Η έννοια της ποιοτικής ανάλυσης δυναμικών συστημάτων. Ανάλυση των δυναμικών ιδιοτήτων του συστήματος. Μοντελοποίηση λευκού θορύβου

Σκοπός της μελέτης είναι η ανάπτυξη μιας λογικής μεθόδου προσανατολισμένης σε υπερυπολογιστές (μέθοδος περιορισμού Boole) και μιας τεχνολογίας προσανατολισμένης σε υπηρεσίες για τη δημιουργία και χρήση ενός συστήματος υπολογιστή για μια ποιοτική μελέτη της δυναμικής της συμπεριφοράς των τροχιών των αυτόνομων δυαδικών δυναμικών συστημάτων. ένα πεπερασμένο χρονικό διάστημα. Η συνάφεια του θέματος επιβεβαιώνεται από το συνεχώς αυξανόμενο εύρος εφαρμογών των δυαδικών μοντέλων στην επιστημονική και εφαρμοσμένη έρευνα, καθώς και από την ανάγκη για ποιοτική ανάλυση τέτοιων μοντέλων με μεγάλη διανυσματική διάσταση κατάστασης. Παρουσιάζεται ένα μαθηματικό μοντέλο ενός αυτόνομου δυαδικού συστήματος σε πεπερασμένο χρονικό διάστημα και μια εξίσωση Boolean ισοδύναμη με αυτό το σύστημα. Η προδιαγραφή μιας δυναμικής ιδιότητας προτείνεται να γραφτεί στη γλώσσα της κατηγορηματικής λογικής χρησιμοποιώντας περιορισμένους υπαρξιακούς και καθολικούς ποσοτικοποιητές. Προκύπτουν εξισώσεις Boole για την αναζήτηση καταστάσεων ισορροπίας και κύκλων ενός δυαδικού συστήματος και συνθηκών για την απομόνωσή τους. Καθορίζονται οι κύριες ιδιότητες του τύπου προσβασιμότητας (προσβασιμότητα, ασφάλεια, ταυτόχρονη προσβασιμότητα, προσβασιμότητα υπό περιορισμούς φάσης, έλξη, συνδεσιμότητα, συνολική προσβασιμότητα). Για κάθε ιδιότητα, το μοντέλο της είναι χτισμένο με τη μορφή ενός Boolean περιορισμού (μια εξίσωση Boole ή ένας ποσοτικοποιημένος τύπος Boolean) που ικανοποιεί τις λογικές προδιαγραφές της ιδιότητας και τις εξισώσεις της δυναμικής του συστήματος. Έτσι, ο έλεγχος της σκοπιμότητας των διαφόρων ιδιοτήτων της συμπεριφοράς των τροχιών των αυτόνομων δυαδικών δυναμικών συστημάτων σε ένα πεπερασμένο χρονικό διάστημα περιορίζεται στο πρόβλημα της σκοπιμότητας των Boolean περιορισμών χρησιμοποιώντας σύγχρονους επιλύτες SAT και TQBF. Δίνεται ένα παράδειγμα επίδειξης χρήσης αυτής της τεχνολογίας για τον έλεγχο της σκοπιμότητας ορισμένων από τις προηγούμενες ιδιότητες. Συμπερασματικά, παρατίθενται τα κύρια πλεονεκτήματα της μεθόδου Boolean περιορισμού, τα χαρακτηριστικά της εφαρμογής λογισμικού της στο πλαίσιο μιας προσέγγισης προσανατολισμένης στις υπηρεσίες και υποδεικνύονται οι κατευθύνσεις για περαιτέρω ανάπτυξη της μεθόδου για άλλες κατηγορίες δυαδικών δυναμικών συστημάτων.

δυαδικό δυναμικό σύστημα

δυναμική ιδιοκτησία

ποιοτική ανάλυση

boolean περιορισμούς

πρόβλημα δυαδικής ικανοποίησης

1. Biere A., Ganesh V., Grohe M., Nordstrom J., Williams R. Theory and Practice of SAT Solving. Αναφορές Dagstuhl. 2015.τ. 5. αρ. 4. R. 98–122.

2. Marin P., Pulina L., Giunchiglia E., Narizzano M., Tacchella A. Twelve Years of QBF Evaluations: QSAT Is PSPACE-Hard and It Shows. fundam. πληροφορώ. 2016.τόμ. 149. R. 133-58.

3. Bohman D., Posthof H. Δυαδικά δυναμικά συστήματα. M.: Energoatomizdat, 1986. 400 p.

4. Maslov S.Yu. Η θεωρία των απαγωγικών συστημάτων και η εφαρμογή της. Μόσχα: Ραδιόφωνο και επικοινωνία, 1986. 133 σελ.

5. Jhala R., Majumdar R. Έλεγχος μοντέλου λογισμικού. ACM Computing Surveys. 2009.τόμ. 41 αρ. 4 Ρ. 21:1–21:54.

6. Vasiliev S.N. Μέθοδος αναγωγής και ποιοτική ανάλυση δυναμικών συστημάτων. I–II // Izvestiya RAN. Θεωρία και συστήματα ελέγχου. 2006. Νο. 1. S. 21–29. Νο. 2, σελ. 5–17.

7. Μορφή DIMACS [Ηλεκτρονικός πόρος]. Λειτουργία πρόσβασης: http://www.cs.utexas.edu/users/moore/acl2/manuals/current/manual/index-seo.php/SATLINK____DIMACS (πρόσβαση 24.07.2018).

8. Πρότυπο QDIMACS [Ηλεκτρονικός πόρος]. Λειτουργία πρόσβασης: http://qbflib.org/qdimacs.html (πρόσβαση 24/07/2018).

9. Delgado-Eckert E., Reger J., Schmidt K. Συστήματα διακριτού χρόνου με δυναμική βάσει συμβάντων: Πρόσφατες εξελίξεις στις μεθόδους ανάλυσης και σύνθεσης. Mario Alberto Jordan (Επιμ.). Συστήματα Διακριτού Χρόνου. intech. 2011. R. 447–476.

10. Vasiliev S.N. Προσβασιμότητα και συνδεσιμότητα σε αυτόματο δίκτυο με γενικός κανόναςμεταγωγή κατάστασης // Διαφορικές εξισώσεις. 2002. V. 38. Αρ. 11. S. 1533–1539.

11. Bychkov I.V., Oparin G.A., Bogdanova V.G., Gorsky S.A., Pashinin A.A. Τεχνολογία πολλαπλών πρακτόρων για την αυτοματοποίηση της παράλληλης λύσης των εξισώσεων Boolean σε ένα κατανεμημένο υπολογιστικό περιβάλλον // Υπολογιστικές τεχνολογίες. 2016. V. 21. No. 3. S. 5–17.

12. Lonsing F., Biere Α. DepQBF. Ένας λύτης QBF με επίγνωση εξάρτησης. Journal on Satisfiability. Boolean Modeling and Computing. 2010. τόμ. 9. R. 71–76.

13. Oparin G.A., Bogdanova V.G., Pashinin A.A., Gorsky S.A. Κατανεμημένοι Επίλυση Εφαρμοσμένων Προβλημάτων Βασισμένοι σε Μικροϋπηρεσίες και Δίκτυα Αντιπροσώπων. Proc. Του 41ου Οικ. Σύμβαση για τις Τεχνολογίες Πληροφοριών και Επικοινωνιών, Ηλεκτρονική και Μικροηλεκτρονική (MIPRO-2018). R. 1643–1648.

14. Bogdanova V.G., Gorsky S.A. Κλιμακόμενος παράλληλος επίλυση προβλημάτων Boolean Satisfiability. Proc. Του 41ου Οικ. Σύμβαση για την τεχνολογία των πληροφοριών και των επικοινωνιών. Ηλεκτρονική και Μικροηλεκτρονική (MIPRO-2018). R. 244–249.

15. Bychkov I.V., Oparin G.A., Bogdanova V.G., Pashinin A.A. The Applied Problems Solving Technology Based on Distributed Computational Subject Domain Model: a Decentralized Approach // Parallel Computing Technologies XII International Conference, PaVT’2018, Rostov-on-Don, 2–6 Απριλίου 2018. Σύντομα άρθρα και περιγραφές αφίσας. Chelyabinsk: Publishing Center of SUSU, 2018. Σελ. 34–48.

Το φάσμα των εφαρμογών των δυαδικών δυναμικών μοντέλων είναι εξαιρετικά ευρύ και κάθε χρόνο ο αριθμός των αντικειμένων και των εργασιών όπου απαιτείται η χρήση τους αυξάνεται μόνο. Ένα κλασικό παράδειγμα είναι ένα δυαδικό σύγχρονο αυτόματο, το οποίο είναι ένα μοντέλο πολλών διακριτών συσκευών σε συστήματα ελέγχου, τεχνολογία υπολογιστών, τηλεμηχανική. Οι σύγχρονες εφαρμογές των δυαδικών δυναμικών μοντέλων περιλαμβάνουν τα προβλήματα της βιοπληροφορικής, της οικονομίας, της κοινωνιολογίας και ορισμένων άλλων τομέων που φαίνονται μακριά από τη χρήση μεταβλητών δύο τιμών. Από αυτή την άποψη, η συνάφεια της ανάπτυξης νέων και της βελτίωσης των υφιστάμενων μεθόδων για την ποιοτική ανάλυση της συμπεριφοράς των τροχιών των δυαδικών δυναμικών συστημάτων (DDS) αυξάνεται σημαντικά.

Όπως είναι γνωστό, ο στόχος μιας ποιοτικής ανάλυσης ενός δυναμικού συστήματος (όχι απλώς ενός δυαδικού) είναι να ληφθεί μια θετική ή αρνητική απάντηση στο ερώτημα: Ισχύει η απαιτούμενη δυναμική ιδιότητα σε ένα δεδομένο σύστημα; Ας αναδιατυπώσουμε αυτό το ερώτημα ως εξής: Η συμπεριφορά των τροχιών ενός δυναμικού συστήματος ικανοποιεί ένα συγκεκριμένο σύνολο περιορισμών που χαρακτηρίζουν την ιδιότητα; Περαιτέρω, θα χρησιμοποιήσουμε αυτή την ερμηνεία του στόχου μιας ποιοτικής ανάλυσης των δυναμικών ιδιοτήτων του συστήματος.

Για το DDS, του οποίου η λειτουργία εξετάζεται σε ένα πεπερασμένο χρονικό διάστημα, αυτοί οι περιορισμοί είναι Boolean και είναι γραμμένοι στη γλώσσα Boolean εξισώσεων ή Boolean τύπους με ποσοτικούς δείκτες. Ο πρώτος τύπος περιορισμών οδηγεί στην ανάγκη επίλυσης του προβλήματος SAT (πρόβλημα ικανοποίησης boolean). ο δεύτερος τύπος περιορισμών σχετίζεται με τη λύση του προβλήματος TQBF (έλεγχος της αλήθειας των ποσοτικοποιημένων τύπων Boolean). Το πρώτο πρόβλημα είναι ένας τυπικός αντιπρόσωπος της κλάσης πολυπλοκότητας NP και το δεύτερο πρόβλημα είναι η κλάση πολυπλοκότητας PSPACE. Όπως είναι γνωστό, η πληρότητα PSPACE ενός διακριτού προβλήματος δίνει ισχυρότερες ενδείξεις της δυσεπίλυσής του από την πληρότητα NP. Εξαιτίας αυτού, η αναγωγή του προβλήματος της ποιοτικής ανάλυσης του DDS στο πρόβλημα SAT είναι προτιμότερη από την αναγωγή στο πρόβλημα TQBF. Στη γενική περίπτωση, η μελέτη όχι κάθε ιδιότητας του DDS μπορεί να αναπαρασταθεί στη γλώσσα των εξισώσεων Boole.

Η θεωρητική δυνατότητα χρήσης Boolean περιορισμών (δηλαδή, Boolean εξισώσεις) στην ποιοτική ανάλυση του DDS αποδείχθηκε για πρώτη φορά στο . Ωστόσο, πρέπει να σημειωθεί ότι η εφαρμογή αυτής της προσέγγισης στην πράξη εκείνη την εποχή περιοριζόταν από την έλλειψη αποτελεσματικών αλγορίθμων και προγραμμάτων για την επίλυση εξισώσεων Boole (ειδικά με μεγάλο αριθμό άγνωστων μεταβλητών), γεγονός που θα μείωνε σημαντικά τον χώρο αναζήτησης. Την τελευταία δεκαετία, ως αποτέλεσμα εντατικής έρευνας σε αυτόν τον τομέα, έχει εμφανιστεί ένας επαρκής αριθμός διάφορων αποτελεσματικών λυτών εξισώσεων Boole (SAT solvers) που χρησιμοποιούν σύγχρονα επιτεύγματα (νέα ευρετικά, γρήγορες δομές δεδομένων, παράλληλοι υπολογιστές κ.λπ.) στην επίλυση το πρόβλημα της ικανοποίησης Boole. Παρόμοιες διαδικασίες (αλλά με κάποια καθυστέρηση) παρατηρούνται και στον τομέα της δημιουργίας όλο και πιο αποτελεσματικών αλγορίθμων και προγραμμάτων για την επίλυση του προβλήματος TQBF. Έτσι, μέχρι σήμερα υπάρχουν όλες οι απαραίτητες προϋποθέσεις για τη συστηματική ανάπτυξη της μεθόδου των Boolean περιορισμών στην ποιοτική ανάλυση του DDS, την εφαρμογή λογισμικού και την εφαρμογή της στην επίλυση επιστημονικών και εφαρμοσμένων προβλημάτων.

