Основные этапы создания математической модели

Мурманский филиал федерального государственного бюджетного образовательного учреждения высшего профессионального образования «Петербургский государственный университет путей сообщения»(Мурманский филиал ПГУПС)

 

 

 

Курсовая работа

по дисциплине:

«Математическое моделирование систем и процессов» 
на тему: 
«Основные этапы создания математической модели»

 

 

 

 

 

 

 

 

 

Выполнил:  
Шифр:  
Проверил:

 

 

Мурманск, 2014

Оглавление

 

Введение……………………………………………………………………….3

1. Основы этапы и цели моделирования……………………………………..4

1.1. Постановка цели моделирования………………………………………...8

1.2. Идентификация реальных объектов..........................................................8

1.3. Выбор вида моделей………………………………………………………9

1.4. Выбор математической схемы…………………………………………..13

Заключение………………………………………………………………….…17

 

 

Введение

 

Современное состояние общества характеризуется внедрением достижений научно-технического прогресса во все сферы деятельности. Переживаемый в настоящее время этап развития является этапом информатизации. Информатизация - это процесс создания, развития и всеобщего применения информационных средств и технологий, обеспечивающих кардинальное улучшение качества труда и условий жизни в обществе. Информатизация тесно связана с внедрением информационно-вычислительных систем, с повышением уровня автоматизации организационно-экономической, технологической, административно-хозяйственной, проектно-конструкторской, научно-исследовательской и других видов деятельности. Создание сложных технических систем, проектирование и управление сложными комплексами, анализ экологической ситуации, особенно в условиях агрессивного техногенного воздействия, исследование социальных проблем коллективов, планирование развития регионов и многие другие направления деятельности требуют организации исследований, которые имеют нетрадиционный характер. По ряду специфических признаков все перечисленные объекты прикладной деятельности обладают свойствами больших систем. Таким образом, в различных сферах деятельности приходится сталкиваться с понятиями больших или сложных систем.

В разных сферах практической деятельности развивались соответствующие методы анализа и синтеза сложных систем. Системность стала не только теоретической категорией, но и аспектом практической деятельности. Ввиду того, что сложные системы стали предметом изучения, проектирования и управления, потребовалось обобщение методов исследования систем. Появилась объективная необходимость в возникновении прикладной науки, устанавливающей связь между абстрактными теориями системности и системной практикой. В последнее время это движение оформилось в науку, которая получила название «системный анализ».

Особенности современного системного анализа вытекают из самой природы сложных систем. Имея в качестве цели ликвидацию проблемы или, как минимум, выяснение ее причин, системный анализ привлекает для этого широкий спектр средств, использует возможности различных наук и практических сфер деятельности. Являясь по существу прикладной диалектикой, системный анализ придает большое значение методологическим аспектам любого системного исследования. С другой стороны, прикладная направленность системного анализа приводит к необходимости использования всех современных средств научных исследований - математики, вычислительной техники, моделирования, натурных наблюдений и экспериментов.

Системный анализ является меж- и наддисциплннарным курсом, обобщающим методологию исследования сложных технических, природных и социальных систем. Для проведения анализа и синтеза сложных систем используется широкий спектр математических методов. Основу математического аппарата данной дисциплины составляют линейное и нелинейное программирование, теория принятия решений, теория игр, имитационное моделирование, теория массового обслуживания, теория статистических выводов и т.п.

 

1. Основы цели, проблемы и этапы моделирования

 

Основная общая цель моделирования заключается в наблюдении за системой, подверженной воздействию внешних или внутренних факторов при достижении системой определенного состоянии, которое может быть как задано, так и неизвестно, из-за отсутствия информации или по каким либо иным причинам. Моделирование позволяет определить сможет ли система функционировать при таких условиях или нет, во время этого перехода. В зависимости от реальной модели и цели расширяются и конкретизируются.

