МОДЕЛИРОВАНИЕ ЭЛЕКТРОМЕХАНИЧЕСКИХ СИСТЕМ ЭЛЕКТРОПРИВОДА

Методические указания и лабораторный практикум для студентов дневного и заочного отделения

Специальность 140604 "Электропривод и автоматика промышленных установок и технологических комплексов"

Печатается по решению редакционно-издательского совета Вятского государственного университета

УДК 621.31112: 621.313

Рецензент: кандидат технических наук доцент каф. АТ В. И. Семёновых

Составитель: преподаватель кафедры ЭПиАПУ Д.В. Ишутинов

Подписано в печать Усл. печ. л. 2,5

Бумага офсетная. Печать копир Aficio 1022

Заказ № 340 Тираж 52 Бесплатно.

Текст напечатан с оригинал-макета, предоставленного составителем

610000, г. Киров, ул. Московская, 36.

Оформление обложки, изготовление – ПРИП ВятГУ

Ó Вятский государственный университет, 2011

ВВЕДЕНИЕ

Аналогия – это частное сходство двух объектов, которое может быть существенным или менее существенным. Существенность сходства зависит от уровня абстрагирования и определяется целью исследования.

Аналогии, отражающие реальный, объективно существующий мир, обладают наглядностью, а значит, упрощают рассуждения и помогают проводить эксперименты, уточняющие природу явлений. Такие аналогии называют моделями .

Модель – это объект-заменитель объекта оригинала, обеспечивающий изучение некоторых свойств оригинала.

Моделирование – это представление реального физического объекта его моделью для получения информации о важнейших свойствах и физических процессах, протекающих в нем, путем проведения экспериментов с его моделью.

В процессе моделирования модель выступает в роли самостоятельного объекта, позволяющие получить некоторые знания – результаты моделирования. Если они подтверждаются и могут служить основой для прогнозирования процессов, протекающих в исследуемых объектах, то модель считается адекватной объекту. На основании адекватных моделей могут исследоваться подобные объекты.

1. КЛАССИФИКАЦИЯ ВИДОВ МОДЕЛИРОВАНИЯ

При разработке и проектировании современных электромеханических систем, представляющих собой сочетание электродвигателя, механической части электропривода и системы управления, возникает необходимость в решении сложных расчетных задач. Для этого во многих случаях прибегают к моделированию.

Виды моделирования можно классифицировать по различным критериям. С точки зрения типа модели и способа представления математического описания классификация представлена на рисунке 1.1.

Таким образом, моделирование может быть условно разделено на два основных вида: математическое и физическое.

Физическим моделированием называют проведение исследований на реальном объекте или его макете. При проведении экспериментов на реальном объекте различные характеристики исследуются на самом объекте или его части. Физическое моделирование может проводиться на объектах, работающих в нормальном режиме или в специальных режимах. Реальное моделирование является наиболее адекватным, но его возможности ограничены физическими, техническими и другими особенностями реальных объектов и систем.

Другим видом физического моделирования является моделирование на макете, которое применяется, в случае если эксперименты с реальным объектом затруднены, невозможны или опасны. Исследования с помощью макета проводятся на установках, которые обладают физическим подобием и сохраняют природу явлений в изучаемом объекте.

Физическое моделирование может протекать в реальном или произвольном масштабе времени. Наибольшую сложность и интерес представляет моделирование в реальном масштабе времени, позволяющее получить наиболее достоверные результаты исследований.

Математическое моделирование может проводиться при помощи аналитических методов исследования, а также с использованием аналоговых (АВМ) и цифровых (ЭВМ) вычислительных машин.

При использовании аналитических методов исследования можно получить в общем виде явные зависимости для искомых характеристик объекта. Аналитическое исследование позволяет получить наиболее общее представление о процессах функционирования системы, однако оно возможно для относительно простых систем, и связано с проведением трудоёмких расчётов. Даже в простейших случаях (для линейных систем) аналитическое моделирование не позволяет получить исчерпывающие результаты. При наличии в системе нелинейных элементов, переменных параметров и других усложняющих расчеты факторов возможности аналитических методов расчёта ещё более ограничены.

Современные вычислительные машины позволяют с достаточной точностью имитировать любые передаточные функции, нелинейные статические характеристики, произведения и частные. Вычислительные машины, а, следовательно, и модели бывают аналоговыми и цифровыми.

Под аналоговой моделью понимается такая, которая описывается уравнениями, связывающими непрерывные величины. Решение дифференциальных уравнений в АВМ носит непрерывный характер. Реальный физический объект заменяется при аналоговом моделировании подобным физическим объектом. В АВМ в качестве такого объекта выступает решающий операционный усилитель. Основным преимуществом моделирования на АВМ является высокая наглядность модели и возможность подключения к модели других технических средств. Также применение АВМ может ускорить исследование достаточно простых систем. С другой стороны возникают проблемы связанные с настройкой сложных моделей; появляются погрешности, обусловленные дрейфом параметров АВМ и кусочной линеаризацией нелинейностей. Максимальная величина выходного напряжения решающего операционного усилителя в АВМ ограничена значением в сто вольт. Поэтому для всех переменных модели вводятся масштабные коэффициенты, в результате чего могут накапливаться дополнительные ошибки.

Под цифровой моделью понимается модель, в которой решение уравнений и процессы, протекающие в ней, носят дискретный характер. Следовательно, все рассчитываемые величины определены в некоторые дискретные интервалы времени. Цифровая модель обладает меньшей физической наглядностью, однако лишена недостатков присущих аналоговой модели. Для проектирования цифровых моделей применяются современные средства вычислительной техники, а расчёт таких моделей основан на применении численных методов.

С помощью средств вычислительной техники математические модели могут исследоваться как прямым решением систем дифференциальных уравнений, так и на основе моделирования по структурным схемам.

В первом случае математическое моделирование заключается в численном решении системы дифференциальных уравнений, описывающей поведение исследуемого объекта. Такая модель не отражает реальной структуры физического объекта. В данном случае для расчета модели не нужно знание специализированных САПР, однако затрудняется понимание структуры реального физического объекта.

Во втором случае строится структурная модель, в которой элементы соединены в соответствии со структурой исследуемой системы. При использовании структурного метода модель системы представляется в виде моделей типовых динамических звеньев ТАР и нелинейных блоков, имитирующих работу отдельных физических узлов исследуемой системы. Применение структурных моделей позволяет при моделировании сохранить структуру исследуемого объекта, и поэтому на модели легко воспроизводится изменение параметров и структуры реального физического объекта, например, включение корректирующих устройств, выбор глубины обратных связей, изменение момента инерции механической части и жесткости механических характеристик.

Методы математического моделирования

Для исследования характеристик технических систем и физических процессов, протекающих при функционировании любой системы, математическими методами должна быть проведена формализация процессов, т.е. построена математическая модель.

Математическое моделирование - это процесс установления соответствия реальному физическому объекту некоторого математического объекта (математического описания), называемого математической моделью , и исследование этой модели, позволяющее получить, с некоторым приближением, характеристики рассматриваемого реального объекта. Математическое моделирование может быть динамическим, имитационным и комбинированным.

При решении задач электропривода используются динамические модели объектов. Такие модели описываются системами дифференциальных уравнений и исследуются при помощи аналитических, численных или качественных методов.

Аналитическое исследование позволяет получить наиболее общее представление о процессах функционирования системы, однако оно возможно лишь для относительно простых или линейных систем.

Численные методы используются, если невозможно разрешить математическое описание системы в общем виде или система существенно не линейна. Численные методы наиболее эффективны при использовании ЭВМ.

В некоторых случаях для исследования системы достаточно качественных методов анализа математической модели. Такие методы применяются в теории автоматического регулирования и позволяют судить, например, об устойчивости системы при определённом управлении.

В общем виде некоторый динамический объект описывается системой дифференциальных уравнений n-го порядка вида:

, (2.1)

где x 1 , x 2 , … x n – переменные динамического объекта;

– скорость изменения (производные) переменных динамического объекта;

– значение переменных в начальный момент времени;

t – независимая переменная.

Математическое моделирование, основанное на решении обыкновенных дифференциальных уравнений, опирается на численные методы. Численные методы позволяют получить приближенные значения реального непрерывного процесса, которые отстоят друг от друга на некоторый интервал времени, называемый шагом интегрирования. Выбор шага интегрирования зависит от динамических свойств моделируемой системы. Для широкого спектра динамических систем численное решение тем точнее, чем меньше шаг интегрирования. Однако, следует иметь ввиду, что чрезмерное уменьшение шага интегрирования может приводить к существенному увеличению затрат машинного времени.

