Математическое моделирование включает следующие этапы. Математическое моделирование

Процесс математического моделирования, то есть изучения явления с помощью М. м., можно подразделить на 4 этапа.

Первый этап - формулирование законов, связывающих основные объекты модели. Этот этап требует широкого знания фактов, относящихся к изучаемым явлениям, и глубокого проникновения в их взаимосвязи. Эта стадия завершается записью в математических терминах сформулированных качеств, представлений о связях между объектами модели.

Второй этап - исследование математических задач, к которым приводят М. м. Основным вопросом здесь является решение прямой задачи, то есть получение в результате анализа модели выходных данных (теоретических следствий) для дальнейшего их сопоставления с результатами наблюдений изучаемых явлений. На этом этапе важную роль приобретают математический аппарат, необходимый для анализа М. м., и вычислительная техника - мощное средство для получения количеств, выходной информации как результата решения сложных математических задач. Часто математические задачи, возникающие на основе М. м. различных явлений, бывают одинаковыми (например, основная задача линейного программированияотражает ситуации различной природы). Это даёт основание рассматривать такие типичные математические задачи как самостоятельный объект, абстрагируясь от изучаемых явлений.

Третий этап - выяснение того, удовлетворяет ли принятая гипотетическая модель критерию практики, то есть выяснение вопроса о том, согласуются ли результаты наблюдений с теоретическими следствиями модели в пределах точности наблюдений. Если модель была вполне определена - все параметры её были заданы, - то определение уклонений теоретических следствий от наблюдений даёт решения прямой задачи с последующей оценкой уклонений. Если уклонения выходят за пределы точности наблюдений, то модель не может быть принята. Часто при построении модели некоторые её характеристики остаются не определёнными. Задачи, в которых определяются характеристики модели (параметрические, функциональные) таким образом, чтобы выходная информация была сопоставима в пределах точности наблюдений с результатами наблюдений изучаемых явлений, называются обратными задачами. Если М. м. такова, что ни при каком выборе характеристик этим условиям нельзя удовлетворить, то модель непригодна для исследования рассматриваемых явлений. Применение критерия практики к оценке М. м. позволяет делать вывод о правильности положений, лежащих в основе подлежащей изучению (гипотетической) модели. Этот метод является единственным методом изучения недоступных нам непосредственно явлений макро- и микромира.

Четвёртый этап - последующий анализ модели в связи с накоплением данных об изучаемых явлениях и модернизация модели. В процессе развития науки и техники данные об изучаемых явлениях всё более и более уточняются и наступает момент, когда выводы, получаемые на основании существующей М. м., не соответствуют нашим знаниям о явлении. Т. о., возникает необходимость построения новой, более совершенной М. м.

21. Функциональная схема управления на примере САР.

22. Понятие сигнал. Классификация сигналов по физическому носителю информации.

Понятие сигнала

Сигнал - символ (знак, код), созданный и переданный в пространство (по каналу связи) одной системой, либо возникший в процессе взаимодействия нескольких систем. Смысл и значение сигнала проявляются в процессе дешифровки его второй (принимающей) системой.

Сигнал - материальный носитель информации, используемый для передачи сообщений в системе связи. Сигнал может генерироваться, но его приём не обязателен, в отличие от сообщения, которое рассчитано на принятие принимающей стороной, иначе оно не является сообщением. Сигналом может быть любой физический процесс, параметры которого изменяются (или находятся) в соответствии с передаваемым сообщением.

Сигнал, детерминированный или случайный, описывают математической моделью, функцией, характеризующей изменение параметров сигнала.

Понятие сигнал позволяет абстрагироваться от конкретной физической величины, например тока, напряжения, акустической волны и рассматривать вне физического контекста явления связанные кодированием информации и извлечением её из сигналов, которые обычно искажены шумами. В исследованиях сигнал часто представляется функцией времени, параметры которой могут нести нужную информацию. Способ записи этой функции, а также способ записи мешающих шумов называют математической моделью сигнала .