Определение качества функционирования большой системы, выбор оптимальной структуры и алгоритма поведения, построение системы в соответствие с поставленной перед ней целью - главная проблема при проектировании современных больших систем (в том числе и АСУ, САПР, АСНI).

Поэтому, моделирование - один из методов, которые используются при проектировании и исследовании больших систем. Моделирование осуществляется через эксперимент - процедуру организации и наблюдения каких-нибудь явлений, которые осуществляются в условиях, близким к действительным, или имитируют их.

Различают два типа экспериментов:

1. пассивный, когда исследователь наблюдает процесс, не вмешиваясь в него;
2. активный, когда наблюдатель вмешивается и организовывает прохождение процесса.

В основе моделирования лежат информационные процессы:

• создание модели M базируется на информации о реальном объекте;
• при реализации модели получается информация о данном объекте;
• в процессе эксперимента с моделью вводится управляющая информация;
• полученные данные обрабатываются.

Как объект моделирования мы рассматриваем сложные организационно-технические системы, которые относятся к классу больших систем.

Модель М такой системы так же становится частью системы S(M) и может относиться к классу больших систем.

Следует также заметить, что модель большой системы описывается следующими критериями:

1. ЦЕЛЬ ФУНКЦИОНИРОВАНИЯ. Определяет степень целенаправленности поведения модели М. Модели делятся на одноцелевые (для решения одной задачи) и многоцелевые (рассматривают ряд сторон объекта).
2. СЛОЖНОСТЬ. Оценивается числом элементов и связей между ними, иерархию связей, множеством входов и выходов и т.д.
3. ЦЕЛОСТНОСТЬ. Модель М, которая создается, является одной целостной системой S(M), включает в себя большое количество составных частей (экспериментов), которые находятся в сложной взаимосвязи. Характеризуется появлением новых свойств, отсутствующих у элементов (эмерджентность).
4. НЕОПРЕДЕЛЕННОСТЬ. Проявляется в системе: по состоянию системы, возможности достижения поставленной цели, методом решения задач, достоверности исходной информации и т.д. Главная характеристика неопределенности это такая мера информации как энтропия.
5. ПОВЕДЕНЧЕСКАЯ КАЗНЬ. Позволяет оценить эффективность достижения системой S поставленной цели. Применяя к М, позволяет оценить эффективность М и точность, и достоверность результатов.
6. АДАПТИВНОСТЬ. Это свойство высокоорганизованной системы. Благодаря ей S адаптируется к внешним раздражителям в широком диапазоне изменения действий Е. Применяя к модели М важна ее адаптация к внешним условиям, близким к реальным, а также вопрос существования М, и ее живучести и надежности.
7. ОРГАНИЗАЦИОННАЯ СТРУКТУРА СИСТЕМЫ МОДЕЛИРОВАНИЯ. Зависит от сложности модели и степени совершенствования средств моделирования. Одним из главных достижений в области моделирования - это возможность использования имитационных моделей для проведения машинных экспериментов.

Здесь нужны:

• оптимальная организационная структура комплекса технических средств
• информационного
• математического и программного обеспечения системы моделирования S`(М)
• оптимальная организация процесса моделирования (время моделирования и точность результата ).

8. УПРАВЛЯЕМОСТЬ МОДЕЛИ. Необходимо обеспечить управление со стороны экспериментаторов при имитации разных условий прохождения процесса. Управляемость S связана со степенью автоматизации моделирования (программные средства и средства диалога).

9. ВОЗМОЖНОСТЬ РАЗВИТИЯ МОДЕЛИ. Современный уровень науки и техники позволяет создавать мощные системы моделирования S(M) для исследования многих сторон функционирования реального объекта. Необходимо предвидеть возможность развития S(M) как по горизонтали, расширяя спектр изучаемых функций, так и по вертикали, расширяя число подсистем.

В целом проблема моделирования сложной системы - это комплекс сложных научно-технических задач.

