Professional Documents
Culture Documents
Modeliranje Sistema Seminarski Rad
Modeliranje Sistema Seminarski Rad
MODELIRANJE SISTEMA
Predmet: Sistemi u realnom vremenu
SEMINARSKI RAD
SADRAJ
1.
2.
3.
4.
MODELIRANJE SISTEMA
SYSTEMS MODELING
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.
Postoji vie naina da se izgradi model sistema, od kojih su najznaajniji sledei pristupi [1,4].
-
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.
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
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].
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.