Определение: Формализованное представление закономерностей поведения реальных систем в виде абстрактных математических аналогов получило название математическое моделирование.
Математическое описание технологических процессов
Математические модели
Определение: Формализованное представление закономерностей поведения реальных систем в виде абстрактных математических аналогов получило название математическое моделирование.
Процессы и объекты машиностроительной промышленности относятся к категории сложных. Такие процессы (объекты) характеризуются большим числом взаимосвязанных факторов, наличием неконтролируемых возмущений и случайным изменением во времени характеристик. Сущность математического описания объекта (системы) или процесса заключается в получении математической модели, связывающей характеристики входящих в объект параметров с выходящими, т.е.
У=А{Х}, (1)
где У — совокупность выходных параметров процесса, которые определяют свойства выходящего продукта. Часто этот параметр называют критерием оптимизации, параметром оптимизации, целевой функцией отклика, выходом "черного" ящика или , наконец, реакцией динамической системы.
Х — совокупность входных параметров (факторов), определяющих характеристики объекта и свойства входящего материала. Часто входные факторы называют аргументами, входными параметрами, входами "черного" ящика или внешними воздействиями на систему;
А { } — символ, называемый оператором, который характеризует математическую операцию преобразования входных функций Хi(t) в функцию выхода Yi(t), т.е. математическую модель объекта или системы.
Этот оператор может представлять собой некий алгоритм, формулу или их цепочку, систему уравнений (алгебраических или дифференциальных), нейронную сеть и т.д.
Математическую модель объекта удобно представить в виде блок-схемы, т.е. параметрической схемы, в которой прямоугольник соответствует объекту или системе, стрелки X, Х(t) означают входные параметры (факторы) или воздействия на систему, а стрелки У, У(t) — выходные параметры. На схеме внутри прямоугольника вписывают оператор или динамическую характеристику.
A{ } | |
Рис. 1 Блок-схема математической модели
Зная математическую модель процесса или объекта, можно спрогнозировать свойства выходящего продукта, оценить степень влияния входных факторов с целью разработки схемы контроля и стабилизации наиболее сильно влияющих факторов, а также осуществить оптимизацию процесса.
Одним из примеров простейших математической моделей, например, является описание процесса равномерного прямолинейного движения материальной точки. Такую модель можно сформулировать следующим образом: относительная координата объекта=скорость материальной точки умножить на время с начала отсчета. Здесь координата объекта выходной параметр, скорость и время – входные параметры, умножение – есть оператор.
Математическая модель считается адекватной объекту, если с достаточной точностью отражает ее поведение, т.е. изменения выходных параметров при варьировании (изменении) входных параметров (факторов) в заранее заданном диапазоне.
В основу классификации математических моделей положены следующие признаки:
1. Число и характеристика аргументов :
а) если входные параметры процесса или оператор не зависят от аргументов, то математическая модель называется статической. Этот вид модели обычно описывается алгебраическим уравнением:
Y = f(X1,…, Xn) (2)
б) если входные параметры процесса или оператор зависят от аргументов, то такая модель называется динамической. Если параметр процесса или оператор зависит только от одного аргумента Например от времени Х==Х(t), модель называется динамической моделью с сосредоточенными параметрами, т.е.
Y(t) = A(t){X(t)} (3)
Эти модели описываются обыкновенными дифференциальными уравнениями;
в) если число независимых аргументов более одного (например, время и пространственные координаты), то такая модель называется математической моделью с распределенными параметрами, т.е.
У(t,x,y,z)=А(t,x,y,z){Х(t,x,y,z)}. (4)
Эти модели описываются дифференциальными уравнениями в частных производных.
2. Природа исследуемого процесса или объекта. По этому признаку модели делятся на вероятностные и детерминированные.
В вероятностной модели учитывается случайная природа входных параметров или оператора. Вероятностные модели могут быть нескольких видов:
а) если выходной параметр процесса представляет случайную величину, а факторы (входные параметры) являются не случайными, то математическая модель называется регрессионной (регрессия — движение назад). Случайные значения выходного параметра могут быть обусловлены, например, воздействием части неучтенных факторов. Эта модель позволяет предполагать, что причина изменения выходного параметра содержит в себе две части: одна неслучайная, является функцией факторов; другая случайная, не связана с факторами.
При построении регрессионных моделей используются различные виды алгебраических уравнений;
б) если выходной параметр процесса и факторы представляют случайные величины с определенным законом распределения, то взаимосвязь между ними или математическая модель процесса называется корреляционной (корреляция — соотношение). В этом случае к вопросам выяснения зависимости между случайными величинами параметров процесса еще добавляются вопросы исследования степени связи между ними, и при построении этих моделей используется корреляционный анализ случайных величин;
в) в детерминированной модели не учитывается случайная природа входных параметров процесса или оператора, а выходные параметры процесса однозначно определяются факторами и оператором процесса. В этом случае не требуются математико-статистические методы анализа процесса.
3. Свойство линейности модели. Математическая модель называется линейной, если линеен оператор системы. Оператор А{ } называется линейным, если выполняется равенство
A{X+DX}=A{X}+A{DX} (5)
где DХ — символ произвольного приращения входных параметров.
Это свойство линейного оператора называется также свойством суперпозиции, или наложения. Если это равенство не выполняется, то оператор и соответственно модель называется нелинейной.
Дата добавления: 2020-02-05; просмотров: 472;