и динамические модели. Первые инвариантны ко времени, а вторые являются функцией времени.
По характеру зависимости выходных параметров от входных модели делятся на детерминированные и стохастические. Если существуют функциональные зависимости выходных параметров от входных, то модели являются детерминированными, если эти зависимости неизвестны, а известно лишь математическое описание выходов в виде функции входов, модели называются стохастическими.
По характеру времени динамические модели делятся на непрерывные и дискретные. Первые функционируют в непрерывном времени, а вторые - в дискретном. Примером непрерывных детерминированных моделей могут служить дифференциальные или интегро-дифференциальные уравнения; примером дискретных детерминированных моделей – конечные автоматы, дискретных стохастических – вероятностные автоматы.
Основные виды моделей представленные на рисунке 3.
Рис. 3 Классификация математических моделей.
Иерархическая структура моделей гхтс.
Модели сложных систем иерархического типа формируются в соответствии с принципом модульности, заключающимся в том, что моделирование химико-технологических систем основано на относительной самостоятельности и независимости их подсистем, допускающих декомпозицию анализируемой системы на составляющие ее подсистемы и формирование их моделей.
В соответствии с принципом модульности моделирования сложных систем модель подсистемы каждого уровня иерархии формируется как объединение моделей нижележащего уровня, а процесс взаимодействия подсистем взаимодействующих уровней моделируется с использованием координирующего соотношения. На рисунке 4 представлена иерархическая структура моделей ГХТС.
Рис. 4 Иерархическая структура моделей гибких ХТС.
Согласно классическому модульному принципу моделирование сложных систем, предполагает формирование моделей подсистем каждого уровня иерархии как объединение модулей нижележащих уровней. Обобщенная модель гибкой ХТС должна включать в себя модели отдельных аппаратов и дополнительные условия, определяющие функционирования ХТС как целостной системы.
В свою очередь, модель аппарата представляется как совокупность моделей отдельных операций и координирующих условий.
Модель каждой операции – это система уравнений, описывающих множество физико-химических процессов, протекающих в системе в пределах каждой элементарной операции. Модель произвольного уровня Lj иерархии является объединением моделей Mi нижележащего уровня Lj-1 и пересечением с координирующим соотношением Cj-1,j :
, |
(1) |
где I - число моделей нижележащего уровня иерархии.
Элементом гибкой ХТС является технологический аппарат периодического, непрерывного или полунепрерывного действия. Технологическая стадия в АПД есть упорядоченная последовательность технологических операций, каждая из которых представляет собой совокупность типовых физико-химических процессов.
Графически структуру модели технологической операции можно представить следующим образом (рис.5).
Рис. 5. Структурное представление модели технологической операции.
Здесь: Mk- модель технологической операции k;
M1k- уравнения гидродинамики;
M2k- уравнения теплопередачи;
M3k- уравнения массопередачи;
M4k- уравнения химической кинетики.
Таким образом, модель Mk технологической операции k есть замкнутая система уравнений типовых процессов, что можно записать:
; k=1,…,К |
(2) |
где Mpk – уравнение типового процесса р (гидродинамического, теплового, диффузионного, химического);
Р – число процессов, образующих данную технологическую операцию;
К – число технологических операций, образующих цикл АПД.
Модель любой типовой технологической операции – это система дифференциальных и алгебраических уравнений с заданными начальными условиями, которые описывают гидродинамику, теплопередачу, массопередачу, химическую кинетику.
(3) |
где y = {y1, y2,… yN }; x = {x1, x2,…,xN} – векторы зависимых переменных
τ – время
f, g – известные векторные функции
Например, математическая модель химической реакции в аппарате периодического действия (АПД) имеет вид системы уравнений:
(4) |
где Ci , i = 1…k – концентрация реагентов и продуктов реакции
k – число компонентов реакции
r – скорость реакции
∆H – тепловой эффект
T0 – температура теплоносителя (или хладоагента)
f0, fi( i = 1…k), F – известные функции
Из моделей технологических операций Mkj, имеющих конечную временную продолжительность и заканчивающихся некоторым состоянием аппарата, а также моделей μj процесса их смены (т.е. смены состояний) и отображения, ставящего в соответствие множеству операций множество их моделей, формируется модель Mj технологического аппарата j периодического действия:
; j = 1,…,J1; , |
(5) |
где J1 – число АПД.
