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