Обобщенная структура системы цифровой обработки сигналов

Цифровая обработка связана с представлением любого сигнала в виде последовательности чисел. Это означает, что исходный аналоговый сигнал должен быть преобразован в исходную последовательность чисел, которая вычислителем по заданному алгоритму преобразуется в новую последовательность, однозначно соответствующей исходной. Из полученной новой последовательности формируется результирующий аналоговый сигнал.Обобщенная структура системы цифровой обработки сигналов приведена на рисунке ниже.

На ее вход поступает аналоговый сигнал от разнообразных датчиков, которые преобразуют физическую величину в электрическое напряжение. Его временная дискретизация и квантование по уровню производятся в аналого-цифровом преобразователе (АЦП). Выходным сигналом АЦП является последовательность чисел, поступающая в цифровой процессор ЦП, выполняющий требуемую обработку. Процессор осуществляет различные математические операции над входными отсчетами. Как правило, цифровой процессор включает в себя добавочную аппаратуру:

· матричный умножитель;

· дополнительное АЛУ для аппаратной поддержки формирования адресов операндов;

· дополнительные внутренние шины для параллельного доступа к памяти;

· аппаратный сдвигатель для масштабирования, умножения или деления на 2n.

Результатом работы процессора является новая последовательность чисел, представляющих собой отсчеты выходного сигнала. Аналоговый выходной сигнал восстанавливается по последовательности чисел с помощью цифро-аналогового преобразователя ЦАП. Напряжение на выходе ЦАП имеет ступенчатую форму. При необходимости можно использовать сглаживающий фильтр на выходе.

Классификация сигналов

По физической природе носителя информации :

· электрические;

· электромагнитные;

· оптические;

· акустические

23. САР. Классификация САР

Система автоматического регулирования (САР) осуществляет автоматическое поддержание заданного значения контролируемого параметра технологического процесса или его изменение по заданному закону. Эту систему можно рассматривать как совокупность микросистемы контроля и микросистемы управления, работающих только с одним параметром. Часто такое совмещение может быть достаточно просто реализовано технически, что и привело к широкому распространению САР.

Пример системы автоматического регулирования температуры - электрический утюг. Повернув ручку установки температуры в положение, соответствующее типу ткани, вы задаете температуру, которую система регулирования автоматически поддерживает в течение всего времени глажения. Аналогичная система может использоваться для поддержания заданной температуры жидкости в резервуарах и трубопроводе, хотя практическая реализация ее в производственных условиях немного иная.

Пример системы автоматического регулирования уровня жидкости - устройство наполнения смывного бачка в туалете. Как только уровень воды в бачке понижается, открывается клапан, и бачок заполняется водой; после достижения требуемого уровня клапан закрывается. Аналогичная система может использоваться и для регулирования уровня жидкости в резервуарах в производственных условиях.

Особенностью САР является ее полная автономность: как бы ни развивались события в технологическом процессе, контролируемый системой параметр будет всегда иметь заданное значение или изменяться по заданному закону (в последнем случае система будет более сложной). Практически при автоматизации технологических процессов используются комбинированные автоматические системы, включающие в себя системы всех трех рассмотренных типов. Основными параметрами технологических процессов являются температура, давление, уровень, масса, объем, расход, качество, состав и другие электрические и неэлектрические величины. Для контроля величин этих параметров необходимо вести измерения непрерывно. Результаты измерений сравниваются с требуемыми значениями контролируемого параметра, а если имеются отклонения, то подается сигнал об отклонении. Отклонения могут быть положительными или отрицательными, уменьшения или повышения и так далее. По отклонениям принимается решение и подается сигнал на объект управления. В процессе принятия решения могут участвовать человек-оператор или управляющее

устройство.

Под управлением понимают такую организацию процесса, которая обеспечивает

заданный характер протекания процесса. При этом сам процесс (совокупность

технических средств - машин, орудий труда, т.е. исполнителей конкретного процесса) с

точки зрения управления является объектом управления (ОУ), а переменные,

характеризующие состояние процесса, называются управляемыми переменными или

управляемыми величинами.