Модели аппаратов непрерывного и полунепрерывного действия, которые могут входить в состав гибкой ХТС наряду с аппаратами периодического действия, совпадают с моделями реализуемых в них процессов, которые в этом случае могут рассматриваться как единственная операция бесконечной продолжительности в АПД или продолжительности, равной технологическому циклу в АПНД.
Для i-ой ХТС, образованной J1 аппаратами периодического действия, J2 – АНД и J3 – АПНД модель Mi ХТС формируется из моделей этих аппаратов Mj; j=1,…J, где , моделей их взаимодействия υi и отображения ψi, ставящего в соответствие множеству технологических аппаратов множество их моделей. А т.к. работа технологических аппаратов в системе должна быть согласована по времени, то в обобщенной модели системы должна содержаться модель расписания работы составляющих ее аппаратов ρi:
, где i=1,…,I |
(6) |
где , I-число ХТС.
Здесь проявляется свойство эмерджентности системы, заключающееся в том, что модель системы не является простой совокупностью моделей образующих ее технологических аппаратов, а содержит также модели взаимодействия аппаратов, расписания их работы и отображения множества технологических аппаратов в множество их моделей. Таким образом, система приобретает новое качество, отсутствующее у отдельных аппаратов.
Гибкая ХТС многократно изменяет технологическую и организационную структуру, что обусловлено изменением номенклатуры и количества производимых ею продуктов; каждый раз, когда номенклатура и количество продуктов фиксируются, фиксируется и структура гибкой системы, которая в течение некоторого интервала времени, равного продолжительности производства продуктов этой номенклатуры, функционирует как индивидуальная или совмещенная с жесткой структурой.
Следовательно, модель гибкой системы Мι формируется из моделей Міι подсистем, на которые она декомпозируется при фиксации номенклатуры продукции. Модели подсистем дополняются моделями модификации ее технологической ζι и организационной χι структур и отображением ξι, ставящим в соответствие каждой индивидуальной (или совмещенной) системе іι ее модель Міι :
(7) |
где .
В общем случае существует не единственный способ организации технологических процессов в гибкой системе, а множество вариантов ее технологической структуры, поэтому Ml, ζl, χl и функция ξl являются переменными, как и число моделей.
-
Классификация математических моделей в зависимости от параметров моделирования.
В общем случае параметры, описывающие состояние и поведение объекта моделирования, разбиваются на ряд непересекающихся подмножеств:
-
совокупность входных воздействий на объект;
-
совокупность воздействий внешней среды;
-
совокупность внутренних (собственных) параметров объекта;
-
совокупность выходных характеристик.
Количество параметров всех типов в математических моделях, как правило, конечно. При этом каждый из параметров может иметь различную «математическую природу»: быть постоянной величиной или функцией, скаляром или вектором, четким или нечетким множеством и т.д.
По своей природе характеристики объекта могут быть как качественными, так и количественными. Количественные значения параметра могут выражаться дискретными или непрерывными величинами. Качественные характеристики могут находиться, например методом экспертных оценок. Таким образом, в зависимости от вида используемых параметров, модели могут подразделяться на: качественные и количественные, дискретные и непрерывные, а также смешанные.