Εκτός από τη μέθοδο περιορισμού Boole, άλλες μέθοδοι ποιοτικής ανάλυσης είναι επίσης εφαρμόσιμες στο DDS, οι οποίες περιλαμβάνουν την απαγωγική ανάλυση, τον έλεγχο μοντέλων και τη μέθοδο αναγωγής. Κάθε μία από αυτές τις μεθόδους (συμπεριλαμβανομένης της μεθόδου δυαδικού περιορισμού) έχει τους περιορισμούς, τα πλεονεκτήματα και τα μειονεκτήματά της. Ένα κοινό μειονέκτημα είναι ότι όλες οι μέθοδοι είναι αριθμητικής φύσης και το πρόβλημα της μείωσης της απαρίθμησης είναι θεμελιώδες για αυτές τις μεθόδους.

Η σημασία της απαγωγικής ανάλυσης, η οποία περιλαμβάνει την εφαρμογή αξιωμάτων και κανόνων συμπερασμάτων για την απόδειξη της σωστής λειτουργίας ενός συστήματος, αναγνωρίζεται από ένα ευρύ φάσμα ειδικών, αλλά αυτή είναι μια επίπονη και επομένως σπάνια χρησιμοποιούμενη μέθοδος. Στη μέθοδο ελέγχου μοντέλου, η απαιτούμενη γλώσσα προδιαγραφών ιδιοτήτων χρησιμοποιεί τη γλώσσα των χρονικών λογικών, κάτι που είναι ασυνήθιστο για τους ειδικούς στη δυναμική των αυτομάτων. Η μέθοδος αναγωγής σχετίζεται με την κατασκευή ενός απλοποιημένου (υπό μια ορισμένη έννοια) μοντέλου του αρχικού συστήματος, τη μελέτη των ιδιοτήτων του και τις συνθήκες μεταφοράς αυτών των ιδιοτήτων στο αρχικό σύνθετο σύστημα. Οι προϋποθέσεις για τη δυνατότητα μεταβίβασης των ακινήτων επαρκούν μόνο σε αυτήν την περίπτωση. Η απλότητα της ιδέας της μεθόδου αναγωγής στην ποιοτική ανάλυση του DDS αντιμετωπίζει το πρόβλημα της επιλογής ενός απλοποιημένου συστήματος που να ικανοποιεί όλες τις προϋποθέσεις της μεθόδου.

Η πρακτική χρήση της μεθόδου Boolean περιορισμού περιλαμβάνει τον αλγόριθμο και την αυτοματοποίηση των ακόλουθων διαδικασιών:

1) ανάπτυξη μιας λογικής γλώσσας για τον προσδιορισμό των δυναμικών ιδιοτήτων που επικεντρώνεται σε έναν ειδικό στη δυναμική συστημάτων.

2) κατασκευή ενός μοντέλου μιας δυναμικής ιδιότητας με τη μορφή ενός περιορισμού Boolean του ενός ή του άλλου τύπου που ικανοποιεί τις λογικές προδιαγραφές της ιδιότητας και τις εξισώσεις δυναμικής ενός δυαδικού συστήματος.

3) παρουσίαση του προκύπτοντος μοντέλου στη διεθνή μορφή DIMACS ή QDIMACS.

4) επιλογή (ανάπτυξη) ενός αποτελεσματικού παράλληλου (κατανεμημένου) λύτη του προβλήματος της ικανοποίησης των περιορισμών Boole (SAT ή TQBF λύτης).

5) ανάπτυξη εργαλείων για τη δημιουργία υπηρεσιών λογισμικού.

6) ανάπτυξη υπηρεσιών για ποιοτική έρευνα διαφόρων δυναμικών ιδιοτήτων του DDS.

σκοπόςτης παρούσας μελέτης είναι η λύση μόνο των δύο πρώτων προβλημάτων σε σχέση με τον αλγόριθμο ποιοτικών μελετών αυτόνομων (χωρίς εισόδους ελέγχου) σύγχρονου DDS. Τέτοια συστήματα στις αγγλόφωνες εκδόσεις ονομάζονται σύγχρονα δυαδικά δίκτυα (Boolean network). Άλλες πτυχές της εφαρμογής της μεθόδου Boolean περιορισμού (συμπεριλαμβανομένου του DDS με εισόδους ελέγχου) αποτελούν το αντικείμενο των παρακάτω δημοσιεύσεων.

Μαθηματικό μοντέλο αυτόνομου DDS

Έστω X = Bn (B = (0, 1) το σύνολο των δυαδικών διανυσμάτων της διάστασης n (ο χώρος καταστάσεων DDS) Έστω t∈T = (1,…,k) συμβολίζει τον διακριτό χρόνο (αριθμός κύκλου).

Για κάθε κατάσταση x0∈X, που ονομάζεται αρχική κατάσταση, ορίζουμε την τροχιά x(t, x0) ως μια πεπερασμένη ακολουθία καταστάσεων x0, x1,…, xk από το σύνολο X. Περαιτέρω, θα εξετάσουμε το DDS στο οποίο κάθε ζεύγος των γειτονικών καταστάσεων xt, x(t - 1) (t∈T) οι τροχιές σχετίζονται με τη σχέση

xt = F(xt - 1). (1)

Εδώ το F:X>X είναι μια διανυσματική συνάρτηση λογικής άλγεβρας, που ονομάζεται συνάρτηση μετάβασης. Έτσι, για κάθε x0∈X, το σύστημα των εξισώσεων Boole (1) αντιπροσωπεύει ένα μοντέλο της δυναμικής της συμπεριφοράς των τροχιών DDS στον χώρο καταστάσεων X σε ένα πεπερασμένο χρονικό διάστημα T = (1, 2,…,k). Εδώ και παρακάτω, η τιμή k στον ορισμό του συνόλου Τ θεωρείται ότι είναι μια προκαθορισμένη σταθερά. Αυτός ο περιορισμός είναι απολύτως φυσικός. Το θέμα είναι ότι σε μια ποιοτική ανάλυση της συμπεριφοράς των τροχιών DDS, το ερώτημα τι μπορεί να ειπωθεί για τη σκοπιμότητα κάποιας δυναμικής ιδιότητας για ένα σταθερό, όχι πολύ μεγάλο k έχει πρακτικό ενδιαφέρον. Η επιλογή της τιμής του k σε κάθε συγκεκριμένη περίπτωση βασίζεται σε a priori πληροφορίες για τη διάρκεια των διεργασιών στο προσομοιωμένο διακριτό σύστημα.

Είναι γνωστό ότι το σύστημα των εξισώσεων Boole (1) με την αρχική κατάσταση x0∈X για T = (1, 2,…,k) είναι ισοδύναμο με μία εξίσωση Boole της μορφής

Για k = 1 (εξετάζονται μόνο μεταβάσεις ενός βήματος), η εξίσωση (2) παίρνει τη μορφή

(3)

Οι λύσεις αυτής της εξίσωσης ορίζουν ένα κατευθυνόμενο γράφημα που αποτελείται από 2n κορυφές που σημειώνονται από μία από τις 2n καταστάσεις του συνόλου X. Οι κορυφές x0 και x1 του γραφήματος συνδέονται με ένα τόξο που κατευθύνεται από την κατάσταση x0 στην κατάσταση x1. Ένα τέτοιο γράφημα στη θεωρία των δυαδικών αυτομάτων ονομάζεται διάγραμμα μετάβασης. Η αναπαράσταση της συμπεριφοράς DDS με τη μορφή ενός διαγράμματος μετάβασης είναι πολύ σαφής τόσο κατά την κατασκευή τροχιών όσο και κατά τη μελέτη των ιδιοτήτων τους, αλλά είναι πρακτικά υλοποιήσιμη μόνο για μικρές διαστάσεις n του διανύσματος κατάστασης x∈X.

Γλώσσα μέσα για τον καθορισμό δυναμικών ιδιοτήτων

Είναι πιο βολικό να καθορίσετε μια προδιαγραφή δυναμικής ιδιότητας στη γλώσσα της τυπικής λογικής. Ακολουθώντας την εργασία , συμβολίζουμε με X0∈X, X1∈X, X*∈X τα σύνολα των αρχικών, των αποδεκτών και των καταστάσεων στόχου.

Τα κύρια συντακτικά στοιχεία του λογικού τύπου δυναμικής ιδιότητας είναι: 1) μεταβλητές θέματος (συστατικά των διανυσμάτων x0, x1,…, xk, χρόνος t). 2) περιορισμένοι ποσοτικοί δείκτες ύπαρξης και καθολικότητας. 3) λογικές συνδέσεις v, &; τελικοί τύποι. Ο τελικός τύπος αντιπροσωπεύει τον ισχυρισμό ότι ορισμένες καταστάσεις του συνόλου των τροχιών x(t, x0) (x0∈X0) ανήκουν στα σύνολα αξιολόγησης X* και X1.

Θα πρέπει να σημειωθεί ότι η χρήση περιορισμένων υπαρξιακών και καθολικών ποσοτικοποιητών παρέχει έναν τρόπο γραφής μιας δυναμικής ιδιότητας που είναι οικείος σε έναν ειδικό στη δυναμική. Κατά τη διαδικασία κατασκευής ενός Boolean μοντέλου, οι ιδιότητες για το σύστημα (1) αντικαθίστανται από περιορισμένους ποσοτικούς δείκτες από συνηθισμένους σύμφωνα με τους ακόλουθους ορισμούς:

όπου το A(y) είναι ένα κατηγόρημα που περιορίζει την τιμή της μεταβλητής y.

Λόγω του πεπερασμένου εύρους της μεταβλητής t, οι περιορισμένοι ποσοτικοί δείκτες ύπαρξης και καθολικότητας σε σχέση με αυτήν τη μεταβλητή αντικαθίστανται από ισοδύναμους τύπους που δεν περιέχουν ποσοτικούς δείκτες

Στη συνέχεια, θα υποθέσουμε ότι τα στοιχεία των συνόλων X0, X1, X* καθορίζονται, αντίστοιχα, από τα μηδενικά των παρακάτω εξισώσεων Boole

ή χαρακτηριστικές συναρτήσεις αυτών των συνόλων, .

Λαμβάνοντας υπόψη τον περιορισμό στις αρχικές καταστάσεις G0(x) = 0, μαζί με τις εξισώσεις (2, 3), θα χρησιμοποιήσουμε τις ακόλουθες εξισώσεις Boolean για να συντομεύσουμε τον συμβολισμό:

(4)

Προκαταρκτική ποιοτική ανάλυση αυτόνομου DDS

Στο στάδιο της προκαταρκτικής ανάλυσης, μπορεί να αποκαλυφθεί η διακλάδωση της κατάστασης (το σύνολο των άμεσων προκατόχων της), η παρουσία καταστάσεων ισορροπίας και κλειστών τροχιών (κύκλων) (αν είναι απαραίτητο).

Η κατάσταση x1 στο (3) θα ονομάζεται διάδοχος της κατάστασης x0 και x0 προκάτοχος της κατάστασης x1. Σε ένα αυτόνομο DDS, κάθε κατάσταση έχει μόνο έναν διάδοχο και ο αριθμός των προκατόχων μιας δεδομένης κατάστασης μπορεί να ποικίλλει από μηδέν έως 2n - 1. Όλοι οι άμεσοι προκάτοχοι x0 μιας κατάστασης s∈X είναι μηδενικά της εξίσωσης Boole

Εάν η εξίσωση (6) δεν έχει λύσεις, τότε δεν υπάρχουν προκάτοχοι της κατάστασης s.

Οι καταστάσεις ισορροπίας (αν υπάρχουν) είναι λύσεις της εξίσωσης Boole

Η τροχιά x0, x1,…, xk ονομάζεται κύκλος μήκους k αν οι καταστάσεις x0, x1,…, xk-1 είναι κατά ζεύγη διαφορετικές μεταξύ τους και xk = x0. Μια κυκλική ακολουθία μήκους k (αν υπάρχει) είναι μια λύση της εξίσωσης Boole

όπου = 0 ( ) - συνθήκες διαφοράς κατά ζεύγη για το σύνολο καταστάσεων C ενός κύκλου μήκους k. Εάν καμία από τις καταστάσεις κύκλου δεν έχει προκατόχους που δεν ανήκουν στο σύνολο C, τότε ένας τέτοιος κύκλος ονομάζεται απομονωμένος. Έστω ότι τα στοιχεία s του συνόλου C προσδιορίζονται από τη λύση της δυαδικής εξίσωσης Gc(s) = 0. Τότε είναι εύκολο να δείξουμε ότι η συνθήκη απομόνωσης του κύκλου είναι ισοδύναμη με την απουσία μηδενικών στην ακόλουθη εξίσωση Boole:

Οι λύσεις της εξίσωσης (7) (αν υπάρχουν) καθορίζουν τις καταστάσεις κύκλου που έχουν προκατόχους που δεν ανήκουν στο σύνολο C.

