- •1. Понятие технологической системы, ее свойства
- •2. Схема управляемой технологической системы
- •3. Пример управляемой тех. Системы производства см
- •4. Схема частично управляемой и не управляемой тех. Системы
- •5. Пример частично управляемой и не управляемой тех. Системы
- •6. Входные параметры тех. Системы производства см. Примеры, уровни
- •7. Выходные параметры тех. Системы производства см. Примеры, уровни
- •8. Виды возмущающих воздействий на технологическую систему и их учет
- •9. Общая классификация систем. Пример
- •10. Системный анализ. Задачи, способы
- •11. Общие положения стратегии системного анализа
- •12. Применение блочного принципа системного анализа на примере процесса строительной технологии
- •13. Основные типы мат. Мод.
- •16. Высшая ступень иерархической структуры птс
- •17. Исследование птс как объектов управления
- •18. Чувствительность систем
- •19. Управляемость системы
- •20. Наблюдаемость системы
- •21. Устойчивость системы
- •22. Помехозащищенность системы
- •23. Эмерджентность птс
- •24. Интерэктность птс
- •25. Детерминированные процессы. Примеры
- •26. Стохастические процессы. Примеры
- •27. Основные положения теории информации: информационная энтропия
- •28. Основные положения теории информации: св-ва информационной энтропии
- •29. Основные положения теории информации: количество информации
- •30. Передача сигналов в технологических системах: ступенчатое возмущение
- •31. Передача сигналов в технологических системах: импульсное возмущение
- •32. Передача сигналов в технологических системах: синусоидальное возмущение
- •33. Основные типы звеньев тех. Системы: безинерционное и инерционное звено
- •34. Основные типы звеньев тех. Системы: дифференцирующее и интегрирующее
- •35. Основные типы звеньев тех. Системы: чистого запаздывания и колебательное
- •Помехи в технологических системах.
- •Обратная связь в технологических процессах.
- •Моделирование как метод исследования систем. Основные виды моделирования.
- •Виды математических моделей. Классификация моделей по степени точности.
- •Классификация математических моделей по степени соответствия реальному объекту, способности работать в реальном времени.
- •Основные принципы моделирования: информационной точности.
- •Основные принципы моделирования: параметризации.
- •Основные принципы моделирования: агрегирования.
- •Основные принципы моделирования: осуществимости.
- •Основные принципы моделирования: рационального использования факторного пространства.
- •Основные принципы моделирования: принцип множественности.
- •Основные этапы и способы построения моделей.
- •Статистические модели процессов. Понятие активный эксперимент.
- •Статистические модели процессов. Понятие пассивный эксперимент.
- •Эволюционное планирование эксперимента в производственных условиях. Смысл, план эксперимента.
- •Понятие фаза и цикл при эволюционном планировании эксперимента.
- •Графические зависимости и критерии при эволюционном планировании эксперимента в производственных условиях.
- •Оценка опытных данных по g-критерию Кохрена.
- •Области применимости регрессионного анализа.
- •Понятие полнофакторного эксперимента и дробной реплики от него. Применимость планов, их виды.
- •Виды математических моделей используемых при регрессионном анализе.
- •Области применимости дисперсионного анализа.
- •Планирование эксперимента при дисперсионном анализе.
- •Виды математических моделей используемых при дисперсионном анализе.
- •Оценка адекватности по f-критерию Фишера. Проведение вычислительного эксперимента.
- •Основы теории подобия. Виды подобия.
- •Критерии подобия. Применимость, примеры.
- •Типовые модели структуры потоков в аппаратах: модель идеального вытеснения.
- •Типовые модели структуры потоков в аппаратах: модель идеального смешивания.
- •Типовые модели структуры потоков в аппаратах: диффузионная модель.
- •Типовые модели структуры потоков в аппаратах: ячеечная модель.
- •Типовые модели структуры потоков в аппаратах: комбинированная модель.
- •Состав, структура и свойства нейронных сетей. Биологическая аналогия.