Автоматическое управление (регулирование) - это осуществление какого-либо

процесса без непосредственного участия человека, с помощью соответствующих систем

автоматики. Если автоматическое управление призвано обеспечить изменение

(поддержание) управляемой величины по заданному закону, то такое автоматическое

управление называют автоматическим регулированием. Технические устройства,

выполняющие операции управления (регулирования), называются автоматическими

устройствами. Совокупность средств управления объектов образует систему управления.

Систему, в которой все рабочие и управляющие операции выполняют автоматические

устройства, называют автоматической системой.

Условно систему автоматического управления (САУ) можно разделить на две части:

регулятор и объект управления (ОУ) (рисунок 4.1).

Рисунок 4.1 - Функциональная схема САУ

Объектами управления могут быть технологические установки, отдельные

параметры технологического процесса, различные двигатели и т.д. Воздействия,

прикладываемые к регулятору для обеспечения требуемых значений управляемых

величин, являются управляющими воздействиями. Управляющие воздействия называют

также входными величинами, а управляемые - выходными величинами. Таким образом,

всякий технологический процесс характеризуется совокупностью физических величин,

называемых показателями или параметрами процесса. Величины, характеризующие

состояния объекта управления, схематически можно показать следующим образом

(рисунок 4.2).

Рассмотрим приведенные определения и понятия на конкретном примере, в качестве

которого возьмем систему регулирования частоты вращения электродвигателя

постоянного тока (рисунок 4.3). Здесь ОУ является электродвигатель M ,

характеризуемый частотой вращения w . Изменение величины w достигается изменением

напряжения Я U , подводимого к якорю электродвигателя. Очевидно, что величина Я U и

величина w будут максимальными, если ползунок m потенциометрического реостата П

окажется в крайнем нижнем положении. При перемещении ползунка m в крайнее верхнее

положение UЯ = 0 и соответственно w = 0 . Таким образам, перемещая ползунок m от

крайнего нижнего положения в крайнее верхнее, можно изменять частоту вращения w от

максимального значения до нуля. Для удобства контроля частоты вращения с валом

электродвигателя связан вал тахогенератора BR- электрического генератора,

преобразующего величину w в напряжение BR BR U = K w . Вольтметр PV, включенный на

напряжение тахогенератора BR U , градуируется в единицах измерения частоты вращения

(рад/с) или скорости вращения вала электродвигателя (мин-1).

Представленная на рисунке 4.3а система регулирования является разомкнутой, а

регулирование в ней осуществляется по разомкнутому циклу. Разомкнутая система ха-

рактеризуется тем, что изменения регулируемой величины не передаются на вход системы

и не изменяют значения регулирующей (управляющей) величины. Регулирование в

разомкнутой системе осуществляется с участием человека-оператора (Оп), который,

наблюдая за значением регулируемой величины по регистрирующему прибору,

устанавливает такое значение регулирующей величины, которое необходимо для

обеспечения заданного режима работы системы. Таким образом, в рассмотренной разом-

кнутой системе осуществляется ручное, неавтоматическое регулирование.

Виды и классификация САР

1) по виду регулируемого параметра:
САР уровня, САР давления, САР температуры
2) по вид регулируемой величины у и во времени:
а) система стабилизации – у всегда постоянно и равно заданному значению.
б) система программы – у регулируется в соответствии с заданием программы, которая изменяется в зависимости от независимой переменной (время, пространство) и граничные аварийные условия
3) по поведению регулирующей величины х во времени:
А) дискретные системы – прерывисто изменяются во времени
Б) аналоговые системы – плавно изменяются во времени

4) По взаимосвязи и их количеству:
- Одномерная система

- Многомерная система
1. а) симметричное – количество входов равно количеству выходов
б) подчиненное (критическое)
2. связанное и несвязанное – внутри объекта параметры воздействуют и невоздействуют друг на дуга.
3. связанное и автономное – по зависимости управления параметрами (двух параметров с помощью одного)
4. стационарное и нестационарное y=g(x), y=ax
5) По поведению величины и по давлению:
1) система стабилизации – когда параметр поддерживается на данном значении втечении всего времени.
2) система регулирования – обеспечивает поддержание параметра в соответствии с заданием, которое изменяется в зависимости от независимой переменной.
Существуют 3 независимые переменные:
а) время – можно только измерить
б) пространство
в) независимые аварийные или неординарные условия .
3) следящая – предполагает поддержание первого параметра в измененном режиме в зависимости от изменения другого параметра.
Расходы песка регулируются в зависимости от расхода цемента и наоборот.
Виды: 1) симметричные – оба параметра главные.
2) корректирующие – когда первый параметр регулируется, а второй только контролируется.
6) По характерам устойчивости системы:
Различают 3 типа состояния системы по устойчивости:

