Simulering
Den aktuella versionen av sidan har ännu inte granskats av erfarna bidragsgivare och kan skilja sig väsentligt från
versionen som granskades den 24 april 2021; kontroller kräver
9 redigeringar .
Simuleringsmodellering ( eng. simulation modeling ) - en forskningsmetod där det studerade systemet ersätts av en modell som beskriver det verkliga systemet med tillräcklig noggrannhet (den konstruerade modellen beskriver processerna som de skulle ske i verkligheten), med vilken experiment utförs för att få information om detta system. En sådan modell kan "spelas" i tid, både för ett test och för en given uppsättning av dem. I det här fallet kommer resultaten att bestämmas av processernas slumpmässiga karaktär. Från dessa data är det möjligt att få tillräckligt hållbar statistik . Att experimentera med en modell kallas imitation (imitation är förståelsen av essensen av ett fenomen utan att tillgripa experiment på ett verkligt föremål).
Definition
Simuleringsmodellering är ett specialfall av matematisk modellering . Det finns en klass av objekt för vilka analytiska modeller av olika anledningar inte har utvecklats, skapandet av en analytisk modell är i grunden omöjligt, metoder för att lösa den resulterande modellen inte har utvecklats eller lösningar är instabila. I detta fall ersätts den analytiska modellen av en simulator eller simuleringsmodell.
Till skillnad från den analytiska lösningen av differentialekvationer, som resulterar i en formel som tydligt indikerar vilka parametrar som påverkar systemet som modelleras och hur dessa parametrar är relaterade till varandra, erhålls som ett resultat av simulering en uppsättning siffror som inte gör det möjligt att fastställa ett samband mellan parametrarna.
Simuleringsmodellering kallas ibland att erhålla särskilda numeriska lösningar av det formulerade problemet baserat på analytiska lösningar eller med numeriska metoder [1] .
En simuleringsmodell är en logisk och matematisk beskrivning av ett objekt som kan användas för experiment på en dator för att designa, analysera och utvärdera ett objekts funktion.
Tillämpning av simuleringsmodellering
Simulering används när:
- det är dyrt eller omöjligt att experimentera på ett riktigt föremål;
- det är omöjligt att bygga en analytisk modell: systemet har tid, orsakssamband, konsekvenser, icke-linjäriteter, stokastiska (slumpmässiga) variabler;
- det är nödvändigt att simulera systemets beteende i tid.
Syftet med simuleringsmodellering är att reproducera beteendet hos det studerade systemet baserat på resultaten av analysen av de viktigaste sambanden mellan dess element eller utvecklingen av en simulator ( engelsk simuleringsmodellering ) av det studerade ämnesområdet för att utföra olika experiment .
Typer av simuleringsmodellering
- Diskret händelsemodellering är ett tillvägagångssätt för modellering som föreslår att man abstraherar från händelsernas kontinuerliga natur och endast beaktar huvudhändelserna i det simulerade systemet, såsom: "väntar", "orderbearbetning", "rörelse med en last", "avlastning". " och andra. Diskret händelsemodellering är den mest utvecklade och har ett enormt tillämpningsområde – från logistik och kösystem till transport- och produktionssystem. Denna typ av simulering är mest lämpad för modellering av produktionsprocesser. Grundades av Jeffrey Gordon på 1960-talet.
- Systemdynamik är ett modelleringsparadigm där grafiska diagram över orsakssamband och globala influenser av vissa parametrar på andra i tiden konstrueras för det system som studeras, och sedan simuleras modellen som skapats utifrån dessa diagram på en dator. Faktum är att denna typ av modellering, mer än alla andra paradigm, hjälper till att förstå essensen av den pågående identifieringen av orsak-och-verkan-relationer mellan objekt och fenomen. Med hjälp av systemdynamik byggs modeller av affärsprocesser, stadsutveckling, produktionsmodeller, befolkningsdynamik, ekologi och epidemiutveckling. Metoden grundades av Jay Forrester på 1950-talet.
- Agentbaserad modellering är en relativt ny (1990-2000-tal) riktning inom simuleringsmodellering, som används för att studera decentraliserade system, vars dynamik inte bestäms av globala regler och lagar (som i andra modelleringsparadigm), utan vice versa, när dessa globala regler och lagar är resultatet av gruppmedlemmarnas individuella aktivitet. Målet med agentmodeller är att få en uppfattning om dessa globala regler, systemets allmänna beteende, baserat på antaganden om individen, särskilt beteende hos dess individuella aktiva objekt och interaktionen mellan dessa objekt i systemet. En agent är en viss enhet som har aktivitet, autonomt beteende, kan fatta beslut i enlighet med en viss uppsättning regler, interagera med omgivningen och förändras självständigt.
