11. МОДЕЛИРОВАНИЕ ИНФОРМАЦИОННЫХ СИСТЕМ ДЛЯ ПРОВЕДЕНИЯ НАУЧНЫХ ИССЛЕДОВАНИЙ. ФУНКЦИОНАЛЬНАЯ СХЕМА ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ кратко

Привет, Вы узнаете о том , что такое функциональная схема имитационного моделирования, Разберем основные их виды и особенности использования. Еще будет много подробных примеров и описаний. Для того чтобы лучше понимать что такое функциональная схема имитационного моделирования , настоятельно рекомендую прочитать все из категории Моделирование информационных систем.

При проведении экспериментальных научных исследований исследователь:
1. ставит задачу исследований в терминах предметной области;
2. строит модель исследуемого объекта и определяет вектор информативных параметров

, адекватно описывающий ее в рамках поставленной задачи;
3. с помощью технических средств осуществляет измерение, регистрацию и обработку мгновенных значений наблюдаемых процессов

, с целью определения вектора информативных параметров

, описывающих модель
процесса;
4. по результатам обработки информации устанавливает взаимно однозначное соответствие между векторами

, используемое для построения искомой модели объекта;
5. анализирует полученные результаты;
6. если результаты его устраивают – эксперимент окончен, в противном
случае необходимо повторить пункты 3,4 (точность полученных результатов
неудовлетворительна), или пункты 2-4 (вектор параметров

не полно описывает поведение объекта), а иногда и пункты 1-4 (ставится другая задача).
Следует отметить, что задачи 1, 2 и 4, 5, как правило, решает специалист
данной предметной области, формулируя и интерпретируя ее в терминах предметной области, а 3 задачу – специалисты в области измерения и обработки измерительной информации.
Такое разделение функций между исследователем и специалистом в области измерения и обработки измерительной информации позволяет последнему абстрагироваться от конкретных физических объектов и вектора физических
параметров

и непосредственно перейти:
1. к математическому описанию исследуемых процессов и определению
вектора параметров

, достаточных для решения поставленной задачи;
2. сбору информации с помощью первичных преобразователей;
3. оценке вектора параметров

с помощью технических средств;
4. анализу точности полученных результатов;
5. аппроксимации полученных функциональных зависимостей с помощью параметрических моделей.
Каждая из перечисленных задач имеет свои специфические особенности,
а эффективность решения четвертой и пятой – зависит от применяемых технических средств, построенных, как правило, на базе современных средств информационно-измерительной и вычислительной техники.
Основной подсистемой любого технического средства, предназначенного
для получения и обработки измерительной информации: автоматизированных
систем научных исследований (АСНИ), информационно-измерительных систем
(ИИС), процессорных измерительных систем (ПРИС), – является измерительновычислительный канал.
Под измерительно-вычислительным каналом понимается совокупность
аппаратно-программных средств, предназначенных для измерения мгновенных
значений соответствующей физической величины, обработки результатов измерения и представления конечных результатов в форме, удобной для дальнейшего использования.
Рассмотрим структуру отдельного измерительно-вычислительного канала.

Рис. 9. Измерительно-вычислительный канал
На рис. 9 приняты следующие обозначения:
ИП – измерительный преобразователь (датчик);
К – коммутатор;
АЦП – аналого-цифровой преобразователь:
МУ – масштабирующее устройство;
ПО – процессор обработки.
Рассмотрим преобразования, происходящие с сигналами в измерительновычислительном канале.
Независимо от природы измеряемой физической величины на выходе ИП
получаем электрический сигнал. При этом, каждому значению физической величины ставится в соответствие вполне определенное значение электрической
величины:
Основным требованием, предъявляемым к ИП, является линейность:

где k = const – коэффициент преобразования.
Следует отметить, что если связь между нелинейная, то производят линеаризацию функции преобразования, воспользовавшись, например,
методом наименьших квадратов.
После ИП исследуемый сигнал поступает на вход коммутатора.
В коммутаторе непрерывный сигнал u(t) преобразуется в последовательность отсчетов, отстоящих друг от друга на интервале
, т.е. Об этом говорит сайт https://intellect.icu . выполняется операция дискретизации:

где функция Дирака.
Отметим, что при коммутации возможны два варианта:
Δti = const - регулярная дискретизация;
Δti = random - нерегулярная дискретизация.
После коммутации сигнал поступает на аналого-цифровой преобразователь, где последовательно подвергается процедурам квантования и кодирования.
Квантование - процедура отнесения непрерывного значения процесса
u
(ti) к ближайшему разрешенному целому уровню.