7) По степени организации:
а) локальная система – стабилизирует один параметр
б) программная система – регулирует изменяющийся параметр
в) следящая система – стабилизирует несколько параметров для стабилизации одного.
В зависимости от соотношения параметров следящая система может быть:
а) симметричная – оба параметра главные
б) подчиненная – один параметр главный, дугой зависимости от него (связь второго отсутствует)
в) оптимальная система – стабилизирует не параметр, а критерий по экономической эффективности или количеству.
г) самоорганизующая система – позволяет в процессе управления подключать или отключать автоматические блоки.
д) самонастраивающаяся система – при включении сами ищут оптимальный режим и запоминают его.
е) самообучающаяся система – система, в процессе управления анализируя состояние, находит оптимальные условия.
ж) интелектная система – производит поиск режимов управления не предусмотренных программой настройки.
з) корректирующая – регулирует один параметр в зависимости от первого (связь третьего отсутствует)
и) адаптивная – регулирует параметры объекта правления по заданном критерию экономичности или качества, регулирует среднее значение по нескольким параметрам

24.Объект как система. Четыре системообразующих свойства объекта как системы.

Похожая информация.

Лекция № 5 Основные этапы математического моделирования.

/ этап - постановка задачи исследования, решение которой должно быть получено посредством математического моделирования. На этом этапе определяют объект изучения. Однако этого недостаточно, ибо любой объект изучения, любой процесс неисчерпаемы в своих свойствах и отношениях (связях). Поэтому следует в соответствии с задачами исследования и конкретными условиями выделить из них наиболее существенные, исследование которых должно привести к достижению поставленных целей.

II этап - разработка математической модели. Специалисты в области разработки математических моделей утверждают, что составление математической модели - творческий процесс, который нельзя уложить в рамки конкретных рекомендаций. По их мнению, интуиция, знание дела и другие интеллектуальные качества, которые, в сущности, не поддаются регулированию, играют важнейшую роль в процессе построения математической модели, и поэтому невозможно написать инструкцию или учебник по построению математических моделей. Более того, они считают, что если бы такой учебник был написан, то его появление скорее всего приведет к ограничению творческих возможностей и не будет способствовать их развитию. Тем не менее анализ накопленного опыта позволил выявить определенные принципы построения математических моделей поршневых компрессоров*, которые излагаются в главе 9 настоящего пособия.

Определенный интерес представляют работы по автоматизации некоторых операций, связанных с разработкой математических моделей. Отметим, что успешные разработки автоматизированного составления математических моделей поршневых компрессоров возможны только после разработки структуры и основных принципов построения системы математических моделей из модулей с последующим составлением и накоплением модульных математических моделей на всех уровнях иерархии.

III этап - выбор или разработка числового метода, реализующего разработанную математическую модель.

IVэтап - проверка математической модели на адекватность.

Уэтап - исследование на математической модели. Все вычислительные эксперименты по заранее намеченному плану проводятся на разработанной математической модели.

VI этап -рассмотрение вопроса о переносе полученных на математической модели данных на реальный объект изучения и об использовании полученной информации в практической деятельности.

Пример последовательности математического моделирования. Процессы математического моделирования компрессора сложны и разнообразны и вряд ли могут быть представлены какой-то конкретной универсальной последовательностью действий, справедливой для всех случаев. Поэтому рассмотрим одну из возможных последовательностей работ по математическому моделированию рабочих процессов, протекающих в поршневом компрессоре, которая используется в МГТУ им. Н. Э. Баумана (рис. 8.2).

