Лекция №2

Основные понятия моделирования систем

1. Классификация видов моделирования систем.

В основе моделирования лежит теория подобия, которая утверждает, что абсолютное подобие может иметь место лишь при замене одного объекта другим точно таким же. При моделировании невозможно достичь абсолютного подобия, но стремятся к тому, чтобы модель достаточно хорошо отображала исследуемую сторону функционирования объекта. Поэтому в качестве одного из первых признаков классификации видов моделирования можно выбрать степень полноты модели и разделить модели по этим признакам на полные, неполные и приближённые. В основе полного моделирования лежит полное подобие, которое проявляется как во времени, так и в пространстве. Для неполного моделирования характерно неполное подобие модели изучаемому объекту. В основе приближённого моделирования лежит приближённое подобие, при котором некоторые стороны функционирования реального объекта не моделируется совсем. Классификация видов моделирования систем приведена на рис.1.

В зависимости от характера изучаемых процессов в системе все виды моделирования могут быть разделены на: детерминированные и стохастические, статические и динамические, дискретные, непрерывные и дискретно-непрерывные. Детерминированные модели отображают детерминированные процессы, т. е. процессы, в которых предполагается отсутствие всяких случайных воздействий. Стохастические модели отображают вероятностные процессы и события. В этом случае анализируется ряд реализаций случайного процесса, и оцениваются средние характеристики, т. е. набор однородных реализаций. Статическое моделирование служит для описания поведения объекта в какой-либо момент времени. Динамическое моделирование отражает поведение объекта во времени. Дискретное моделирование служит для описания процессов, которые предполагаются дискретными (в природе почти нет). Непрерывное моделирование позволяет отразить непрерывные процессы в системах, а дискретно-непрерывное моделирование используется для тех случаев, когда хотят выделить наличие как дискретных, так и непрерывных процессов.

В зависимости от формы представления объекта можно выделить мысленное и реальное моделирование.

Мысленное моделирование часто является единственным способом моделирования объектов, которые либо практически не реализуемы в заданном интервале времени, либо существуют вне условий, возможных для их физического создания. Например, на базе мысленного моделирования могут быть проанализированы многие ситуации микромира, которые не поддаются физическому эксперименту. Мысленное моделирование может быть реализовано в виде наглядного, символического и математического моделирования.

При наглядном моделировании на базе представлений человека в реальных объектах создаются различные наглядные модели, отображающие явления и процессы, протекающие в объекте. В основу гипотетического моделирования исследователем закладывается некоторая гипотеза о закономерностях протекания процесса в реальном объекте, которая отображает уровень знаний исследователя об объекте и базируется на причинно-следственных связях между входом и выходом изучаемого объекта. Гипотетическое моделирование используется, когда знаний об объекте недостаточно для построения формальных моделей.

Аналоговое моделирование основывается на применении аналогий различных уровней. Наивысшим уровнем является полная аналогия, имеющая место для достаточно простых объектов. С усложнением объекта используют аналогии последующих уровней, когда аналоговая модель отображает несколько либо только одну сторону функционирования объекта.

 

Мысленное макетирование применяется в тех случаях, когда протекающие в реальном объекте процессы не поддаются физическому моделированию, либо может предшествовать проведению других видов моделирования. В основе построения мысленных макетов также лежат аналогии, базирующиеся на причинно-следственных связях между явлениями и процессами в объекте. Если ввести условные обозначения отдельных понятий, т. е. знаки, а также определённые операции между этими знаками, то можно реализовать знаковое моделирование и с помощью знаков отображать набор понятий – составить отдельные цепочки из слов и предложений. Используя операции объединения, пересечения и дополнения теории множеств, можно в отдельных символах дать описание какого-то реального объекта.

В основе языкового моделирования лежит некоторый тезаурус. Последний образуется из набора входящих понятий, при котором этот набор должен быть фиксированным. Следует отметить, что между тезаурусом и обычным словарём имеются принципиальные различия. Тезаурус – словарь, очищенный от неоднозначности, т. е. в нём каждому слову может соответствовать лишь единственное понятие, хотя в обычном словаре одному слову могут соответствовать несколько понятий.

Символическое моделирование представляет собой искусственный процесс создания логического объекта, который замещает реальный и выражает основные свойства его отношений с помощью определённой системы знаков или символов.

Для исследования характеристик процесса функционирования любой системы математическими методами, включая и машинные, должна быть проведена формализация этого процесса, т. е. построена математическая модель.

Под математическим моделированием понимается процесс установления соответствия данному реальному объекту некоторого математического объекта, называемого математической моделью, и исследования этой модели, позволяющие получить характеристики рассматриваемого реального объекта. Вид математической модели зависит как от природы реального объекта, так и задач исследования объекта и требуемой достоверности и точности решения этой задачи. Любая математическая модель, как и всякая другая, описывает реальный объект лишь с некоторой степенью приближения к действительности . Математическое моделирование для исследования характеристик процесса функционирования систем можно разделить на: аналитическое, имитационное и комбинированное.