где – ent - операция взятия целой части числа;
– - шаг квантования по уровню;


- знаковая функция.
В результате квантования сигнала получим целое число квантов, которое
может кодироваться различными способами. При использовании двоичной системы счисления с весами 8-4-2-1 число двоичных разрядов, необходимых для
представления L (ti) определяется выражением:

Следует подчеркнуть, что в случае одноканальной системы операции
коммутации и аналого-цифрового преобразования совпадают. В многоканальных же системах, как правило, применяется один коммутатор на несколько каналов.
После аналого-цифрового преобразователя сигнал поступает на вход
масштабирующего устройства, выходной сигнал которого равен:

т.е. при этом происходит обратное преобразование: приведение электрического
сигнала к измеряемой физической величине.
Далее сигнал поступает в процессор обработки – устройство, реализующее тот или иной алгоритм получения оценки параметров физического процесса При этом возможны два подхода к решению задачи оценки
:
- в режиме экспресс-анализа с помощью алгоритма A оценивают вектор неизвестных параметров

;
- в режиме контроля и регистрации с помощью алгоритма As получают
оценку сигнала

, записывают его на какой-либо промежуточный носитель, а затем обрабатывают. При этом происходит задержка в обработке информации и, следовательно, в получении результата.
Первый подход будем называть статистическими измерениями, второй
– статистической обработкой.
Под статистическими измерениями будем понимать измерение вероятностных характеристик случайных процессов с помощью специальных технических средств, работающих в реальном масштабе времени.
Под статистической обработкой будем понимать оценку вероятностных
характеристик случайных процессов на ЭВМ, записанных на промежуточный
носитель, с задержкой в обработке информации.
С целью повышения эффективности научных исследований, особенно
при исследовании новых объектов, возникает необходимость в разработке и исследовании новых алгоритмов оценки вектора неизвестных параметров –

Следует отметить, что исследование алгоритмов возможно как аналитическими методами, так и методом имитационного моделирования на ЭВМ, суть
которого заключается в анализе их метрологических характеристик с использованием псевдослучайных последовательностей, сгенерированных с помощью
ЭВМ. Появилось большое количество интересных и важных монографий и статей, посвященных методологии, планированию, конструированию и выполнению моделирования. Большинство их них описывает метод, который носит
название метода Монте-Карло. Современное толкование этого термина базиру-
ется на работе Неймана и Улама, выполненной в конце сороковых годов, в которой они применили специальный математический метод для решения проблемы ядерной физики, экспериментальные исследования которых очень дороги, а аналитическое решение очень сложно.
Как правило реализация этого метода включает следующие основные
блоки:
 имитации входных процессов и внешних воздействий;
 реальных и идеальных моделей, а также их разности;
 формирования изменения параметров модели:
- под воздействием внешних факторов;
- в случае технологического разброса на множестве экземпляров;
- в случае временной нестабильности;
 первичной статистической обработки для определения статистических
характеристик наблюдаемых процессов при данных испытаниях;
 вторичной статистической обработки и управления машинным экспериментом:
- совокупной обработки множества результатов экспериментов;
- определения необходимого числа прогонов модели и принятия решений при последовательном планировании о продолжении или окончания
эксперимента;
- управления параметрами модели и значениями внешних факторов;
-управления системным временем;
 датчик системного времени;
 управляющую программу, синхронизирующую процесс моделирования.
Функциональная схема системного моделирования, поясняющая взаимодействие отдельных блоков представлена ни рис. 10.
Сложность имитационной модели и затраты машинного времени при ее
исследовании во многом будут зависеть от принципа имитационного моделирования.
Учитывая, что основным принципом проектирования автоматизированных систем для автоматизации научных исследований, ИИС, процессорных
средств измерения является агрегатное проектирование, наиболее целесообразно при конструировании модели использовать принцип блочного моделирования, суть которого сводится к следующему:
 на основании декомпозиции АСНИ, ИИС, ПРИС cоздается библиотека
моделей стандартных блоков для моделирования входных воздействий, дестабилизирующих факторов, блоков реальных систем.
 на основании разработанных моделей блоков конструируется модель
системы в соответствии с ее структурой, с возможностью контроля промежуточных последовательностей, соответствующих реальным физическим точкам
системы.