Δεδομένου ότι η κατάσταση ισορροπίας είναι ένας κύκλος μήκους k = 1, η συνθήκη απομόνωσής του είναι παρόμοια με την κατάσταση απομόνωσης με k ≥ 2, με τη διαφορά ότι το Gc(s) έχει τη μορφή πλήρους διαχωρισμού που καθορίζει αυτήν την κατάσταση ισορροπίας.

Στη συνέχεια, οι μη απομονωμένες καταστάσεις ισορροπίας και οι κύκλοι θα ονομάζονται ελκυστές.

Προδιαγραφή δυναμικών ιδιοτήτων τύπου προσβασιμότητας

Η κύρια ιδιότητα του DDS, η ανάγκη επαλήθευσης που προκύπτει πιο συχνά στην πράξη, είναι η ιδιότητα προσβασιμότητας που παραδοσιακά μελετάται στη θεωρία γραφημάτων (στην περίπτωσή μας, ένα τέτοιο γράφημα είναι ένα διάγραμμα μετάβασης) και οι διάφορες παραλλαγές του. Η προσβασιμότητα ορίζεται ως το κλασικό πρόβλημα της ανάλυσης της συμπεριφοράς των τροχιών DDS.

Ο ορισμός αυτής της ιδιότητας συνδέεται με την εκχώρηση των συνόλων X0, X*, X1 (που αντιστοιχούν σε αυτά τα σύνολα εξισώσεων Boole). Υποτίθεται ότι τα σύνολα X0, X*, X1 ικανοποιούν τον περιορισμό

Εφόσον το σύνολο T είναι πεπερασμένο, η ιδιότητα προσβασιμότητας και οι παραλλαγές της θα γίνουν περαιτέρω κατανοητές ως η ιδιότητα της πρακτικής προσβασιμότητας (προσβασιμότητα σε πεπερασμένο αριθμό κύκλων). Λαμβάνονται υπόψη οι ακόλουθες ιδιότητες τύπου προσβασιμότητας:

1. Η κύρια ιδιότητα προσβασιμότητας ενός συνόλου X* από ένα σύνολο X0 διατυπώνεται ως εξής: κάθε τροχιά που εκτοξεύεται από το σύνολο αρχικών καταστάσεων X0 φτάνει στο σύνολο στόχου X*. Χρησιμοποιώντας τους περιορισμένους υπαρξιακούς και καθολικούς ποσοτικούς δείκτες, ο τύπος για αυτήν την ιδιότητα είναι:

2. Η ιδιότητα ασφαλείας διασφαλίζει ότι για οποιαδήποτε τροχιά που εκτοξεύεται από το X0 το σύνολο X* δεν είναι προσβάσιμο:

3. Ιδιότητα ταυτόχρονης προσβασιμότητας. Σε ορισμένες περιπτώσεις, μπορεί να τεθεί μια πιο «αυστηρή απαίτηση», η οποία συνίσταται στο ότι κάθε τροχιά φθάνει τον στόχο που έχει τεθεί σε ακριβώς k κύκλους (k∈T):

4. Ιδιότητα προσβασιμότητας υπό περιορισμούς φάσης:

Αυτή η ιδιότητα εγγυάται ότι όλες οι τροχιές που εκπέμπονται από το σύνολο X0, μέχρι να φτάσουν στο σύνολο στόχο X*, βρίσκονται στο σύνολο X1.

5. Ιδιότητα έλξης. Ας είναι ο Χ* ελκυστής. Τότε ο λογικός τύπος της ιδιότητας έλξης συμπίπτει με τον τύπο της κύριας ιδιότητας προσβασιμότητας:

εκείνοι. Για κάθε τροχιά που απελευθερώνεται από το σύνολο X0, υπάρχει χρόνος t∈T, από τον οποίο η τροχιά δεν υπερβαίνει το σύνολο X*. Το σύνολο X0 σε αυτή την περίπτωση ανήκει σε ένα μέρος της περιοχής έλξης του συνόλου X*(X0∈Xa, όπου Xα είναι η πλήρης περιοχή έλξης (πισίνα) του ελκυστήρα).

Σημειώστε ότι όλες οι μεταβλητές στους παραπάνω τύπους ιδιοτήτων είναι πραγματικά συνδεδεμένες, αφού η τροχιά x0, x1,…, xk καθορίζεται πλήρως από την αρχική κατάσταση. Δεδομένου ότι οι ποσοτικοί δείκτες σε σχέση με τη μεταβλητή t αντικαθίστανται από πράξεις πολλαπλού διαχωρισμού ή σύνδεσης των αντίστοιχων κατηγορημάτων, σε κάθε έναν από τους τύπους παραμένει ένας ενιαίος οριοθετημένος καθολικός ποσοτικός (), ο οποίος μας επιτρέπει να γράψουμε τις προϋποθέσεις για τη σκοπιμότητα αυτών των ιδιότητες στη γλώσσα των εξισώσεων Boole (με τη μορφή προβλήματος SAT).

Παρουσιάζουμε δύο ιδιότητες, η επαλήθευση των οποίων οδηγεί στην αναγκαιότητα επίλυσης του προβλήματος TQBF.

6. Ιδιότητα συνδεσιμότητας του συνόλου προορισμού:

εκείνοι. υπάρχει μια αρχική κατάσταση x0∈X0 τέτοια ώστε κάθε κατάσταση στόχου x*⊆X* είναι προσβάσιμη κάποια στιγμή t∈T, πράγμα που σημαίνει ότι υπάρχει μια τροχιά που αντιστοιχεί σε αυτή την κατάσταση, έτσι ώστε όλες οι καταστάσεις στόχοι x*∈X* ανήκουν σε αυτή την τροχιά.

7. Ιδιότητα συνολικής προσβασιμότητας ενός συνόλου X* από το X0:

εκείνοι. κάθε κατάσταση στόχος είναι προσβάσιμη από το X0.

Έλεγχος σκοπιμότητας δυναμικών ιδιοτήτων

Για τις ιδιότητες (1-5), ο έλεγχος της σκοπιμότητάς τους περιορίζεται στην εύρεση των μηδενικών της εξίσωσης Boole, η τεχνολογία σχηματισμού της οποίας είναι τυποποιημένης φύσης και εξετάζεται λεπτομερώς μόνο για την κύρια ιδιότητα επιτεύξιμου. Οι ιδιότητες (6, 7) οδηγούν στο πρόβλημα του ελέγχου της αλήθειας ενός ποσοτικοποιημένου τύπου Boole.

1. Η κύρια ιδιότητα της προσβασιμότητας. Ο λογικός τύπος του είναι

Λαμβάνοντας υπόψη το (4), γράφουμε τον τύπο (8) ως

όπου είναι η χαρακτηριστική συνάρτηση του συνόλου των καταστάσεων της τροχιάς που απελευθερώνεται από την αρχική κατάσταση x0∈X0. Ας απαλλαγούμε από τον υπαρξιακό ποσοτικό στο (9). Τότε θα έχουμε

πού είναι η χαρακτηριστική συνάρτηση του συνόλου Χ*. Αντικαθιστούμε τους περιορισμένους καθολικούς ποσοτικούς δείκτες με συνηθισμένους ποσοτικοποιητές. Ως αποτέλεσμα, παίρνουμε

Ο τύπος (10) είναι αληθής εάν και μόνο εάν η έκφραση του υποποσοτικού είναι ταυτόσημα αληθής, δηλ.

Η πανομοιότυπη αλήθεια της υπονοήσεως σημαίνει ότι η Boolean συνάρτηση είναι μια λογική συνέπεια της συνάρτησης, δηλ. οποιαδήποτε τροχιά με αρχική κατάσταση x0∈X0 φτάνει στο σύνολο στόχο X*.

Η ικανοποίηση της ταυτότητας (11) ισοδυναμεί με την απουσία μηδενικών στην εξίσωση Boole

Κατά την παραγωγή (12), απαλλαγήκαμε από την έννοια και αντικαταστήσαμε το ϕ*(x0, x1,..., xk) με . Εάν η εξίσωση (12) έχει τουλάχιστον μία λύση, τότε η ιδιότητα προσβασιμότητας δεν ισχύει. Μια τέτοια λύση αντιπροσωπεύει (κατά μια ορισμένη έννοια) ένα αντιπαράδειγμα για την ιδιότητα που ελέγχεται και μπορεί να βοηθήσει τον ερευνητή να εντοπίσει την αιτία του σφάλματος.

Επιπλέον, για συντομία, για κάθε ιδιότητα (2-4) γράφουμε μόνο μια εξίσωση του τύπου (12), προτείνοντας στον αναγνώστη να αναπαράγει ανεξάρτητα τα απαραίτητα επιχειρήματα κοντά σε αυτά που δίνονται για την κύρια ιδιότητα προσβασιμότητας.

2. Περιουσία ασφαλείας

3. Ιδιότητα ταυτόχρονης προσβασιμότητας

4. Ιδιότητα προσβασιμότητας υπό περιορισμούς φάσης

5. Ιδιότητα έλξης. Η σκοπιμότητα αυτού του ακινήτου ελέγχεται σε δύο στάδια. Στο πρώτο στάδιο, διαπιστώνεται εάν το σύνολο Χ* είναι ελκυστής. Εάν η απάντηση είναι ναι, τότε η κύρια ιδιότητα προσβασιμότητας ελέγχεται στο δεύτερο στάδιο. Εάν το Χ* είναι προσβάσιμο από το Χ0, τότε πληρούνται όλες οι προϋποθέσεις της ιδιοκτησίας αξιοθέατου.

6. Ιδιότητα συνδεσιμότητας

7. Ιδιότητα συνολικής προσβασιμότητας».

Για τις ιδιότητες (6, 7), η βαθμωτή μορφή της ισότητας δύο διανυσμάτων Boole xt = x* έχει τη μορφή

Ας δείξουμε την παραπάνω τεχνολογία για ποιοτική ανάλυση αυτόνομων DDS χρησιμοποιώντας τη μέθοδο Boolean περιορισμού κατά τον έλεγχο της σκοπιμότητας ορισμένων από τις παραπάνω ιδιότητες για το μοντέλο 3.2 από την εργασία:

Δηλώστε με x0∈X = B3 την αρχική κατάσταση του μοντέλου (13). Έστω T = (1, 2). Ας γράψουμε τις συναρτήσεις των μεταβάσεων ενός σταδίου και δύο σταδίων του μοντέλου (13) που απαιτούνται για τον προσδιορισμό των ιδιοτήτων:

(14)

όπου η πινακίδα "." δηλώνει τη λειτουργία του συνδέσμου.

Για τον έλεγχο της πληρότητας κάθε ιδιότητας, καθορίζονται τα αρχικά (X0) και στόχοι (X*) σύνολα, τα οποία καθορίζονται από τα μηδενικά των εξισώσεων G0(x) = 0, G*(x) = 0 ή από το χαρακτηριστικό λειτουργίες αυτών των συνόλων (βλ. Ενότητα 2). Ως επιλύτης SAT, χρησιμοποιείται ο λύτης οργανικού συμπλέγματος REBUS (IC) και ο επιλύτης TQBF είναι ο DepQBF. Η κωδικοποίηση των μεταβλητών στα Boolean μοντέλα των ιδιοτήτων που εξετάζονται παρακάτω για αυτούς τους λύτες δίνεται στον Πίνακα. 1, τα Boolean μοντέλα αυτών των ιδιοτήτων σε μορφές DIMACS και QDIMACS βρίσκονται στον Πίνακα. 2.

Τραπέζι 1

Μεταβλητή κωδικοποίηση

πίνακας 2

Boolean μοντέλα ιδιοκτησίας

1. Η κύρια ιδιότητα προσβασιμότητας (k = 2). Έστω X0 = (x∈X: x1 = 0), X*=(x∈X: x1 = 1). Το αρχικό και το σύνολο στόχου ορίζονται αντίστοιχα από τις εξισώσεις G0(x) = x1 = 0 και . Η δυαδική εξίσωση (12) σε αυτή την περίπτωση παίρνει τη μορφή

όπου η συνάρτηση ϕ(x0, x1, x2) ορίζεται στο (14). Ο επιλύτης IR REBUS δίνει την απάντηση "ακαθόριστο" (η εξίσωση δεν έχει μηδενικά), επομένως ικανοποιείται η ιδιότητα προσβασιμότητας X* από το X0, η οποία φαίνεται καθαρά από το επόμενο διάγραμμα μετάβασης που φαίνεται στο σχήμα.