Представленная на рис. 8.2 последовательность работ при математическом моделировании, предусматривающая 12 стадий, является одновременно и типичной, и условной. Типичной она является, поскольку в ней представлены основные действия, выполняемые при математическом моделировании рабочих процессов в поршневых компрессорах. Условность ее заключается в том, что в ряде случаев эта последовательность может быть сокращена или дополнена в зависимости от постановки задачи исследования и наличия информации на начальной стадии исследования.

Следует учитывать, что на практике часто вопросы, входящие в состав различных стадий, решаются одновременно и стадии бывает трудно разделить. Кроме того, при разработке и реализации математической модели, как правило, приходится возвращаться назад к уже пройденным стадиям и снова решать вопросы, относящиеся к ним. Причем такие циклы могут повторяться многократно. Например, в случаях, когда на стадии «Проверка адекватности» выявляется неадекватность математической модели поставленным при исследовании задачам, приходится возвращаться к стадии «Схематизация процесса» и по-новому производить упрощение действительного процесса или возвращаться к стадии «Подбор и получение экспериментальных данных» и уточнять экспериментальную информацию.

Стадии 1, 2 и 3 соответствуют I этапу математического моделирования, стадии 4, 5, 6 и 7 - II этапу, стадия 8 - III этапу, стадия 9 - IV этапу, стадия 10 - V этапу и стадии 11 и 12 - VI этапу.

Все стадии математического моделирования (см. рис. 8.2) имеют большое значение для успешного моделирования. Однако при разработке математической модели наибольшее значение имеют мысленное представление физической сущности процесса, его схематизация, содержательное описание схематизированного процесса и возможность подбора необходимых экспериментальных данных из накопленного опыта.

Содержание основных стадий моделирования. Мысленное представление (стадия 2) физической сущности процесса включает в себя выделение контрольного объема (подробнее см. в главе 9), предусматривает четкое знание количественных и качественных характеристик процесса, ясное понимание составляющих процесс явлений, их взаимосвязей и взаимодействий, правильное определение главных, наиболее существенных факторов, оказывающих влияние на изучаемый процесс.

Цель исследования должна быть конкретной и четко сформулирована в письменном виде (стадия 3). Последнее позволяет избежать недоразумений и связанных с ними трудностей при обращении к цели исследования на любой последующей стадии моделирования.

При схематизации процесса (стадия 4) вводятся и обосновываются допустимые с точки зрения исследователя упрощения, которые позволяют описать основные явления формально, т. е. математически.

Содержательное описание математической модели (Иногда содержательное описание математической модели называют концептуальной моделью) (стадия 5) представляет собой текстовое описание основных подходов, физических принципов, допущений и предположений, которые образуют основу для создания модели. Предположения и обоснования возможных аппроксимаций и усреднений данных, вводимых в математическую модель, также входят в содержательное описание. На этой стадии определяют вид и форму представления начальных и граничных условий, перечень необходимых экспериментальных данных и вид их представления в математической модели. На этой стадии экспериментальные данные могут быть представлены в виде таблиц или графиков. Читатель уже встречался с содержательным описанием мысленной модели идеального компрессора в § 2.1.

Составление содержательного описания математической модели очень полезно при исследованиях сложных объектов и процессов, так как позволяет более полно осмыслить математическую модель, на понятном языке согласовать модель с заказчиком и провести консультации со специалистами.

На стадии 6 необходимо закончить запись всех математических соотношений, представить все логические отношения в виде неравенств, а также облечь в математическую форму остальные сведения о процессе, включая экспериментальные данные, при этом такие данные аппроксимируются соответствующими функциями или полиномами, удобными для вычисления на ЭВМ.

Взаимодействие уравнений и экспериментальных данных. На одной из стадий моделирования (чаще всего это бывает на стадии непосредственного написания математической модели) целесообразно рассмотреть схему взаимодействия отдельных частей математической модели, взаимосвязи между уравнениями, а также между уравнениями и экспериментальными данными (рис. 8.3 и 8.4).

Моделирование ХТС состоит из нескольких этапов.

