UNIVERZITET ZA POSLOVNI INENJERING I

MENADMENT BANJA LUKA

FAKULTET RAUNARSKIH NAUKA

MODELIRANJE SISTEMA
Predmet: Sistemi u realnom vremenu
SEMINARSKI RAD

Banja Luka, februar 2015. god.

SADRAJ

1.
2.
3.
4.

DEFINICIJA I OSNOVNI ZADACI MODELIRANJA SISTEMA.03

PRISTUPI IZGRADNJI MODEL SISTEMA...05
BELI, SIVI I CRNI MODELI...06
KLASIFIKACIJA MODELA SISTEMA..09
ZAKLJUAK12

MODELIRANJE SISTEMA
SYSTEMS MODELING

1. DEFINICIJA I OSNOVNI ZADACI MODELIRANJA SISTEMA

Zadatak modeliranja je da osvetli glavne osobine i fenomene realnog procesa i da ih prevede na
neki apstraktan jezik, kao to je jezik matematike [1-3]. Na taj nain, modeliranje predstavlja
integralan deo nauke i tehnologije, koji obuhvata skoro sve oblasti ljudskog delovanja. Poevi
od filozofije i teologije, pa preko sociologije, psihologije, ekologije i ekonomije, dosee konano
i do same tehnike (graevine, hemije, fizike, mainstva, elektrotehnike, itd.). Sutina postupka
modeliranja jeste u tome da se izaberu samo one osobine posmatranog procesa koje predstavljaju
potrebne i dovoljne karakteristike da se proces opie dovoljno tano sa stanovita namene
modela. Postoji praktino neogranien broj modela koji opisuju razliite aspekte jedne realne
pojave. Svi ti razliiti pogledi na realnu pojavu rezultuju u razliite modele, kao to je ematski
prikazano na slici 1.

Pojam modeliranja je neraskidivo povezan sa pojmom procesa ili sistema. U navedenom

kontekstu, sistem je skup stavki ili osobina koje predstavljaju zaokrueni deo nekog realnog
fenomena koji se prouava. Pri tome, 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 procesa. Na taj nain, model predstavlja sredstvo za
opisivanje najbitnijih karakteristika sistema koji se prouava. Uz navedeno, 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 koje potiu od strane samog modelara. Vanu stavku
prilikom formiranja modela predstavlja izbor ogranienja kojima je podvrgnut 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 raktino nemogue analizirati, poto su mnoge vane osobine prekrivene nevanim
detaljima. S 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. Zahtevana tanost prilikom modeliranja
povezana je i sa namenom 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 zahteva
adekvatan opis odgovarajuih zakona kojima su podvrgnute relevantne promenljive u modelu,
tako da male 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.

2. PRISTUPI IZGRADNJI MODEL SISTEMA

Postoji vie naina da se izgradi model sistema, od kojih su najznaajniji sledei pristupi [1,4].
-

Deduktivni pristup (polazi od opteg ka posebnom).

Induktivni pristup (polazi od posebnog ka optem).
Bond graf (dijagram veza komponenti sistema).

Deduktivni pristup: Ovaj pristup pretpostavlja primenu optih iskustava koja su steena prilikom
modeliranja razliitih specifinih procesa. Pristup koristi i prethodno znanje o razmatranom
procesu, koje se zasniva na poznavanju fizikih zakona koji definiu matematike relacije
izmeu relevantnih promenljivih u idealizovanom modelu procesa sa idealizovanim
komponentama. Tipian primer su idealizovane fizike komponente kod kojih se telo
odgovarajue mase tretira kao takasto, uz zanemarivanje njegovih dimenzija, dok su protoci
laminarni, koncentracije homogeno raspodeljene u rezervoaru, a meavine idealne i sl. [2].
Fiziki zakoni se obino izraavaju u obliku algebarskih i/ili diferencijalnih jednaina. U optem
sluaju, algebarske relacije definiu ponaanje procesa u ustaljenom (ravnotenom) stanju ili tzv.
statiko ponaanje procesa. Statiki modeli se koriste da bi se odredila radna taka ili ravnoteno
stanje procesa, na osnovu kojih se dobija uvid u nominalne vrednosti relevantnih promenljivih,
kao to su, na primer, pritisak, protok, temperature ili profit. U industriji se statiki modeli
nazivaju flow sheets [2]. Dinamiko ponaanje procesa opisuje se diferencijalnim jednainama
[1,5]. Ove jednaine su zasnovane na osnovnim fizikim zakonima, kao to su zakon o odranju
energije, mase, momenta i sl. Apriorno (prethodno) znanje moe da se koristi i da se blie odredi
struktura modela sistema, poto pored relacije koja povezuje ulazne i izlazne promenljive
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. Navedeni pristupi obino dovode do
kvalitativnog modela, u kome postoji odreeni broj parametara ije vrednosti nisu poznate.
Ponekada je, meutim, mogue da se procene adekvatno i vrednosti parametara u ovakvom
modelu, obino koristei prethodno znanje o fizikim osobinama ili gabaritima 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 [5]. 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.