К наиболее часто применяемым методам численного интегрирования дифференциальных уравнений относятся метод Эйлера (метод конечных приращений) и метод Рунге – Кутта четвёртого порядка.

Метод Эйлера основан на разложении подынтегральной функции в окрестности исследуемой точки в ряд Тейлора:

, (2.2)

где h – малая окрестность исследуемой точки (шаг интегрирования);

e - погрешность разложения в ряд Тейлора.

Метод Эйлера учитывает только первую производную ряда Тейлора. Тогда уравнение (2.2) будет иметь вид:

где - правая часть дифференциального уравнения, вычисленная в точке .

Следовательно, для решения уравнения или системы дифференциальных уравнений первого порядка методом Эйлера должна быть составлена следующей система уравнений с начальными условиями:

, (2.4)

где t i , t i +1

x j , i , x j , i+1 – значение j

f j – подынтегральная функция для j – ой переменной;

h – шаг интегрирования;

i = 0 .. m

j = 0 .. n

К достоинствам метода Эйлера можно отнести следующие:

· При достаточно малом шаге интегрирования можно получить высокую точность решения. Погрешность метода примерно равна квадрату шага интегрирования: e » h 2 ;

· Метод Эйлера имеет устойчивый алгоритм вычислений при решении широкого круга задач, связанных с исследованием электромеханических систем электропривода.

К недостаткам метода Эйлера можно отнести то, что уменьшение шага интегрирования необходимое для обеспечения требуемой точности существенно замедляет вычисления.

Метод Рунге – Кутта основан на разложении подынтегральной функции в окрестности исследуемой точки в ряд Тейлора. Вычисление коэффициентов ряда Тейлора (до четвёртого порядка) осуществляется с помощью специальных коэффициентов Рунге – Кутта. Такой подход позволяет получить более высокую точность решения.

Формулы для нахождения численного решения дифференциального уравнения или системы дифференциальных уравнений первого порядка методом Рунге – Кутта имеют следующий вид:

, (2.5)

где t i , t i +1 – значение независимой переменной (времени) на предыдущем и следующем шаге интегрирования;

x j , i , x j , i+1 – значение j – ой переменной динамического объекта на предыдущем и следующем шаге интегрирования;

f j – подынтегральная функция для j – ой переменной;

k l i, j – коэффициенты Рунге – Кутта (l = 1 .. 4 );

h – шаг интегрирования;

i = 0 .. m – число шагов интегрирования;

j = 0 .. n – количество переменных динамического объекта.

К достоинствам метода Рунге – Кутта можно отнести следующие. Высокая точность численного решения. При фиксированном шаге интегрирования погрешность решения примерно равна пятой степени шага интегрирования: e » h 5 .

Однако данный метод не всегда обеспечивает устойчивые решения. Устойчивость решения зависит как от величины шага интегрирования, так и от особенностей динамики исследуемой системы.

3. Динамические расчеты систем по структурным схемам

с использованием системы САПР System View

САПР System View позволяет на уровне структурных моделей производить расчеты динамических систем и получать результаты в виде таблиц, графиков переходных процессов и частотных характерис­тик, а также комплексных показателей качества регулирования.

Структурная схема набирается на рабочем поле основного окна пакета SV (рис. 3.1) с помощью блоков, которые для удобства работы объединены в четыре библиотеки. Блоки суммирования и умножения выполнены отдельно.

Рисунок 3.1 – Основное окно System View

Библиотеки элементов расположены в левой части рабочего окна SV и содержат в своём составе набор различных функциональных и динамических элементов. Графически элементы представляются в виде прямоугольника с вхо­дами и выходами. В верхнем левом углу записывается порядковый номер элемента в структурной схеме, в центре в виде рисунка - тип элемента.

Математическое моделирование

1. Что такое математическое моделирование?

С середины XX в. в самых различных областях человеческой деятельности стали широко применять математические методы и ЭВМ. Возникли такие новые дисциплины, как «математическая экономика», «математическая химия», «математическая лингвистика» и т. д., изучающие математические модели соответствующих объектов и явлений, а также методы исследования этих моделей.

Математическая модель - это приближенное описание какого-либо класса явлений или объектов реального мира на языке математики. Основная цель моделирования - исследовать эти объекты и предсказать результаты будущих наблюдений. Однако моделирование - это еще и метод познания окружающего мира, дающий возможность управлять им.

Математическое моделирование и связанный с ним компьютерный эксперимент незаменимы в тех случаях, когда натурный эксперимент невозможен или затруднен по тем или иным причинам. Например, нельзя поставить натурный эксперимент в истории, чтобы проверить, «что было бы, если бы...» Невозможно проверить правильность той или иной космологической теории. В принципе возможно, но вряд ли разумно, поставить эксперимент по распространению какой-либо болезни, например чумы, или осуществить ядерный взрыв, чтобы изучить его последствия. Однако все это вполне можно сделать на компьютере, построив предварительно математические модели изучаемых явлений.

2. Основные этапы математического моделирования

1) Построение модели . На этом этапе задается некоторый «нематематический» объект - явление природы, конструкция, экономический план, производственный процесс и т. д. При этом, как правило, четкое описание ситуации затруднено. Сначала выявляются основные особенности явления и связи между ними на качественном уровне. Затем найденные качественные зависимости формулируются на языке математики, то есть строится математическая модель. Это самая трудная стадия моделирования.

2) Решение математической задачи, к которой приводит модель . На этом этапе большое внимание уделяется разработке алгоритмов и численных методов решения задачи на ЭВМ, при помощи которых результат может быть найден с необходимой точностью и за допустимое время.

3) Интерпретация полученных следствий из математической модели. Следствия, выведенные из модели на языке математики, интерпретируются на языке, принятом в данной области.

4) Проверка адекватности модели. На этом этапе выясняется, согласуются ли результаты эксперимента с теоретическими следствиями из модели в пределах определенной точности.

5) Модификация модели. На этом этапе происходит либо усложнение модели, чтобы она была более адекватной действительности, либо ее упрощение ради достижения практически приемлемого решения.

3. Классификация моделей

Классифицировать модели можно по разным критериям. Например, по характеру решаемых проблем модели могут быть разделены на функциональные и структурные. В первом случае все величины, характеризующие явление или объект, выражаются количественно. При этом одни из них рассматриваются как независимые переменные, а другие - как функции от этих величин. Математическая модель обычно представляет собой систему уравнений разного типа (дифференциальных, алгебраических и т. д.), устанавливающих количественные зависимости между рассматриваемыми величинами. Во втором случае модель характеризует структуру сложного объекта, состоящего из отдельных частей, между которыми существуют определенные связи. Как правило, эти связи не поддаются количественному измерению. Для построения таких моделей удобно использовать теорию графов. Граф - это математический объект, представляющий собой некоторое множество точек (вершин) на плоскости или в пространстве, некоторые из которых соединены линиями (ребрами).

По характеру исходных данных и результатов предсказания модели могут быть разделены на детерминистические и вероятностно-статистические. Модели первого типа дают определенные, однозначные предсказания. Модели второго типа основаны на статистической информации, а предсказания, полученные с их помощью, имеют вероятностный характер.

4. Примеры математических моделей

1) Задачи о движении снаряда.

Рассмотрим следующую задачу механики.

Снаряд пущен с Земли с начальной скоростью v 0 = 30 м/с под углом a = 45° к ее поверхности; требуется найти траекторию его движения и расстояние S между начальной и конечной точкой этой траектории.

Тогда, как это известно из школьного курса физики, движение снаряда описывается формулами:

где t - время, g = 10 м/с 2 - ускорение свободного падения. Эти формулы и дают математическую модель поставленной задачи. Выражая t через x из первого уравнения и подставляя во второе, получим уравнение траектории движения снаряда:

Эта кривая (парабола) пересекает ось x в двух точках: x 1 = 0 (начало траектории) и (место падения снаряда). Подставляя в полученные формулы заданные значения v0 и a, получим

ответ: y = x – 90x 2 , S = 90 м.

Отметим, что при построении этой модели использован ряд предположений: например, считается, что Земля плоская, а воздух и вращение Земли не влияют на движение снаряда.

2) Задача о баке с наименьшей площадью поверхности.

Требуется найти высоту h 0 и радиус r 0 жестяного бака объема V = 30 м 3 , имеющего форму закрытого кругового цилиндра, при которых площадь его поверхности S минимальна (в этом случае на его изготовление пойдет наименьшее количество жести).

Запишем следующие формулы для объема и площади поверхности цилиндра высоты h и радиуса r:

V = p r 2 h, S = 2p r(r + h).

