Техническая информация содержит данные об основных параметрах машин (производительность, скорость рабочих органов, установленная мощность, масса, габариты и т.д.). 


Мы поможем в написании ваших работ!



ЗНАЕТЕ ЛИ ВЫ?

Техническая информация содержит данные об основных параметрах машин (производительность, скорость рабочих органов, установленная мощность, масса, габариты и т.д.).



Экономическая информация содержит данные о стоимости машин, за­траты на амортизационные отчисления, все виды ремонтов, топливо и т.д.

На основе выбранного или синтезированного критерия оптимизации устанавливаются зависимости между показателями механизированного процесса и параметрами процесса, при этом предварительно определяется набор параметров. Следует всегда стремиться к наиболее полному охвату всех сторон исследуемого механизированного процесса, а с другой стороны — и к простоте описания.

Этот этап должен включать: установление системы параметров, опре­деляющих исследуемый процесс — выбор показателей; определение соот­ношений, связей между параметрами и показателями.

Соотношения, выраженные в содержательном описании словесно, об­лекаются на этом этапе в математическую форму. Характерные для систе­мы закономерности записываются в виде формул и уравнений.

В соответствии с характером исходной информации условия оптимиза­ции можно подразделить на три вида:

детерминированные — вся исходная информация задана одно­значно;

Вероятностные — исходная информация задана с заданной

вероятностью;

Неопределенные — некоторые случайные факторы не определены,

т.е. отсутствует вообще какая-либо информация по ним. Зависимости, используемые при решении задач комплексной механиза­ции строительства, как правило, представляют собой уравнения, получаемые в результате обработки статистической информации.

Одним из эффективных методов установления связей отдельных со­ставляющих целевой функции от расчетных параметров является метод математической статистики — корреляционно-регрессионный анализ.

Корреляционный анализ вместе с регрессионным решает три различ­ные, но связанные между собой задачи:

,— коэффициент корреляции оценивает силу связи;

— уравнение регрессии - ее форму;

— с привлечением оценки достоверности определяется реальность су­ществования связи.

Построение модели. При комплексной механизации различных про­цессов в различных условиях строительства необходимо на определенном этапе исследования отвлечься от реальной действительности и построить формализованную схему процесса (системы) — модель (математическую, имитационную), позволяющую ограничить число факторов, от которых зависит характер рассматриваемого процесса работы машин, выделить ос­новные и исследовать их.

Наличие модели — необходимый признак зрелости дисциплины. Осо­бенно это характерно в последнее время, время перехода от эмпирических фактов к теоретическим, фундаментальным знаниям, осуществляемым с помощью обобщения, абстракции.

В модели излагается сущность происходящего процесса, она является отражением реальной исследуемой системы и одновременно абстрагирует­ся от несущественных и второстепенных свойств и связей.

Модели дают возможность исследовать и имитировать особенности функционирования машин в любых возможных условиях. При этом их па­раметры и параметры окружающей среды можно варьировать для получе­ния любой обстановки, в том числе и нереализуемых в натурных экспери­ментах, таким образом, уменьшая потребность в сложных исследованиях, как при проектировании механизированных процессов, так и в процессе эксплуатации машин.

Математическая модель является результатом формализации процесса работы машин на базе принятого критерия оптимизации, т.е. построения четкого формального математического описания процесса с необходимой степенью приближения к действительности.

Под математической моделью будем понимать совокупность соотно­шений (например, формул, уравнений, неравенств, логических условий, операторов и т.д.), определяющих характеристики состояний механизируе­мого процесса.

Чтобы построить формализованную модель функционирования систе­мы, процесса, необходимо увязать качественные и количественные прояв­ления элементов системы, влияние окружающей среды на систему, процесс, а также их влияние на выбранный критерий оптимизации. Это может при­вести к необходимости построения очень сложной модели, отличающейся большой многофакторностью и многомерностью, а, следовательно, и боль­шой сложностью для выработки оптимальных решений. В этих условиях строят совокупность взаимосвязанных моделей, каждая из которых может быть эффективно исследована, с учетом имеющихся взаимосвязей.

Исследование модели. Существует много различных методов исследо­вания: эвристические и математические, точные и приближенные, качест­венные и количественные, логически строгие и нестрогие, базирующиеся на определенных гипотезах и допущениях.

Эвристические методы основаны на использовании совокупности зна­ний, (опыта, интуиции, интеллекта) с помощью не формализуемых алго­ритмов, которые отражают внутренние (часто подсознательные) мотивы предпринимаемых действий, не поддающихся описанию.

