Professional Documents
Culture Documents
1. MODELIRANJE
1.1. DEFINICIJA I ZADACI MODELIRANJA SISTEMA
Modeliranje je postupak dobijanja matematikog opisa neke pojave koja se odvija u realnom svetu, kao to su na primer fiziki, hemijski ili elektrotehniki procesi. Sa jedne strane, ovaj opis mora biti relativno jednostavan, a sa druge strane i dovoljno taan, da bi odgovorio svojoj nameni koja je definisana od strane kreatora modela. Primena modeliranja nije ograniena samo na tehnike procese (fizike, hemijske, mehanike, elektrike, itd.), ve se ono koristi u razliitim oblastima, kao to su ekonomija, biologija, sociologija, itd. Postoji praktino neogranien broj modela koji opisuju razliite aspekte jedne realne pojave. Na primer, jedna elektrina komponenta, kao to je otpornik, moe da se prouava sa razliitih stanovita: 1. Kao elektrini element kojim je definisana linearna zavisnost izmeu napona u na njegovim krajevima i struji i kroz otpornik, tj. u = Ri gde je R[] otpornost izraena u omima. 2. Kao termiki element ija se temperatura T o K menja po zakonu
dT 1 = Ri 2 k (T T0 ) dt C
[ ]
[ ]
3. Kao translatorno mehaniko telo, mase m[kg ] na koga deluje sila gravitacije Fg = mg 4. Kao rotaciono mehaniko telo, odgovarajueg momenta inercije J kgm 2 , kod koga je veza izmeu obrtnog momenta M [Nm] i ugaonog ubrzanja rads 2 data sa relacijom M = J .
Modeliranje
Sl. Razliiti pogledi na realnu pojavu rezultuju u njene razliite modele Sutina postupka modeliranja je da se izaberu samo one osobine posmatranog procesa koje predstavljaju potrebne i dovoljne karakteristike da se proces opie dovoljno tano sa stanovita namene modela. Zadatak modeliranja je da osvetli glavne osobine i fenomene realnog procesa i da ih prevede na neki abstraktan jezik, kao to je jezik matematike. Na taj nain, modeliranje predstavlja integralan deo nauke i tehnologije, koji obuhvata skoro sve oblasti ljudskog delovanja, poevi od filozofija i teologija, pa preko sociologija, psihologija, ekologija i ekonomija, konano i do same tehnike (graevine, hemije, fizike, mainstva, elektrotehnike, itd.). Pojam modeliranja je neraskidivo povezan sa pojmom procesa ili sistema. Sistem je skup stavki ili osobina koje predstavljaju zaokrueni deo realnog fenomena koji se prouava. Sistem je subjektivan pojam sa ogranienjima koja ukljuuju one osobine koje su najvanije sa stanovita modelara, a iskljuuje osobine od manjeg znaaja za opis posmatranog realnog rpocesa. Model predstavlja sredstvo za opisivanje najbitnijih karakteristika sistema koji se prouava. Model mora posedovati prikaz objekata unutar sistema, tzv. komponenti sistema, kao i prikaz aktivnosti pod kojima e ti objekti meusobno delovati. Dakle, model reflektuje razumevanje realnog procesa, njegovih komponenti i njihove interakcije od strane samog modelara. Vanu stavku prilikom formiranja modela predstavlja izbor ogranienja kojima je omeen sistem. Ova ogranienja odreuju koji e deo realnog procesa biti proglaen za sistem koji se prouava. Delovi realnog procesa koji nisu pridrueni sistemu, kao izolovanom delu realnosti, nazivaju se okolinom sistema. Ukoliko su granice sistema suvie iroke moe se dogoditi da je takav model sistema praktino nemogue analizirati, poto su mnoge vane osobine prekrivene nevanim detaljima. Sa druge strane, ukoliko su izabrane granice sistema suvie uske, sve relevantne karakteristike realnog procesa nee biti obuhvaene njegovim modelom, to e rezultovati u neadekvatnu analizu sistema na bazi takvog modela. Generalno, postoje dva naina primene modela sistema. Prvi od njih sastoji se u izvoenju eksperimenta u otvorenoj povratnoj sprezi. Kod ovakvog pristupa model se koristi za predvianje buduih vrednosti relevantnih promenljivih u sistemu. Na primer, model se moe koristiti za izradu vremenske prognoze ili za predvianje buduih vrednosti nekih ekonomskih pokazatelja, kao to su nezaposlenost, profitna stopa i sl. Zadatak predikcije zatheva adekvatan opis odgovarajuih zakona kojima su podvrgnute relevantne promenljive u modelu, tako da male
Modeliranje
greke modeliranja mogu prouzrokovati velike greke u rezultatu analize koja je izvrena na bazi takvog netanog modela. Drugi pristup sastoji se u primeni modela u zatvorenoj povratnoj sprezi i ovakav pristup se obino koristi za projektovanje sistema upravljanja. Ukoliko je model deo sistema upravljanja u zatvorenoj povratnoj sprezi, takav sistem e redukovati dejstvo poremeaja, koji dolazi iz spoljanje sredine, kao i same greke modeliranja. Na taj nain, manje taan model moe se koristiti u ovoj drugoj primeni. Drugim reima, zahtevana tanost modeliranja zavisi od naina primene samog modela, odnosno da li se koristi u eksperimentu u otvorenoj povratnoj sprezi ili u okviru povratne petlje kod sistema upravljanja.