Выражая h через r и V из первой формулы и подставляя полученное выражение во вторую, получим:

Таким образом, с математической точки зрения, задача сводится к определению такого значения r, при котором достигает своего минимума функция S(r). Найдем те значения r 0 , при которых производная

обращается в ноль:Можно проверить, что вторая производная функции S(r) меняет знак с минуса на плюс при переходе аргумента r через точку r 0 . Следовательно, в точке r0 функция S(r) имеет минимум. Соответствующее значение h 0 = 2r 0 . Подставляя в выражение для r 0 и h 0 заданное значение V, получим искомый радиус и высоту

3) Транспортная задача.

В городе имеются два склада муки и два хлебозавода. Ежедневно с первого склада вывозят 50 т муки, а со второго - 70 т на заводы, причем на первый - 40 т, а на второй - 80 т.

Обозначим через a ij стоимость перевозки 1 т муки с i-го склада на j-й завод (i, j = 1,2). Пусть

a 11 = 1,2 р., a 12 = 1,6 р., a 21 = 0,8 р., a 22 = 1 р.

Как нужно спланировать перевозки, чтобы их стоимость была минимальной?

Придадим задаче математическую формулировку. Обозначим через x 1 и x 2 количество муки, которое надо перевезти с первого склада на первый и второй заводы, а через x 3 и x 4 - со второго склада на первый и второй заводы соответственно. Тогда:

x 1 + x 2 = 50, x 3 + x 4 = 70, x 1 + x 3 = 40, x 2 + x 4 = 80. (1)

Общая стоимость всех перевозок определяется формулой

f = 1,2x 1 + 1,6x 2 + 0,8x 3 + x 4 .

С математической точки зрения, задача заключается в том, чтобы найти четыре числа x 1 , x 2 , x 3 и x 4 , удовлетворяющие всем заданным условиям и дающим минимум функции f. Решим систему уравнений (1) относительно xi (i = 1, 2, 3, 4) методом исключения неизвестных. Получим, что

x 1 = x 4 – 30, x 2 = 80 – x 4 , x 3 = 70 – x 4 , (2)

а x 4 не может быть определено однозначно. Так как x i і 0 (i = 1, 2, 3, 4), то из уравнений (2) следует, что 30Ј x 4 Ј 70. Подставляя выражение для x 1 , x 2 , x 3 в формулу для f, получим

f = 148 – 0,2x 4 .

Легко видеть, что минимум этой функции достигается при максимально возможном значении x 4 , то есть при x 4 = 70. Соответствующие значения других неизвестных определяются по формулам (2): x 1 = 40, x 2 = 10, x 3 = 0.

4) Задача о радиоактивном распаде.

Пусть N(0) - исходное количество атомов радиоактивного вещества, а N(t) - количество нераспавшихся атомов в момент времени t. Экспериментально установлено, что скорость изменения количества этих атомов N"(t) пропорциональна N(t), то есть N"(t)=–l N(t), l >0 - константа радиоактивности данного вещества. В школьном курсе математического анализа показано, что решение этого дифференциального уравнения имеет вид N(t) = N(0)e –l t . Время T, за которое число исходных атомов уменьшилось вдвое, называется периодом полураспада, и является важной характеристикой радиоактивности вещества. Для определения T надо положить в формуле Тогда Например, для радона l = 2,084 · 10 –6 , и следовательно, T = 3,15 сут.

5) Задача о коммивояжере.

Коммивояжеру, живущему в городе A 1 , надо посетить города A 2 , A 3 и A 4 , причем каждый город точно один раз, и затем вернуться обратно в A 1 . Известно, что все города попарно соединены между собой дорогами, причем длины дорог b ij между городами A i и A j (i, j = 1, 2, 3, 4) таковы:

b 12 = 30, b 14 = 20, b 23 = 50, b 24 = 40, b 13 = 70, b 34 = 60.

Надо определить порядок посещения городов, при котором длина соответствующего пути минимальна.

Изобразим каждый город точкой на плоскости и пометим ее соответствующей меткой Ai (i = 1, 2, 3, 4). Соединим эти точки отрезками прямых: они будут изображать дороги между городами. Для каждой «дороги» укажем ее протяженность в километрах (рис. 2). Получился граф - математический объект, состоящий из некоторого множества точек на плоскости (называемых вершинами) и некоторого множества линий, соединяющих эти точки (называемых ребрами). Более того, этот граф меченый, так как его вершинам и ребрам приписаны некоторые метки - числа (ребрам) или символы (вершинам). Циклом на графе называется последовательность вершин V 1 , V 2 , ..., V k , V 1 такая, что вершины V 1 , ..., V k - различны, а любая пара вершин V i , V i+1 (i = 1, ..., k – 1) и пара V 1 , V k соединены ребром. Таким образом, рассматриваемая задача заключается в отыскании такого цикла на графе, проходящего через все четыре вершины, для которого сумма всех весов ребер минимальна. Найдем перебором все различные циклы, проходящие через четыре вершины и начинающиеся в A 1:

1) A 1 , A 4 , A 3 , A 2 , A 1 ;
2) A 1 , A 3 , A 2 , A 4 , A 1 ;
3) A 1 , A 3 , A 4 , A 2 , A 1 .

Найдем теперь длины этих циклов (в км): L 1 = 160, L 2 = 180, L 3 = 200. Итак, маршрут наименьшей длины - это первый.

Заметим, что если в графе n вершин и все вершины попарно соединены между собой ребрами (такой граф называется полным), то число циклов, проходящих через все вершины, равно Следовательно, в нашем случае имеется ровно три цикла.

6) Задача о нахождении связи между структурой и свойствами веществ.

Рассмотрим несколько химических соединений, называемых нормальными алканами. Они состоят из n атомов углерода и n + 2 атомов водорода (n = 1, 2 ...), связанных между собой так, как показано на рисунке 3 для n = 3. Пусть известны экспериментальные значения температур кипения этих соединений:

y э (3) = – 42°, y э (4) = 0°, y э (5) = 28°, y э (6) = 69°.

Требуется найти приближенную зависимость между температурой кипения и числом n для этих соединений. Предположим, что эта зависимость имеет вид

y » a n + b,

где a , b - константы, подлежащие определению. Для нахождения a и b подставим в эту формулу последовательно n = 3, 4, 5, 6 и соответствующие значения температур кипения. Имеем:

– 42 » 3a + b, 0 » 4a + b, 28 » 5a + b, 69 » 6a + b.

Для определения наилучших a и b существует много разных методов. Воспользуемся наиболее простым из них. Выразим b через a из этих уравнений:

b » – 42 – 3a , b » – 4a , b » 28 – 5a , b » 69 – 6a .

Возьмем в качестве искомого b среднее арифметическое этих значений, то есть положим b » 16 – 4,5a . Подставим в исходную систему уравнений это значение b и, вычисляя a , получим для a следующие значения: a » 37, a » 28, a » 28, a » 36. Возьмем в качестве искомого a среднее значение этих чисел, то есть положим a » 34. Итак, искомое уравнение имеет вид

y » 34n – 139.

Проверим точность модели на исходных четырех соединениях, для чего вычислим температуры кипения по полученной формуле:

y р (3) = – 37°, y р (4) = – 3°, y р (5) = 31°, y р (6) = 65°.

Таким образом, ошибка расчетов данного свойства для этих соединений не превышает 5°. Используем полученное уравнение для расчета температуры кипения соединения с n = 7, не входящего в исходное множество, для чего подставим в это уравнение n = 7: y р (7) = 99°. Результат получился довольно точный: известно, что экспериментальное значение температуры кипения y э (7) = 98°.

7) Задача об определении надежности электрической цепи.

Здесь мы рассмотрим пример вероятностной модели. Сначала приведем некоторые сведения из теории вероятностей - математической дисциплины, изучающей закономерности случайных явлений, наблюдаемых при многократном повторении опыта. Назовем случайным событием A возможный исход некоторого опыта. События A 1 , ..., A k образуют полную группу, если в результате опыта обязательно происходит одно из них. События называются несовместными, если они не могут произойти одновременно в одном опыте. Пусть при n-кратном повторении опыта событие A произошло m раз. Частотой события A называется число W = . Очевидно, что значение W нельзя предсказать точно до проведения серии из n опытов. Однако природа случайных событий такова, что на практике иногда наблюдается следующий эффект: при увеличении числа опытов значение практически перестает быть случайным и стабилизируется около некоторого неслучайного числа P(A), называемого вероятностью события A. Для невозможного события (которое никогда не происходит в опыте) P(A)=0, а для достоверного события (которое всегда происходит в опыте) P(A)=1. Если события A 1 , ..., A k образуют полную группу несовместимых событий, то P(A 1)+...+P(A k)=1.