Первый этап уже был собственно рассмотрен.В целом первый этап связан с формулировкой (постановкой) задачи. На этом этапе задача осмысливается, как правило, с физической точки зрения. Здесь определяются конечные цели исследования и строится каноническая модель. Построение модели начинают с разработки концептуальной модели (концепция-система взглядов на что-то). На этом этапе определяются направление, цели и область исследования. Обычно построение концептуальной модели начинается с постановки проблемы, которая есть у заказчика. Как правило, описание проблемы дается в весьма нечетких формулировках (иначе бы заказчик сам решил, что надо делать). На основании этого исследователь должен определить задачу исследования. Совместная работа заказчика и исполнителя позволяет сформулировать цель и задачу исследования ХТС и создать сценарий функционирования системы.

Для построения сценария выполняется довольно значительный объем работы, связанный с обследованием объекта и составлением сценария, в котором в словесном или графическом виде концентрируются все сведения об объекте: его природа, назначение, структура, взаимодействие отдельных элементов и т.д.

Определяются факторы, влияющие на объект и на окружение. Формулируются цели, стоящие перед объектом и определяется критерий оптимальности. Особо выделяются управляемые факторы. На заключительном этапе построения концептуальной модели проверяется ее адекватность (соответствие) реальной системе.

Второй этап - построение математической модели или математическая формулировка задачи. Для построения математической модели используются основные законы химии, физики и др. наук. Математическая модель любого технологического процесса состоит собственно из уравнений, описывающих данный процесс, начальных и граничных условий и ограничений, записанных в виде равенств или неравенств. Второй этап наиболее трудоемкий и ответственный. Качество математической модели зависит от степени изученности процесса.

Третий этап- выбор численного метода. Как правило, инженер использует для решения программы наиболее целесообразный численный метод решения задачи.

Четвертый этап - разработка алгоритма и построение блок-схемы. Алгоритм - это последовательность элементарных арифметических и логических операций, приводящих к конечному результату.

Блок-схема - это графическое изображение алгоритма.

Пятый этап - этап программирования. На этом этапе алгоритм задачи записывается на выбранном алгоритмическом языке в виде программы. Особое внимание необходимо уделить выбору алгоритмического языка. Язык не обязательно должен быть бейсиком. Для решения научных задач лучше использовать Фортран или Паскаль, для экономических задач - алгоритмический язык - Кобол. Для целей управления программу лучше записать на одном из языков Ассемблера.

Шестой этап - отладка программы. Это поиск и исправление ошибок, допущенных при составлении программы. Отлаженная программа многократно проверяется при решении контрольных задач.

Седьмой этап - проведение расчетов. На этом этапе готовятся исходные данные и проводится непосредственно решение самой задачи.

Восьмой этап - обсуждение результатов. Сравнение полученных результатов по модели с экспериментальными данными, полученными из опыта.

Если имеется существенное расхождение между рассчитанными по модели значениями и экспериментальными данными, то обычно возвращаются к первому этапу и модель усложняют. Если разница несущественная, то пишется отчет о проделанной работе и модель начинают использовать в производстве.

Два подхода к описанию ХТС

На сегодня имеется два подхода к математическому описанию ХТС:

Первый подход называется структурным. В этом подходе для создания математической модели исследуется структура ХТС. Структуру ХТС образуют отдельные элементы ХТС и связи между ними. Например, применительно к синтезу это означает расшифровку его механизма и создание мысленной модели синтеза. Применительно к химическому процессу, протекающему в аппарате, это означает не только расшифровку механизма синтеза, но и учет движения потоков среды (он может быть ламинарным или турбулентным), учет процесса переноса тепла и массы.

После создания мысленной модели ее записывают на языке математики в виде уравнений в самом общем виде. Эти уравнения и есть собственно модель процесса. Если процесс протекает в аппарате определенного типа общую математическую модель уточняют, т.е. коэффициенты (параметры) модели заменяют на числовые значения, которые определяют на промышленном аппарате. Структурный подход требует длительных кропотливых исследований. Его основное достоинство - большая прогностическая мощность, т.е. полученную модель можно использовать для масштабирования.

В случае структурного подхода математическое описание ХТС представляет в общем случае систему уравнений вида

Y i = F i (X,H,Z)

где Х контролируемые и регулируемые параметры; Н - контролируемые, но не регулируемые входы; Z - неконтролируемые и нерегулируемые входы.