gde je m[kg ] masa, a m [kg / s ] protok mase na ulazu (u ) i izlazu (i ) , respektivno. Slino, zakon o odranju energije izraava se kao
dQ = u i dt
3
Modeliranje
gde je Q[J ] koliina energije, a [W ] protok energije na ulazu (u ) i izlazu (i ) , respektivno. Takoe, u mehanici se kretanje tela opisuje Njutnovim zakonom. Na primer, ako je pozicija tela mase m[kg ] oznaena sa x[m] i telo se kree translatorno pod dejstvom aktivne sile Fa [N ] uz prisustvo sile trenja Ft [N ] , tada je na osnovu Njutnovog zakona ma = Fa Ft , d 2x a = 2 m / s2 , dt
Ftr = k tr v[N ] ,
v=
dx [m / s ] dt
odakle sledi diferencijalna jednaina d 2x dx m 2 + ktr = Fa . dt dt Na slian nain, rotacija tela momenta inercije J kgm 2 , pod dejstvom aktivnog momenta M a [Nm] i u prisustvu pasivnog momenta trenja M t [Nm] i torzije M e [Nm], opisana je Njutnovim zakonom J = M a M t M e gde je = d 2 / dt 2 rad / s 2 ugaono ubrzanje, [rad ] ugaona pozicija tela, a moment trenja M t = k t [Nm] , gde je ugaona brzina = d / dt [rad / s ] , dok je momenat torzije M e = k e [Nm] .
Apriorno (prethodno) znanje moe da se koristi i da se blie odredi struktura modela sistema, poto pored relacije koja povezuje ulazne i izlazne varijable sistema i sama struktura modela predstavlja stavku od interesa. Na primer, ako je na osnovu prethodnog znanja ustanovljeno da sistem ima dve vremenske konstante, tada e to znanje biti iskorieno da se iz svih moguih struktura modela drugog reda izabere ona kojoj odgovaraju dve realne vremenske konstante, odnosno dva realna pola, umesto da se za model usvoji opta funkcija prenosa drugog reda koja moe imati i konjugovano kompleksne polove.
Navedeni pristupi obino dovode do kvalitativnog modela. Ponekada je, meutim, mogue da se procene adekvatno i vrednosti parametara u ovakvom modelu, obino koristei prethodno znanje o fizikim dimenzijama procesa. Induktivni pristup: U optem sluaju se ne raspolae sa dovoljno apriornog znanja da bi se parametri u usvojenoj strukturi modela procenili adekvatno. U takvim situacijama koriste se tehnike parametarske identifikacije sistema, koje koriste merenja ulaza i izlaza sistema da bi estimirale (procenile) vrednosti parametara u modelu. Postupak identifikacije zasniva se i na nekim dodatnim pretpostavkama, kao to su, na primer, klasa linearnih modela, selekcija ulazno/izlaznih varijabli, red modela i sl. Sam postupak pribavljanja informacija o sistemu naziva se indukcija. U navedenom sluaju postavlja se prirodno i pitanje izbora kriterijuma za poreenje razliitih modela u uslovima kada su merenja na procesu prisutna. Beli, sivi i crni modeli Ponekad je mogue da se model sistema izvede samo na osnovu deduktivnog pristupa, koristei odgovarajue fizike zakone i procenjene vrednosti parametara, na bazi fizikih gabarita. Takav model naziva se beli model ili white-box model. Primer takvih modela su
4
Modeliranje
elektrina i elektronska kola, a osnovni fiziki zakoni koji se koriste prilikom modeliranja su Kirhofovi zakoni. U nekim sluajevima ne postoji adekvatno apriorno znanje o realnom procesu, te model mora da se postavi na osnovu raspoloive merne informacije o ulazu i izlazu sistema, ne posedujui adekvatnu informaciju o internoj strukturi i internim relacijama u sistemu. Tako izveden model naziva se crni model ili black-box model. Izmeu ova dva granina sluaja nalazi se model u formi sive kutije ili gray-box model, koji je u sebe ukljuio svu moguu raspoloivu apriornu informaciju o realnom procesu. Ovakva informacija zavisi uglavnom od polja primene modela i obino je vea u sluaju nauno-tehnikih procesa, nego u sluaju drutvenih procesa. white box model elektrotehnologija mehanika hemija ekologija psihologija ekonomija