Лекция №3

3. Принцип системного подхода в моделировании систем. Системный анализ АСУ.

3.1. Принцип целостности объекта исследования и следствия этого принципа

Основу системного подхода составляет принцип целостности объекта исследования, в соответствии с которым, исследуемый объект выделится в единое целое не только по признаку наличия у него частей единой цели, но и по признаку наличия у них единых свойств.

Система - это совокупность свойств реального объекта, объединенных для достижения единой цели.

Следствие1.Множество свойств реального объекта образуют систему, если их достаточно для достижения стоящей перед объектом цели.

Следствие2.Системы характеризуемые однотипными свойствами, относятся к одному классу.

Следствие3.Взаимодействовать между собой могут только системы одного класса.

Следствие4.Система может взаимодействовать с реальным объектом через посредство характерных для нее свойств объекта.

Следствие5.Множество систем образуют систему, если они относятся к одному классу и имеют единую общую цель.

Следствие6.Взаимодействие системы с её внешней обеспечивающей частью осуществляется непосредственно в каждой части реального объекта, на котором организована система.

Следствие7.Взаимодействие системы с её внешней функциональной частью может осуществляться как непосредственно так и с помощью агента, носителя характерных для системы свойств.

К внешней среде системы относится все за исключением самой системы.

Внешняя часть и внешняя среда АСУ.

Для распространения принятого определения системы на АСУ необходимо предварительно установить: реальный объект, на котором организуется АСУ; характерные для АСУ свойства объекта управления и цель АСУ.

Реальным объектом является орган управления, как определенным образом организованная группа, использующая новые средства и методы для решения задач управления. Такой орган называется автоматизированным органом управления.

Органы управления существуют на любых уровнях - бригада (ТП), заводоуправление (П), отрасль и народное хозяйство. Назначение рассматриваемого органа - управлять соответствующим объектом, переводя его в новое, заранее назначенное состояние, путем воздействия на его перемены. Назначение органа реализуется через систему управления, характерными для которой являются информационные свойства, лежащие в основе управления. (Информация - свойство материи отображать одни свои пространственно-временные проявления с помощью других).

В соответствии с установленным характером реального объекта, на котором организуется АСУ, а также в соответствии с ее свойствами и целью может быть сформулировано определение: АСУ это совокупность информационных свойств автоматизированного органа управления, объединенных для достижения цели, обуславливаемой объектом управления.

Внешнюю обеспечивающую часть АСУ образуют компоненты автоматизированного органа управления: аппарат управления (или совокупность людей) и комплекс технических средств (КТС) совместно с необходимым математическим обеспечением (МО).

Функциональную внешнюю часть АСУ образуют:

1.Информационные свойства объекта управления;

2.Информационные свойства обеспечивающей части системы;

3.Информационные свойства других реальных объектов;

4.Система управления более высокого уровня;

5.Другие системы управления.

Взаимодействие АСУ с объектом управления и другими системами управления осуществляется с помощью агента, в роли которого выступает информация обмена между ними и информация, накапливаемая в данной АСУ (в целом она составляет информационную базу [ИБ] АСУ).

Структурно-функциональные характеристики системы это: элемент, состав, структура и функция системы. Элемент системы - это простейшее отношение свойств системы. Состав системы - это множество её элементов. Структура системы - это множество отношений между элементами системы. Функция системы - это целостное проявление свойств системы по отношению к её внешней среде.

Следствие8.Система может взаимодействовать со своей внешней функциональной частью, а также с внешней обеспечивающей частью. Соответственно функция системы может иметь две составные части.

Следствие9.Функция системы определяется её структурными характеристиками (элемент, состав, структура) и поэтому непосредственно от свойств своей обеспечивающей части не зависит.

В элементе системы концентрируется проявление свойств внешней обеспечивающей части системы, которая поэтому непосредственно формирует структурные характеристики системы: элемент, состав, структуру. Отсюда вытекает следствие.

Следствие10.Но в свою очередь структурные характеристики системы формируются её внешней обеспечивающей частью.

3.2. Структурно-функциональные особенности АСУ.

