Logo GenDocs.ru

Поиск по сайту:  


Загрузка...

Лекции - Математическое моделирование - файл 1.doc


Лекции - Математическое моделирование
скачать (892.5 kb.)

Доступные файлы (1):

1.doc893kb.17.11.2011 08:11скачать

содержание
Загрузка...

1.doc

  1   2   3   4   5   6   7   8   9   10   11
Реклама MarketGid:
Загрузка...
Министерство образования и науки Российской Федерации

Федеральное агентство по образованию


Л.Т. Моисеева


МЕТОДЫ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ
ПРОЦЕССОВ В МАШИНОСТРОЕНИИ



Курс лекций


Курск 2008

ОГЛАВЛЕНИЕ

Лекция 1

введение 4

Глава 1. Цели и задачи математического моделирования
процессов и систем 4


1.1. Понятие «математическая модель» 4

1.2. Классификация математических моделей 6

Контрольные вопросы к лекции 1 7

1.3. Геометрическое представление математических моделей 8

Глава 2. Теоретические Математические модели
аналитического типа 9


2.1. Построение математической модели сверления лазером 10

Контрольные вопросы к лекции 2 11

2.2. Линейные математические модели 12

2.3. Исследование простейшей математической модели
работы газотурбинного двигателя 14

2.4. Нелинейные детерминированные модели 16

2.4.1. Полиномиальные модели 17

2.4.2. позиномные модели 17

Контрольные вопросы к лекции 3 18

2.4.3. Математическая модель кратчайшего пути 19

Контрольные вопросы к лекции 4 21

2.5. Математическая модель в виде
обыкновенных дифференциальных уравнений 22

2.6. Модели, заданные в виде уравнений в частных производных 23

Контрольные вопросы к лекции 5 25

2.7. Стохастические модели 26

Контрольные вопросы к лекции 6 28

Глава 3. Эмпирические математические модели 29

3.1 Идентификация эмпирических математических моделей 29

3.2. Использование метода наименьших квадратов 32

Контрольные вопросы к лекции 7 34

3.3. Статистические методы проверки адекватности
математических моделей 34

Контрольные вопросы к лекции 8 36

3.4. Идентификация параметров математической модели
силы резания токарной операции 37

Контрольные вопросы к лекции 9 39

3.5. Выбор оптимальной эмпирической модели 40

3.6. Использование критерия Фишера для проверки значимости
высших степеней математической модели 41

Контрольные вопросы к лекции 10 42

Глава 4. Математические модели
теории принятия решений 43


4.1. Общие сведения о теории принятия решений 43

4.2. Общая математическая модель
формирования оптимальных решений 44

4.3. Построение и решение оптимизационной
задачи принятия решения
(Задача о баке) 45

Контрольные вопросы к лекции 11 46

4.4. Многокритериальные задачи принятия решений 47

4.5. Построение решений, оптимальных по Парето
(Двухкритериальная задача о баке) 49

Контрольные вопросы к лекции 12 50

2 рубежный контроль

введение


В
Лекция 1
торая половина XX века связана с появлением и широким распространением новой методологии исследования сложных объектов и систем. В ее основе лежит метод математического моделирования и реализованные на его основе вычислительные эксперименты. Математические модели использовались и раньше. Они позволяли уже тогда анализировать недоступные или несуществующие объекты и процессы. Например:

  1. Планета Уран была открыта путем анализа возмущений орбит трех планет (Леверье).

  2. К.Э. Циолковский показал, что для преодоления земного притяжения требуется первая космическая скорость, а не скорость света.

Однако считалось, что методы математического моделирования не пригодны для исследования сложных технических, экономических, биологических и социальных систем. В области техники отсутствие объективных математических методов привело, с одной стороны, к созданию многочисленных частных, так называемых инженерных методик расчета, носивших рецептурный характер, а с другой – к полному безраздельному господству эмпирики (натурных экспериментов).

Недостаточно полная проработка вариантов приводила к субъективным решениям.

