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.

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.

Математики отличаются друг от друга тем, что говорят друг с другом и пишут на особом «математическом языке». Используя математический язык можно составлять математические модели реальных ситуации. В процессе решения задачи выделяются три этапа математического моделирования: 1) составление математической модели, 2) работа с математической моделью, 3) ответ на вопрос задачи. Рассмотрим некоторые примеры, в которых рассматриваются этапы математического моделирования.

Турист шел 2 ч пешком из пункта А в пункт В, затем в В он сел на катер, скорость которого в 4 раза больше скорости туриста как пешехода, и ехал на катере 1,5 ч до пункта С. В С он сел на автобус, скорость которого в 2 раза больше скорости катера, и ехал на нем 2 ч до пункта D. С какой скоростью ехал турист на автобусе если известно, что весь его путь от А до D составил 120 км?

Решение.

пусть х км/ч - скорость пешехода. За 2 ч он пройдет 2х км.

Из условия следует, что скорость катера 4х км/ч. За 1,5 ч катер пройдет путь 4хЧ1,5 км, т.е. 6х км.

Из условия следует, что скорость автобуса равна 2Ч4х км/ч, 8х км/ч. За 2 ч автобус пройдет 8хЧ2 км, т.е. 16х км.

Весь путь от А до D равен: 2х+6х+16х, что составляет, по условию, 120 км. Таким образом, 2х+6х+16х=120.

Это математическая модель задачи.

Второй этап. Работа с составленной моделью.

Сложив одночлены 2х, 6х, 16х, получим 24х. Значит, 24х=120, откуда находим х=5.

За х мы приняли скорость пешехода, она равна 5 км/ч. Скорость катера в 4 раза больше, т.е. 20 км/ч, а скорость автобуса еще в 2 раза больше, т.е. 40 км/ч.

Ответ : скорость автобуса 40 км/ч.

Пункты А, В и С расположены на шоссе друг на другом. Расстояние между А и В равно 16 км. Из В по направлению к С вышел пешеход. Через 2 ч после этого из А по направлению к С выехал велосипедист, скорость которого на 6 км/ч больше скорости пешехода. Через 4 ч после своего выезда велосипедист догнал пешехода в пункте С. Чему равно расстояние от В до С?

Решение.

Первый этап. Составление математической модели.

Пусть х км/ч - скорость пешехода, тогда (х+6) км/ч - скорость велосипедиста.

Расстояние от А до С велосипедист проехал за 4 ч, значит, это расстояние выражается формулой 4(х+6) км; иными словами, АС=4(х+6).

Расстояние от В до С пешеход прошел за 6 ч (ведь до выезда велосипедиста он уже был в пути 2 ч), следовательно, это расстояние выражается формулой 6х км, иными словами, ВС=6х.

По условию мы знаем, что пункты А, В и С следуют друг за другом, поэтому АС-ВС=АВ, т.е. АС-ВС=16. Это основа для составления математической модели задачи. Напомним, что АС=4(х+6), ВС=6х; следовательно,

Для решения уравнения придется, во-первых, умножить одночлен 4 на двучлен х+6, получим 4х+24. Во-вторых, придется из двучлена 4х+24 вычесть одночлен 6х:

4х+24-6х=24-2х.

После этих преобразований уравнение принимает более простой вид:

Третий этап. Ответ на вопрос задачи.

Мы получили, что х=4, значит, скорость пешехода 4 км/ч. Но нам нужно найти не это, в задаче требуется найти расстояние от В до С. Мы установили, что ВС=6х, значит, ВС=6Ч4=24.

Ответ : расстояние от В до С равно 24 км.

Лодка плыла по течению реки 3 ч 12 мин, а затем против течения 1,5 ч. Найти собственную скорость лодки, если известно, что скорость течения реки 2 км/ч, а всего лодкой пройден путь 41 км.

Решение.

Первый этап. Составление математической модели.

Пусть х км/ч - собственная скорость лодки, тогда по течению она плывет со скоростью (х+2) км/ч, а против течения - со скоростью (х_2) км/ч.

По течению реки лодка плыла 3ч 12 мин. Поскольку скорость выражена в км/ч, это время надо записать в часах. Имеем: 12 мин=12/60 ч=1/5 ч=0,2 ч. Значит, 3 ч 12 мин=3,2 ч. За это время со скоростью (х+2) км/ч лодкой пройден путь 3,2(х+2) км.

Против течения лодка плыла 1,5 ч. За это время со скоростью (х-2) км/ч лодкой пройден путь 1,5(х-2) км.

По условию весь ее путь составил 41 км. Так как он состоит из пути по течению и пути против течения, то получаем:

3,2(х+2)+1,5(х-2)=41.

Это уравнение - математическая модель задачи.

Второй этап. Работа с составленной математической моделью.

Как всегда, на этом этапе думаем только о том, как решить модель - уравнение, а не о том, откуда эта модель взялась. Выполним в левой части уравнения умножение одночлена 3,2 на двучлен х+2, одночлена 1,5 на двучлен х-2, а затем полученные многочлены сложим:

3,2х+6,4+1,5х-3=41;

Третий этап. Ответ на вопрос задачи.

Спрашивается, чему равна собственная скорость лодки, т.е. чему равен х? Но ответ на этот вопрос уже получен: х=8.

Ответ: собственная скорость лодки 8 км/ч.

В седьмом классе в понедельник не пришли в школу одна девочка и пять мальчиков. При этом число девочек в классе оказалось в 2 раза больше числа мальчиков. Во вторник не пришли один мальчик и девять девочек. При этом число мальчиков оказалось в 1,5 раза больше числа девочек. В среду на уроки пришли все ученики. Сколько школьников присутствовало на уроках в среду в седьмом классе?

Решение.

Первый этап. Составление математической модели.

Пусть х - число девочек, у - число мальчиков в седьмом классе.

В понедельник было (х-1) девочек, (у-5) мальчиков. При этом оказалось, что девочек вдвое больше, т.е.

во вторник было (х-9) девочек, (у-1) мальчиков. При этом оказалось, что мальчиков в 1,5 раза больше, т.е.

Математическая модель ситуации составлена:

Второй этап. Работа с составленной математической моделью.

Сначала упростим каждое уравнение системы.

Для первого уравнения имеем:

Для второго уравнения имеем:

Итак, получили следующую систему двух линейных уравнений с двумя переменными:

Решаем систему методом подстановки. Из первого уравнения системы находим: х=2у-9. Подставим этот результат вместо х во второе уравнение системы находим: х=2у-9. Подставим это результат вместо х во второе уравнение системы. Получим:

Так как х=2у-9, то х=2Ч13-9=17.

Итак, х=17, у=13 - решение системы.

Третий этап. Ответ на вопрос задачи.

Спрашивается, сколько школьников было в седьмом классе на уроках в среду, когда пришли все ученики. Поскольку х=17, у=13, т.е. в классе было 17 девочек и 13 мальчиков, делаем вывод: всего в классе 17+13=30 учеников.

Ответ : 30 учеников.

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).