Пусть, например, опыт состоит в подбрасывании игральной кости и наблюдении числа выпавших очков X. Тогда можно ввести следующие случайные события A i ={X = i}, i = 1, ..., 6. Они образуют полную группу несовместных равновероятных событий, поэтому P(A i) = (i = 1, ..., 6).

Суммой событий A и B называется событие A + B, состоящее в том, что в опыте происходит хотя бы одно из них. Произведением событий A и B называется событие AB, состоящее в одновременном появлении этих событий. Для независимых событий A и B верны формулы

P(AB) = P(A) P(B), P(A + B) = P(A) + P(B).

8) Рассмотрим теперь следующую задачу . Предположим, что в электрическую цепь последовательно включены три элемента, работающие независимо друг от друга. Вероятности отказов 1-го, 2-го и 3-го элементов соответственно равны P 1 = 0,1, P 2 = 0,15, P 3 = 0,2. Будем считать цепь надежной, если вероятность того, что в цепи не будет тока, не более 0,4. Требуется определить, является ли данная цепь надежной.

Так как элементы включены последовательно, то тока в цепи не будет (событие A), если откажет хотя бы один из элементов. Пусть A i - событие, заключающееся в том, что i-й элемент работает (i = 1, 2, 3). Тогда P(A1) = 0,9, P(A2) = 0,85, P(A3) = 0,8. Очевидно, что A 1 A 2 A 3 - событие, заключающееся в том, что одновременно работают все три элемента, и

P(A 1 A 2 A 3) = P(A 1) P(A 2) P(A 3) = 0,612.

Тогда P(A) + P(A 1 A 2 A 3) = 1, поэтому P(A) = 0,388 < 0,4. Следовательно, цепь является надежной.

В заключение отметим, что приведенные примеры математических моделей (среди которых есть функциональные и структурные, детерминистические и вероятностные) носят иллюстративный характер и, очевидно, не исчерпывают всего разнообразия математических моделей, возникающих в естественных и гуманитарных науках.

Мастер – класс

« Использование моделирования в обучении математике»

Цель:

Содействовать систематизации знаний учителей о моделировании и подготовке педагогов к использованию учебных моделей в образовательном процессе по математике.

Задачи:

Создать условия для организации работы по освоению педагогами учебных моделей и определению возможностей и эффективности их применения в процессе обучении математике.

Организационный этап.

Создание психологической готовности участников мастер-класса к совместной работе.

– Уважаемые коллеги, здравствуйте! Я рада приветствовать вас на своём мастер-классе.

Тема моего мастер-класса «Использование моделирования в обучении математике ».

Перед вами лежит таблица-фиксация знаний, заполните, пожалуйста, вторую графу «Знаю» по данной теме и отложите.

			Хочу узнать
Моделирование

Моя цель: Способствовать систематизации знаний учителей о моделировании и подготовке педагогов к использованию учебных моделей в образовательном процессе по математике.

А Ваша цель? (ответы)

2. Актуальность.

- Как вы думаете, почему именно математика так широко представлена в программе начального образования?

Математика как учебный предмет в начальной школе призвана максимально развивать личность младшего школьника, способствовать становлению его самостоятельности в учебно-познавательной деятельности, поэтому она широко представлена в программе начального образования: 4 часа в неделю или 536 часов за курс начальной школы. Задача учителя начальной школы – сформировать у всех детей базовый уровень математических представлений и способов деятельности, необходимых для социальной адаптации в обществе. Решение этой задачи часто вызывает большие трудности, так как ни один из математических объектов в реальной действительности не существует, а мышление детей младшего школьного возраста по преимуществу наглядно-образное, способности даже к простейшему осмыслению математического материала весьма различны.

Поэтому современные требования к формированию умственных действий на уроках математики требуют применения наиболее эффективных методов и приёмов обучения. Одним из них является метод моделирования.

Метод моделирования стал одним из основных методов научного исследования. Этот метод в отличие от других является всеобщим, используется во всех науках, на всех этапах научного исследования. Он обладает огромной эвристической силой, позволяет свести изучение сложного к простому, невидимого и неощутимого – к видимому и ощутимому, незнакомого – к знакомому, т.е. сделать сложное явление реальной действительности доступным для тщательного и всестороннего изучения. В связи с этим применение моделей и моделирования в обучении, по мнению большинства ученых теоретиков, приобретает особое значение для повышения теоретического уровня педагогической науки и практики.

Необходимость овладения младшими школьниками методом моделирования как методом познания в процессе обучения можно обосновать с разных позиций.

- Как вы думаете с каких?

Во-первых, как показывают эксперименты, введение в содержание обучения понятий модели и моделирования существенно меняет отношение учащихся к учебному предмету, делает их учебную деятельность более осмысленной и более продуктивной.

Во-вторых, целенаправленное и систематическое обучение методу моделирования приближает младших школьников к методам научного познания, обеспечивает их интеллектуальное развитие.

- В определении моделирования вставьте пропущенные слова.

«Моделирование – это метод опосредованного познания, при котором изучается не интересующий нас объект, а его заместитель (модель ), находящийся в некотором объективном соответствии с познавательным объектом, способный замещать его в определённых отношениях и дающий при этом новую информацию об объекте» (Л. М. Фридман) Слайд 2

При введение моделирования в содержание обучения математике важно, чтобы учащиеся сами овладели методом моделирования, научились строить и преобразовывать модели, отражая различные отношения и закономерности, сами изучали какие-либо объекты, явления с помощью моделирования.

Когда учащиеся, решая практическую математическую задачу, понимают, что она представляет собой знаковую модель некоторой реальной ситуации, составляют последовательность различных ее моделей, затем изучают (решают) эти модели и, наконец, переводят полученное решение на язык исходной задачи, то тем самым школьники овладевают методом моделирования.

Знакомство с видами моделей.

- Какие виды моделей вы знаете и применяете на практике? (при затруднении предлагается выбрать из предложенных вариантов: вербальные, словесные, иллюстрационные, предметные, эвристические, схематические, математические, геометрические)

Виды моделей: вербальные, предметные, схематические, математические.

Можно выделить четыре модели, которые используются при работе над задачей на уроках математики: предметные, вербальные, схематические, математические.

Составляется кластер. (Сначала самостоятельно, а в процессе работы изменяется, пополняется, исправляются недочёты.)

Примерами предметных моделей могут быть сюжетные иллюстрации, отдельные предметы или их изображения. Слайд 3

К группе вербальных моделей мы относим в первую очередь сам текст задачи, кроме того, различные виды кратких записей текста задачи. Для некоторых текстовых задач более удобной формой вербальной модели является таблица. Слайд 4

Коля – 3

Таня - ?, на 2больше

Всего - ?

Схематические модели служат для визуального представления задачной ситуации, но здесь используются не конкретные предметы и их изображения, а различного рода условные обозначения, которые заменяют реальные предметы(например, круги, квадраты, отрезки, точки и т.п.).

Наиболее распространённые в начальной школе модели этого вида – схематические иллюстрации и схематические чертежи. Слайд 6

Под математическими моделями надо понимать математические выражения или равенства (3+4, 3+5=8). Слайд 7

Математическое выражение (например, запись вида 5+3);

Математическое равенство (например, запись вида 5+3=8).

(Раздаточный материал для групп «Виды моделей»)

4.Действия которые можно проводить с моделями.

Чтобы процесс переходов от одной модели к другой при решении текстовой задачи был продуманным, хорошо организованным и эффективным, важно разработать комплекс дидактических заданий по работе с учебными моделями.

- Давайте уточним, какие действия можно проводить с моделями?

1)Задания на соотнесение моделей: Слайд 8

при выполнении заданий на соотнесение моделей ребёнок должен определить, соответствуют ли друг другу предложенные для сравнения модели, и объяснить, почему соответствие есть или отсутствует. Например, дан рисунок, схема и равенство. Ученик рассказывает, почему схема подходит к рисунку и к равенству. Слайд 9

2) Задания на построение модели:

самостоятельно построить на парте из геометрических фигур схему, соответствующую рисунку, тексту задачи или математической записи, составить математическое выражение, соответствующее предложенному рисунку, схеме или тексту задачи. Слайд 10

3) Задания на выбор модели:

при выполнении заданий этой группы дети из нескольких предложенных вариантов выбирают тот, который соответствует другой модели. Слайд 11

4) Примеры заданий на изменение модели:

изменить предложенную схему так, чтобы новая схема соответствовала сюжетной иллюстрации, тексту задачи, числовому выражению или равенству;

изменить предложенный текст задачи так, чтобы новый текст соответствовал сюжетной иллюстрации, схеме, числовому выражению. Слайд 12

Многие задания в учебнике можно дифференцировать.