2. Κύκλοι μήκους k = 2. Μια κυκλική ακολουθία μήκους 2 (αν υπάρχει) είναι λύση της εξίσωσης Boole

Η συνάρτηση μοιάζει

Η έκφραση R(x0, x1) δεν συμπεριλήφθηκε στην εξίσωση όταν βρέθηκε ο κύκλος, αφού δεν υπάρχουν κύκλοι μήκους k = 1 (καταστάσεις ισορροπίας) στο μοντέλο (13). Χρησιμοποιώντας τον επιλύτη IR REBUS, λήφθηκαν δύο απαντήσεις (στη μορφή εξόδου DIMACS): 1 2 3 4 5 -6 0 και 1 2 -3 4 5 6 0, που αντιστοιχούν σε κυκλικές ακολουθίες (εικόνα): ((1 1 1) , (1 1 0)) και ((1 1 0), (1 1 1)). Τα σύνολα καταστάσεων και των δύο κύκλων συμπίπτουν, πράγμα που σημαίνει ότι το μοντέλο (13) έχει έναν κύκλο μήκους k = 2.

Διάγραμμα μετάβασης συστήματος (13)

3. Η ιδιότητα της κυκλικής απομόνωσης. Αν τα στοιχεία s του συνόλου καταστάσεων C ενός κύκλου μήκους k = 2 προσδιορίζονται από τη λύση της δυαδικής εξίσωσης Gc(s) = 0, τότε η συνθήκη απομόνωσης του κύκλου είναι ισοδύναμη με την απουσία μηδενικών στην ακόλουθη Boolean εξίσωση:

Αφού C = ((1 1 1), (1 1 0)), έχουμε

Για αυτήν την εξίσωση, ο επιλύτης IR REBUS βρίσκει δύο λύσεις: -1 2 3 4 5 -6 0 και -1 2 -3 4 5 -6 0 (σε δυαδική αναπαράσταση, σύμφωνα με την κωδικοποίηση των μεταβλητών στον Πίνακα 1, αυτές είναι ζεύγη των καταστάσεων (0 1 1), (1 1 0) και ((0 1 0), (1 1 0)) Έτσι, η κατάσταση κύκλου (1 1 0) έχει δύο προκατόχους, (0 1 1) και (0 1 0), που δεν ανήκουν στον κύκλο συνόλου καταστάσεων Αυτό σημαίνει ότι η ιδιότητα απομόνωσης του κύκλου δεν ικανοποιείται, δηλαδή αυτός ο κύκλος είναι ελκυστής.

4. Ιδιότητα έλξης. Έστω X* = C ελκυστής. Ο λογικός τύπος της ιδιότητας έλξης είναι ο ίδιος με τον τύπο της κύριας ιδιότητας προσβασιμότητας

και η αντίστοιχη Boolean εξίσωση για την περίπτωσή μας έχει τη μορφή

Ας γράψουμε τις συναρτήσεις G0(x0), ϕ(x0, x1, x2) και . Η συνάρτηση ϕ(x0, x1, x2) δίνεται στο (14). Για X* = C, η έκφραση είναι . Εξετάστε δύο επιλογές για τον ορισμό του συνόλου των αρχικών καταστάσεων X0, για τις περιπτώσεις εκπλήρωσης (Α) και μη εκπλήρωσης (Β) της ιδιότητας έλξης για k = 2 κύκλους.

Α. Αφήστε . Επειτα

Σε αυτή την περίπτωση, για την Boolean εξίσωση (15), η απάντηση είναι "unsat". Η ιδιότητα έλξης για ένα δεδομένο σύνολο X0 ικανοποιείται.

Β. Αφήστε . Επειτα

Σε αυτήν την περίπτωση, το IR REBUS για την εξίσωση (15) βρίσκει μια λύση: 1 -2 3 4 -5 -6 -7 8 9 0, η οποία αντιστοιχεί στην τροχιά ((1 0 1),(1 0 0),(0 1 1)) . Αυτή η τροχιά με την αρχική κατάσταση x0 = (1 0 1) δεν φτάνει στο σύνολο X* = C σε δύο κύκλους, πράγμα που σημαίνει ότι η ιδιότητα έλξης δεν μπορεί να ικανοποιηθεί για το δεδομένο X0.

5. Ιδιότητα συνδεσιμότητας. Ο λογικός τύπος της ιδιότητας συνδεσιμότητας έχει τη μορφή της ακόλουθης πρότασης:

Για k = 2 ϕ*(x0, x1, x2) = G0(x0)∨ϕ(x0, x1, x2), όπου η συνάρτηση ϕ(x0, x1, x2) δίνεται στο (14). Ας επιλέξουμε την κατάσταση (1 0 1) ως αρχική. Επειτα . Αφήστε τον στόχο να οριστεί X* = ((0 1 1), (1 0 0)). Σε αυτή την περίπτωση, η συνάρτηση G*(x*) έχει τη μορφή

Ας γράψουμε G*(x*) σε μορφή CNF:

Χρησιμοποιώντας το νόμο του De-Morgan, βρίσκουμε την άρνηση της συνάρτησης ϕ*(x0, x1, x2). Αντικαθιστώντας όλες τις ληφθείσες συναρτήσεις στο (16) και λαμβάνοντας υπόψη την κωδικοποίηση Boolean μεταβλητών (Πίνακας 1), λαμβάνουμε ένα Boolean μοντέλο σε μορφή QDIMACS (Πίνακας 2). Ο λύτης DepQBF δίνει την απάντηση "κάθισε", που σημαίνει την αλήθεια της πρότασης (16). Η ιδιότητα σύνδεσης για το δεδομένο X0, X*, T = (1, 2) ικανοποιείται.

συμπέρασμα

Τα κύρια πλεονεκτήματα της μεθόδου Boolean περιορισμού στην ποιοτική μελέτη του DDS περιλαμβάνουν:

1. Η λογική γλώσσα που χρησιμοποιείται από έναν ειδικό στη δυναμική των αυτομάτων για να καθορίσει μια δυναμική ιδιότητα μέσω της χρήσης ποσοτικοποιητών περιορισμένης ύπαρξης και καθολικότητας.

2. Με βάση τον τύπο ιδιοτήτων και τις δυναμικές εξισώσεις, εκτελείται αυτόματα η κατασκευή της αντίστοιχης εξίσωσης Boole ή ενός ποσοτικοποιημένου τύπου Boolean.

3. Είναι μάλλον εύκολο να αυτοματοποιηθεί η διαδικασία μετατροπής των παραστάσεων Boolean που προκύπτουν σε συνδυαστική κανονική μορφή με περαιτέρω δημιουργία αρχείου στις μορφές DIMAX και QDIMAX, οι οποίες εισάγονται για επιλύτες SAT και επιλύτες QBF.

4. Το πρόβλημα της μείωσης της απαρίθμησης επιλύεται σε κάποιο βαθμό από τους προγραμματιστές αυτών των λύσεων και προστατεύεται από ειδικούς στην ποιοτική ανάλυση του DDS.

5. Παρέχεται η δυνατότητα επίλυσης του προβλήματος της ποιοτικής ανάλυσης του DDS για μεγάλες διαστάσεις του διανύσματος κατάστασης n σε ένα αρκετά μεγάλο χρονικό διάστημα T. Όσον αφορά τον αριθμό των καταστάσεων, η μέθοδος Boolean περιορισμού είναι ποσοτικά ανάλογη με τον έλεγχο του μοντέλου μέθοδος. Λόγω του γεγονότος ότι τα τελευταία χρόνια έχει σημειωθεί σημαντική αύξηση στην απόδοση εξειδικευμένων αλγορίθμων για την επίλυση προβλημάτων SAT και TQBF, ο συνολικός αριθμός μεταβλητών στο μοντέλο ιδιοτήτων Boole για σύγχρονους λύτες μπορεί να μετρηθεί σε χιλιάδες.

Το λογισμικό για την ποιοτική ανάλυση του DDS με βάση τη μέθοδο των Boolean περιορισμών υλοποιείται στο πλαίσιο μιας υπηρεσίας προσανατολισμένης προσέγγισης χρησιμοποιώντας εξειδικευμένους λύτες Boolean εξισώσεων. Η εργασία παρουσιάζει ένα παράδειγμα εφαρμογής της μεθόδου Boolean περιορισμού που βασίζεται σε μια προσέγγιση προσανατολισμένη στις υπηρεσίες για την αναζήτηση κύκλων και καταστάσεων ισορροπίας σε γονιδιακά ρυθμιστικά δίκτυα.

Θα πρέπει να σημειωθεί ότι η μέθοδος Boolean περιορισμού είναι μια αρκετά γενική μέθοδος για την ποιοτική ανάλυση του DDS σε ένα πεπερασμένο χρονικό διάστημα. Εφαρμόζεται όχι μόνο σε αυτόνομα συστήματα, αλλά και σε συστήματα με εισόδους ελέγχου, σε συστήματα με βάθος μνήμης μεγαλύτερο από ένα, σε γενικά DDS, όταν η συνάρτηση μετάβασης είναι άλυτη ως προς την κατάσταση xt και έχει τη μορφή F(xt , xt-1) = 0. Για DDS με εισόδους, η ιδιότητα ελέγχου και οι διάφορες παραλλαγές της έχουν ιδιαίτερη σημασία. Εκτός από τα προβλήματα της ανάλυσης DDS, η μέθοδος Boolean περιορισμού είναι εφαρμόσιμη στα προβλήματα σύνθεσης ανάδρασης (στατική ή δυναμική, κατά κατάσταση ή με είσοδο), τα οποία διασφαλίζουν την εκπλήρωση της απαιτούμενης δυναμικής ιδιότητας στο συνθετικό σύστημα.

Η μελέτη υποστηρίχθηκε από το Ρωσικό Ίδρυμα Βασικής Έρευνας, έργο αρ. 18-07-00596/18.

Βιβλιογραφικός σύνδεσμος

αντίγραφο

1 Ποιοτική ανάλυση δυναμικών συστημάτων Κατασκευή πορτραίτων φάσης ΔΣ

2 Δυναμικό σύστημα 2 Το δυναμικό σύστημα είναι ένα μαθηματικό αντικείμενο που αντιστοιχεί σε πραγματικά φυσικά, χημικά, βιολογικά και άλλα συστήματα, εξέλιξη στο χρόνο, η οποία καθορίζεται μοναδικά από την αρχική κατάσταση σε οποιοδήποτε χρονικό διάστημα. Ένα τέτοιο μαθηματικό αντικείμενο μπορεί να είναι ένα σύστημα αυτόνομων διαφορικών εξισώσεων. Η εξέλιξη ενός δυναμικού συστήματος μπορεί να παρατηρηθεί στον χώρο καταστάσεων του συστήματος. Οι διαφορικές εξισώσεις σπάνια λύνονται αναλυτικά σε ρητή μορφή. Η χρήση υπολογιστή δίνει μια κατά προσέγγιση λύση διαφορικών εξισώσεων σε ένα πεπερασμένο χρονικό διάστημα, κάτι που δεν μας επιτρέπει να κατανοήσουμε τη συμπεριφορά των τροχιών φάσης γενικά. Ως εκ τούτου, οι μέθοδοι ποιοτικής μελέτης των διαφορικών εξισώσεων αποκτούν σημαντικό ρόλο.

3 3 Η απάντηση στο ερώτημα ποιοι τρόποι συμπεριφοράς μπορούν να δημιουργηθούν σε ένα δεδομένο σύστημα μπορεί να ληφθεί από το λεγόμενο πορτρέτο φάσης του συστήματος, το σύνολο όλων των τροχιών του που απεικονίζονται στο χώρο των μεταβλητών φάσης (χώρος φάσης) . Μεταξύ αυτών των τροχιών υπάρχει μια σειρά από βασικές, που καθορίζουν τις ποιοτικές ιδιότητες του συστήματος. Αυτά περιλαμβάνουν, πρώτα απ 'όλα, σημεία ισορροπίας που αντιστοιχούν στα σταθερά καθεστώτα του συστήματος και κλειστές τροχιές (οριακούς κύκλους) που αντιστοιχούν στα καθεστώτα περιοδικών ταλαντώσεων. Το αν το καθεστώς είναι σταθερό ή όχι μπορεί να κριθεί από τη συμπεριφορά των γειτονικών τροχιών: μια σταθερή ισορροπία ή ένας κύκλος έλκει όλες τις κοντινές τροχιές, ενώ ένας ασταθής απωθεί τουλάχιστον μερικές από αυτές. Έτσι, «το επίπεδο φάσης, χωρισμένο σε τροχιές, δίνει ένα εύκολα ορατό «πορτρέτο» ενός δυναμικού συστήματος, καθιστά δυνατή την άμεση, με μια ματιά, κάλυψη ολόκληρου του συνόλου των κινήσεων που μπορεί να προκύψουν υπό διάφορες αρχικές συνθήκες». (A.A. Andronov, A.A. Witt, S.E. Khaikin. Theory of Oscillations)

4 Μέρος 1ο Ποιοτική ανάλυση γραμμικών δυναμικών συστημάτων

5 5 Γραμμικό Αυτόνομο Δυναμικό Σύστημα Θεωρήστε ένα γραμμικό ομοιογενές σύστημα με σταθερούς συντελεστές: (1) dx ax by, dt dy cx dy. dt Το επίπεδο συντεταγμένων xoy ονομάζεται επίπεδο φάσης του. Μία και μόνο καμπύλη φάσης (τροχιά) διέρχεται από οποιοδήποτε σημείο του επιπέδου. Στο σύστημα (1), είναι δυνατοί τρεις τύποι τροχιών φάσης: ένα σημείο, μια κλειστή καμπύλη και μια ανοιχτή καμπύλη. Ένα σημείο στο επίπεδο φάσης αντιστοιχεί σε μια σταθερή λύση (θέση ισορροπίας, σημείο ηρεμίας) του συστήματος (1), μια κλειστή καμπύλη σε μια περιοδική λύση και μια ανοιχτή καμπύλη σε μια μη περιοδική.