Для аналитического моделирования характерно то, что 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:

а) аналитическими, когда стремятся получить в общем, виде явные зависимости для искомых характеристик;

б) численными, когда, не умея решать уравнения в общем, виде, стремятся получить числовые результаты при конкретных начальных данных;

в) качественными, когда, не имея решений в явном виде, можно найти некоторые свойства решения (например, оценить устойчивость решения).

Наиболее полное исследование процесса функционирования системы можно провести, если известны явные зависимости, связывающие искомые характеристики с начальными условиями, параметрами и переменными системы, однако, такие зависимости получить только для сравнительно простых систем. При усложнении систем исследование их аналитическим методом наталкивается на значительные трудности, которые часто бывают непреодолимыми. Поэтому, желая использовать аналитический метод, в этом случае идут на существенное упрощение первоначальной модели. Чтобы иметь возможность изучить хотя бы общие свойства системы. Полное исследование упрощённой модели аналитическим методом помогает получить ориентировочные результаты для определения более точных оценок другими методами. Численный метод позволяет исследовать по сравнению с аналитическим методом более широкий класс систем, но при этом полученные решения носят частный характер. Численный метод особенно эффективен при использовании ЭВМ.

В отдельных случаях исследователя системы могут удовлетворить и те выводы, которые можно сделать при использовании качественного метода анализа математической модели. Такие качественные методы широко используются, например, в теории автоматического управления для оценки эффективности различных вариантов систем управления.

В настоящее время распространены методы машинной реализации исследования характеристик процесса функционирования больших систем. Для реализации математической модели на ЭВМ необходимо построить соответствующий моделирующий алгоритм.

При имитационном моделировании реализующий модель алгоритм воспроизводит процесс функционирования системы во времени, причём имитируется элементарные явления, составляющие процесс, с сохранением их логической структуры и последовательности протекания во времени, что позволяет по исходным данным получить сведения о состоянии процесса в определённые моменты времени, дающие возможность оценить характеристики системы.

Основным преимуществом имитационного моделирования по сравнению с аналитическим моделированием является возможность решения более сложных задач. Имитационные модели позволяют достаточно просто учитывать такие факторы, как наличие дискретных и непрерывных элементов, нелинейные характеристики элементов системы, многочисленные случайные воздействия и др., которые часто создают трудности при аналитических исследованиях. В настоящее время имитационное моделирование – наиболее эффективный метод исследования больших систем, часто единственный практически доступный метод получения информации о поведении системы, особенно на этом её проектирование.

Комбинированное (аналитико-имитационное) моделирование при анализе и синтезе систем позволяют объединить достоинства аналитического и имитационного моделирования. При построении комбинированных моделей проводится предварительная декомпозиция процесса функционирования объекта на составляющие подпроцессы, и для тех из них, где это возможно, используются аналитические модели, а остальных подпроцессов строятся имитационные модели. Такой комбинированный подход позволяет охватить качественно новые классы систем, которые не могут быть исследованы с использованием только аналитического и имитационного моделирования в отдельности.

При реальном моделировании используется возможность исследования различных характеристик либо на реальном объекте целиком, либо на его части. Такие исследования могут проводиться как на объектах, работающих в нормальных режимах, так и при организации специальных режимов для оценки интересующих исследователя характеристик (при значениях переменных и параметров, в другом масштабе времени и т. д.). Реальное моделирование является наиболее адекватным, но при этом его возможности, с учетом особенностей реальных объектов ограничены. Например, проведение реального моделирования АИС предприятие потребует, во-первых, создание такой АИС, а во-вторых, проведения экспериментов с управляемым объектом, т. е. Предприятием, что в большинстве случаев невозможно.

Разновидность реального моделирования является натурное моделирование, при котором исследования проводят на реальном объекте с последующей обработкой результатов экспериментов на основе теории подобия. При функционировании объекта в соответствии с поставленной целью удается выявить закономерности протекания реального процесса. В свою очередь разновидность натурного эксперимента являются производственный эксперимент и комплексные испытания. Результаты этих экспериментов обладают высокой степенью достоверности.

Другим видом реального моделирования является физическое, отличающееся от натурного тем, что исследование проводится на установках, которые сохраняют природу явлений и обладают физическим подобием. В процессе физического моделирования задаются некоторые характеристики внешней среды, и исследуется поведение либо реального объекта, либо его модели при заданных или создаваемых искусственных воздействиях внешней среды. Физическое моделирование может протекать в реальном и машинном масштабе времени. Наибольшие сложности и интерес с точки зрения верности получаемых результатов представляет физическое моделирование в реальном масштабе времени.