При создании рассматривают следующие основные этапы:

• определение цели моделирования;
• идентификация реальных объектов;
• выбор вида моделей;
• построение моделей и их машинная реализация
• взаимодействие исследователя с моделью в ходе машинного эксперимента
• проверка правильности полученных в ходе моделирования результатов
• определение главных закономерностей, исследуемых при моделировании

Теперь же перейдем непосредственно к созданию модели по конкретно поставленному заданию.

1.1 Постановка цели моделирования

Постановка задачи, построение содержательной модели - творческий процесс, основанный на возможностях и знаниях исследователя, базируется на эвристике.

Изучив задание, можно выделить следующие цели создания модели:

1. Определение производительности второго цикла обработки деталей;
2. При каком условии возможно повышение загрузки второго станка и снижение уровня задела на втором цикле обработки;

1.2. Идентификация реальных объектов

На этом этапе осуществляется определение основных элементов реальной системы, и привязка их к образным понятиям модели с дальнейшим конкретизированием и конвертированием в математическое представление на стадии расширения алгоритма программной реализации.

Для начала определим, что это вообще берется за понятие системы. Исходя из поставленной задачи, под системой подразумевается автоматизированный конвейер обработки деталей в машинном цехе, воздействие на систему с внешней среды не осуществляется, а внутреннее производится непосредственно над деталями (первичная и вторичная обработка) и станками (уровень загрузки и производительности).

Далее определим входные и выходные элементы системы, для модели это будет входная и выходная информация. За входные элементы примем детали, а точнее количество этих деталей. За выходные - производительность станков на втором уровне обработки (я не принимаю уровень загрузки сборщика брака, т.к. это можно определить по производительности).

Так же можно сразу разбить систему на две подсистемы (это в дальнейшем упростит программную реализацию): систему первичной обработки деталей и систему вторичной обработки брака. Так как известно, что бракованные детали не могут обрабатываться дважды нет необходимости в дальнейшем дроблении.

1.3. Выбор вида моделей

Виды моделей можно классифицировать следующим способом:

детерминированное стохастическое

статическое динамическое

дискретное дискретно-непрерывное непрерывное

мысленное (абстрактное) реальное (материальное)

наглядное, символическое, математическое, натурное физическое

 

 

В зависимости от характера изучаемых процессов в системе S все виды моделирования могут быть разделены на: детерминированные и стохастические; статические и динамические; дискретные, непрерывные и дискретно- непрерывные.

Детерминированное моделирование отображает детерминированные процессы, то есть процессы, в которых предвидится отсутствие всяких случайных влияний.

Стохастическое моделирование отображает вероятностные процессы и случаи. Анализируется ряд реализаций случайного процесса и оцениваются средние характеристики, то есть набор однородных реализаций.

Статическое моделирование описывает поведение объекта в данный момент времени.

Динамическое моделирование отображает поведение объекта во времени.

Дискретное моделирование отображает дискретные процессы, непрерывное моделирование - непрерывные процессы, дискретно-непрерывное моделирование - оба процесса.

 В зависимости от формы представления объекта (системы S) выделяют: вымышленные и реальные.

 Вымышленное (абстрактное) моделирование - когда невозможно или дорогое материальное создание (модели микромира). Делится на:

• наглядное;
• символическое;
• материальное.

Наглядное моделирование - на базе представления человека об объекте создаются гипотетические модели, аналоги и макеты. Гипотетическое моделирование - выбирается гипотеза о реальном объекте, гипотеза, которая отображает уровень знаний об объекте, когда знаний не хватает для формализации. Аналоговое моделирование использует аналогии разных уровней (полная, неполная, приблизительная). Макетирование - в основе выполненного макета лежит аналогия причинно-наследственных связей.

Символическое моделирование - искусственный процесс создания логического объекта-заместителя реального с помощью системы знаков и символов. Знаковое моделирование - вводятся знаки, условные обозначения отдельных понятий, составляются из знаков слова и предложения; операции объединения, пересечения и дополнения теории множеств дают описание объекта.