6 θέσεις ισορροπίας του DS 6 Βρίσκουμε τις θέσεις ισορροπίας του συστήματος (1) λύνοντας το σύστημα: (2) ax με 0, cx dy 0. Το σύστημα (1) έχει μια ενιαία θέση ισορροπίας μηδέν αν η ορίζουσα μήτρας συστήματος: det a b A ad cb 0. c d Αν det A = 0, τότε, εκτός από τη μηδενική ισορροπία, υπάρχουν και άλλες, αφού στην περίπτωση αυτή το σύστημα (2) έχει άπειρο σύνολο λύσεων. Η ποιοτική συμπεριφορά των τροχιών φάσης (ο τύπος της θέσης ισορροπίας) καθορίζεται από τις ιδιοτιμές του πίνακα συστήματος.

7 Ταξινόμηση σημείων ανάπαυσης 7 Βρίσκουμε τις ιδιοτιμές του πίνακα του συστήματος λύνοντας την εξίσωση: (3) 2 λ (a d)λ ad bc 0. Σημειώστε ότι a + d = tr A (ίχνος μήτρας) και ad bc = det A. Ταξινόμηση σημείων ανάπαυσης στην περίπτωση που το det A 0, δίνεται στον πίνακα: Οι ρίζες της εξίσωσης (3) 1, 2 - πραγματικές, του ίδιου πρόσημου (1 2 > 0) 1, 2 - πραγματικό, διαφορετικών ζωδίων (1 2< 0) 1, 2 - комплексные, Re 1 = Re 2 0 1, 2 - комплексные, Re 1 = Re 2 = 0 Тип точки покоя Узел Седло Фокус Центр

8 Σταθερότητα σημείων ηρεμίας 8 Οι ιδιοτιμές του πίνακα του συστήματος (1) καθορίζουν μοναδικά τη φύση της σταθερότητας των θέσεων ισορροπίας: Συνθήκη στο πραγματικό μέρος των ριζών της εξίσωσης (3) 1. Εάν τα πραγματικά μέρη όλων Οι ρίζες της εξίσωσης (3) είναι αρνητικές, τότε το σημείο ηρεμίας του συστήματος (1) είναι ασυμπτωτικά σταθερό. 2. Αν το πραγματικό μέρος μιας τουλάχιστον ρίζας της εξίσωσης (3) είναι θετικό, τότε το σημείο ηρεμίας του συστήματος (1) είναι ασταθές. Τύπος σημείου και φύση σταθερότητας Σταθερός κόμβος, σταθερή εστίαση Σέλα, Ασταθής κόμβος, Ασταθής εστίαση 3. Εάν η εξίσωση (3) έχει καθαρά φανταστικές ρίζες, τότε το σημείο ηρεμίας του συστήματος (1) είναι σταθερό, αλλά όχι ασυμπτωτικά. Κέντρο

9 πορτραίτα φάσης 9 Σταθερός κόμπος 1 2, 1< 0, 2 < 0 Неустойчивый узел 1 2, 1 > 0, 2 >

10 πορτρέτα φάσεων 10 Σταθερή εστίαση 1,2 = i,< 0, 0 Неустойчивый фокус 1,2 = i, >0, 0 Η κατεύθυνση στην καμπύλη φάσης υποδεικνύει την κατεύθυνση στην οποία το σημείο φάσης κινείται κατά μήκος της καμπύλης καθώς αυξάνεται το t.

11 πορτρέτα φάσης 11 Σέλα 1 2, 1< 0, 2 >0 Κέντρο 1,2 = i, 0 Η κατεύθυνση στην καμπύλη φάσης υποδεικνύει την κατεύθυνση στην οποία το σημείο φάσης κινείται κατά μήκος της καμπύλης καθώς αυξάνεται το t.

12 πορτρέτα φάσεων 12 Ο κρίσιμος κόμπος λαμβάνει χώρα για συστήματα της μορφής: dx ax, dt dy ay, dt όταν a 0. Στην περίπτωση αυτή, 1 = 2 = a. Ασταθής κρίσιμος κόμβος Αν α< 0, то узел асимптотически устойчив, если a >0, τότε είναι ασταθής. Η κατεύθυνση στην καμπύλη φάσης υποδεικνύει την κατεύθυνση στην οποία το σημείο φάσης κινείται κατά μήκος της καμπύλης καθώς αυξάνεται το t.

13 Πορτραίτα φάσης 13 Εκφυλισμένος κόμβος εάν 1 = 2 0 και στο σύστημα (1) b 2 + c 2 0. Αν 1< 0, то устойчивый Если 1 >0, τότε ασταθής Η κατεύθυνση στην καμπύλη φάσης υποδεικνύει την κατεύθυνση κίνησης του σημείου φάσης κατά μήκος της καμπύλης καθώς αυξάνεται το t.

14 Ένα άπειρο σύνολο σημείων ηρεμίας 14 Αν det A = 0, τότε το σύστημα (1) έχει ένα άπειρο σύνολο θέσεων ισορροπίας. Σε αυτήν την περίπτωση, είναι δυνατές τρεις περιπτώσεις: Ρίζες της εξίσωσης (3) 1 1 = 0, = 2 = = 2 = 0 Προσδιορισμός σημείων ανάπαυσης Το σύστημα (2) ισοδυναμεί με μία εξίσωση της μορφής x + y = 0 Σύστημα ( 2) ισοδυναμεί με την αριθμητική ισότητα 0 = 0 Το σύστημα (2) είναι ισοδύναμο με την εξίσωση x + y = 0 Γεωμετρικός τόπος σημείων ηρεμίας Γραμμή στο επίπεδο φάσης: x + y = 0 Ολόκληρο επίπεδο φάσης Γραμμή x + y = 0 Στη δεύτερη περίπτωση, οποιοδήποτε σημείο ανάπαυσης είναι σταθερό στον Λιαπούνοφ. Στην πρώτη περίπτωση, μόνο εάν 2< 0.

15 πορτρέτα φάσης 15 Γραμμή σταθερών σημείων ανάπαυσης 1 = 0, 2< 0 Прямая неустойчивых точек покоя 1 = 0, 2 >0 Η κατεύθυνση στην καμπύλη φάσης υποδεικνύει την κατεύθυνση στην οποία το σημείο φάσης κινείται κατά μήκος της καμπύλης καθώς αυξάνεται το t.

16 πορτραίτα φάσης 16 Γραμμή ασταθών σημείων ηρεμίας 1 = 2 = 0 Οι γραμμές φάσης θα είναι παράλληλες με την ευθεία των σημείων ηρεμίας (x + y = 0) εάν το πρώτο ολοκλήρωμα της εξίσωσης dy cx dy dx ax έχει τη μορφή x + y = C, όπου C είναι μια αυθαίρετη σταθερά . Η κατεύθυνση στην καμπύλη φάσης υποδεικνύει την κατεύθυνση στην οποία το σημείο φάσης κινείται κατά μήκος της καμπύλης καθώς αυξάνεται το t.

17 Κανόνες για τον προσδιορισμό του τύπου ενός σημείου ηρεμίας 17 Μπορεί κανείς να προσδιορίσει τον τύπο ενός σημείου ηρεμίας και τη φύση της σταθερότητάς του χωρίς να βρεθούν οι ιδιοτιμές του πίνακα του συστήματος (1), αλλά γνωρίζοντας μόνο το ίχνος του tr A και το ορίζουσα det A. Ορίζουσα του πίνακα det A< 0 tra 0 det A 2 tra det A 2 tra det A След матрицы tr A < 0 tr A >0 tr Α< 0 tr A >0 tr Α< 0 tr A = 0 tr A >0 Τύπος σταθερού σημείου Σταθερός κόμβος σέλας (ST) Ασταθής κόμβος (NU) Κρίσιμος ή εκφυλισμένος CL Κρίσιος ή εκφυλισμένος NU Σταθερή εστίαση (UF) Κέντρο ασταθής εστίαση (NF)

18 Διάγραμμα κεντρικής διακλάδωσης 18 det A det tra A 2 2 UU UF NF NU tr A Σέλα

19 19 Αλγόριθμος για την κατασκευή του πορτρέτου φάσης LDS (1) 1. Προσδιορίστε τις θέσεις ισορροπίας λύνοντας το σύστημα εξισώσεων: ax κατά 0, cx dy Βρείτε τις ιδιοτιμές του πίνακα του συστήματος λύνοντας τη χαρακτηριστική εξίσωση: 2 λ (a d )λ ad bc Προσδιορίστε τον τύπο του σημείου ανάπαυσης και κάντε συμπέρασμα σχετικά με τη βιωσιμότητα. 4. Βρείτε τις εξισώσεις των κύριων οριζόντιων και κατακόρυφων ισοκλίων και γραφίστε τις στο επίπεδο φάσης. 5. Εάν η θέση ισορροπίας είναι μια σέλα ή ένας κόμβος, βρείτε εκείνες τις τροχιές φάσης που βρίσκονται σε ευθείες γραμμές που διέρχονται από την αρχή. 6. Σχεδιάστε τροχιές φάσης. 7. Προσδιορίστε την κατεύθυνση της κίνησης κατά μήκος των τροχιών φάσης, υποδεικνύοντάς την με βέλη στο πορτρέτο φάσης.

20 Κύριες ισοκλίνες 20 Κάθετη ισοκλινή (VIS) είναι ένα σύνολο σημείων στο επίπεδο φάσης στα οποία η εφαπτομένη που σύρεται στην τροχιά φάσης είναι παράλληλη προς τον κατακόρυφο άξονα. Αφού σε αυτά τα σημεία των τροχιών φάσης x (t) = 0, τότε για το LDS (1) η εξίσωση VI έχει τη μορφή: ax + by = 0. . Εφόσον σε αυτά τα σημεία των τροχιών φάσης y (t) = 0, τότε για το LDS (1) η εξίσωση GI έχει τη μορφή: cx + dy = 0. Σημειώστε ότι το σημείο ηρεμίας στο επίπεδο φάσης είναι η τομή του κύριου ισοκλίνες. Η κατακόρυφη ισοκλινή στο επίπεδο φάσης θα σημειωθεί με κάθετες πινελιές και η οριζόντια με οριζόντιες.

21 Τροχιές φάσης 21 Εάν η θέση ισορροπίας είναι μια σέλα ή ένας κόμβος, τότε υπάρχουν τροχιές φάσης που βρίσκονται σε ευθείες γραμμές που διέρχονται από την αρχή. Οι εξισώσεις τέτοιων γραμμών μπορούν να αναζητηθούν με τη μορφή * y = k x. Αντικαθιστώντας το y = k x στην εξίσωση: dy cx dy, dx ax από για να προσδιορίσουμε το k, παίρνουμε: (4) c kd () 0. a bk 2 k bk a d k c Ας περιγράψουμε τις τροχιές φάσεων ανάλογα με τον αριθμό και την πολλαπλότητα των οι ρίζες της εξίσωσης (4). * Εξισώσεις ευθειών γραμμών που περιέχουν τροχιές φάσης μπορούν επίσης να αναζητηθούν με τη μορφή x = k y. ak b ck d Στη συνέχεια, για να βρεθούν οι συντελεστές, θα πρέπει να λυθεί η εξίσωση k.

22 Τροχιές φάσης 22 Ρίζες εξισώσεων (4) k 1 k 2 Τύπος σημείου ανάπαυσης Κόμβος σέλας Περιγραφή τροχιών φάσης Οι ευθείες γραμμές y = k 1 x και y = k 2 x ονομάζονται διαχωριστικές γραμμές. Οι υπόλοιπες τροχιές φάσης είναι υπερβολές, για τις οποίες οι ευθείες που βρέθηκαν είναι ασύμπτωτες Οι γραμμές y = k 1 x και y = k 2 x. Οι υπόλοιπες τροχιές φάσης σχηματίζουν παραβολές που αγγίζουν μια από τις ευρεθείσες γραμμές στην αρχή. Οι τροχιές φάσεων αγγίζουν την ευθεία που κατευθύνεται κατά μήκος του ιδιοδιανύσματος που αντιστοιχεί στο μικρότερο απόλυτη τιμή(ρίζα της εξίσωσης (3))

23 Τροχιές φάσης 23 Εξίσωση (4) ρίζες k 1 k 2! k 1 Τύπος σημείου ανάπαυσης Εκφυλισμένος κόμβος Κόμβος σέλας Περιγραφή τροχιών φάσης Ευθεία γραμμή y = k 1 x. Οι υπόλοιπες τροχιές φάσης είναι κλάδοι παραβολών που αγγίζουν αυτή τη γραμμή στην αρχή Οι γραμμές * y = k 1 x και x = 0 είναι διαχωριστικές. Οι υπόλοιπες τροχιές φάσης είναι υπερβολές για τις οποίες οι ευθείες που βρέθηκαν είναι ασύμπτωτες Οι γραμμές* y = k 1 x και x = 0. Οι υπόλοιπες τροχιές φάσης σχηματίζουν παραβολές που αγγίζουν μία από τις ευρεθείσες γραμμές στην αρχή. * Εάν οι εξισώσεις των γραμμών αναζητούνται με τη μορφή x = k y, τότε αυτές θα είναι ευθείες x = k 1 y και y = 0.