В соответствии со следствием 8 функция АСУ имеет две составные части: функцию управления, определяющую взаимодействие системы с информационными свойствами своей обеспечивающей части, т.е. с органом управления. Составные части АСУ изображены на рис.2.

Jвых.с. Jвых.

 

 Информационные связи в схеме управления с учетом самоуправления. Функция управления может быть представлена аналогично изображенной на рис.3.

 

 

Учет информации об объекте управления заключается в регистрации и первичной её обработке (идентификации). Наличие причинно-следственных связей поведения объекта позволяет на основе учетной информации разрабатывать аналитические модели требуемого состояния объекта в будущем при тех или иных исходных условиях или критериях оптимальности, т.е. осуществлять функцию анализа.

 

Pn (t + к t) = Pn (t) [1- (l + m ) к t] + Pn-1 l к t + Pn+1 (t) m к t .

 

  1. l к t) (1- m к t) = 1- l к t - m к t + l m к t2 » 0

 

Pn (t + к t) - Pn (t) = - Pn (t) (l + m )к t + l Pn-1к t + m Pn+1 (t) к t

∑ Pn (t) = 1 P0 = 1- r (2).

n

∑ r n P0 = 1 Pn = r n (1- r ) (3).

n=0

n

P0(t)∑ ρn =1 P0(t) 1 =1

0 1-ρ

 

3.3. Задачи исследования сложных систем.

Совокупность задач возникающих в связи с исследованием сложных систем разбиваются на два класса: анализ и синтез систем.

Задача анализа состоит в изучении поведения и свойств системы, если заданы: характеристики внешней среды, структура системы (модель), характеристики системы (численные значения параметров). Часто задача анализа сводится к расчету численного значения показателя эффективности системы.

Задача синтеза системы часто ставится как задача отыскания структуры системы или её внутренних параметров, доставляющих заданное значение критерию оптимальности.

Исследование системы начинается с формулировки задачи исследования, в которой раскрывается основная цель исследования и сформулированные условия, при учете которых решается задача.

Следующий этап - точная постановка задачи – это, пожалуй, самое главное. В результате исследователь должен:

1.Ясно понимать цель и назначение системы

2.Выявить информацию об учитываемых параметрах внешней среды и системы

3.Установить совокупность допущений, в рамках которых решается задача

Следующий этап - формализация задачи, которая состоит в следующем:

1.Разрабатывается модель системы

2.Осуществляется аналитическое представление выбранного критерия эффективности.

Модель системы, получаемая на этапе формализации, должна обладать следующими свойствами:

1.Независимость результатов решения задачи в соответствии с выработанной моделью от конкретного физического истолкования смысла элементов этой модели, т.е. от физической природы объекта, описываемого выработанной моделью;

2.Содержательность, т.е. способность модели отражать существенные стороны и свойства изучаемого реального процесса.

3.Дедуктивность, т.е. возможность конструктивного использования модели для получения результата с использованием средств и методов научной области, в терминах которой формализована задача (построена модель).

Содержательность - дедуктивность - "западня переупрощения и болото переусложнения"

Критерий эффективности = задача системы

Модель системы называется детерминированной, если информация о поведении и состоянии системы на некотором интервале позволяет полностью описать поведение системы вне этого интервала. Если это сделать невозможно, например, в силу того, что некоторые или все параметры системы суть случайные величины, но модель называется стохастической.

Характер используемой модели (Д или С) определяется с одной стороны содержанием решаемой задачи, а с другой требуемой точностью решения.

Задачи анализа и синтеза могут решаться с привлечением различных способов или методов. Весьма часто целесообразно использовать приближенные методы решения, преимущество которых перед точными методами состоит в существенно большей простоте реализации.

После выбора метода решения исследуется техническая осуществимость решения. Если решить задачу невозможно, необходимо вернуться к более раннему этапу проработки задачи.

Затем рассматривается вопрос о целесообразности решения. Решение задачи нецелесообразно, если результат решения устаревает к моменту его получения и его использование не имеет смысла.

Следующий этап - разработка алгоритма решения задачи.