С точки зрения математического описания объекта и в зависимости от его характера модели можно разделить на: аналоговые (непрерывные), цифровые (дискретные) и аналого-цифровые (комбинированные). Под аналоговой моделью понимается подобная модель, которая описывается уравнениями, связывающими непрерывные величины. Под цифровой понимают модель, которая описывается уравнениями, связывающими дискретные величины, представленные в цифровом виде. Под аналого-цифровой моделью понимается модель, которая может быть описана уравнениями, связывающими непрерывные и дискретные величины.

Особое место в моделировании занимает кибернетическое моделирование, в котором отсутствует непосредственное подобие физических процессов, происходящих в моделях, реальным процессам. В этом случае стремятся отобразить лишь некоторую функцию и рассматривают реальный объект как “черный ящик”, имеющий ряд входов и выходов и моделируются некоторые связи между выходами и входами. Чаще всего при использовании кибернетических моделей проводят анализ поведенческой стороны объекта при различных воздействиях внешней среды. Таким образом, в основе кибернетических моделей лежит отражение некоторых информационных процессов управления, что позволяет оценить поведение реального объекта. Для построения имитационной модели в этом случае необходимо выделить исследуемую функцию реального объекта, попытаться формализовать эту функцию в виде некоторых операторов связи между входом и выходом и воспроизвести на имитационной модели данную функцию, при чем на базе совершенно иных математических соотношений и, естественно, иной физической реализации процесса.

2. Возможность и эффективность моделирования систем на вычислительных машинах

Эффективность экспериментальных исследований сложных систем оказывается крайне низкой, поскольку проведение натурных экспериментов с реальной системой либо требует больших материальных затрат и значительного времени, либо вообще практически невозможно. (Например, на этапе проектирования, когда реальная система отсутствует). Эффективность теоретических исследований с практической точки зрения в полной мере проявится лишь тогда, когда их результаты с требуемой степенью точности и достоверности могут быть представлены в виде аналитических соотношений или моделирующих алгоритмов, пригодных для получения соответствующих характеристик процесса функционирования исследуемых систем.

Появление современных ЭВМ было решающим условием широкого внедрения аналитических методов в исследовании сложных систем. Стало казаться, что модели и методы, например, математического программирования, станут практическим инструментом исследования процесса функционирования сложных систем, т.к. модели математического программирования оказались слишком грубыми и несовершенными для их эффективного использования. Необходимость учета стохастических свойств системы, недетерминированности исходной информации, наличие корреляционных связей между большим числом переменных и параметров, характеризующих процессы в системах, приводят к построению сложных математических моделей, которые не могут быть применены в инженерной практике при исследовании таких систем аналитическим методом. Пригодные для практических расчетов аналитические соотношения удается получить лишь при некоторых упрощающих предложениях, обычно существенно искажающих фактическую картину исследуемого процесса. Поэтому в последнее время все ощутимые потребности в разработке методов, которые дали бы возможность уже на этапе проектирования систем исследовать более адекватные модели.

Наиболее конструктивным средством решения инженерных задач на базе моделирования в настоящее время стали ЭВМ. Современные ЭВМ можно подразделить на две группы: универсальные и управляющие.

Если имеется аналитическая модель объекта, то перед ЭВМ ставится задача расчета каких-либо численных параметров. Для этих же целей могут быть использованы АВМ. Использование АВМ, с одной стороны, ускорит для достаточно простых случаев процесс решения задачи, с другой стороны, могут возникнуть погрешности, обусловленные наличием драйвера параметров отдельных блоков, входящих в АВМ, ограниченной точностью, с которой могут быть заданы параметры, вводимые в машину, а также неисправностями технических средств и т. д.

Перспективно сочетание ЭВМ и АВМ, т.е. использование гибридных средств вычислительной техники – гибридных вычислительных комплексов (ТВК), что в ряде случаев значительно ускоряет процесс исследования.

В ТВК удается сочетать высокую скорость функционирования аналоговых средств и высокую точность расчетов на базе цифровых средств вычислительной техники. Одновременно удается за счет наличия цифровых устройств обеспечить контроль проведения операции.

Состав имитационной системы реализуется на универсальной ЭВМ и позволяет исследовать имитационную модель М, задаваемую в виде определенной совокупности отдельных блочных моделей и связей между ними в их взаимодействии пространстве и времени при реализации какого-либо процесса. Можно выделить три основные группы блоков: блоки, характеризующие моделируемый процесс функционирования системы S, блоки, отображающие внешнюю среду Е и ее воздействие на реализуемый процесс; блоки, играющие служебную вспомогательную роль. Кроме того имитационная модель М характеризуется набором переменных, с помощью которых дается управлять изучаемым процессом и набором начальных условий, когда можно изменять условия проведения машинного эксперимента.