- •Алгоритм моделирования сложных объектов и систем с помощью нейронных сетей.(70)
- •Применение нейронных сетей для прогнозирования поведения системы в будущем.(71)
- •Имитационные модели. Этапы построения модели.(85)
- •Основные элементы системы управления. Способы продвижения модельного времени.(90)
- •Построение моделирующего алгоритма системы управления запасами по принципу Δt.
- •Построение моделирующего алгоритма системы управления по принципу особых состояний.
- •Специальные методы применяемые при имитационном моделировании: группировка, применение относительных и средних величин.
- •Специальные методы применяемые при имитационном моделировании: сравнение, метод цепных подставок.
- •Специальные методы применяемые при имитационном моделировании: метод аналогий, экспертные оценки.
- •Моделирование и анализ организационной структуры предприятия при создании системы управления.
- •Структурная схема имитационной модели тп сборного железобетона с изменяемыми критериями управления. Основные информационные потоки.(86)
- •Оценка стабильности технологических процессов. Организация работ.(72)
- •Регистрационные методы оценки стабильности технологических процессов.(73)
- •Статистические методы оценки стабильности технологических процессов.(74)
- •Оценка стабильности технологических процессов. Контрольные карты.(79)
- •Оценка стабильности технологических процессов. Диаграммы Парето.(80)
Основные принципы моделирования: параметризации.
Принцип параметризации:
При построении модели системы описание процесса функционирования некоторых изолированных подсистем можно не производить если эти подсистемы охарактеризовать определенным параметром (напр, вектором, который может зависеть от ситуации складывающейся в моделируемой системе). Этот принцип служит для сокращения объема продолжительности исследований, поэтому может снижать точность модели.
Основные принципы моделирования: агрегирования.
Принцип агрегирования:
В ряде случаев систему можно структурно представить из агрегатов или подсистем, которые описываются простыми зависимостями, и далее агрегаты объединяются в единую модель, которую можно достаточно гибко перестраивать в зависимости от задачи исследования.
Основные принципы моделирования: осуществимости.
Принцип осуществимости:
Создаваемая модель должна обеспечивать достижение поставленной цели исследования с вероятностью близкой к 1 и за конечное время. Обычно задают пороговое значение вероятности p0 и min (max) время t0. Для того, чтобы модель и система были осуществимы, необходимо чтобы Pi>P0, ti<t0.
Основные принципы моделирования: рационального использования факторного пространства.
Принцип рационального использования факторного пространства:
В обще случае отражает идеи статистического планирования эксперимента. Если зафиксировать объем полученной информации, то оптимальное количество экспериментов позволяет до минимума сократить количество опытов путем постановки точки управляемых переменных в соответствии с оптимальным планом эксперимента. При фиксируемом числе опытов оптимальный план приводит к наибольшему объему информации, получаемой из эксперимента.
Основные принципы моделирования: принцип множественности.
Принцип множественности:
Любая действующая модель учитывает не все факторы, и отражает лишь некоторые стороны реального процесса. Поэтому для изучения действительности необходим вид модели, позволяющий с различных сторон и с разной степенью детальности отражать процесс. Наиболее рационально этот принцип реализуется в имитационной модели, кот может достаточно гибко изменять используемую модель.
Основные этапы и способы построения моделей.
1) Определение цели моделирования
2) составление списка входных переменных. Кроме этого необходимо произвести ранжирование факторов по степени влияния на входные переменные. Чем сложнее задача, тем полнее должны быть отражены всевозможные пределы изменения входных переменных, а также оговорены все обстоятельства ее наблюдаемости и изменяемости. Далее с помощью процедур выявляются наиболее существенные переменные, кот потом используются для построения модели.
3) математическое описание процесса: заключается в определении необходимых уравнений связи между вх и вых параметрами. Можно использовать 2 основных подхода:
а) декомпозиция на отдельное число подсистем, для кот известны мат описания
б) метод «черного ящика» явл эмпирическим и применяется к исследованию сложных систем либо плохо изученных.
4) алгоритмизация и программная реализация модели: для каждой задачи имеется свой предпочтительный алгоритм, при недостаточной точности которого необходимо создавать специальные алгоритмы либо переходить на другой метод моделирования.
5) проверка адекватности модели: полученная модель может быть неадекватна, тогда необходимо вернуться к предыдущим этапам и уточнить полученную модель.