3. BELI, SIVI I CRNI MODELI

Ponekad je mogue da se model sistema izvede samo na osnovu deduktivnog pristupa, koristei
odgovarajue idealizovane fizike zakone i procenjene vrednosti parametara, na bazi fizikih
gabarita razmatranog procesa . Takav model naziva se beli model ili na engleskom jeziku white
box model. Primeri takvih modela su 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 na engleskom jeziku
black-box model. Izmeu ova dva granina sluaja nalazi se model u formi sive kutije ili na
engleskom jeziku gray-box model, koji je u sebe ukljuio svu moguu raspoloivu apriornu
informaciju o realnom procesu, to je rezultovalo u primeni odgovarajuih idealizovanih zakona
u kojima e se pojaviti odreeni broj nepoznatih parametara. Pri tome, ovakva informacija zavisi
uglavnom od polja primene modela i obino je vea u sluaju prirodno-tehnikih procesa, nego u
sluaju drutvenih procesa. 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 slici 3. [1,3] U bilo kojoj fazi opisanog
postupka mogue je da se vrati jedan ili vie koraka unazad, ukoliko rezultat ne zadovoljava
postavljene zahteve.

Poslednji korak vali dacije modela vri se iskljuivo na osnovu realnih merenja na sistemu. Kao
to je prikazano na slici 3, izgradnja kvantitativnog modela zahteva i uvoenje uzrono
-posledine relacije (osobine kauzalnosti). Naime, same matematike relacije definiu
meusobno uticaj nekoliko promenljivih u sistemu. Na primer, Omov zakon definie vezu
izmeu napona I struje na otpornik i moe se izraziti u obliku u=R, 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 promenljive. 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 promenljivih 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 [3]. Kauzalni modeli
koriste obine diferencijalne jednaine (engleski ordinary differential equations, ili skraeno
ODE ) kao matematike relacije, dok akauzalni modeli, koji iskazuju samo relacije izmeu
promenljivih bez uvoenja uzrono-posledinih veza (odnosno proglaavanje ulazno-izlaznih
promenljivih) koriste diferencijalno-algebarske jednaine (engleski Differential Algebraic
Equations ili skraeno DAE ). Neki noviji simulacioni programi koriste akauzalne modele.
Takoe, u cilju vizuelizacije veza koje postoje izmeu promenljivih u modelu koristi se grafika
reprezentacija modela. 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 emi.
-

Crtei (autorova impresija o sistemu)

Kola ( u vezi su sa specifinom primenom 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).
Dijagrami nisu u vezi sa specifinom aplikacijom 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 promenljivih
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 promenljivih, pa se tek u drugom koraku naknadno uvode uzrono-posledine veze
izmeu promenljivih [4].

4. KLASIFIKACIJA MODELA SISTEMA

Generalno se razlikuju tri 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. Opisni (verbalni) model: koristi 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 promenljivih. Ovakvi modeli se obino koriste
u sociologiji i psihologiji.
3. Matematiki model: dinamikon ponaanje sistema je u optem sluaju opisano skupom
nelinearnih diferencijalnih jednaina i oni su dominantni u tehnici [2].
Matematiki modeli mogu se dalje podeliti u sledee kategorije: 1) statiki, 2) dinamiki, koji
mogu biti kontinualni i diskretni. Razliiti tipovi matematikog modela mogu da se kombinuju u
okviru sloenog modela realnog procesa, kao to je prikazano na slici 5 :
Pojam dogaaj stanja je u vezi su kontinualnim modelom i nastaje kada kontinualna
promenljiva stanja preu 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. S druge strane, 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 promenljive, kao to je prikazano na slici 6, za
skalarne promenljive.

Ovakav model je linearan ukoliko postoji linearna zavisnost izmeu ulaza u i izlaza y. Meutim,
linearnost se moe definisati i u odnosu na odgovarajue parameter (a, b) koji opisuju
preslikavanje F(.) izmeu ulaza i izlaza. Mogui tipovi statikih modela prikazani su sledeom
tabelom na slici 7. Realni procesi su generalno nelinearni, tako da adekvatan model procesa
obino sadri nelinearnosti. S druge strane, matematiki aparat je dobro razraen za linearne
modele. Ovaj problem se moe praktino razreiti uvoenjem pojma radne take. Naime,
nelinearan model u okolini izabrane radne take moe se 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. Dakle, linearizovani
model predstavlja model sistema za male signale (predstavljaju odstupanja od radne take) in
moe se koristiti za lokalnu analizu stabilnosti sistema oko date radne take

ZAKLJUAK

Reprezentacije modela sistema razliite fizike prirode predstavljaju izuzetno vaan alat u nauci i
tehnologiji. Ovako dobijeni modeli nali su iroku primenu u raznorodnim zadacima analize
tehnolokih procesa, njihove simulacije, kao i projektovanja sistema za obradu i prenos signala I
upravljanje tehnolokim i industrijskim procesima. Modeli navedenog tipa popularni su I u
raunarskim telekomunikacijama, za prikazivanje redova ekanja poruka i podataka, kao i u
ekonomiji u oblasti ekonometrije i finansijske matematike.