Положение начало меняться во второй половине XX в. при развитии средств вычислительной техники, в частности современных ЭВМ, которое дало в руки исследователей новое эффективное средство моделирования сложных систем. В настоящее время не существует объектов, при изучении которых не применялись бы методы математического моделирования. Разработаны и активно используются математические модели технических устройств, модели разнообразных технологических процессов, экономические модели предприятий, регионов и целых государств, экологические модели, модели геологических и геофизических процессов, модели социальных систем, биологические и медицинские модели.


^

Глава 1. Цели и задачи математического моделирования
процессов и систем




1.1. Понятие «математическая модель»


Математическое моделирование позволяет до создания реальной системы (объекта) или возникновения реальной ситуации рассмотреть возможные режимы работы, выбрать оптимальные управляющие воздействия, составить объективный прогноз будущих состояний системы.

Вычислительные эксперименты, проводимые на основе математических моделей, помогают увидеть за частным общее, развить универсальные методы анализа объектов различной физической природы, познать свойства изучаемых процессов и систем.

Наконец, математическое моделирование является основой интенсивно разрабатываемых автоматизированных систем проектирования, управления и обработки данных.

Основная задача математического моделирования – выделение законов в природе, обществе и технике и запись их на языке математики.

Например:

  1. Зависимость между массой тела m, действующей на него силой F и ускорением его движения а записывается в форме 2-го закона Ньютона: F = m a;

  2. Зависимость между напряжением в электрической цепи U, ее сопротивлением R и силой тока I записывается в виде закона Ома: I = U/R.

Существует множество определений математической модели.

Приведем одно из них:

^ Математической моделью некоторого объекта, процесса или явления будем называть запись его свойств на формальном языке с целью получения нового знания (свойств) об изучаемом процессе путем применения формальных методов.

Альтернативой формальному (математическому) подходу является экспериментальный подход. К его недостаткам можно отнести:

  1. высокая стоимость подготовки и проведения экспериментов;

  2. получение частного знания (знания о конкретном объекте исследования, а не о классе объектов).

Например, пусть требуется определить воздействие х на некоторый процесс или объект, при котором его результирующая характеристика у имеет максимально возможное значение (Рис. 1.1).




а б

Рис. 1.1.

На рис. 1.1. а) показан эмпирический (экспериментальный) подход к решению поставленной задачи, который состоит в экспериментальном определении значения параметра у для нескольких значений входного воздействия х. Среди них найдено наибольшее, и оно принимается за максимум. Как видим из этого рисунка, возможно несколько значений воздействия х (х4 и х5), при которых у имеет наибольшее значение, но ни одно из них не является настоящим максимумом, который, возможно, лежит между ними.

Математический подход (рис. 1.1. б) предполагает наличие математической модели процесса типа y = f(x). Взяв производную и приравняв ее к нулю, получим уравнение, решением которого является точное значение xmax , доставляющее максимум функции у.

Схема применения математической модели при решении реальных задач имеет вид, показанный на рис. 1.2.





Рис. 1.2

Модель сложного объекта (процесса, системы) не может быть простой. Из чего следует, что процесс использования математических моделей реальных систем является итерационным процессом, когда последовательно уточняется (дорабатывается) математическая модель и методы решения стоящих задач.

Важнейшей характеристикой моделей является их точность, адекватность действительности. При этом важно иметь в виду, что все модели представляют собой приближенное описание реальных объектов (процессов) и поэтому принципиально неточны. Интегральная оценка модели может быть получена путем сравнения результатов моделирования и экспериментальных данных для конкретных объектов или режимов.

Для оценки значимости совпадения или несовпадения модельных и экспериментальных результатов широко используются методы математической статистики. Вместе с тем не следует переоценивать результаты такой проверки. Хорошее совпадение модельных и экспериментальных данных, вообще говоря, не доказывает точности модели, а лишь подтверждают ее функциональную пригодность для моделирования. Всегда может быть предложена модель, обеспечивающая лучшее совпадение с экспериментом, но не лучшее описание моделируемого объекта или процесса.
  1   2   3   4   5   6   7   8   9   10   11



Скачать файл (892.5 kb.)

Поиск по сайту:  

© gendocs.ru
При копировании укажите ссылку.
обратиться к администрации
Рейтинг@Mail.ru