CRNO black-box model black box model Sl. Tipovi modela u razliitim oblastima: beli (white-box), sivi (gray-box) i crni (black-box) modeli U optem sluaju, izgradnja adekvatnog kvantitativnog modela sastoji se iz nekoliko faza: modeliranja, parametarske identifikacije, simulacije i validacije modela. Koraci (faze) u izgradnji modela prikazani su na narednoj slici. Prethodno (apriorno) znanje Modelovanje: realnost - odreivanje granica sistema sistem - odreivanje idealizovanog modela - izbor prirodnih zakona idealizovani sistem - postavljanje matematikih relacija matematike relacije - dodavanje uzrono-posledinih akauzalan model veza (osobine kauzalnosti) kauzalan model Estimacija parametara: procene vrednosti Simulacija: prihvatljiv Merenja Validacija: kraj Sl. Interaktivni postupak za dobijanje adekvatnog modela sistema kvantitativan model odziv nije prihvatljiv NIJANSE SIVOG BELO ektrina kola mehaniki ureaji hemijski reaktor hidrologija (vodeni tokovi) biomedicina (dinamika ljudskog tela) ekonometrija (ekonomski modeli)
Modeliranje
U bilo kojoj fazi opisanog postupka mogue je da se vrati jedan ili vie koraka unazad, ukoliko rezultat ne zadovoljava postavljene zahteve. Poslednji korak validacije modela vri se iskljuivo na osnovu realnih merenja na sistemu. Uzrono-posledine relacije (osobina kauzalnosti): Same matematike relacije definiu meusobno uticaj nekoliko varijabli u sistemu. Na primer, Omov zakon definie vezu izmeu napona i struje na otporniku
u =R i
i moe se izraziti u obliku u = Ri , ili i = u / R . Obe relacije su sa matematikog i fizikog stanovita iste, ali se razlikuju sa stanovita uzroka i posledice, odnosno selekcije ulazne i izlazne varijable. Prva relacija tvrdi da e struja i (ulaz) prouzrokovati na krajevima otpornika napon u (izlaz), dok druga relacija tvrdi da e napon u (ulaz) rezultovati u struji i (izlaz) kroz otpornik. Selekcija ulazno-izlaznih varijabli naziva se postupkom uvoenja kauzalnosti (uzrono-posledinih veza) u model. Kauzalnost nije fiziki pojam i uvedena je vetakim putem da bi se omoguila odgovarajua istraivanja i izveo postupak simulacije. Gotovo svi simulacioni paketi rade sa kauzalnim modelima. Kauzalni modeli koriste obine diferencijalne jednaine (eng. ordinary differential equations, ili skraeno ODE) kao matematike relacije, dok akauzalni modeli, koji iskazuju samo relacije izmeu varijabli bez uvoenja uzrono-posledinih veza (odnosno proglaavanje ulazno-izlaznih promenljivih) koriste diferencijalno-algebarske jednaine (eng. Differential Algebraic Equations). Neki noviji simulacioni programi koriste akauzalne modele. Grafika reprezentacija modela Ovakav pristup koristi se u cilju vizuelizacije veza koje postoje izmeu varijabli u modelu. Postoji vie ovakvih prikaza, od kojih su neki zavisni od samog realnog procesa i njegovih komponenti, dok su drugi opti i imaju univerzalnu primenu. Navedeni pristupi, polazei od posebnog ka univerzalnom, prikazani su na sledeoj slici. Crtei (autorova impresija o sistemu) Kola (vezana su za specifinu primenu i zahtevaju standardni prikaz komponenti sistema) Dijagrami: imaju opti karakter i mogu biti dvojaki: a) Konsekutivni (sa redosledom izvoenja; primer su dijagram toka ili flow chart u programiranju ili PERT plan u organizacionim naukama) b) Simultani (sa jednovremenim izvoenjem) koji mogu biti: b1) kauzalni (primer su blok dijagrami i bond grafovi) b2) akauzalni (primer su bond grafovi) Sl. Grafike reprezentacije modela sistema
Modeliranje