Языковое моделирование - в основе лежит словарь однозначных понятий.

Математическое моделирование - замена реального объекта математическим. Делится на аналитическое, имитационное и комбинированное.

Аналитическое моделирование - процессы функционирования элементов системы записываются в виде некоторых функциональных соотношений (алгебраических, интегро-дифференциальных, конечно-разностных и т.п.) или логических условий. Аналитическая модель может быть исследована следующими методами:

• аналитическими, когда хотят получить в общем виде явные зависимости для искомых характеристик;
• численным, когда, не умея решить уравнение в общем виде, получают числовые результаты при конкретных исходных данных;
• качественный, когда не умея решить уравнение, находят некоторые свойства решений (например, стойкость и др.).

Аналитический метод связывает явной зависимостью исходные данные с искомыми результатами. Это возможно для сравнительно простых систем.

Численные методы позволяют исследовать более широкий класс систем. Они эффективны при использовании ЭВМ. Для построения аналитических моделей существует мощный математический аппарат - алгебра, функциональный анализ, разностные уравнения, теория вероятности, математическая статистика, теория массового обслуживания и т.д.

Имитационное моделирование используется, когда для описания СС недостаточно аналитического моделирования. В имитационной модели поведение компонент сложной системы (СС) описывается набором алгоритмов, которые затем реализуют ситуации, которые возникают в реальной системе. Алгоритмы, которые модулируют по исходным данным (сходное состояние СС) и фактическим значением параметров СС позволяют отобразить явления в S и получить информацию о возможном поведении СС. На основе этой информации исследователь может принять соответствующее решение. Имитационная модель (ИМ) СС рекомендуется в следующих случаях :

1. нет законченной постановки задачи исследования и идет процесс познания объекта моделирования. ИМ - способ изучения явления.
2. математические средства аналитического моделирования сложные и громоздкие и ИМ дает наиболее простой способ.
3. кроме оценки влияния параметров СС необходимо наблюдать поведение компонент СС некоторый период.
4. ИМ - единственный способ исследования СС, то есть невозможны наблюдения в реальных условиях за объектом.
5. необходимо контролировать протекание процессов в СС, уменьшая и ускоряя скорость их протекания в ходе имитации.
6. при подготовке специалистов и освоении новой техники.
7. изучение новых ситуаций в СС, проверка новых стратегий и принятие решений перед проведением экспериментов на реальной S.
8. предвиденье узких мест и трудностей в поведении СС при введении новых компонент.

ИМ - наиболее распространенный метод анализа и синтеза СС.

Натурное моделирование - исследование на реальном объекте и обработке результатов экспериментов на основе теории подобия. Научный эксперимент, комплексные исследования, производственный эксперимент (исследуется широкая автоматизация, вмешательство в управление реальным процессом, создание критических ситуаций).

Физическое моделирование - на установках, которые сохраняют природу явлений при физическом подобии.

 Кибернетическое моделирование - нет непосредственно физического подобия. Отображается S как "черный ящик" рядом входов и выходов.

Из всего вышесказанного и условий задания можно определить следующий вид модели:

• В зависимости изучаемых процессов: стохастическая - неизвестно сколько будет находиться деталей в накопителе при повторной обработке (известно, что если больше 3-х - активизируется второй станок); динамическое - необходимо узнать как система будет функционировать не в конкретный момент времени а на всем промежутки обработки 500-а деталей; непрерывное - из задания следует, что рассматривается автоматизированный конвейер.
• В зависимости от формы представления: вымышленное (абстрактное) - слишком дорого для студента материальное создание; к данной моделе применимы почти все варианты абстрактного моделирования (математическое, символьное т.д.) так, что нет смысла перечислять все.

 

1.4. Выбор математической схемы

Математическая схема - это участок при переходе от содержательного к формальному описанию процесса функционирования системы с учетом действия внешней среды.

