Модель - исследуемая система
Cтраница 1
 |
Основные элементы структурных моделей. [1] |
Модель исследуемой системы может быть набрана на таких машинах в виде копии ( в другом масштабе) структурной схемы системы, звенья которой при этом оказываются во взаимооднозначном соответствии с звеньями схемы набора на модели. [2]
Модель исследуемой системы образуется совокупностью описаний ее структурных элементов и совокупностью алгоритмов, описывающих поведение подвижных объектов. Язык содержит средства описания ресурсов каждого типа, позволяющие задавать их характеристики и определять порядок взаимодействия объектов с ресурсами путем указания соответствующих дисциплин обслуживания. Ресурсы считаются принадлежащими системе в целом и в модели являются глобальными. Занятость ресурса характеризуется указателем его состояния, значение которого доступно в любом месте модели. [3]
Модель исследуемой системы может быть набрана на таких машинах в виде копии ( в другом масштабе) структурной схемы системы, реализованной с помощью усилителей постоянного тока с большим коэффициентом усиления ( порядка 40 000) и глубокой отрицательной обратной связью. Звенья структурной схемы системы при этом оказываются во взаимном соответствии с звеньями схемы набора на модели. [4]
Имитационные методы используют модель исследуемой системы, представляющей собой действующую ОС в упрощенном варианте. В такой системе ряд несущественных модулей и неопределяющих связей отсутствует, а отдельные звенья заменены их аналитическими моделями либо блоками формирования характеристик реализуемого процесса. Имитационная модель может быть существенно упрощена по сравнению с исходной системой, что позволяет более быстро и надежно запрограммировать ее и отладить, снять требуемые статистические данные и проследить особенности функционирования системы. [5]
Выбираемая для исследования физическая система называется моделью исследуемой системы. Заметим, что процессы в модели оказываются аналогичными процессам в используемой системе лишь приблизительно по той причине, что никакие уравнения не могут описать происходящие в природе явления абсолютно точно со всеми мельчайшими подробностями. Поэтому и получаемое решение лишь приближенно соответствует истине. Не учтенные при описании, как говорят, малые параметры выступают здесь в роли случайных возмущений. [6]
Таким образом, иногда статистический подход, не являясь никоим образом частью модели исследуемой системы, может тем не менее внести вклад в понимание работы модели. Не обязательно предполагать, что люди действуют случайным образом, но ответ на вопрос: Что было бы, если бы они действовали случайно. [7]
Получаются так называемые индексные модели ( матрицы), идентичные по своей структуре моделям исследуемой системы. [8]
Гомоморфный образ является как бы упрощенной, но сохраняющей интересующие нас соотношения, моделью исследуемой системы. Как правило, изучение весьма сложных, трудных для неносредств. [9]
Гомоморфный образ является как бы упрощенной, но сохраняющей интересующие нас соотношения, моделью исследуемой системы. Как правило, изучение весьма сложных, трудных для непосредств. [10]
Таким образом, по зависимости постоянной составляющей корреляционной функции выходного процесса от изменения спектра частот входного случайного процесса возможно выделение двух подмножеств множества моделей L для представления структуры модели исследуемой системы. [11]
Сущность рассматриваемого метода заключается в том, что модель исследуемой системы набирают из блоков, каждый из которых реализует дифференциальное уравнение, описывающее поведение определенного звена системы автоматического регулирования. Этот метод позволяет осуществить набор задачи путем сочетания небольшого числа элементов, соответствующих типовым звеньям системы автоматического регулирования. [12]
Заметим, что при случайном спросе на продукт, хранящийся на складе, мы уже не знаем заранее, какое количество продукта будет потребовано за период между моментом заказа и моментом поставки заказанного продукта, что, вообще говоря, приводит к необходимости держать на складе больший запас, чем при детерминированном спросе. Решение задачи о выборе оптимальных значений величин s и q удается провести аналитическим путем только в случае достаточно простых распределений случайных величин, используемых в модели исследуемой системы хранения запаса. Если же распределения сложны, параметры распределений меняются со временем или исследуемая система состоит из нескольких связанных между собой складов, в которых одновременно хранятся, быть может, продукты разного типа, то единственным средством исследования такой системы пока остаются имитационные эксперименты, которым посвящена последняя глава нашей книги. Заметим что в задачах массового обслуживания и управления запасами имитационное исследование проблемы часто называется методом Монте-Карло. [13]
Я [ а, аа ] значений случайных величин, представляющих количества попаданий а, аа в ячейки матрицы hxhh ( в формулах (2.24) числа а, аа обозначены через lip. Irp для разных г и р), управляющей переменной / присваивается начальное значение ( оператор 2) и управление передается оператору 3, который представляет собой модель исследуемой системы. На рис. 2.12 изображена простейшая модель, когда предполагается заранее известным распределение наработки системы. [14]
Именно на преодоление этого недостатка направлено использование в задачах идентификации более сложных, нелинейных, мер зависимости. Особое значение подобные меры зависимости представляют для задач нелинейной идентификации. Актуальность таких задач определяется теми обстоятельствами, что традиционно идентификация нелинейных систем существенно опирается на привлечение тех или иных априорных предположений о принадлежности модели исследуемой системы какому-либо специальному классу. Однако в тех случаях, когда объем подобного рода априорной информации о системе мал, либо такая информация отсутствует, представляется целесообразным ослабить зависимость результата решения задачи идентификации от ограничений, накладываемых априорными предположениями. [15]
Страницы: 1