Это зависимости выходных параметров от входных. Однако установить вид функции F принципиально невозможно, т.к. неизвестны параметры Z .

Поэтому математическое описание системы представляют в виде:

Y i = F i 1 (X,H) + F i 2 (Z)

Здесь функции F i разбиты на две функции: первая зависит только от контролируемых факторов, вторая функция определяет шум или оценку шума системы. Задача сводится к определению вида функции F 1 оценке шума F 2 .

Очень часто под математической моделью системы понимают модель:

Y i = F i 1 (X,H)

Это неполная математическая модель ХТС.

Второй подход называется эмпирическим или методом черного ящика. В этом подходе принципиально отказываются от изучения структуры ХТС. (Эмпиризм - это философское направление, признающее чувственное восприятие и опыт единственным источником познания. Эмпиризм не допускает никакого обобщения).

Под черным ящиком понимается такая система о внутренней структуре которой ничего не известно. Любую ХТС можно изобразить в виде черного ящика:

Внешняя среда

Смысл второго подхода заключается в изучении поведения системы в зависимости от воздействия управляемых и контролируемых факторов, т.е. в установлении математических зависимостей:

Y i = F i 1 (X,H)

Главное достоинство эмпирического подхода это его относительная простота. Чем сложнее система, тем эффективней эмпирический подход.

Основной недостаток - малая прогностическая мощность. Полученные математические модели нельзя использовать для целей прогнозирования и масштабирования вне изученных пределов изменения входных параметров.

При эмпирическом подходе в качестве математической модели используют чаще всего полином какой то степени, например, полином первой степени для трех переменных имеет вид:

Y= b 0 +b 1 X 1 + b 2 X 2 +b 3 X 3

Математические свойства полиномов хорошо изучены. Поэтому такие модели широко используются для описания ХТС.

В планировании эксперимента для построения математических моделей используется второй подход.

Поскольку такие модели являются наиболее простыми, то лучше изучать построение моделей именно с них. Но для этого надо знать теорию вероятностей и математическую статистику. Теория вероятностей - это наука, изучающая закономерности в случайных явлениях.

Таким образом, такие модели используются только для интерполяции, т.е. предсказания свойств внутри изученной области изменения переменных.

При разработке моделей всегда используются в той или иной степени элементы эмпирического и структурного подхода. В структурном подходе на завершающей стадии всегда используются элементы эмпирического подхода. Таким образом, эти два метода взаимно дополняют друг друга.

Для обсуждения и обоснования основных подходов к разработке проблем математического моделирования технических систем и процессов в них представляется целесообразным предварительно рассмотреть условную схему (рис. 1.1), определяющую последовательность проведения отдельных этапов общей процедуры вычислительного эксперимента . Исходной позицией этой схемы служит технический объект (ТО), под которым будем понимать конкретное техническое устройство, его агрегат или узел, систему устройств, процесс, явление или отдельную ситуацию в какой-либо системе или устройстве.

Рис. 1.1 Получение математической модели

На первом этапе осуществляют неформальный переход от рассматриваемого (разрабатываемого или существующего) ТО к его расчетной схеме (PC). При этом в зависимости от направленности вычислительного эксперимента и его конечной цели акцентируют те свойства, условия работы и особенности ТО, которые вместе с характеризующими их параметрами должны найти отражение в PC, и, наоборот, аргументируют допущения и упрощения, позволяющие не учитывать в PC те качества ТО, влияние которых предполагают в рассматриваемом случае несущественным. Иногда вместо PC используют термин «содержательная модель » ТО, а в некоторых случаях – «концептуальная модель ».

При разработке новых ТО успешное проведение первого этапа в значительной мере зависит от профессионального уровня инженера, его творческого потенциала и интуиции. Полнота и правильность учета в PC свойств ТО, существенных с точки зрения поставленной цели исследования, являются основной предпосылкой получения в дальнейшем достоверных результатов математического моделирования. И наоборот, сильная идеализация ТО ради получения простой PC может обесценить все последующие этапы исследования.