24 Τροχιές φάσης 24 Ρίζες εξισώσεων (4) kr Τύπος σημείου ηρεμίας Κρίσιος κόμβος Περιγραφή τροχιών φάσης Όλες οι τροχιές φάσης βρίσκονται σε ευθείες γραμμές y = k x, kr. Εάν η θέση ισορροπίας είναι το κέντρο, τότε οι τροχιές φάσης είναι ελλείψεις. Εάν η θέση ισορροπίας είναι εστία, τότε οι τροχιές φάσης είναι σπειροειδείς. Στην περίπτωση που το LDS έχει μια γραμμή σημείων ηρεμίας, τότε είναι δυνατό να βρεθούν οι εξισώσεις όλων των τροχιών φάσης λύνοντας την εξίσωση: dy cx dy dx ax με Το πρώτο του ολοκλήρωμα x + y = C καθορίζει την οικογένεια των γραμμών φάσης .

25 Κατεύθυνση κίνησης 25 Εάν η θέση ισορροπίας είναι ένας κόμβος ή εστία, τότε η κατεύθυνση της κίνησης κατά μήκος των τροχιών φάσης καθορίζεται μοναδικά από τη σταθερότητά του (προς την αρχή) ή την αστάθεια (από την αρχή). Είναι αλήθεια ότι στην περίπτωση εστίασης, είναι επίσης απαραίτητο να ρυθμίσετε την κατεύθυνση περιστροφής (ξεστρέψης) της σπείρας δεξιόστροφα ή αριστερόστροφα. Αυτό μπορεί να γίνει, για παράδειγμα, έτσι. Να προσδιορίσετε το πρόσημο της παραγώγου y (t) στα σημεία του άξονα x. dy Όταν cx 0, εάν x 0, τότε η τεταγμένη του κινούμενου σημείου κατά μήκος της τροχιάς φάσης αυξάνεται όταν διασχίζεται η «θετική ακτίνα του άξονα x». Αυτό σημαίνει ότι η «στρέψη» των τροχιών συμβαίνει αριστερόστροφα. Όταν dt dy dt y0 y0 cx 0, αν x 0, τότε η "στρέψη (ξεστρέψιμο)" των τροχιών συμβαίνει δεξιόστροφα.

26 Κατεύθυνση κίνησης 26 Εάν η θέση ισορροπίας είναι το κέντρο, τότε η κατεύθυνση της κίνησης κατά μήκος των τροχιών φάσης (δεξιόστροφα ή αριστερόστροφα) μπορεί να προσδιοριστεί με τον ίδιο τρόπο που ορίζεται η κατεύθυνση «στρέψης (ξετύλιξης)» της τροχιάς την περίπτωση της εστίασης. Στην περίπτωση μιας «σέλας», η κίνηση κατά μήκος ενός από τα διαχωριστικά του συμβαίνει προς την κατεύθυνση της αρχής των συντεταγμένων, κατά μήκος του άλλου από την αρχή των συντεταγμένων. Σε όλες τις άλλες τροχιές φάσης, η κίνηση συμβαίνει σύμφωνα με την κίνηση κατά μήκος των διαχωριστικών. Επομένως, εάν η θέση ισορροπίας είναι μια σέλα, τότε αρκεί να καθορίσουμε την κατεύθυνση της κίνησης κατά μήκος κάποιας τροχιάς. Και τότε μπορείτε να καθορίσετε αναμφίβολα την κατεύθυνση της κίνησης κατά μήκος όλων των άλλων τροχιών.

27 Κατεύθυνση κίνησης (σέλα) 27 Για να ορίσετε την κατεύθυνση κίνησης κατά μήκος των τροχιών φάσης στην περίπτωση μιας σέλας, μπορείτε να χρησιμοποιήσετε μία από τις ακόλουθες μεθόδους: Μέθοδος 1 Προσδιορίστε ποιος από τους δύο διαχωρισμούς αντιστοιχεί σε αρνητική ιδιοτιμή. Η κίνηση κατά μήκος του συμβαίνει σε ένα σημείο ανάπαυσης. Μέθοδος 2 Προσδιορίστε πώς η τετμημένη ενός κινούμενου σημείου αλλάζει κατά μήκος οποιουδήποτε από τους διαχωρισμούς. Για παράδειγμα, για y = k 1 x έχουμε: dx (abk1) t ax bk1x (a bk1) x, x(t) x(0) e. dt yk x 1 Αν x(t) στο t+, τότε η κίνηση κατά μήκος του διαχωριστικού άξονα y = k 1 x συμβαίνει προς το σημείο ηρεμίας. Αν x(t) στο t+, τότε η κίνηση προέρχεται από το σημείο ηρεμίας.

28 Κατεύθυνση κίνησης (σέλα) 28 Μέθοδος 3 Εάν ο άξονας x δεν είναι διαχωριστικός άξονας, προσδιορίστε πώς αλλάζει η τεταγμένη του κινούμενου σημείου κατά μήκος της τροχιάς φάσης όταν διασχίζει τον άξονα x. Όταν dy dt y0 cx 0, αν x 0, τότε η τεταγμένη του σημείου αυξάνεται και, επομένως, η κίνηση κατά μήκος των τροχιών φάσης που τέμνουν το θετικό τμήμα του άξονα x συμβαίνει από κάτω προς τα πάνω. Εάν η τεταγμένη μειωθεί, τότε η κίνηση θα γίνει από πάνω προς τα κάτω. Εάν καθορίσετε την κατεύθυνση της κίνησης κατά μήκος της τροχιάς φάσης που τέμνει τον άξονα y, τότε είναι καλύτερο να αναλύσετε την αλλαγή στην τετμημένη του κινούμενου σημείου.

29 Διεύθυνση κίνησης 29 4 τρόπος* Κατασκευάστε σε αυθαίρετο σημείο (x 0,y 0) του επιπέδου φάσης (εκτός από τη θέση ισορροπίας) το διάνυσμα της ταχύτητας: dx dy v, (ax0 by0, cx0 dy0). dt dt (x, y) 0 0 Η κατεύθυνσή του θα υποδεικνύει την κατεύθυνση της κίνησης κατά μήκος της τροχιάς φάσης που διέρχεται από το σημείο (x 0,y 0) : (x 0, y 0) v * Αυτή η μέθοδος μπορεί να χρησιμοποιηθεί για τον προσδιορισμό της κατεύθυνση κίνησης κατά μήκος των τροχιών φάσης για κάθε τύπο σημείου ανάπαυσης.

30 Διεύθυνση κίνησης 30 Μέθοδος 5* Προσδιορίστε περιοχές «σταθερότητας» παραγώγων: dx dt dy ax by, cx dy. dt Τα όρια αυτών των περιοχών θα είναι οι κύριες ισοκλίνες. Το πρόσημο της παραγώγου θα υποδεικνύει πώς η τεταγμένη και η τετμημένη ενός κινούμενου σημείου κατά μήκος της τροχιάς φάσης αλλάζουν σε διαφορετικές περιοχές. y y x (t)<0, y (t)>0x(t)<0, y (t)<0 x x x (t)>0, y(t)>0 x(t)>0, y(t)<0 * Этот способ может быть использован при определении направления движения по фазовым траекториям для любого типа точки покоя.

31 Παράδειγμα dx dt dy dt 2x 2 y, x 2y 1. Το σύστημα έχει μοναδική θέση μηδενικής ισορροπίας, αφού det A = Έχοντας κατασκευάσει την αντίστοιχη χαρακτηριστική εξίσωση 2 6 = 0, βρίσκουμε τις ρίζες του 1,2 6. Επομένως, το η θέση ισορροπίας είναι μια σέλα. 3. Τα διαχωριστικά της σέλας αναζητούνται με τη μορφή y = kx. 4. Κάθετη ισοκλινή: x + y = 0. Οριζόντια ισοκλινή: x 2y = 0. Πραγματικές και διαφορετικές ρίζες. 1 2k 2 6 k k k k k 2 2k ,2, 1 2, 22, 2 0, 22.

32 Παράδειγμα 1 (σέλα) 32 Σχεδιάστε διαχωρισμούς y = k 1 x και y = k 2 x και κύριες ισοκλίνες στο επίπεδο φάσης. y x Το υπόλοιπο επίπεδο είναι γεμάτο με τροχιές - υπερβολές, για τις οποίες τα διαχωριστικά είναι ασύμπτωτα.

33 Παράδειγμα 1 (σέλα) 33 y x Βρείτε την κατεύθυνση της κίνησης κατά μήκος των τροχιών. Για να γίνει αυτό, μπορείτε να προσδιορίσετε το πρόσημο της παραγώγου y (t) στα σημεία του άξονα x. Για y = 0, έχουμε: dy dt y0 x 0, αν x 0. Έτσι, η τεταγμένη του κινούμενου σημείου κατά μήκος της τροχιάς φάσης μειώνεται όταν διασχίζεται η «θετική ακτίνα του άξονα x». Αυτό σημαίνει ότι η κίνηση κατά μήκος των τροχιών φάσης που τέμνουν το θετικό τμήμα του άξονα x συμβαίνει από πάνω προς τα κάτω.

34 Παράδειγμα 1 (σέλα) 34 Τώρα είναι εύκολο να ρυθμίσετε την κατεύθυνση κίνησης για άλλα μονοπάτια. y x

35 Παράδειγμα dx 4x2 y, dt dy x3y dt 1. Το σύστημα έχει μοναδική θέση μηδενικής ισορροπίας, αφού det A = Έχοντας κατασκευάσει την αντίστοιχη χαρακτηριστική εξίσωση = 0, βρίσκουμε τις ρίζες του 1 = 2, 2 = 5. Επομένως, η ισορροπία Η θέση είναι ένας ασταθής κόμβος. 3. Ευθείες: y = kx. 1 3k 1 k k k k k 4 2k , Κάθετη ισοκλινή: 2x + y = 0. Οριζόντια ισοκλινή: x + 3y = 0.

36 Παράδειγμα 2 (ασταθής κόμβος) 36 y x 2 = (1,1) m, διαπιστώνουμε ότι οι υπόλοιπες τροχιές φάσης που σχηματίζουν παραβολές αγγίζουν την ευθεία y = x στην αρχή. Η αστάθεια της θέσης ισορροπίας καθορίζει μοναδικά την κατεύθυνση της κίνησης από το σημείο ηρεμίας.

37 Παράδειγμα 2 (ασταθής κόμβος) 37 Εφόσον το 1 = 2 είναι μικρότερο σε απόλυτη τιμή, τότε, έχοντας βρει το αντίστοιχο ιδιοδιάνυσμα = (a 1,a 2) m: 4 2 a1 a1 2 a1 a2 0, 1 3 a a 2 2 = (1,1) m, διαπιστώνουμε ότι οι υπόλοιπες τροχιές φάσης που σχηματίζουν παραβολές αγγίζουν την ευθεία γραμμή y = x στην αρχή. Η αστάθεια της θέσης ισορροπίας καθορίζει μοναδικά την κατεύθυνση της κίνησης από το σημείο ηρεμίας. y x

38 Παράδειγμα dx x 4 y, dt dy 4x2y dt< 0, то корни уравнения комплексные, причем Re 1,2 = 3/2. Следовательно, положение равновесия устойчивый фокус. 3. Вертикальная изоклина: x 4y = 0. Горизонтальная изоклина: 2x y 0. Фазовые траектории являются спиралями, движение по которым происходит к началу координат. Направления «закручивания траекторий» можно определить следующим образом.

39 Παράδειγμα 3 (σταθερή εστίαση) 39 Προσδιορίστε το πρόσημο της παραγώγου y (t) στα σημεία του άξονα x. Για y = 0 έχουμε: dy 4x 0 εάν x 0. dt y0 y Έτσι, η τεταγμένη του κινούμενου σημείου κατά μήκος της τροχιάς φάσης αυξάνεται όταν διασχίζεται η «θετική ακτίνα του άξονα x». Αυτό σημαίνει ότι η «στρέψη» των τροχιών γίνεται αριστερόστροφα. Χ

40 Παράδειγμα dx x4 y, dt dy x y dt 1. Το σύστημα έχει μοναδική θέση μηδενικής ισορροπίας, αφού det A = Έχοντας κατασκευάσει την αντίστοιχη χαρακτηριστική εξίσωση 2 3 = 0, βρίσκουμε τις ρίζες του 1,2 = i3. Επομένως, η θέση ισορροπίας είναι το κέντρο. 3. Κάθετη ισοκλινή: x 4y = 0. Οριζόντια ισοκλινή: x y 0. Οι τροχιές φάσεων του συστήματος είναι ελλείψεις. Η κατεύθυνση της κίνησης κατά μήκος τους μπορεί να ρυθμιστεί, για παράδειγμα, έτσι.