Математические методы основаны на использовании формализуемых алгоритмов, определенного математического аппарата для решения некото­рого класса задач.

Среди математических методов исследования выделяют: аналитиче­ские, численные и имитационные, основанные на широком использовании ЭВМ с учетом и имитацией случайных факторов.

Аналитические методы хотя дают и упрощенную, но наглядную карти­ну исследуемой системы, процесса и характеризующих его величин. Их рекомендуется использовать в первую очередь, если возможно, даже с не­которыми допущениями, особенно на начальных этапах исследования.

Аналитическая модель может включать часть информации в виде урав­нений регрессий различного вида, в виде формул, постоянных. Так, в про­цессе оптимизации определяются зависимости всех групп затрат от исход­ных переменных.

Для поиска оптимума необходимо продифференцировать целевую функцию по искомому переменному, полученное выражение приравнять к нулю и решить его относительно искомого переменного .

 

Если допущена погрешность в определении величины , то это никак не скажется на определении оптимального искомого параметра.

Рассмотрим ту часть целевой функции, которая зависит от искомых пе­ременных, эта часть запишется в таком виде:

 

Если мы допустили погрешность в 50%, т. е. ошиблись в определении параметров в 1,5 раза, то значение целевой функции определится с погреш­ностью 22%, в свою очередь, это может повлиять на параметры задачи (мо­дели) оптимизации, лежащей выше на уровень, на котором х„^, определится с погрешностью 11%, а погрешность целевой функции составит всего 5,5%.

Исследование процесса при помощи численных методов менее нагляд­но по сравнению с аналитическим, но класс моделей, пригодных для иссле­дования данными методами, значительно шире. Результатом исследования процесса оптимизации комплектования машин численными методами яв­ляются таблицы (графики) значений искомых величии. Применение ЭВМ в этом случае ограничивается лишь автоматизацией вычислений -— автома­тическим воспроизведением выбранного числового метода.

Для функции одной переменной, имеющей в интервале исследования один экстремум, применяются методы дихотомии, Фибоначчи, золотого сечения и т.д., для функций нескольких переменных — метод поочередного изменения параметров, градиентов, наискорейшего спуска, сопряженных градиентов, математического программирования и т.д.

При реализации методов случайного поиска производится имитация происходящих событий с сохранением их логической структуры и распо­ложения их по времени с намеренным использованием случайных величин и процессов.

Из методов случайного поиска (статистических методов) используются: ненаправленный случайный поиск (метод JVloirre-Карло), направленный случайный поиск без самообучения (поиск с парными пробами) и направ­ленный случайный поиск с самообучением.

Целесообразность моделирования механизируемого процесса на ЭВМ определяется следующими причинами:

— неприемлемостью из-за сложности применения аналитических мето­дов исследования модели;

— чрезвычайно большим объемом вычислений;

— непригодностью всех других методов решения;

— возможностью использования процесса построения модели для ис­следования моделируемой системы.

В настоящее* время все большее применение находят методы имитаци­онного моделирования, позволяющие эффективно исследовать сложные вероятностные системы различной природы. Можно выделить ряд преиму­ществ методов имитационного моделирования перед другими методами;

— возможность моделирования достаточно сложных комплексов ма­шин, близость формализованной схемы к физической сущности процессов функционирования реальных комплексов машин;

- учет вероятностного характера процессов функционирования и взаи­модействия машин комплекса, возможность исследования комплексов ма­шин с различными потоками событий;

- учет специфических особенностей процессов функционирования ком­плекса машин и различного рода ограничений;

- получение разносторонней статистической информации о процессе функционирования комплекса машин и его отдельных машин;

- возможность моделирования различных режимов функционирования комплекса машин, исследования крайних случаев и различных гипотетиче­ских комплексов машин.

Широкое использование методов имитационного моделирования связа­но и с совершенством самого аппарата (инструмента) моделирования:

— применением унифицированных формализованных схем для описа­ния структуры системы и процессов функционирования элементов;

— проблемной ориентацией моделей, состоящей в наиболее полном учете особенностей систем определенного вида, например систем массово­го обслуживания;

— универсальностью имитационных моделей для исследования доста­точно широкого круга задач.

Вопросы для самоконтроля

1. Назовите основные состояния системы "объект — технология — комплект машин".



Поделиться:


Последнее изменение этой страницы: 2017-02-10; просмотров: 377; Нарушение авторского права страницы; Мы поможем в написании вашей работы!

infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 35.175.172.94 (0.027 с.)