Рис. 10. функциональная схема имитационного моделирования
Достоинствами блочных моделей являются:
 гибкость, простота изменения конфигурации модели системы, возможность прослеживания промежуточных результатов; соответствие математической модели;
 возможность унификации процедур моделирования путем создания
библиотеки стандартных процедур;
 единообразие и простота построения моделей разнообразных структур;
 возможность автоматизации процедуры построения моделей систем.
К недостаткам блочного моделирования следует отнести:
 увеличение времени моделирования;
 необходимость большого объема памяти для хранения библиотеки моделей.
Затраты на моделирование, достоверность полученных результатов во
многом зависят от принятых решений на этапе планирования эксперимента,
особенно при определении необходимого числа испытаний, выборе входных
воздействий и т.д.
Согласно методике, изложенной в РТМ 25139-74, в качестве метрологической характеристики может выбираться максимальное значение модуля погрешностей оценки

где N-число испытаний, зависящее от доверительной информации Pд. Так, если
Pд =0,95, то число испытаний равно 29 независимо от закона распределения погрешностей.
Структура пакета прикладных программ имитационного моделирования
алгоритмов оценивания характеристик неэквидистантных временных рядов,
содержащего как обрабатывающие, так и управляющие программы, состоит из
следующих основных блоков:
 задания входных воздействий с требуемыми характеристиками;
 первичной статистической обработки информации ;
 вторичной статистической обработки информации;
 алгоритмов оценивания вероятностных характеристик;
 сервисных;
 определения методической погрешности и ее составляющих;
 определения инструментальных составляющих погрешности.
Одним из важных этапов имитационного моделирования является выбор,
обоснование и моделирование сигналов, используемых в модельном эксперименте. Решение этой задачи определяется целевой функцией моделирования,
назначением исследуемой системы и т.д. Так как при моделировании АСНИ,
ИИС, ПРИС основной задачей является определение метрологических характеристик при определенных ограничениях на технико-экономические показатели,
то существенным требованием, предъявляемым к образцовому (испытательному или тестовому) сигналу, является возможность оценки с его помощью погрешности результата измерения данным средством на заданном классе входных воздействий.
Учитывая большое разнообразие решаемых задач и соответствующих им
средств измерения, однозначного ответа о виде образцового сигнала быть не
может. Окончательное решение о выборе вида образцового сигнала для конкретных типов средств измерения должно приниматься по результатам лабораторных исследований.
В самом общем виде выбор образцового сигнала осуществляется:
 выбором наихудшего сигнала из множества возможных входных сигналов, для обеспечения гарантированной погрешности результата измерения;
 формированием набора типовых сигналов, то есть наиболее часто
встречающихся входных сигналов или сигналов, наиболее интересующих исследователя;
 формированием набора типовых сигналов, включающих в себя
наихудший сигнал.
Основными требованиями, предъявляемыми к образцовым сигналам, являются следующие:
 заданный вид вероятностных характеристик;
 принадлежность к классу входных сигналов, для которых предназначено данное средство;
 стабильность во времени;
 отклонение текущих характеристик от расчетных не должно быть более допустимого.
В некоторых случаях, кроме случайных сигналов, возникает необходимость в применении детерминированных образцовых сигналов.
Количество входных сигналов, одновременно обрабатываемых в модели
системы, определяется сложностью системы, сложностью модели, количеством
каналов и т.д., т.е. в системе моделирования должна быть предусмотрена возможность генерирования N сигналов как с одинаковыми, так и различными характеристиками.

Исследование, описанное в статье про функциональная схема имитационного моделирования, подчеркивает ее значимость в современном мире. Надеюсь, что теперь ты понял что такое функциональная схема имитационного моделирования и для чего все это нужно, а если не понял, или есть замечания, то не стесняйся, пиши или спрашивай в комментариях, с удовольствием отвечу. Для того чтобы глубже понять настоятельно рекомендую изучить всю информацию из категории Моделирование информационных систем