Надо сказать, что для некоторых типовых PC существуют банки ММ, что упрощает проведение второго этапа. Более того, одна и та же ММ может соответствовать PC из различных предметных областей. Однако при разработке новых ТО часто не удается ограничиться применением типовых PC и отвечающих им уже построенных ММ. Создание новых ММ или модификация существующих должны опираться на достаточно глубокую математическую подготовку и владение математикой как универсальным языком науки.

На третьем этапе проводят качественный и оценочный количественный анализ построенной ММ. При этом могут быть выявлены противоречия, ликвидация которых потребует уточнения или пересмотра PC (см. рис. 1.1, штриховая линия). Количественные оценки могут дать основания упростить модель, исключив из рассмотрения некоторые параметры, соотношения или их отдельные составляющие, несмотря на то, что влияние описываемых ими факторов учтено в PC. В большинстве случаев, принимая дополнительные по отношению к PC допущения, полезно построить такой упрощенный вариант ММ, который позволял бы получить или привлечь известное точное решение.

Это решение затем можно использовать для сравнения при тестировании результатов на последующих этапах. В некоторых случаях удается построить несколько ММ для одного и того же ТО, отличающихся различным уровнем упрощения.

Итог анализа на рассматриваемом этапе – это обоснованный выбор рабочей ММ ТО, которая подлежит в дальнейшем детальному количественному анализу. Успех в проведении третьего этапа зависит, как правило, от глубины понимания связи отдельных составляющих ММ со свойствами ТО, нашедшими отражение в его PC, что

предполагает органическое сочетание владения математикой и инженерными знаниями в конкретной предметной области.

Четвертый этап состоит в обоснованном выборе метода количественного анализа ММ, в разработке эффективного алгоритма вычислительного эксперимента, а пятый этап – в создании работоспособной программы, реализующей этот алгоритм средствами вычислительной техники. Для успешного проведения четвертого этапа необходимо владеть современными методами вычислительной математики, а при математическом моделировании довольно сложных ТО выполнение пятого этапа требует профессиональной подготовки в области программирования на ЭВМ.

Получаемые на шестом этапе (в итоге работы программы) результаты вычислений должны, прежде всего, пройти тестирование путем сопоставления с данными количественного анализа упрощенного варианта ММ рассматриваемого ТО. Тестирование может выявить недочеты как в программе, так и в алгоритме и потребовать доработки программы или же модификации и алгоритма, и программы. Анализ результатов вычислений и их инженерная интерпретация могут вызвать необходимость в корректировке PC и соответствующей ММ. После устранения всех выявленных недочетов триаду «модель – алгоритм – программа» можно использовать в качестве рабочего инструмента для проведения вычислительного эксперимента и выработки на основе получаемой количественной информации практических рекомендаций, направленных на совершенствование ТО, что составляет содержание седьмого, завершающего «технологический цикл» этапа математического моделирования.

Представленная последовательность этапов носит общий и универсальный характер, хотя в некоторых конкретных случаях она может и несколько видоизменяться. Если при разработке ТО можно использовать типовые PC и ММ, то отпадает необходимость в выполнении некоторых этапов, а при наличии соответствующего программного комплекса процесс вычислительного эксперимента становится в значительной степени автоматизированным. Однако математическое моделирование ТО, не имеющих близких прототипов, как правило, связано с проведением всех этапов описанного «технологического цикла».

Таким образом, этапы математического моделирования можно записать в виде последовательности действий:

1) выбор расчетной схемы и определение необходимой детализации;

2) математическое описание (составление системы уравнений);

3) выбор метода решения;

4) приведение модели (включающей уравнения, метод, исходные данные и начальные условия) к виду, удобному для решения на ЭВМ;

5) составление программы для ЭВМ;

6) проведение расчетов (моделирование);

7) при необходимости повторить шаги 3 – 6;

8) анализ результатов;

9) при необходимости повторить шаги 1 – 8;

10) оформление отчета (описания, схем, рисунков, графиков, формул);

11) при необходимости повторить шаги 1 – 10, 3 – 10, 8 – 10.

III этап - выбор или разработка числового метода, реализующего разработанную математическую модель.

IVэтап - проверка математической модели на адекватность.