Applikationer
Simuleringssystem
Betalt
Fri
Fri
Implementering av simuleringsmodellering
För att implementera simuleringsmodellering utvecklas algoritmer för numerisk lösning av differentialekvationer. Differentialekvationer och deras system kan lösas med numeriska metoder [3] . Baserat på detta, för dynamiska system av hög ordning med många in- och utgångar, samt en komplex struktur av interna kopplingar och ett stort antal införda störningar, är simuleringsmetoden praktiskt taget det enda forskningsverktyget. Dessutom undersöker simuleringsmetoden vanligtvis ett system i fungerande skick, bestående av ett reglerat objekt och en styranordning [4] .
Se även
modelleringsspråk:
Anteckningar
- ↑ Mucha V.S. Beräkningsmetoder och datoralgebra: lärobok-metod. ersättning. — 2:a uppl., rättad. och ytterligare - Minsk: BSUIR, 2010.- 148 s.: silt, ISBN 978-985-488-522-3 , UDC 519.6 (075.8), BBK 22.19ya73, M92
- ↑ Jmodelica (nedlänk) . Hämtad 20 september 2016. Arkiverad från originalet 10 juli 2015. (obestämd)
- ↑ Volodymyr B. Kopei, Oleh R. Onysko, Vitalii G. Panchuk. Komponentorienterad akausal modellering av de dynamiska systemen i Python-språket på exemplet med modellen av sugstångssträngen // PeerJ Computer Science. — 2019-10-28. — Vol. 5 . —P.e227 . _ — ISSN 2376-5992 . - doi : 10.7717/peerj-cs.227 . Arkiverad från originalet den 10 februari 2020.
- ↑ A. V. Andryushin, V. R. Sabanin, N. I. Smirnov. Ledning och innovation inom termisk kraftteknik. - M: MPEI, 2011. - S. 57. - 392 sid. - ISBN 978-5-38300539-2 .
- ↑ Jeandel A., Boudaud F. : Physical System Modeling Languages: from ALLAN to Modelica Arkiverad 18 mars 2016 på Wayback Machine , Building Simulation'97, IBPSA Conference, Prag, 8-10 september 1997.
- ↑ Per Sahlin, NMF HANDBOK. En introduktion till det neutrala modellformatet. NMF version 3.02. nov 1996 . Datum för åtkomst: 20 september 2016. Arkiverad från originalet den 4 mars 2016. (obestämd)
- ↑ ObjectMath . Hämtad 20 september 2016. Arkiverad från originalet 21 maj 2016. (obestämd)
- ↑ SE Mattsson, M. Andersson och KJ.Aström: Objektorienterad modellering och simulering. I: Linkens, red., CAD for Control Systems (Marcel Dekker, 1993) s. 31-69.
- ↑ APJ Breunese och JF Broenink, modellering av mekatroniska system med hjälp av Sidops+-språket. I: Proceedings of ICBGM'97, 3rd International Conference on Bond Graph Modeling and Simulation, Phoenix, Arizona, 12-15 januari 1997, SCS Publishing, San Diego, Kalifornien, Simulation Series, Vol.29, No.1, ISBN 1 -56555-050-1. . Datum för åtkomst: 20 september 2016. Arkiverad från originalet den 4 mars 2016. (obestämd)
- ↑ Ernst T., Jähnichen S., Klose M. :
Object-Oriented Physical Systems Modeling, Modelica, and the Smile/M Simulation Environment Arkiverad 22 mars 2016 på Wayback Machine . 15:e IMACS World Congress on Scientific Computation, Modeling and Applied Mathematics, Berlin, 24-29 augusti 1997.
Litteratur
- Hemdy A. Taha. Kapitel 18. Simulering // Introduktion till Operations Research = Operations Research: An Introduction. - 7:e uppl. - M . : "Williams" , 2007. - S. 697 -737. — ISBN 0-13-032374-8 .
- Strogalev V. P., Tolkacheva I. O. Simuleringsmodellering. - MSTU im. Bauman, 2008. - S. 697-737. - ISBN 978-5-7038-3021-5 .
Länkar