То есть имеет место связка: "описательная модель - математическая схема - математическая (аналитическая и (или) имитационная) модель".

Каждая конкретная система S характеризуется набором свойств, то есть величин, отображающих поведение моделируемого объекта (реальной S) и учитывающих условия ее функционирования во взаимодействии с внешней средой (системой) Е.

При построении ММ системы решаются вопросы о полноте и упрощении. Полнота модели реализуется выбором границы " система S - среда Е ". Упрощение модели - выделение основных свойств S и отбрасывание второстепенных свойств (зависит от цели моделирования).

Математические схемы общего вида:

Модель S можно представить множеством величин, описывающих процесс функционирования реальной системы S.

Эти величины создают в общем случае четыре подмножества :

1) совокупность входных влияний на систему ;;

2) совокупность влияний внешней среды ;

3) совокупность внутренних параметров системы

4) совокупность выходных характеристик системы   .

В этих подмножествах выделяются управляемые и неуправляемые переменные.

При моделировании S входные влияния, влияние внешней среды Е и внутренние параметры системы являются независимыми (экзогенными) переменными в векторной форме:

;

;

.

Выходные характеристики системы - зависимые (эндогенные) переменные.

.       (1)

 Процесс функционирования описывается оператором Fs, который пре-

 образовывает экзогенные переменные в эндогенные :

        (2)

 Совокупность зависимых выходных характеристик системы от времени (1) называется выходной траекторией (t), (2): называется законом функционирования системы S и обозначается Fs.

 В общем случае закон функционирования системы Fs может быть задан в виде функции, функционала, логических условий, алгоритма, таблицы, словесного правила соответствия.

 Таким образом, математическая модель объекта (реальной системы) - это конечное подмножество переменных вместе с математическими связями между ними и характеристиками .

 

Типовые математические схемы:

В практике моделирования объектов в области системотехники и системного анализа рациональней использовать типовые математические схемы:

• дифференциальные уравнения
• конечные автоматы
• вероятностные автоматы
• СМО (системы массового обслуживания).

ММ на основе этих схем:

1) детерминированные модели, когда при исследовании случайные факторы не учитываются, и системы функционируют в непрерывном времени, основанные на использовании дифференциальных, интегральных, интегро-дифференциальных и других уравнений.

2) детерминированные модели, которые функционируют в дискретном времени - конечные автоматы и конечно-разностные схемы.

3) стохастические модели (при учете случайных факторов) в дискретном времени - вероятностные автоматы.

4) стохастические модели в непрерывном времени - СМО.

Для больших информационно-управляющих систем (Ех, АСУ) типовые схемы недостаточны. Поэтому используют:

5) агрегативные модели (А-системы), которые описывают широкий круг объектов исследования с отображением системного характера этих объектов. При агрегативном описании сложная система разделяется на конечное число частей (подсистем), сохраняя при этом связи между взаимодействующими частями.

Итак, 5 подходов при построении ММ сложных систем :

1) непрерывно-детерминированный (D-схемы);

2) дискретно-детерминированный (R- схемы);

3) дискретно-стохастический (P- схемы);

4) непрерывно-стохастический (Q- схемы);

5) обобщенный или универсальный (А-схемы).

На основе сделанного выбора вида модели (непрерывно-стохастической) необходимо выбрать схему модели, исходя из определения схем для моей модели подходит Q-схема.

 

Заключение

 

Данная курсовая работа должна показать уровень усвоения материала в области системного анализа и навыки при создании моделей систем.

Следует сразу заметить, что в этой курсовой работе не будет рассматриваться моделирование простых систем, т.к. их разработка довольно проста, а основные принципы одинаковы как для сложных систем, так и для простых. Так же не будут рассматривать начальные и основные понятия системного анализа, т.к. постановка задание подразумевает уклон на непосредственно моделирование системы, а не на разъяснения что такое система.