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 |