41 Παράδειγμα 4 (κέντρο) 41 Να προσδιορίσετε το πρόσημο της παραγώγου y (t) σε σημεία του άξονα x. Για y = 0, έχουμε: dy dt y0 x 0, εάν x 0. y Έτσι, η τεταγμένη του κινούμενου σημείου κατά μήκος της τροχιάς φάσης αυξάνεται όταν διασχίζεται η «θετική ακτίνα του άξονα x». Αυτό σημαίνει ότι η κίνηση κατά μήκος των ελλείψεων γίνεται αριστερόστροφα. Χ

42 Παράδειγμα 5 (εκφυλισμένος κόμβος) 42 dx x y, dt dy x3y dt εκφυλισμένος κόμβος. 3. Ευθεία: y = kx. 13k k 2 k k k k1.2 4. Κατακόρυφη ισοκλινή: x + y = 0. Οριζόντια ισοκλινή: x 3y = 0.

43 Παράδειγμα 5 (εκφυλισμένος κόμβος) 43 y x Ας σχεδιάσουμε ισοκλίνες και μια ευθεία γραμμή στο επίπεδο φάσης που περιέχει τροχιές φάσης. Το υπόλοιπο επίπεδο είναι γεμάτο με τροχιές που βρίσκονται στους κλάδους των παραβολών που εφάπτονται στην ευθεία y = x.

44 Παράδειγμα 5 (εκφυλισμένος κόμβος) 44 Η σταθερότητα της θέσης ισορροπίας καθορίζει μοναδικά την κατεύθυνση της κίνησης προς την αρχή. y x

45 Παράδειγμα dx 4x 2 y, dt dy 2x y dt Εφόσον η ορίζουσα του πίνακα συστήματος det A = 0, το σύστημα έχει άπειρες θέσεις ισορροπίας. Όλοι βρίσκονται στη γραμμή y 2 x. Έχοντας κατασκευάσει την αντίστοιχη χαρακτηριστική εξίσωση 2 5 = 0, βρίσκουμε τις ρίζες της 1 = 0, 2 = 5. Κατά συνέπεια, όλες οι θέσεις ισορροπίας είναι σταθερές στον Lyapunov. Ας κατασκευάσουμε τις εξισώσεις για τις υπόλοιπες τροχιές φάσεων: dy 2x y dy 1 1, =, y x C. dx 4x 2y dx Έτσι, οι τροχιές των φάσεων βρίσκονται στις ευθείες y x C, C const. 2

46 Παράδειγμα Η κατεύθυνση της κίνησης καθορίζεται μοναδικά από τη σταθερότητα των σημείων της ευθείας y 2 x. y x

47 Παράδειγμα dx 2 x y, dt dy 4x2y dt Δεδομένου ότι η ορίζουσα του πίνακα συστήματος det A = 0, το σύστημα έχει άπειρες θέσεις ισορροπίας. Όλοι βρίσκονται στη γραμμή y 2 x. Δεδομένου ότι το ίχνος του πίνακα συστήματος είναι tr A, οι ρίζες της χαρακτηριστικής εξίσωσης είναι 1 = 2 = 0. Κατά συνέπεια, όλες οι θέσεις ισορροπίας είναι ασταθείς. Ας κατασκευάσουμε τις εξισώσεις για τις υπόλοιπες τροχιές φάσης: dy 4x 2 y dy, 2, y 2 x C. dx 2x y dx Έτσι, οι τροχιές φάσης βρίσκονται στις ευθείες y 2 x C, C const και είναι παράλληλες στη γραμμή των σημείων ανάπαυσης. Ρυθμίστε την κατεύθυνση κίνησης κατά μήκος των τροχιών ως εξής.

48 Παράδειγμα Ας προσδιορίσουμε το πρόσημο της παραγώγου y (t) στα σημεία του άξονα x. Για y = 0 έχουμε: dy 0, αν x 0, 4 x dt y0 0, αν x 0. Έτσι, η τεταγμένη του κινούμενου σημείου κατά μήκος της τροχιάς φάσης αυξάνεται όταν διασχίζεται η «θετική ακτίνα του άξονα x», ενώ η «αρνητική» ακτίνα μειώνεται. Αυτό σημαίνει ότι η κίνηση κατά μήκος των τροχιών φάσης προς τα δεξιά των ευθύγραμμων σημείων ανάπαυσης θα είναι από κάτω προς τα πάνω και προς τα αριστερά από πάνω προς τα κάτω. y x

49 Ασκήσεις 49 Άσκηση 1. Για δεδομένα συστήματα, προσδιορίστε τον τύπο και τη φύση της σταθερότητας της θέσης ισορροπίας. Κατασκευάστε πορτρέτα φάσεων. 1. dx 3, 3. dx 2 5, 5. dx x y x y 2 x y, dt dt dt dy dy dy 6x 5 y; 2x2y; 4x2y; dt dt dt 2. dx, 4. dx 3, 6. dx x x y 2x 2 y, dt dt dt dy dy dy 2 x y; x y; x y. dt dt dt Άσκηση 2. Για ποιες τιμές της παραμέτρου a R έχει θέση ισορροπίας το σύστημα dx dy 2 ax y, ay 2ax dt dt και είναι σέλα; κόμβος? Συγκεντρώνω? Ποιο είναι το πορτρέτο φάσης του συστήματος;

50 Μη ομοιογενές LDS 50 Θεωρήστε ένα γραμμικό μη ομογενές σύστημα (LDS) με σταθερούς συντελεστές: dx ax by, (5) dt dy cx dy, dt όταν 2 2. Έχοντας λύσει το σύστημα εξισώσεων: ax by, cx dy, θα απαντήσουμε στο ερώτημα αν το σύστημα έχει (5) θέσεις ισορροπίας. Αν det A 0, τότε το σύστημα έχει μια μοναδική ισορροπία P(x 0,y 0). Αν det A 0, τότε το σύστημα είτε έχει άπειρες πολλές ισορροπίες του σημείου της ευθείας που ορίζεται από την εξίσωση ax + by + = 0 (ή cx + dy + = 0), είτε δεν έχει καθόλου ισορροπίες.

51 Μετασχηματισμός NLDS 51 Αν το σύστημα (5) έχει ισορροπίες, τότε αλλάζοντας τις μεταβλητές: xx0, y y0, όπου, στην περίπτωση που το σύστημα (5) έχει άπειρες ισορροπίες, x 0, y 0 είναι οι συντεταγμένες οποιουδήποτε σημείου που ανήκει στα σημεία ανάπαυσης ευθείας, προκύπτει ένα ομοιογενές σύστημα: d a b, (6) dt d c d. dt Εισάγοντας ένα νέο σύστημα συντεταγμένων στο επίπεδο φάσης x0y με κέντρο στο σημείο ηρεμίας P, κατασκευάζουμε το πορτρέτο φάσης του συστήματος (6) σε αυτό. Ως αποτέλεσμα, λαμβάνουμε το πορτρέτο φάσης του συστήματος (5) στο επίπεδο x0y.

52 Παράδειγμα dx 2x 2y12, dt dy x 2y 3 dt Αφού 2x 2y 12 0, x 3, x 2y 3 0 y 3, τότε το DS έχει μια μοναδική θέση ισορροπίας P(3;3). Έχοντας πραγματοποιήσει την αλλαγή των μεταβλητών x = + 3, y = + 3, παίρνουμε το σύστημα: d 2 2, dt d 2, dt του οποίου η μηδενική θέση είναι ασταθής και είναι σέλα (βλ. Παράδειγμα 1).

53 Παράδειγμα Έχοντας φτιάξει ένα πορτρέτο φάσης στο επίπεδο P, το συνδυάζουμε με το επίπεδο φάσης x0y, γνωρίζοντας ποιες συντεταγμένες έχει το σημείο P. y P x

54 πορτραίτα φάσης NLDS 54 Κατά την κατασκευή πορτρέτων φάσης στην περίπτωση που το σύστημα (5) δεν έχει θέσεις ισορροπίας, μπορούν να χρησιμοποιηθούν οι ακόλουθες συστάσεις: 1. Βρείτε το πρώτο ολοκλήρωμα της εξίσωσης dx dy, ax κατά cx dy και προσδιορίστε έτσι την οικογένεια όλων των τροχιών φάσης. 2. Βρείτε τις κύριες ισοκλίνες: τσεκούρι κατά 0 (MI), cx dy 0 (MI). 3. Βρείτε ευθείες που περιέχουν τροχιές φάσης με τη μορφή y = kx +. Ταυτόχρονα, να βρεθούν οι συντελεστές k και, δεδομένου ότι c: a d: b, να κατασκευαστεί η εξίσωση: dy (ax by) k. dx y kx ax κατά (a kb) x b y kx

55 Πορτραίτα φάσης του NLDS 55 Εφόσον η έκφραση (a kb) x b δεν εξαρτάται από το x, αν a + kb = 0, τότε λαμβάνουμε τις ακόλουθες συνθήκες για την εύρεση του k και: a kb 0, k. β Η εξίσωση μιας ευθείας μπορεί να αναζητηθεί και με τη μορφή x = ky +. Οι συνθήκες για τον προσδιορισμό του k και κατασκευάζονται παρόμοια. Αν υπάρχει μόνο μία ευθεία, τότε είναι ασύμπτωτη για τις υπόλοιπες τροχιές. 2. Για να προσδιορίσετε την κατεύθυνση της κίνησης κατά μήκος των τροχιών φάσης, προσδιορίστε τις περιοχές του "σταθερού πρόσημου" των δεξιών τμημάτων του συστήματος (5). 3. Για να προσδιορίσετε τη φύση της κυρτότητας (κοίλης) των τροχιών φάσης, να κατασκευάσετε την παράγωγο y (x) και να καθορίσετε τις περιοχές του «σταθερού πρόσημου» της. Θα εξετάσουμε διάφορες μεθόδους για την κατασκευή πορτρέτων φάσης χρησιμοποιώντας παραδείγματα.

56 Παράδειγμα dx dt dy dt 0, 1. y Λύνοντας την εξίσωση: dx dy 0 0, 1 παίρνουμε ότι όλες οι τροχιές φάσεων βρίσκονται στις ευθείες x C, C R. Αφού y (t) = 1 > 0, η τεταγμένη του το σημείο κίνησης αυξάνεται κατά μήκος οποιασδήποτε τροχιάς φάσης. Κατά συνέπεια, η κίνηση κατά μήκος των τροχιών φάσης γίνεται από κάτω προς τα πάνω. Χ

57 Παράδειγμα dx dt dy dt 2, 2. y Λύνοντας την εξίσωση: dy dx 2 1, 2 παίρνουμε ότι όλες οι τροχιές φάσεων βρίσκονται στις ευθείες y x + C, C R. Αφού y (t)< 0, то ордината движущейся точки по любой фазовой траектории убывает. Следовательно, движение по фазовым траекториям происходит сверху вниз. x

58 Παράδειγμα dx 1, dt dy x 1. dt Λύνοντας την εξίσωση: dy x 1, dx 2 (x 1) y C, C R, 2 παίρνουμε ότι οι τροχιές φάσης του συστήματος είναι παραβολές: οι άξονες των οποίων βρίσκονται στο οριζόντια ισοκλινή x 1 0, και οι κλάδοι κατευθύνονται προς τα πάνω. Εφόσον x (t) 1 > 0, η τετμημένη του κινούμενου σημείου κατά μήκος οποιασδήποτε τροχιάς φάσης αυξάνεται. Κατά συνέπεια, η κίνηση κατά μήκος του αριστερού κλάδου της παραβολής συμβαίνει από πάνω προς τα κάτω μέχρι να τέμνεται με μια ευθεία οριζόντια ισοκλινή και στη συνέχεια από κάτω προς τα πάνω.

59 Παράδειγμα y Θα ήταν δυνατό να προσδιοριστεί η κατεύθυνση της κίνησης κατά μήκος των τροχιών φάσης ρυθμίζοντας τις περιοχές «σταθερότητας» των σωστών τμημάτων του συστήματος. y 1 x x"(t) > 0, y"(t)< 0 x"(t) >0, y"(t) > 0 x 1

60 Παράδειγμα dx y, dt dy y 1. dt Κάθετη ισοκλίνη y = 0; οριζόντια ισοκλινή y 1= 0. Ας μάθουμε αν υπάρχουν ευθείες που περιέχουν τροχιές φάσης. Οι εξισώσεις τέτοιων γραμμών θα αναζητηθούν με τη μορφή y = kx + b. Εφόσον k dy y , dx y y kx b ykxb ykxb ykxb, τότε η τελευταία παράσταση δεν εξαρτάται από το x εάν k = 0. Τότε, για να βρούμε το b, παίρνουμε b 1. b Έτσι, οι τροχιές φάσεων βρίσκονται στην ευθεία y = 1 . Αυτή η ευθεία είναι μια ασύμπτωτη στο επίπεδο φάσης.