Алгоритм представляет собой конечный упорядоченный набор точных правил, указывающих, какие действия и в каком порядке необходимо выполнить, чтобы после конечного числа шагов получить решение.

Слово алгоритм, по-видимому, произошло от искажения имени выдающегося математика IX века Аль - Хорезми, чей трактат был первым, благодаря которому Европа познакомилась с позиционной системой счисления и искусством арифметического счета.

Следующий этап - реализация разработанного алгоритма. На этом этапе алгоритм реализуется на УВМ. После получения результатов анализируются результаты. Причем на этом этапе легче всего вскрываются недостатки модели. Если результаты удовлетворительны, то переходят к их использованию, если нет, то все повторится сначала.

3.4. Методы анализа систем.

3.4.1. Микроподход.

Применение этого метода сводится к исследованию отдельных элементов (ячеек), из совокупности которых состоит система. Выбор этих элементарных ячеек неоднозначен и определяется задачами исследования и системой. При использовании микроподхода изучается структура каждого из выделенных элементов системы, их функция, совокупность и диапазон возможных изменений параметров, после чего делается попытка понять процесс функционирования системы в целом.

Задачи микроподхода, таким образом, состоят в следующем:

1.Выявление элементов исследуемой системы.

2.Изучение структуры выделенных элементов.

3.Раскрытие функции каждого из элементов.

4.Выявление связей между элементами.

Возможности микроподхода в отношении исчерпывающего исследования сложных систем управления ограничены в силу следующего обстоятельства.

Практическая реализация наиболее важного этапа микроподхода - выявление элементов системы - сопряжена с необходимостью преодоления противоречия между желанием возможно более детального изучения каждого из элементов системы, и реальными возможностями установить при этом структуру системы в целом и характер ее функционирования.

Действительно, если "размеры" элементов выбрать большими, задача установления связей между ними и их взаимодействия в интересах анализа системы в целом будет решаться легко, однако при этом будет затруднено изучение каждого из элементов. Можно, наоборот, каждый из элементов системы выбрать столь малым, что изучить его индивидуальную структуру будет сравнительно просто. Однако совокупность связей между элементами и описание из взаимодействия могут оказаться настолько сложными, что решение задачи анализа системы достигнуто не будет.

3.4.2. Макроподход.

При макроподходе сложная система управления рассматривается как "черный ящик", внутреннее строение которого неизвестно, известно только, что есть входные параметры и выходные.

В процессе макроподхода исследователь, воздействуя на вход системы, анализирует ее реакцию, т.е. выход системы. Чем больше разнообразных воздействий поступает на вход системы, тем детальнее можно выяснить природу изучаемой системы.

Если на каждую новую комбинацию входных воздействий система реагирует непрогнозируемым образом, то испытание системы необходимо продолжать.

Таким образом, метод "черного ящика" состоит в том, чтобы выявить, насколько это возможно структуру системы и принципы ее функционирования, наблюдая только ее входы и выходы.

Если на основании полученных данных может быть построена система, в точности повторяющая поведение исследуемой системы на всем множестве использованных входных воздействий, задачу макроподхода можно считать решенной. Однако фактически это невозможно, поэтому исследователь ограничивается исследованием поведения системы только на определенном, интересующем его участка изменения входных переменных.

При использовании макроподхода для анализа сложных систем необходимо учитывать ряд важных обстоятельств:

1.При исследовании многих реальных систем стоимость каждого эксперимента может быть столь высока, что их не может быть слишком большим.

2.Измерения (получение) любой экспериментальной величины всегда осуществляется при воздействии помех, поэтому результат эксперимента - случайная величина.

3.Условия проведения эксперимента могут меняться от одного к другому. (Изменяется ошибка, случайный " шум " и т.д.)

4.Общее количество экспериментов может ограничиваться не только стоимостью, но и другими факторами (Например, пропускной способностью системы измерений и ограниченностью допустимого интервала измерений).

В этом случае актуальной становится проблема извлечения наибольшего количества информации о системе с использованием ограниченного числа экспериментов. В связи с этим возникает необходимость разработки принципов оптимальной организации экспериментов (или более кратко - планирования экспериментов).