При построении моделей реальных объектов и явлений очень часто приходится сталкиваться с недостатком информации. Как правило, для любого исследуемого объекта свойства, параметры воздействия и начальное состояние известны с некоторой степенью неопределенности. При построении модели возможны следующие варианты описания неопределенности параметров:
1) детерминированные - значения всех параметров модели определяются детерминированными величинами (т.е. каждому параметру соответствует конкретное целое, вещественное или комплексное число либо соответствующая функция). Данный способ соответствует полной определенности параметров;
2) стохастические - значения всех или отдельных параметров модели определяются случайными величинами, заданными плотностями вероятности. В литературе наиболее полно исследованы случаи нормального (гауссова) и показательного распределения случайных величин;
3) случайные - значения всех или отдельных параметров модели устанавливаются случайными величинами, заданными оценками плотностей вероятности.
4) интервальные - значения всех или отдельных параметров модели описываются интервальными величинами, заданными интервалом, образованным минимальным и максимально возможными значениями параметра;
5) нечеткие - значения всех или отдельных параметров модели описываются функциями принадлежности соответствующему нечеткому множеству.
Разделение моделей на одномерные, двухмерные и трехмерные применимо для моделей, в параметры которых входят координаты пространства. Как правило, увеличение размерности модели приводит к росту числа математических соотношений.
При разработке модели, стараются понизить размерность. Однако необоснованное понижение размерности модели может существенно исказить результаты моделирования. Например, если для исследования движения брошенного мяча в вертикальной плоскости использование двухмерной модели может быть оправдано, то для исследования движения бумеранга такую модель строить бесполезно.
Из всей совокупности параметров при разработке различных моделей отдельно следует рассмотреть учет времени. Как и координаты, время относится к независимым переменным, от которых могут зависеть остальные параметры модели. Если сравнивать скорости изменения различных объектов, то можно отметить, что для галактик время заметных изменений измеряется миллионами лет, а для элементарных частиц - миллионными долями секунды.
Любой объект стремится перейти в некоторое равновесное состояние, как с окружающей его средой, так и между отдельными элементами самого объекта. Нарушение этого равновесия приводит к изменениям различных параметров объекта и его переходу в новое равновесное состояние.
При построении модели важным является сравнение времени существенных изменений внешних воздействий и характерных времен перехода объекта в новое равновесное состояние. Если скорости изменения внешних воздействий на объект моделирования существенно меньше скорости релаксации, то явной зависимостью от времени в модели можно пренебречь. В этом случае говорят о квазистатическом процессе.
Например, если скорость появления микротрещин в элементах конструкции моста, связанная с сезонными колебаниями температуры и переменностью нагрузок, невелика, то расчет его максимальной несущей способности можно проводить в рамках статической модели. Срок службы моста в этом случае можно определить с помощью квазистатической модели, использующей зависимость прочностных свойств материала моста от суммарного числа циклов нагружения.
Если скорости изменения внешних воздействий достаточно велики (по сравнению со скоростями релаксации), то учет времени необходим. В этом случае объект исследования рассматривают в рамках динамического процесса.
Условие движения отдельных элементов объекта не является обязательным условием включения времени в число параметров модели. Для примера рассмотрим течение жидкости в длинной трубе постоянного сечения. Эксперименты показывают, что на достаточно большом удалении от входа в трубу частицы жидкости движутся параллельно оси трубы (рис.).
При этом если условия на входе не изменяются и скорость течения невелика (ламинарный режим течения), то профиль скоростей частиц в данном сечении трубы с течением времени остается неизменным. В этом случае, в каждой фиксированной точке исследуемого пространства значения параметров модели не зависят от времени.
Подобные процессы называют стационарными. Как правило, стационарные модели применяются для описания различных потоков (жидкости, газа, тепла) в случае постоянства условий на входе и выходе потока. Для таких процессов время может быть исключено из числа независимых переменных.
Если в качестве одной из существенных независимых переменных модели необходимо использовать время, то модель называется нестационарной. Примером нестационарной модели является модель движения жидкости в трубе, но вытекающей из некоторого сосуда. По мере понижения уровня жидкости в сосуде давление на входе в трубу будет уменьшаться, что приведет к изменению параметров течения жидкости в каждой точке трубы.