Использование учебных моделей позволяет сделать более доступным для ребёнка восприятие и понимание текста задачи, поскольку модели помогают визуализировать скрытые при непосредственном наблюдении связи и отношения, представленные в тексте задачи.

Благодаря возможности наглядно представлять наиболее существенные характеристики изучаемого объекта, модель служит весьма продуктивным видом визуализации.

Поскольку мышление детей младшего школьного возраста по преимуществу наглядно-образное, опора на модели делает возможным приобщение учеников к некоторым (пусть самым простым) теоретическим обобщениям. Это весьма значимо на первых шагах обучения решению задачи. Однако для того, чтобы работа с моделями приводила к максимальной «отдаче», их применение должно быть последовательным и систематическим.

Слайд 13 (пустой)

(Раздаточный материал « Группы заданий, ориентированных на выполнение одного из следующих действий:….»

5. Группы заданий, ориентированных на выполнение одного из следующих действий:

- задания на соотнесение моделей:

1. Соотнесение предметной и вербальной моделей.

2. Соотнесение предметной и схематической моделей. Подходит ли схема к рисунку?

3.Соотнесение предметной и математической моделей.

Верно ли составлен пример к рисунку?

4.Соотнесениевербальной и математической моделей.

Верно ли Ваня решил задачу?

5.Соотнесение вербальной и схематической моделей.

Проверь, верно ли Петя составил схему к задаче.

6.Соотнесение схематической и математической моделей.

Верно ли составлен пример к схеме

- выбор модели:

1. Задания на выбор модели при сравнении предметных и вербальных моделей.

Какая краткая запись подходит к рисунку?

2. Задания на выбор модели при сравнении предметных и схематических моделей.

Выбери схему к рисунку.

3. Задания на выбор модели при сравнении предметных и математических моделей.

Какой пример подходит к рисунку?

4.Задания на выбор модели при сравнении вербальных и математических моделей.

Выбери верное решение задачи .

5. Задания на выбор модели при сравнении вербальных и схематических моделей.

Выбери схему

6. Задания на выбор модели при сравнении схематических и математических моделей.

Какой пример подходит к схеме?

- изменение модели:

1. Задание на изменение модели в паре « Предметная модель – вербальная модель»

Измени рисунок так, чтобы он соответствовал тексту задачи. Или наоборот.

Измени краткую запись, чтобы она подходила к рисунку

2. Задание на изменение модели в паре « Предметная модель – схематическая модель»

Дополни схему

3. Задание на изменение модели в паре « Предметная модель – математическая модель»

Петя записал пример к рисунку. Часть примера не видна. Дополни запись.

4. Задание на изменение модели в паре « Вербальная модель – математическая модель»

Измените текст задачи, чтобы она решалась так:

5. Задание на изменение модели в паре « Вербальная модель – схематическая модель »

Исправь схему

6. . Задание на изменение модели в паре « Схематическая модель – математическая модель»

Катя сделала схему, исправь её ошибку.

- Дополни условие и вопрос, чтобы задача решалась сложением.

- Измени схему так, чтобы показать её с помощью действия вычитания

- построение модели:

1.Задание на построение модели в паре « Предметная модель – вербальная модель»

Составь задачу по рисунку или сделай рисунок к тексту задачи (краткой записи)

2. Задание на построение модели в паре « Предметная модель – схематическая модель»

Составь схему к предложенному рисунку или, наоборот, сделай рисунок к предложенной схеме

3.Задание на построение модели в паре « Предметная модель – математическая модель»

Составь пример к рисунку

4.Задание на построение модели в паре «Вербальная модель – математическая модель»

Составь задачу, которая решается так 5. Задание на построение модели в паре « Вербальная модель – схематическая модель»

Составь задачу по схеме

Составь пример по схеме или схему к выражению

6. Работа в группах:

Задания для работы в группах

1) Из предложенного ряда дидактических заданий выберите задание на соотнесение предметной и вербальной моделей при работе над задачей.

2) Из предложенного ряда дидактических заданий выберите задание на соотнесение предметной и вербальной моделей при работе над задачей.

а) Подходит ли схема к рисунку?

б)Проверь, верно ли Катя составила схему к задаче?

в) Проверь, верно ли Сергей решил задачу.

г) Подходит ли краткая запись к рисунку?

д) Верно ли составлен пример к рисунку?

е) Верно ли составлен пример к схеме?

3) Из предложенного ряда дидактических заданий выберите задание на соотнесение предметной и схематической моделей при работе над задачей.

а) Верно ли составлен пример к схеме?

б) Подходит ли рисунок к задаче?

в) Проверь, верно ли Сергей решил задачу.

г) Подходит ли схема к рисунку?

д) Верно ли составлен пример к рисунку?

е) Проверь, верно ли Катя составила схему к задаче?

1) Определите задание на выбор модели . Слайд 14

Определите задание на соотнесение моделей . Слайд 15

3) Определите задание на построение моделей. Слайд 16

7.Методические варианты использования моделей. Слайд 17

Методические варианты использования моделей: репродуктивно-наглядный, продуктивно-наглядный, репродуктивно-практический, продуктивно-практический. Рассмотрим примеры использование моделей для поиска решения текстовой задачи: « У Коли 3 яблока, а у Лены 2 яблока. Сколько яблок у детей вместе?»

Вариант 1. Репродуктивно-наглядный

Учитель демонстрирует модель (на доске, наборном полотне) и на её основе даёт словесное объяснение о способе решения задачи. При этом объяснение выступает репродуктивной передачей информации от учителя к детям.

Ребята, я располагаю на наборном полотне 3 кружка слева, потому что у нас в задаче сказано, что у Коли было 3 яблока, и 2 кружка справа - столько яблок, по условию задачи у Лены. В задаче нужно узнать, сколько всего яблок у детей, поэтому я придвину кружки друг к другу. Значит, эта задача решается с помощью действия сложения. Давайте запишем вместе решение задачи: 3+2=5.

Вариант 2. Продуктивно-наглядный

Учитель демонстрирует модель (на доске, на наборном полотне) и в процессе её построения проводит с детьми беседу эвристического характера с тем, чтобы дети сами «открыли» способ решения задачи. Здесь используется продуктивная форма получения знания.

Пример объяснения решения задачи:

Дети, сейчас я покажу слева яблоки Коли, а справа яблоки Лены. Сколько кружков я должна поставить слева? Почему? (После ответов детей учитель располагает на наборном полотне 3 кружка слева.) Сколько кружков нужно расположить на наборном полотне справа? Почему? (После ответов детей учитель располагает на наборном полотне 2 кружка справа.) Что нужно сделать, чтобы показать, что мы собираем вместе яблоки Коли и Лены? (После ответов детей учитель придвигает одни кружки к другим). Каким действием решается задача? Почему? Как запишем решение задачи?

Вариант 3. Репродуктивно-практический

Учитель строит модель (на доске, на наборном полотне) и одновременно просит детей построить такую же модель на парте или в тетради. В ходе построения модели учитель даёт словесное объяснение репродуктивного характера о способе решения задачи.

Пример объяснения решения задачи:

Дети, сейчас я на наборном полотне поставлю 3 кружка слева, потому что, по условию задачи, у Коли было 3 яблока, а 2 кружка справа – столько яблок у Лены. Положите вместе со мной 3 кружка на парте слева, а 2 кружка на парте справа. В задаче нужно узнать, сколько всего яблок у детей. Поэтому я придвину кружки друг к другу и вы тоже на партах придвиньте свои кружки друг к другу. Так как мы с вами придвигаем кружки, задача решается сложением. Давайте запишем вместе решение задачи: 3+2=5.

Вариант 4. Продуктивно - практический

Учитель строит модель (на доске, наборном полотне) и одновременно просит детей построить такую же модель на парте или в тетради. В процессе построения модели учитель проводит с детьми беседу эвристического характера с тем, чтобы дети сами «открыли» способ решения задачи.

Пример объяснения решения задачи

Дети, давайте покажем слева яблоки Коли, а справа яблоки Лены. Сколько кружков мы должны показать слева? Почему? Давайте вместе сделаем это: я поставлю кружки слева на наборном полотне, а вы положите их слева у себя на парте.

Сколько кружков мы должны показать справа? Почему? Давайте вместе сделаем это: я поставлю кружки справа на наборном полотне, а вы положите их справа у себя на парте. Что нужно сделать, чтобы показать, что мы собираем вместе яблоки Коли и Лены? Правильно, нужно придвинуть кружки друг к другу. Давайте вместе сделаем это: я на наборном полотне, а вы у себя на партах. Что мы сделали, чтобы найти ответ к задаче? Значит, каким действием решается задача? Как запишем решение задачи?