С математической точки зрения задача планирования экспериментов ставится следующим образом:

Пусть измеримая величина y зависит от численного значения одного или нескольких факторов, которые иногда называют контролируемыми переменными.

Каждому набору указанных величин сопоставляется вектор столбец, координаты которого X1(U),X2(U)...Xn(U) равны значениям контролируемых переменных (рис.4.). Вектор U характеризует условия, в которых производятся условия, в которых производится измерение этих контролируемых переменных (факторов) (Например момент времени проведения экспериментов, ошибку измерения)

Задачей эксперимента по поиску математической модели системы является выявление и аналитическое описание связи между измеряемыми переменными. Так результаты измерений - случайные величины, в большинстве случаев задача сводится к установлению связи между средними значениями исследуемых и контролируемых переменных.

Пусть это связь может быть описана некоторой функцией

E(y( X(U))) = ŋ(X(U),θ)

где E(y (X(U))) - среднее значение исследуемой величины при значениях контролируемых переменных, определяемых координатами вектора X(U); ŋ(X(U),θ)- неизвестная в общем случае функция, численное значение которой зависит от набора неизвестных параметров

θ=(u 1;u 2...u m)

Степень информированности относительно функции ŋ(X(U),θ)μξжет быть различной. Наибольший интерес представляют два случая.

1.Функция ŋ(X(U),θ)известна. При этом требуется получить оценки неизвестных параметров.

2.Функция ŋ(X(U),θ)неизвестна. Известно лишь, что эта функция может быть аппроксимирована конечным рядом по некоторой системе наперед заданных функций. Требуется найти наилучшее описание функции ŋ(X(U),θ).

В этих условиях задача планирования эксперимента сводится к получению ответов на следующие вопросы:

1.Сколько экспериментов следует осуществить

2.При каких условиях целесообразно проводить каждый эксперимент (например, в какие моменты времени из заданного допустимого интервала наблюдений)

Результатом решения задачи является установление размерности и компонент вектора для конкретного эксперимента либо выявления стратегии формирования вектора U для некоторого класса однотипных экспериментов.

После этого переходят к отысканию функции ŋ(X(U),θ). При этом используют аппарат математической статистики, в частности метод наименьших квадратов.

Макроподход позволяет осуществить следующие задачи:

1.Выявить макрофункцию системы как отображение множества входных воздействий на множество реакций системы, т.е. найти функцию системы ŋ(X(U),θ).

2.Изучить целевое назначение системы.

3.Исследоватькоды входной и выходной информации.

Значение целевого назначения системы и ее макрофункции позволяет создать и исследовать модель системы.

Если модель идентична изучаемой системы с точностью до структуры, она называется изоморфной оригиналу. Для изоморфных систем имеет место взаимооднозначное соответствие макрофункций. Создание такой модели возможно при наличии полной информации о структуре изучаемой системы.

Если эта информация неполна для исследования системы, используется ее упрощенная модель, макрофункция которой совпадает с макрофункцией системы лишь на некотором фиксированном множестве входных воздействий. В этом случае говорят, что модель голеоморфна исследуемой системе.

В процессе исследования систем с помощью моделей используется либо физическое, либо математическое моделирование.

3.4.2.1. Физическое моделирование.

Физическое моделирование осуществляется путем воспроизведения исследуемого процесса на модели, имеющей в общем случае отличную от оригинала природу, но одинаковое математическое описание процесса функционирования. Физическое моделирование позволяет провести исследование процессов и систем, непосредственный анализ которых невозможен или затруднен.

Физические процессы в сложных системах описываются совокупностью дифференциальных уравнений, включающих большое число переменных, непосредственную связь между которыми установить очень сложно. При физическом моделировании это можно преодолеть, выбрав в качестве модели такого объекта, в котором зависимости между различными параметрами можно обнаружить непосредственными измерениями. Кроме того, физическое моделирование позволяет иллюстрировать сложное явление и объяснить его с помощью явлений более простых и наглядных, объясняя тем самым познание оригинала. Гносеологической основой использования физических моделей для исследования систем является следующее положение, данное В.И.Лениным в работе "Материализм и эмпириокритицизм": "Единство природы обнаруживается в поразительной аналогичности дифференциальных уравнений, относящихся к разным областям явлений".