Таким образом, имитационная система есть средство проведения машинного эксперимента, при чем эксперимент может ставиться иными кратно, заранее планироваться, могут определяться условия его проведения.

Математическое обеспечение имитационной системы включает в себя совокупность математических соотношений, описывающих поведение реального объекта, совокупность алгоритмов, обеспечивающих как подготовку, так и работу с моделью. Сюда могут быть отнесены алгоритмы: ввода исходных данных, имитации, вывода, обработки.

Программное обеспечение по своему содержанию включает в себя совокупность программ: планирование эксперимента, имитационной модели, проведения эксперимента, обработки и интерпретации результатов. Кроме того, программное обеспечение имитационных систем должно обеспечивать синхронизацию процесса в модели, т. е. необходим блок, организующий псевдопараллельное выполнение процессов модели. Эту функцию в системе моделирования выполняет монитор. Машинные эксперименты с имитационными моделями не могут проходить без хорошо разработанного и реализованного информационного обеспечения.

Информационное обеспечение включает в себя средства и технологии организации, и реорганизации базы данных моделирования, методы логической и физической организации массивов, формы документов, описывающих процессы моделирования и его результаты. Информационное обеспечение имитационной системы является наименее разработанной частью, поскольку только в настоящее время наблюдается переход к созданию сложных имитационных моделей и разрабатывается методология их использования при анализе и синтезе сложных систем с использованием концепции базы данных.

Техническое обеспечение имитационной системы включает в себя, прежде всего, средства вычислительной техники, связи и обмена между оператором и ЭВМ (диалоговую систему), ввода и вывода информации, управления проведением эксперимента. К техническим средствам предъявляются высокие требования в отношении надежности.

Таким образом, имитационная система может рассматриваться как машинный аналог сложного реального процесса. Позволит заменить эксперимент с реальным процессом функционирования системы экспериментом с математической моделью этого процесса в ЭВМ. В настоящее время имитационного эксперимента широко используют в практике проектирования сложных систем, когда реальный эксперимент невозможен.

В качестве основных критериев целесообразности применения метода имитационного моделирования на ЭВМ можно указать следующее:

Имитационное моделирование на ЭВМ, как любой метод исследования имеет следующие достоинства:

1.Машинный эксперимент с имитационной моделью дает возможность исследовать особенности процесса функционирования системы S в любых условиях;

2.Применение ЭВМ в имитационном эксперименте существенно сокращает продолжительность испытаний по сравнению с натурным экспериментом;

3.Имитационная модель позволяет включить результаты натурных испытаний реальной системы или ее частей для проведения дальнейших исследований;

4.Имитационная модель обладает известной гибкостью варьирования структуры, алгоритмов и параметров моделируемой системы;

5.Имитационное моделирование сложных систем часто является единственным практически реализуемым методом исследования процесс функционирования сложных систем на этапе их проектирования.

Основным недостатком, проявляющимся при машинной реализации метода имитационного моделирования является то, что решение, полученное при анализе имитационной модели М, всегда носит частный характер, так как оно соответствует фиксированным элементам структуры, алгоритмом поведения и значением параметров системы S, начальных условий и воздействий внешней среды Е. Поэтому для полного анализа характеристик процесса функционирования систем, а не получения только отдельной точки приходится многократно воспроизводить имитационный эксперимент, варьируя исходные данные задачи. При этом, как следствие, возникает увеличение затрат машинного времени на проведение эксперимента с имитационной моделью процесса функционирования исследуемой системы.

Эффективность имитационного моделирования может оцениваться рядом критериев, в том числе точностью и достоверностью результатов моделирования, временам построения и работы с моделью М, затратами машинных ресурсов (времени и памяти), стоимостью разработки и эксплуатации модели.

Существенным показателем эффективности являются затраты машинного времени. В связи с использованием ЭВМ различного типа суммарные затраты складываются из времени по вводу и выводу данных по каждому алгоритму моделирования, времени на проведение вычислительных операций с учетом обращения к оперативной памяти и внешним запоминающим устройством, а также сложности каждого моделирующего алгоритма. Расчеты затрат машинного времени являются приближенными и могут уточняться по мере отладки программ и накопление опыта у последователя при работе с имитационной моделью. Большое влияние на затраты машинного времени при проведении имитационных экспериментов оказывает рациональное планирование таких экспериментов. Определенное влияние на затраты машинного времени могут оказывать процедуры обработки результатов моделирования, а так же форма их представления.

Построение имитационных моделей больших систем и проведение машинных экспериментов с этими моделями представляет собой достаточно трудоемкий процесс, в котором даже в настоящее время много неизученного.

Назад Главное меню Вперед