Dijagrami nisu vezani za specifinu aplikaciju i predstavljaju prilino apstraktan nain prikazivanja dinamike sistema. Za prikaz tehnikih sistema koriste se simultani dijagrami i to obino blok dijagrami. Kod blok dijagrama jednovremeno se uvode relacije izmeu varijabli i definiu uzrono-posledine veze izmeu njih (osobine kauzalnosti). Za razliku od blok dijagrama, bond graf dozvoljava dvokoranu proceduru, gde se u prvom koraku definiu samo veze izmeu varijabli, pa se tek u drugom koraku naknadno uvode uzrono-posledine veze izmeu varijabli. Matematiki modeli Generalno se razlikuju tri razliita tipa modela koji se mogu koristiti za opisivanje dinamikog ponaanja realnog procesa: 1) Skalirani (proporcionalno umanjeni) model: predstavlja proporcionalno umanjenu fiziku maketu realnog procesa, koja se koristi za ekonomino ispitivanje osobina realnog procesa (cena eksperimentisanja na ovakvom modelu je znaajno nia nego na realnom procesu). Ovakav model se koristi kada ne postoji dovoljno taan matematiki model ili ukoliko izraunavanja u okviru postavljenog matematikog modela traju neprihvatljivo dugo. Primeri ovakvog modela su aerodinamiki tuneli, rezervoari za ispitivanje vodenih tokova i sl. 2) Matematiki model: dinamiko ponaanje sistema je u optem sluaju opisano skupom nelinearnih diferencijalnih jednaina, o emu e kasnije biti vie rei i oni su dominantni u tehnici. 3) Opisni (verbalni) modeli: koriste se kada su relacije koje opisuju ponaanje sistema suvie kompleksne ili nedovoljno poznate da bi se prikazale u matematikom obliku, i ako postoji izvesno znanje o kvalitativnim vezama izmeu tih varijabli. Ovakvi modeli se obino koriste u sociologiji i psihologiji. Matematiki modeli mogu se dalje podeliti u sledee kategorije: 1) statiki; 2) dinamiki, koji mogu biti kontinualni i diskretni. Mogua klasifikacija (tipovi) matematikih modela prikazani su na sledeoj slici. Matematiki model dinamiki diskretan sa semplovanim podacima (sampled data model); model je diferencna jednaina sa diskretnim i vremenskim zavisnim dogaajima (discrete event model with timedependent events) kontinualan sa raspodeljenim parametrima; parcijalna diferencijalna jednaina sa koncentrisanim parametrima; obina diferencijalna jednaina sa dogaajima vezanim za varijable stanja i njihovu zavisnost statiki
Modeliranje
Razliiti tipovi matematikog modela mogu da se kombinuju u okviru sloenog modela realnog procesa, kao to je prikazano na sledeoj slici dogaaj stanja podaci
Kontinualan model
Diskretni model
vremenski diskretan dogaaj Sl. Primer sloenog modela u kome postoji interkonekcija izmeu kontinualnog i diskretnog modela Dogaaj stanja je dogaaj vezan za kontinualni model i nastaje kada kontinualna varijabla stanja pree neki prag (na primer, kada struja i proe kroz nulu ili kada pozicija x dostigne graninu vrednost). Detekcija dogaaja stanja moe aktivirati neki prekida u kontinualnom modelu ili startovati (trigerovati) neki vremenski mehanizam (broja) u diskretnom modelu. Vremenski dogaaj se generie na osnovu vremenskog procesa unutar modela sa diskretnim dogaajima, a moe aktivirati prekida ili proizvesti neku drugu aktivnost unutar kontinualnog modela. Statiki matematiki modeli opisuju nelinearnu algebarsku zavisnost izmeu ulazne i izlazne varijable, kao to je prikazano na slici za skalarne varijable
F (, a, b )
y = F (u, a, b )
Ovakav model je linearan ukoliko postoji linearna zavisnost izmeu ulaza u i izlaza y . Meutim, linearnost se moe definisati i u odnosu na parametre (a, b ) koji opisuju funkciju F () izmeu ulaza i izlaza. Mogui tipovi statikih modela prikazani su sledeom tabelom y = F (u ) linearan nelinearan linearan nelinearan y = F (a, b ) linearan linearan nelinearan nelinearan Primer y = (a + b )u
y = au + bu 3 y = au / b y = au / (bu + 1)
Kao to je prikazano, ovakav model moe biti linearan ili nelinearan i u odnosu na ulaz i u odnosu na parametre, respektivno.