3.4.2.2. Математическое моделирование.

Математическое моделирование состоит в использовании для исследования системы совокупности математических соотношений (формул, уравнений, неравенств, логических условий, операторов и т.д.), определяющих структуру системы и описывающих ее поведение.

Математическая модель реальной системы является абстрактным, формально описанным объектом, изучение которого возможно математическими методами.

Математическая модель, как правило, содержит:

1.Описание множества возможных состояний системы.

2.Описание закона, в соответствии с которым, система переходит из одного состояния в другое.

Успешность решения задачи анализа системы зависит, в первую очередь, от сложности аналитического описания поведения системы. В соответствии с описанием возможны следующие основные способы использования математических моделей для исследования систем:

1.Аналитическое исследование

2.Исследование с помощью численных методов

3.Аппаратурное моделирование или моделирование на АВМ

4.Моделирование на УВМ

При аналитическом исследовании необходимо иметь достаточно полное описание эволюции системы. Как правило, первая модель оказывается непригодной, поэтому она трансформируется таким образом, чтобы на ней было возможно исследование интересующих исследователя величин. Однако, на практике обычно бывает необходимым вводить ряд существенных допущений, которые не позволяют достаточно полно исследовать систему.

В этом случае переходят к исследованию системы численными методами, которые в настоящее время получают бурное развитие, в связи с развитием вычислительных устройств. Содержание работы при численном исследовании процессов остается тем же, что и при использовании аналитических методов.

Однако класс уравнений, допускающих приближенное (со сколь угодно большой точностью) решение, значительно шире, чем класс уравнений, доступных аналитическому исследованию. Вместе с тем при использовании численных методов решение задачи бывает менее полным, чем при использовании аналитических методов, т.к. не выявляется структура и характер функционирования системы в целом; возможно лишь оценить состояние системы при выбранных значениях параметров.

Знание математической модели системы позволяет использовать для ее анализа моделирование на аналоговых вычислительных машинах. При этом характерно воспроизведение процессов, описываемых математической моделью с сохранением их логической структуры, последовательности во времени, а иногда и физического содержания.

В отличие от аналитического и численного методов исследования систем, содержание операций, выполняемых при моделировании, практически не зависит от того, какие величины выбраны в качестве искомых. Для оценки искомых величин может быть использована любая информация, циркулирующая в модели.

Моделирование на АВМ удобно использовать при исследовании непрерывных процессов. Их трудно использовать при исследовании при анализе дискретных процессов, в частности таких систем, в процессе функционирования которых осуществляется большое количество логических операций.

Наиболее универсальным средством использования математических моделей являются ЭВМ. В большинстве случаев моделирование процесса функционирования систем на ЭВМ производится с учетом случайных факторов и их имитацией. Поэтому этот метод часто называют методом статического моделирования. Особенностью метода является то, что при учете случайных факторов, результаты, получаемые при однократном моделировании исследуемого процесса, следует оценивать лишь как реализацию случайного процесса. В этом случае искомые величины определяются усреднением большого количества реализаций (решений). Если количество реализаций (решений) велико, то полученные решения приобретают статическую устойчивость и с достаточной для практики точностью могут быть приняты в качестве приближенных значений исследуемых величин. Кроме того, этот метод позволяет проанализировать как саму систему, так и условия её функционирования в окружающей среде и, следовательно, оценить степень ее приспосабливаемости к этой среде.

Практическая реализация метода статического моделирования встречает следующие трудности:

1.Необходимость разработки и отладки модели поведения среды и процесса функционирования исследуемой системы достаточно содержательных, чтобы верно отражать черты реальных процессов;

2.Необходимость проведения достаточно большого количества реализаций работы модели, чтобы результаты моделирования приобрели статическую устойчивость, и их анализ мог дать содержательные выводы относительно качества функционирования системы на всем множестве комбинаций внешних воздействий на систему;

3.Необходимость привлечения ЭВМ высокой производительности с большим объемом памяти.

Назад Главное меню Вперед