При объяснении трудного для детей материала рекомендуется чаще использовать продуктивно – практический вариант моделирования, поскольку при этом обеспечивается эвристическая форма передачи информации («субъективное открытие знания») и практическая деятельность ребёнка по построению и преобразованию моделей, что особенно важно для ребёнка со средними или слабыми математическими способностями.

8. Конструкции текста задачи: Слайд 18

(Раздаточный материал для учителей)

Условие выражено в повествовательной форме, за ним следует вопрос, выраженный вопросительным предложением; наиболее часто встречающаяся конструкция текста.

Условие выражено в повествовательной форме, за ним следует вопрос, выраженный повествовательным предложением.

Часть условия выражена в повествовательной форме в начале текста, затем вопросительное предложение, включающее вопрос и часть условия.

Часть условия выражена в повествовательной форме, затем следует также повествовательное предложение, включающее вопрос и часть условия.

Текст задачи представляет одно сложное вопросительное предложение, в котором сначала стоит вопрос задачи, затем условие.

9. Задания для работы в группах:

1 . Каждой группе подобрать из учебника или составить задачу 2,3,4,5 конструкций.

2. Практикум « Виды работ над задачей»

1) на нахождение остатка (опорное слово: осталось)

составить задачу

4 вида моделей

из групп заданий выбрать 1(блок « Задания на изменение модели»)

изменить конструкцию задачи

2)на нахождение суммы (опорное слово: стало)

составить задачу

4 вида моделей

из групп заданий выбрать 2 (блок « Задания на соотнесение модели»)

изменить конструкцию задачи

3)на нахождение разности (опорное слово: на сколько)

составить задачу

4 вида моделей

из групп заданий выбрать 1 (блок « Задания на построение модели»)

изменить конструкцию задачи

10. Практикум «Разработка вспомогательных моделей, которые используются при решении задач в начальной школе» Объединение моделей в систему.

1 тип схем

a b

2 тип схем

?, на б/м

a b

3 тип схем

Было –

Стало --

a b

4 тип схем

Было –

Осталось --

a

b c

5 тип схем

a c

Рефлексия мастер-класса

Возьмите карточку с таблицей-фиксацией, если есть, чем дополнить, впишите в третий столбик. Кто может зачитать данные своей таблицы? (Ответы участников)

Метод « Чемодан, Корзина, Мясорубка»

ВВЕДЕНИЕ

Объекты материального мира сложны и многообразны. Отражение всех их свойств в создаваемых, изучаемых и используемых образах весьма затруднительно, да и не нужно. Важно, чтобы образ объекта содержал черты, наиболее важные для его использования Методом моделирования называется замена объекта оригинала объектом-заместителем, обладающим определенным сходством с оригиналом, с целью получения новой информации об оригинале. Моделью называется объект-заместитель объекта-оригинала, предназначенный для получения информации об оригинале.

Математические модели относятся к символьным моделям и представляют собой описание объектов в виде математических символов, формул, выражений. При наличии достаточно точной математической модели можно путем математических расчетов прогнозировать результаты функционирования объекта при различных условиях, выбрать из множества возможных вариантов тот, который дает наилучшие результаты.

В данной работе приведены виды классификации математических методов моделирования и описаны некоторые методы:

Линейное программирование - это методы математического моделирования, которые служат для поиска оптимального варианта распределения ограниченных ресурсов между конкурирующими работами.

Имитационное моделирование. Цель имитационного моделирования состоит в воспроизведении поведения исследуемой системы на основе результатов анализа наиболее существенных взаимосвязей между её элементами или другими словами - разработке симулятора исследуемой предметной области для проведения различных экспериментов.

Классификация методов математического моделирования

Ввиду разнообразия применяемых математических моделей, их общая классификация затруднена. В литературе обычно приводят классификации, в основу которых положены различные подходы и принципы.

По принадлежности к иерархическому уровню математические модели делятся на модели микроуровня, макроуровня, метауровня. Математические модели на микроуровне процесса отражают физические процессы, протекающие, например, при резании металлов. Они описывают процессы на уровне перехода (прохода).

Математические модели на макроуровне процесса описывают технологические процессы.

Математические модели на метауровне процесса описывают технологические системы (участки, цехи, предприятие в целом).

По характеру отображаемых свойств объекта модели можно классифицировать на структурные и функциональные

Модель структурная, – если она представима структурой данных или структурами данных и отношениями между ними В свою очередь, структурная модель может быть иерархической или сетевой.

Модель иерархическая (древовидная), – если представима некоторой иерархической структурой (деревом); например, для решения задачи нахождения маршрута в дереве поиска можно построить древовидную модель, приведенную на рисунке 1.

Рисунок 1 - Модель иерархической структуры.

Модель сетевая, – если она представима некоторой сетевой структурой. Например, строительство нового дома включает различные операции которые можно представить в виде сетевой модели, приведенной на рисунке 2.

Рисунок 2 - Модель сетевой структуры.

Модель функциональная, – если она представима в виде системы функциональных соотношений. Например, закон Ньютона и модель производства товаров –функциональные.

По способу представления свойств объекта модели делятся на аналитические, численные, алгоритмические и имитационные.

Аналитические математические модели представляют собой явные математические выражения выходных параметров как функций от параметров входных и внутренних и имеют единственные решения при любых начальных условиях. Например, процесс резания (точения) с точки зрения действующих сил представляет собой аналитическую модель. Также квадратное уравнение, имеющее одно или несколько решений, будет аналитической моделью. Модель будет численной, если она имеет решения при конкретных начальных условиях (дифференциальные, интегральные уравнения).

Модель алгоритмическая, если она описана некоторым алгоритмом или комплексом алгоритмов, определяющим ее функционирование и развитие. Введение данного типа моделей (действительно, кажется, что любая модель может быть представлена алгоритмом её исследования) вполне обосновано, т. к. не все модели могут быть исследованы или реализованы алгоритмически. Например, моделью вычисления суммы бесконечного убывающего ряда чисел может служить алгоритм вычисления конечной суммы ряда до некоторой заданной степени точности. Алгоритмической моделью корня квадратного из числа Х может служить алгоритм вычисления его приближенного, сколь угодно точного значения по известной рекуррентной формуле.

Модель имитационная, – если она предназначена для испытания или изучения возможных путей развития и поведения объекта путем варьирования некоторых или всех параметров модели, например модель экономической системы производства товаров двух видов. Такую модель можно использовать в качестве имитационной с целью определения и варьирования общей стоимости в зависимости от тех или иных значений объемов производимых товаров.

По способу получения модели делятся на теоретические и эмпирические Теоретические математические модели создаются в результате исследования объектов (процессов) на теоретическом уровне. Например, существуют выражения для сил резания, полученные на основе обобщения физических законов. Но они неприемлемы для практического использования, т. к. очень громоздки и не совсем адаптированы к реальным процессам. Эмпирические математические модели создаются в результате проведения экспериментов (изучения внешних проявлений свойств объекта с помощью измерения его параметров на входе и выходе) и обработки их результатов методами математической статистики.

По форме представления свойств объекта модели делятся на логические, теоретико-множественные и графовые. Модель логическая, если она представима предикатами, логическими функциями, например, совокупность двух логических функций может служить математической моделью одноразрядного сумматора. Модель теоретико-множественная, если она представима с помощью некоторых множеств и отношений принадлежности к ним и между ними. Модель графовая, – если она представима графом или графами и отношениями между ними.

По степени устойчивости . модели могут быть разделены на устойчивые и неустойчивые. Устойчивой является такая система, которая, будучи выведена из своего исходного состояния, стремится к нему. Она может колебаться некоторое время около исходной точки, подобно обычному маятнику, приведенному в движение, но возмущения в ней со временем затухают и исчезают В неустойчивой системе, находящейся первоначально в состоянии покоя, возникшее возмущение усиливается, вызывая увеличение значений соответствующих переменных или их колебания с возрастающей амплитудой

По отношению к внешним факторам модели могут быть разделены на открытые и замкнутые. Замкнутой моделью является модель,которая функционирует вне связи с внешними (экзогенными) переменными. В замкнутой модели изменения значений переменных во времени определяются внутренним взаимодействием самих переменных. Замкнутая модель может выявить поведение системы без ввода внешней переменной. Пример: информационные системы с обратной связью являются замкнутыми системами. Это самонастраивающиеся системы, и их характеристики вытекают из внутренней структуры и взаимодействий, которые отражают ввод внешней информации. Модель, связанная с внешними (экзогенными) переменными, называется открытой.

