Моделирование сложных систем

Автор работы: Пользователь скрыл имя, 02 Апреля 2013 в 00:12, курсовая работа

Описание работы

Целью данной курсовой работы является изучение подходов и средств моделирования; разработка машинной модели с использованием алгоритмических языков и специальных программных средств. В настоящее время нельзя назвать область человеческой деятельности, в которой в той или иной степени не использовались бы методы моделирования. Особенно это относится к сфере управления различными системами, где основными являются процессы принятия решений на основе получаемой информации.

Файлы: 1 файл

mss - копия.docx

— 5.33 Мб (Скачать файл)

Необходимо провести машинный эксперимент по исследованию характеристик системы, построить план эксперимента, описать модель планирования машинного эксперимента, получить оценки коэффициентов модели и провести планируемый имитационный эксперимент с моделью. В соответствии с заданием исследуется влияние на заданную систему следующих параметров:

- время  поступления заявок в систему;

- вероятность  того, что изделие не бракованное;

- время  обслуживания заявки в третьем  канале.

Необходимо  оценить загрузку третьего канала  при минимальных затратах машинных ресурсов.

Для составления плана эксперимента выделим следующие факторы:

x1 -

x2 -

x3 –

x4 -

Определяем  локальную подобласть планирования эксперимента путем выбора основного (нулевого) уровня и интервалов варьирования для каждого выбранного фактора. Сведем полученные данные в таблицу 3.

Таблица 3

Факторы

Уровни факторов

Интервалы варьирования

-1

0

+1

1920

2400

2880

480

80

90

100

10

240

300

360

60

540

600

660

60


 

Существует  вполне определенная зависимость между уровнями факторов и реакцией системы, которую представим в виде соотношения

.

Для определения зависимости  строим математическую (аналитическую) модель планирования в виде полинома первого порядка.

Выбранная модель включает в себя линейные члены  полинома и их произведения. Для оценки коэффициентов модели используем план эксперимента типа 2k с варьированием всех k факторов на двух уровнях.

Полный  факторный эксперимент дает возможность  определить коэффициенты регрессии, соответствующие не только линейным эффектам, но и всем эффектам взаимодействий. План ПФЭ представим в виде матрицы планирования, помещенной в нижеследующей таблице 4.

В то же время количество испытаний  в ПФЭ  превосходит число определяемых коэффициентов, т.е. обладает  избыточностью. Одним из способов уменьшения этой избыточности является применение ДФЭ, позволяющего значительно сократить количество испытаний и сэкономить ресурсы ЭВМ. Используем ДФЭ типа 23-1, что позволит сократить количество опытов в 2 раза.

Таблица 4

Номер

испытания

                     

1

+

-

-

-

-

+

+

+

+

+

+

2

+

-

-

-

+

+

+

-

+

-

-

3

+

-

-

+

-

+

-

+

-

+

-

4

+

-

-

+

+

+

-

-

-

-

+

5

+

-

+

-

-

-

+

+

-

-

+

6

+

-

+

-

+

-

+

-

-

+

-

7

+

-

+

+

-

-

-

+

+

-

-

8

+

-

+

+

+

-

-

-

+

+

+

9

+

+

-

-

-

-

-

-

+

+

+

10

+

+

-

-

+

-

-

+

+

-

-

11

+

+

-

+

-

-

+

-

-

+

-

12

+

+

-

+

+

-

+

+

-

-

+

13

+

+

+

-

-

+

-

-

-

-

+

14

+

+

+

-

+

+

-

+

-

+

-

15

+

+

+

+

-

+

+

-

+

-

-

16

+

+

+

+

+

+

+

+

+

+

+


Продолжение таблицы4

         

Реакция

y

-

-

-

-

+

 

-

+

+

+

-

 

+

-

+

+

-

 

+

+

-

-

+

 

+

+

-

+

-

 

+

-

+

-

+

 

-

+

+

-

+

 

-

-

-

+

-

 

+

+

+

-

-

 

+

-

-

+

+

 

-

+

-

+

+

 

-

-

+

-

-

 

-

-

+

+

+

 

-

+

-

-

-

 

+

-

-

-

-

 

+

+

+

+

+

 

 

После проведения ряда экспериментов в  среде GPSS получим соответствующие значения реакции, приведённые в таблице 5.