Modeliranje
Realni procesi su generalno nelinearni, tako da adekvatan model procesa obino sadri nelinearnosti. Sa druge strane, matematiki aparat je dobro razraen za linearne modele. Ovaj problem se moe praktino razreiti uvoenjem pojma radne take. Naime, nelinearan model se u okolini izabrane radne take moe linearizovati, ime se dobija linearizovani model koji se dalje moe koristiti za analizu i projektovanje primenom teorije linearnih matematikih sistema. Naravno, tako dobijeni rezultati e vaiti samo u okolini razmatrane radne take, a svaka radna taka imae svoj linearizovani model, tako da se sa promenom radne take prelazi na njoj odgovarajui linearizovani model. Postupak linearizacije ilustrovan je na sledeoj slic
Y0
K1
K2
U0
Sl. Postupak linearizacije nelinearne funkcije y = F (u ) Neka (U 0 , Y0 ) definie izabranu radnu taku. Ako sa u i y oznaimo varijacije signala u i y oko radne take, tj. u = U 0 + u ; Sada se mogu definisati pojaanja
K1 = Y0 ; U0
K2 = y u
y = Y0 + y
pri emu u ravnotenom stanju, kada se sistem nalazi u radnoj taki, vai pojaanje K1 , tj. Y = K1U 0 dok u bliskoj okolini oko radne take vai linearizovano pojaanje K 2 , koje opisuje linearizovani model, tj.
y = K 2 u
Dakle, linearizovani model predstavlja model sistema za male signale (predstavljaju odstupanja od radne take) i moe se koristiti za lokalnu analizu stabilnosti sistema oko date radne take. Za odgovarajue proraune u ravnotenom (ustaljenom ili stacionarnom) stanju koristie se statiko pojaanje K1 . Prilikom sprovoenja analize za male signale, u i y , moe se pretpostaviti da varijable U 0 i Y0 imaju nultu vrednost (odgovora translaciji koordinatnog sistema u taku (U 0 , Y0 ) ).
9
Modeliranje
Kontinualni modeli sa distribuiranim parametrima Fiziki sistemi su kontinualni i opisuju se sa kontinualnim modelima sa distribuiranim ili koncentrisanim parametrima. Model sa distribuiranim parametrima prikazan je u formi paracijalne diferencijalne jednaine. Kod takvih modela i prostorne koordinate (pozicija) x i vreme t predstavljaju nezavisne promenljive u modelu. Primer takvog sistema je transfer toplote kroz zid. Ovakav termiki proces moe se opisati izraunavanjem temperaturnog gradijenta za sve razliite materijale unutar zida, kako je prikazano na slici
Tu
Tu
Ti
Ti
Sl. Konverzija sa sistema sa raspodeljenim parametrima na sistem sa koncentrisanim parametrima Na primer, za F ( x, t ) = 0 , odgovarajua + Ft ( x, t ) = 0 , odakle sledi Fx ( x, t )x parcijalna diferencijalna jednaina je
F F =a t x
Ako se zavisnost od pozicije x zanemari (model sa koncenctrisanim parametrima, poto su sve aktivnosti svedene samo na jednu poziciju), navedena parcijalna diferencijalna jednaina svodi se na obinu diferencijalnu jednainu. Ovakva aproksimacija odgovara koncentrisanju razliitih materijala u zidu u jedan homogen materijal sa idealnim karakteristikama (koncentrisana masa koja nema debljinu i predstavlja homogenu povrinu). Umesto jedne pozicije x , moe se definisati i vei broj pozicija xk , pri emu se za svako xk dobija model sa koncentrisanim parametrima (opisan obinom diferencijalnom jednainom) koji ne zavisi od pozicije. Ovakav postupak selekcije konanog broja elija ili podmodela naziva se Metod konanih elemenata (eng. Finite Element Method ili skraeno FEM). Svaka elija ima svoj sopstveni skup varijabli i obinih diferencijalnih jednaina, tako da dimenzija modela raste linearno sa brojem elija. Vei broj elija rezultuje u taniji model, ali je vreme izvravanja ovakvog modela znaajno vee. Meutim, ovakvo uproenje je znaajno, poto je numeriko reavanje parcijalnih diferencijalnih jednaina kompleksno i vremenski zahtevno. Model sa koncentrisanim parametrima Ovakav model opisan je sa obinim diferencijalnim jednainama (ODE). Obina diferencijalna jednaina je formulisana kao eksplicitna diferencijalna jednaina, kod koje je svaki izvod definisan sa desnom stranom jednaine, tj.
dx = F ( x(t ), u (t )) ; dt
ODE model
10
Modeliranje
Dakle, vrednost dx(t ) moe se za svako t izraunati eksplicitno. Sa druge strane, diferencijalnoalgebarska jednaina (DAE) je formulisana kao implicitna diferencijalna jednaina