По отношению к временному фактору модели делятся на динамические и статические Модель называется статической, если среди параметров, участвующих в ее описании, нет временного параметра. Динамической моделью называется модель, если среди ее параметров есть временной параметр, т. е. она отображает систему (процессы в системе) во времени. одновременно.

Линейное программирование

Среди задач математического программирования самыми простыми (и лучше всего изученными) являются так называемые задачи линейного программирования. Характерно для них то, что:

а) показатель эффективности (целевая функция) W линейно зависит от элементов решения х 1 , х 2 , ....., х п и

б) ограничения, налагаемые на элементы решения, имеют вид линейных равенств или неравенств относительно х 1 , х 2 , ..., х п

Такие задачи довольно часто встречаются на практике, например, при решении проблем, связанных с распределением ресурсов, планированием производства, организацией работы транспорта и т. д. Это и естественно, так как во многих задачах практики «расходы» и «доходы» линейно зависят от количества закупленных или утилизированных средств (например, суммарная стоимость партии товаров линейно зависит от количества закупленных единиц; оплата перевозок производится пропорционально весам перевозимых грузов и т. д.).

Любую задачу линейного программирования можно свести к стандартной форме, так называемой «основной задаче линейного программирования» (ОЗЛИ), которая формулируется так: найти неотрицательные значения переменных х 1 ,х 2 , ..., х п, которые удовлетворяли бы условиям-равенствам (1).

Случай, когда f надо обратить не в максимум, а в. минимум, легко сводится к предыдущему, если попросту изменить знак f на обратный (максимизировать не f, а f" = - f). Кроме того, от любых условий-неравенств можно перейти к условиям-равенствам ценой введения новых дополнительных переменных.

В зависимости от вида целевой функции и ограничений можно выделить несколько типов задач линейного программирования или линейных моделей: общая линейная задача, транспортная задача, задача о назначениях.

Транспортная задача (задача Монжа - Канторовича) - математическая задача линейного программирования специального вида о поиске оптимального распределения однородных объектов из аккумулятора к приемникам с минимизацией затрат на перемещение. Для простоты понимания рассматривается как задача об оптимальном плане перевозок грузов из пунктов отправления в пункты потребления, с минимальными затратами на перевозки.

Задача о назначениях формулируется следующим образом:

Имеется некоторое число работ и некоторое число исполнителей. Любой исполнитель может быть назначен на выполнение любой (но только одной) работы, но с неодинаковыми затратами. Нужно распределить работы так, чтобы выполнить работы с минимальными затратами. Если число работ и исполнителей совпадает, то задача называется линейной задачей о назначениях.

Существует несколько способов решения задачи линейного программирования, в частности графический метод и симплекс-метод. Графический метод основан на геометрической интерпретации задачи линейного программирования и применяется для решения задач двумерного пространства. Задачи трёхмерного пространства решаются очень редко, т.к. построение их решения неудобно и лишено наглядности. Рассмотрим метод на примере двумерной задачи.

Найти решение Х = (х 1 ,х 2), удовлетворяющее системе неравенств (3)

(3)

6x 1 +7x 2 ≤42

при котором значение целевой функции F = 2x 1 x 2 достигает максимума.

Построим на плоскости в декартовой прямоугольной системе координат х 1 Ох 2 область допустимых решений задачи.

Каждая из построенных прямых делит плоскость на две полуплоскости. Координаты точек одной полуплоскости удовлетворяют исходному неравенству, а другой нет. Чтобы определить искомую полуплоскость нужно взять какую-нибудь точку, принадлежащую одной из полуплоскостей и проверить: удовлетворяют ли её координаты данному неравенству. Если координаты взятой точки удовлетворяют данному неравенству, то искомой является та полуплоскость, которой принадлежит эта точка. В противном случае другая полуплоскость.

Найдём полуплоскость, определяемую неравенством x 1 -x 2 ≥-3. Для этого, построив прямую (I) x 1 -x 2 =-3, возьмём какую-нибудь точку, принадлежащую одной из двух полученных полуплоскостей, например, точку O(0,0). Координаты этой точки удовлетворяют неравенству x 1 -x 2 ≥-3. Значит полуплоскость, которой принадлежит точка O(0,0) определяется неравенством x 1 -x 2 ≥-3.

Теперь найдём полуплоскость, определяемую неравенством 6x1+7x 2 ≤42.

Строим прямую II 6x 1 +7x 2 =42. Координаты точки O(0,0) удовлетворяют неравенству6x 1 +7x 2 ≤42, а значит, искомой будет вторая полуплоскость.

Теперь ищем полуплоскость для неравенства 2 x 1 -3 x 2 ≤6. Координаты точки O(0,0) удовлетворяют неравенств 2 x 1 -3 x 2 ≤6. Следовательно, полуплоскость, которой принадлежит точка O(0,0) определяется неравенством 2 x 1 -3 x 2 ≤6 (Прямая III).

И полуплоскость для неравенства x 1 + x 2 ≥4. Координаты точки О(0,0) удовлетворяют неравенству x 1 + x 2 ≥4 (Прямая IV). Отсюда прямая x 1 + x 2 =4 определяется первой полуплоскостью.

Неравенства x 1 ≥0 и x 2 ≥0 означают, что область решения будет расположена справа от оси ординат и над осью абсцисс. Таким образом, заштрихованная на рисунке 3 область ABCD будет областью допустимых решений, определённой ограничениями задачи. Целевая функция принимает свое максимальное значение в одной из вершин фигуры ABCD. Для определения этой вершины, построим вектор С (2; -1) и прямую 2x 1 -x 2 =р, где pнекоторая постоянная такая, что прямая2x 1 -x 2 =p имеет общие точки с многоугольником решений. Положим, например, p=1/2 и построим прямую 2 x 1 -x 2 =1/2. Далее, будем передвигать построенную прямую в направлении вектора , до тех пор, пока она не пройдет через последнюю ее общую точку с многоугольником решений. Координаты указанной точки и определяют оптимальный план данной задачи.

На рисунке 3 видно, что последней общей точкой прямой 2x 1 -x 2 =p с многоугольником решений является точка A. Эта точка является местом пересечения прямой II и III, поэтому ее координаты находятся как решение системы уравнений, задающих эти прямые:

(4)

6x 1 +7x 2 =42

При этом значение целевой функции F = 2 x 1 -x 2 = 2* 5.25 – 1 *1.5 = 9.

Точка B будет оптимальным решением задачи Х опт = (х 1опт, х 2опт) и ее координаты будут равны х 1опт =5.25, х 2 опт =1.5.

Рисунок 3 - Область допустимых решений задачи

Симплекс - метод

Данный метод является методом целенаправленного перебора опорных решений задачи линейного программирования. Он позволяет за конечное число шагов либо найти оптимальное решение, либо установить, что оптимальное решение отсутствует.

1) Указать способ нахождения оптимального опорного решения.

2) Указать способ перехода от одного опорного решения к другому, на котором значение целевой функции будет ближе к оптимальному, т.е. указать способ улучшения опорного решения.

3) Задать критерии, которые позволяют своевременно прекратить перебор опорных решений на оптимальном решении или сделать заключение об отсутствии оптимального решения.

Для того, чтобы решить задачу симплексным методом необходимо выполнить следующее:

1) Привести задачу к каноническому виду.

2) Найти начальное опорное решение с "единичным базисом" (если опорное решение отсутствует, то задача не имеет решения ввиду несовместимости системы ограничений).

3) Вычислить оценки разложений векторов по базису опорного решения и заполнить таблицу симплексного метода.

4) Если выполняется признак единственности оптимального решения, то решение задачи заканчивается. Если выполняется условие существования множества оптимальных решений, то путем простого перебора находят все оптимальные решения.

Вычислительная эффективность математических методов оценивается обычно при помощи двух параметров:

1) Числа итераций, необходимого для получения решения;

2) Затрат машинного времени.

В результате численных экспериментов получены результаты для симплекс-метода:

1) Число итераций при решении задач линейного программирования в стандартной форме с ограничениями и переменными заключено между и . Среднее число итераций . Верхняя граница числа итераций равна .

2) Требуемое машинное время пропорционально .

Число ограничений больше влияет на вычислительную эффективность, чем число переменных, поэтому при формулировке задач линейного программирования нужно стремиться к уменьшению числа ограничений пусть даже путём роста числа переменных.

Основные понятия метода имитационного моделирования.

Под термином «имитационное моделирование» («имитационная модель») обычно подразумевают вычисление значений некоторых характеристик развивающегося во времени процесса путем воспроизведения течения этого процесса на компьютере с помощью его математической модели, причем получить требуемые результаты другими способами или невозможно, или крайне затруднительно. Воспроизведение течения процесса на компьютере с помощью математической модели принято называть имитационным экспериментом.