Таблица 5

Номер

испытания

Реакция  

1

0.775

2

0.994

3

0.651

4

0.989

5

0.751

6

0.993

7

0.626

8

0.950

9

0.679

10

0.993

11

0.554

12

0.884

13

0.654

14

0.991

15

0.529

16

0.834


 

Составим  соответствующие уравнения:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Для вычисления коэффициентов воспользуемся  средой MathCAD:

В результате вычислений получим значения всех коэффициентов и сведём их в  таблицу 6.

Таблица 6

Коэффициенты

Реакция

 

5.023

 

-1.084*

 

-0.013

 

-0.015

 

-6.942

 

-5.313

 

2.261

 

1.849

 

2.687

 

2.208

 

2.674

 

2.192

 

9.549

 

-4.268

 

-5.208

 

-3.979


 

Таким образом получим математическую (аналитическую) модель планирования в виде полинома первого порядка.

Изменяя значения х1 в интервале [7..13], а значения параметров x2и x3 оставляя неизменными, с помощью среды MathCAD, получим:

 

Изменяя значения х2 в интервале [0,93..0,99], а значения параметров x1 и x3 оставляя неизменными,  с помощью среды MathCAD, получим:

 

 

Изменяя значения х3 в интервале [5..11], а значения параметров x1 и x2 оставляя неизменными,  с помощью среды MathCAD, получим:

 

 

 

5.2 Сравнение результатов, полученных в различных средах моделирования

 

Результаты  анализа работы заданной системы  в среде Visual C++ после проведения 5 экспериментов приведены в таблице 7.

Таблица 7

№ эксперимента

1

2

3

4

5

Число сгенерированных деталей

345

390

372

336

351

Число бракованных изделий

6

7

7

6

6

Число заявок, вошедших в первую очередь

183

207

198

167

186

Число заявок, вышедших из первой очереди

171

194

184

167

174

Число заявок, вышедших из первого канала

171

194

184

167

174

Число заявок, вошедших во вторую очередь

171

194

185

167

174

Число заявок, вышедших из второго канала

171

194

184

167

174

Число заявок, вошедших в третью очередь

165

187

177

161

168

Число заявок, вышедших из третьей очереди

165

187

177

161

168

Число заявок, вышедших из третьего канала

165

187

177

161

168


 

Результаты  анализа работы заданной системы  в среде GPSS после проведения 5 экспериментов приведены в таблице 8.

Таблица 8

№ эксперимента

1

2

3

4

5

Число сгенерированных деталей

300

369

387

252

276

Число бракованных изделий

5

3

5

2

2

Число заявок, вошедших в первую очередь

155

190

204

126

140

Число заявок, вышедших из первой очереди

153

180

193

126

139

Число заявок, вышедших из первого канала

152

179

192

126

138

Число заявок, вошедших во вторую очередь

155

185

193

130

140

Число заявок, вышедших из второго канала

152

179

192

126

138

Число заявок, вошедших в третью очередь

147

176

187

124

136

Число заявок, вышедших из третьей очереди

147

176

187

124

136

Число заявок, вышедших из третьего канала

147

176

187

123

135


 

Результаты  анализа работы заданной системы  в среде Stateflow после проведения 5 экспериментов приведены в таблице 9.

Таблица 9

№ эксперимента

1

2

3

4

5

Число сгенерированных деталей

252

255

207

312

342

Число бракованных изделий

3

2

2

2

0

Число заявок, вошедших в первую очередь

108

95

86

128

119

Число заявок, вышедших из первой очереди

101

90

83

119

111

Число заявок, вышедших из первого канала

100

90

82

119

111

Число заявок, вошедших во вторую очередь

150

164

125

188

223

Число заявок, вышедших из второго канала

100

90

82

119

111

Число заявок, вошедших в третью очередь

97

88

80

117

111

Число заявок, вышедших из третьей очереди

97

88

80

117

111

Число заявок, вышедших из третьего канала

96

88

79

116

110

Информация о работе Моделирование сложных систем