Имитационные модели относятся к классу моделей, которые являются системой соотношений между характеристиками описываемого процесса. Эти характеристики разделяют на внутренние («эндогенные», «фазовые переменные») и внешние («экзогенные», «параметры»). Приблизительно внутренние характеристики - это те, значения которых намереваются узнать с помощью средств математического моделирования; внешние - такие, от которых внутренние характеристики существенно зависят, но обратная зависимость (с практически приемлемой точностью) не имеет места.

Модель, способная давать прогноз значений внутренних характеристик, должна быть замкнутой («замкнутая модель»), в том смысле, что ее соотношения позволяют вычислять внутренние характеристики при известных внешних. Процедура определения внешних характеристик модели называется ее идентификацией, или калибровкой. Математические модели описанного класса (к ним относят имитационные модели) определяют отображение, позволяющее получить по известным значениям внешних характеристик значения внутренних. Далее это отображение будет называться отображением, ассоциированным с моделью.

В основе моделей рассматриваемого класса лежит постулат о независимости внешних характеристик от внутренних, а соотношения модели являются формой записи ассоциированного с ней отображения. Как показано на рисунке 4 в процессе имитационного моделирования исследователь имеет дело с четырьмя основными элементами:

Реальная система;

Логико-математическая модель моделируемого объекта;

Имитационная (машинная) модель;

ЭВМ, на которой осуществляется имитация – направленный вычислительный эксперимент.

Исследователь изучает реальную систему, разрабатывает логико-математическую модель реальной системы. Имитационный характер исследования предполагает наличие логико или логико-математических моделей, описываемых изучаемый процесс. Выше, реальная система определялась как совокупность взаимодействующих элементов, функционирующих во времени. Составной характер сложной системы описывает представление ее модели в виде трех множеств:A, S, T, где
А – множество элементов (в их число включается и внешняя среда);
S – множество допустимых связей между элементами (структура модели);
Т – множество рассматриваемых моментов времени.

Рисунок 4 Процесс имитационного моделирования

Особенностью имитационного моделирования является то, что имитационная модель позволяет воспроизводить моделируемые объекты:

С сохранением их логической структуры;

С сохранением поведенческих свойств (последовательности чередования во времени событий, происходящих в системе), т.е. динамики взаимодействий.

При имитационном моделировании структура моделируемой системы адекватно отображается в модели, а процессы ее функционирования проигрываются (имитируются) на построенной модели. Поэтому построение имитационной модели заключается в описании структуры и процессов функционирования моделируемого объекта или системы.

Различают имитационные модели:

Непрерывные;

Дискретные;

Непрерывно-дискретные.

В непрерывных имитационных моделях переменные изменяются непрерывно, состояние моделируемой системы меняется как непрерывная функция времени, и, как правило, это изменение описывается системами дифференциальных уравнений. Соответственно продвижение модельного времени зависит от численных методов решения дифференциальных уравнений. В дискретных имитационных моделях переменные изменяются дискретно в определенные моменты имитационного времени (наступления событий).

Динамика дискретных моделей представляет собой процесс перехода от момента наступления очередного события к моменту наступления следующего события. Поскольку в реальных системах непрерывные и дискретные процессы часто невозможно разделить, были разработаны непрерывно-дискретные модели, в которых совмещаются механизмы продвижения времени, характерные для этих двух процессов.

Метод имитационного моделирования позволяет решать задачи высокой сложности, обеспечивает имитацию сложных и многообразных процессов, с большим количеством элементов. Отдельные функциональные зависимости в таких моделях могут описываться громоздкими математическими соотношениями. Поэтому имитационное моделирование эффективно используется в задачах исследования систем со сложной структурой с целью решения конкретных проблем. Имитационная модель содержит элементы непрерывного и дискретного действия, поэтому применяется для исследования динамических систем, когда требуется анализ узких мест, исследование динамики функционирования, когда желательно наблюдать на имитационной модели ход процесса в течение определенного времени.

Имитационное моделирование - эффективный аппарат исследования стохастических систем, когда исследуемая система может быть подвержена влиянию многочисленных случайных факторов сложной природы. Имеется возможность проводить исследование в условиях неопределенности, при неполных и неточных данных. Имитационное моделирование является важным фактором в системах поддержки принятия решений, т.к. позволяет исследовать большое число альтернатив (вариантов решений), проигрывать различные сценарии при любых входных данных.

Главное преимущество имитационного моделирования состоит в том, что исследователь для проверки новых стратегий и принятия решений, при изучении возможных ситуаций, всегда может получить ответ на вопрос “Что будет, если?”. Имитационная модель позволяет прогнозировать, когда речь идет о проектируемой системе или исследуются процессы развития (т.е. в тех случаях, когда реальной системы еще не существует). В имитационной модели может быть обеспечен различный, в том числе и высокий уровень детализации моделируемых процессов. При этом модель создается поэтапно, эволюционно.

СПИСОК ЛИТЕРАТУРЫ

1. Блинов, Ю.Ф. Методы математического моделирования [Текст] : Электронное учебное пособие / Ю.Ф. Блинов, В.В. Иванцов, П.В. Серба. –Таганрог: ТТИ ЮФУ, 2012. –42 с.

2. Вентцель, Е.С. Исследование операций. Задачи, принципы, методология. [Текст] : Учебное пособие / Е.С. Вентцель - М. : КНОРУС, 2010. - 192 с.

3. Гетманчук, А. В. Экономико-математические методы и модели [Текст]: Учебное пособие для бакалавров. / А.В. Гетманчук - М. : Издательско-торговая корпорация «Дашков и Ко», 2013. -188 с.

4. Замятина, О.М. Моделирование систем. [Текст] : Учебное пособие. / О.М. Замятина – Томск: Изд-во ТПУ, 2009. – 204 с.

5. Павловский, Ю.Н. Имитационное моделирование. [Текст] : учебное пособие для студентов ВУЗов / Ю.Н.Павловский, Н.В.Белотелов, Ю.И.Бродский - М. : Издательский центр «Академия», 2008. – 236 с.

Для эффективного решения различных задач обработки И необходима их математическая постановка, которая прежде всего включает в себя математическое описание, т. е. модель И как объекта исследования. К настоящему времени разработан целый ряд таких моделей , некоторые из них рассматриваются в этой главе.

1.1. Случайные поля

Наиболее распространенными в настоящее время являются информационные комплексы, включающие в себя пространственные системы датчиков и цифровую вычислительную технику. Поэтому мы будем в основном рассматривать МИ с дискретными пространственными и временными переменными. Не ограничивая общности, будем считать, что МИ заданы на многомерных прямоугольных сетках с единичным шагом. На рис. 1.1,а и 1.1,б изображены двумерная и трехмерная сетки. В общем случае И задано в узлах n-мерной сетки .

В зависимости от физической природы значения И могут быть скалярными (например, яркость монохроматического изображения), векторными (поле скоростей, цветные изображения, поле смещений) и более сложнозначными (например, матричными). Если обозначить через значение И в узле (пикселе) , то И есть совокупность этих значений на сетке: .

Если данные представляют собой временную последовательность И, то иногда удобно считать эту последовательность одним И, увеличив размерность сетки на единицу. Например, последовательность из плоских И (рис. 1.1,а) можно рассматривать как одно трехмерное И (рис. 2.1,б).

Если требуется временную переменную выделить особо, то будем ее записывать сверху: . Это И задано на прямом произведении сеток и I, где I – множество значений временного индекса. Сечение , т.е. совокупность отсчетов И при фиксированном значении временного индекса i, называется i-м кадром И . Каждый кадр задан на сетке . Например, на рис. 1.1,б изображено три двухмерных кадра.

Таким образом, МИ можно рассматривать как некоторую функцию, определенную на многомерной сетке. Значение элементов И невозможно точно предсказать заранее (иначе система наблюдения была бы не нужна), поэтому естественно рассматривать эти значения как случайные величины (СВ), применяя аппарат теории вероятностей и математической статистики. Итак, приходим к основной модели МИ – системе СВ, заданных на многомерной сетке. Такие системы называются дискретными случайными полями (СП) или случайными функциями нескольких переменных.

Для описания СП, как и любой другой системы СВ, можно задать сов-местную функцию распределения вероятностей (ФР) его элементов или совместную плотность распределения вероятностей (ПРВ) . Однако И обычно состоит из очень большого количества элементов (тысячи и миллионы), поэтому ФР (или ПРВ) при таком количестве переменных становится необозримой и требуются другие, менее громоздкие методы описания СП.