61 Παράδειγμα Ας καθορίσουμε τι είδους κυρτότητα (κοιλότητα) έχουν οι τροχιές φάσεων ως προς τον άξονα x. Για να γίνει αυτό, βρίσκουμε την παράγωγο y (x): y (x)\u003e 0 y 1 1 "() 1 1, dx dx y dx y y y y 2 d y d y d y x y και προσδιορίζουμε τις περιοχές "σταθερότητας" της προκύπτουσας παράστασης. εκείνες τις περιοχές όπου y (x)>< 0, выпуклость «вверх». y (x) < 0 y (x) >0 x

62 Παράδειγμα Ας μάθουμε τις κατευθύνσεις κίνησης κατά μήκος των τροχιών φάσης ορίζοντας τις περιοχές «σταθερότητας πρόσημου» των δεξιών τμημάτων του συστήματος dx y, dt dy y 1. dt Τα όρια αυτών των περιοχών θα είναι κάθετες και οριζόντιες ισοκλίνες. Οι πληροφορίες που λαμβάνονται είναι επαρκείς για την κατασκευή ενός πορτραίτου φάσης. y x (t) > 0, y (t) > 0 y (x) > 0 x (t) > 0, y (t)< 0, y (x) < 0 x (t) >0, y(t)< 0 y (x) >0 x

63 Παράδειγμα x (t) > 0, y (t) > 0 y (x) > 0 y y x (t) > 0, y (t)< 0, y (x) < 0 x x x (t) >0, y(t)< 0 y (x) > 0

64 Παράδειγμα dx 2, dt dy 2 x y. dt Οριζόντια ισοκλινή: 2x y = 0. Μάθετε αν υπάρχουν γραμμές που περιέχουν τροχιές φάσης. Οι εξισώσεις τέτοιων γραμμών θα αναζητηθούν με τη μορφή y = kx + b. Εφόσον dy 2 x y (2 k) x b k, 2 2 dx y kx b y kx b, τότε η τελευταία παράσταση δεν εξαρτάται από το x εάν k = 2. Τότε, για να βρούμε το b, παίρνουμε b 2 b 4. 2 Έτσι, την η ευθεία y = 2x 4 τροχιές φάσεων βρίσκονται. Αυτή η ευθεία είναι μια ασύμπτωτη στο επίπεδο φάσης.

65 Παράδειγμα Ας καθορίσουμε τι είδους κυρτότητα (κοιλότητα) έχουν οι τροχιές φάσεων ως προς τον άξονα x. Για να γίνει αυτό, βρίσκουμε την παράγωγο y (x):< 0, выпуклость «вверх». y (x) >0 y x y (x)< 0

66 Παράδειγμα Ας μάθουμε την κατεύθυνση της κίνησης κατά μήκος των τροχιών φάσης ορίζοντας τις περιοχές «σταθερότητας προσήμου» των δεξιών τμημάτων του συστήματος: dx 2, dt dy 2 x y. dt Το όριο αυτών των περιοχών θα είναι η οριζόντια ισοκλινή. x (t)>0, y (t)<0 y x (t)>0, y (t)>0 x Οι πληροφορίες που λαμβάνονται είναι αρκετές για τη δημιουργία ενός πορτραίτου φάσης.

67 Παράδειγμα y (x) > 0 y x y y (x)< 0 x x (t)>0, y(t)<0 y x x (t)>0,y(t)>0

68 Παράδειγμα dx x y, dt dy 2(x y) 2. dt Κάθετη ισοκλίνη: x y = 0; οριζόντια ισοκλινή: x y + 1= 0. Μάθετε αν υπάρχουν γραμμές που περιέχουν τροχιές φάσης. Οι εξισώσεις τέτοιων γραμμών θα αναζητηθούν με τη μορφή y = kx + b. Εφόσον dy 2(x y) k 2 2, dx x y x y (1 k) x b ykxb ykxb ykxb, τότε η τελευταία παράσταση δεν εξαρτάται από το x εάν k = 1. Τότε, για να βρούμε b, παίρνουμε b 2. b Έτσι, την η ευθεία y = x +2 βρίσκονται οι τροχιές των φάσεων. Αυτή η ευθεία είναι μια ασύμπτωτη στο επίπεδο φάσης.

69 Παράδειγμα Ας προσδιορίσουμε πώς αλλάζουν η τετμημένη και η τεταγμένη ενός κινούμενου σημείου κατά μήκος της τροχιάς φάσης. Για να γίνει αυτό, κατασκευάζουμε περιοχές «σταθερότητας σήματος» των σωστών τμημάτων του συστήματος. y x (t)<0, y (t)<0 x (t)<0, y (t)>0 x x (t)>0, y (t)>0 Αυτές οι πληροφορίες θα απαιτηθούν για τον προσδιορισμό της κατεύθυνσης κίνησης κατά μήκος των τροχιών.

70 Παράδειγμα Ας καθορίσουμε τι είδους κυρτότητα (κοιλότητα) έχουν οι τροχιές φάσεων ως προς τον άξονα x. Για να γίνει αυτό, βρίσκουμε την παράγωγο y (x): 2(x y) () 2 2("() 1) x y 2(2) dx dx x y (x y) (x y) (x y) 2 d y d x y y x x y Ας ορίσουμε τις περιοχές της "σταθερότητας" της προκύπτουσας έκφρασης. Σε εκείνες τις περιοχές όπου y (x) > 0, οι τροχιές φάσης έχουν κυρτότητα "κάτω" και όπου y (x)< 0, выпуклость «вверх». y (x)>0 εε (x)< 0 x Полученной информации достаточно для построения фазового портрета. y (x)> 0

71 Παράδειγμα 14 (FP) 71 y y x y x x

72 Ασκήσεις 72 Κατασκευάστε πορτρέτα φάσεων για τα ακόλουθα συστήματα: dx 3x 3, dt dy 2x y1; dt dx x, dt dy 2x 4; dt dx x y 2, dt dy 2x 2y1; dt dx 1, dt dy 2 x y; dt dx dt dy dt dx dt dy dt 2, 4; y 2, 2.

73 Λογοτεχνία 73 Pontryagin L.S. Συνήθεις διαφορικές εξισώσεις. Μ., Φιλίπποφ Α.Φ. Συλλογή προβλημάτων σε διαφορικές εξισώσεις. M., Panteleev A.V., Yakimova A.S., Bosov A.V. Συνήθεις διαφορικές εξισώσεις σε παραδείγματα και προβλήματα. Μ.: Πιο ψηλά. σχολείο, 2001.

4.03.07 Μαθήματα 4. Ύπαρξη και σταθερότητα θέσεων ισορροπίας γραμμικών δυναμικών συστημάτων (LDS) στο επίπεδο. Κατασκευάστε ένα παραμετρικό πορτρέτο και τα αντίστοιχα πορτρέτα φάσης του LDS (x, yr, ar):

Σεμινάριο 4 Σύστημα δύο συνηθισμένων διαφορικών εξισώσεων (ΟΔΕ). επίπεδο φάσης. Πορτρέτο φάσης. Κινητικές καμπύλες. ειδικά σημεία. Σταθερότητα σταθερής κατάστασης. Γραμμικοποίηση συστήματος σε

Μαθηματικές μέθοδοι στην οικολογία: Συλλογή εργασιών και ασκήσεων / Σύνθ. ΑΥΤΗΝ. Semenova, E.V. Kudryavtsev. Petrozavodsk: PetrSU Publishing House, 005..04.09 Μάθημα 7 Lotka-Volterra 86 μοντέλο «predator-prey» (κατασκευή

ΡΩΣΙΚΟ ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ MIREA ΕΠΙΠΛΕΟΝ ΚΕΦΑΛΑΙΑ ΑΝΩΤΕΡΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΕΦΑΛΑΙΟ 5. ΣΗΜΕΙΑ ΑΝΑΚΟΥΣΗΣ Η εργασία είναι αφιερωμένη στη μοντελοποίηση δυναμικών συστημάτων χρησιμοποιώντας στοιχεία ανώτερων μαθηματικών

Σύστημα γραμμικών διαφορικών εξισώσεων με σταθερούς συντελεστές. Koltsov S.N. www.linis.ru Μέθοδος μεταβολής αυθαίρετων σταθερών. Θεωρήστε μια γραμμική ανομοιογενή διαφορική εξίσωση:

Σελίδα Διάλεξη 3 ΣΤΑΘΕΡΟΤΗΤΑ ΛΥΣΕΩΝ DE SYSTEMS Εάν ένα συγκεκριμένο φαινόμενο περιγράφεται από ένα σύστημα DE dx dt i = f (t, x, x...x), i =..nμε αρχικές i n συνθήκες x i (t 0) = x i0, i =.. n, που είναι συνήθως

4.04.7 Μάθημα 7. Σταθερότητα θέσεων ισορροπίας αυτόνομων συστημάτων (μέθοδος γραμμικοποίησης Lyapunov, θεώρημα Lyapunov) x "(f (x, y), f, g C (). y" (g(x, y), D Αναζήτηση για θέσεις ισορροπίας P (x*, : f

ΣΕΜΙΝΑΡΙΑ 5 ΚΑΙ 6 Σύστημα δύο αυτόνομων συνηθισμένων γραμμικών διαφορικών εξισώσεων. επίπεδο φάσης. Ισοκλήνες. Κατασκευή πορτραίτων φάσης. Κινητικές καμπύλες. Εισαγωγή στο πρόγραμμα TRAX. Φάση

Διάλεξη 6. Ταξινόμηση σημείων ηρεμίας ενός γραμμικού συστήματος δύο εξισώσεων με σταθερούς πραγματικούς συντελεστές. Θεωρήστε ένα σύστημα δύο γραμμικών διαφορικών εξισώσεων με σταθερό πραγματικό

ΣΕΜΙΝΑΡΙΟ 4 Σύστημα δύο αυτόνομων συνηθισμένων γραμμικών διαφορικών εξισώσεων (ΟΔΕ). Λύση συστήματος δύο γραμμικών αυτόνομων ΟΔΕ. Τύποι μοναδικών σημείων. ΛΥΣΗ ΣΥΣΤΗΜΑΤΟΣ ΓΡΑΜΜΙΚΩΝ ΔΙΑΦΟΡΙΚΩΝ ΕΞΙΣΩΣΕΩΝ

Υπουργείο Παιδείας και Επιστημών Ρωσική ΟμοσπονδίαΟμοσπονδιακό κρατικό προϋπολογισμό εκπαιδευτικό ίδρυμα ανώτερη εκπαίδευσηΤμήμα "Ufa State Oil Technical University".

Διάλεξη 1 Στοιχεία ποιοτικής ανάλυσης δυναμικών συστημάτων με συνεχή χρόνο σε ευθεία γραμμή Θα εξετάσουμε μια αυτόνομη διαφορική εξίσωση du = f(u), (1) dt η οποία μπορεί να χρησιμοποιηθεί

ΣΕΜΙΝΑΡΙΟ 7 Διερεύνηση της ευστάθειας στατικών καταστάσεων μη γραμμικών συστημάτων δεύτερης τάξης. Κλασικό σύστημα του V. Volterra. Αναλυτική μελέτη (προσδιορισμός στατικών καταστάσεων και σταθερότητά τους)

Ενικά σημεία σε συστήματα δεύτερης και τρίτης τάξης. Κριτήρια σταθερότητας για στατικές καταστάσεις γραμμικών και μη γραμμικών συστημάτων. Σχέδιο απόκρισης Ορισμός ενός μοναδικού σημείου κέντρου τύπου. Ορισμός Singular Point

ΠΡΑΚΤΙΚΗ ΑΣΚΗΣΗ ΣΤΙΣ ΔΙΑΦΟΡΙΚΕΣ ΕΞΙΣΩΣΕΙΣ Μεθοδική ανάπτυξηΣυντάχθηκε από: καθ. AN Salamatin Βασισμένο σε: AF Filippov Συλλογή προβλημάτων σε διαφορικές εξισώσεις Μόσχα-Ιζέφσκ Ερευνητικό Κέντρο "Τακτική

1 ΔΙΑΛΕΞΗ 2 Συστήματα μη γραμμικών διαφορικών εξισώσεων. Χώρος κατάστασης ή χώρος φάσης. Ενικά σημεία και η ταξινόμηση τους. συνθήκες σταθερότητας. Κόμβος, εστίαση, σέλα, κέντρο, οριακός κύκλος.

7 ΔΗΛΩΣΕΙΣ ΙΣΟΡΡΟΠΙΑΣ ΓΡΑΜΜΙΚΩΝ ΑΥΤΟΝΟΜΩΝ ΣΥΣΤΗΜΑΤΩΝ ΔΕΥΤΕΡΗΣ ΤΑΞΗΣ Ένα αυτόνομο σύστημα για τις συναρτήσεις (t) (t) είναι ένα σύστημα διαφορικών εξισώσεων d d P() Q() (7) dt dt

Υπουργείο Παιδείας και Επιστημών της Ρωσικής Ομοσπονδίας Κρατικό Πανεπιστήμιο Yaroslavl P. G. Demidova Τμήμα Άλγεβρας και Μαθηματικής Λογικής S. I. Yablokova Curves of the second order Part Practicum

Κεφάλαιο IV. Πρώτα ολοκληρώματα συστημάτων ODE 1. Πρώτα ολοκληρώματα αυτόνομων συστημάτων συνηθισμένων διαφορικών εξισώσεων Σε αυτή την ενότητα, θα εξετάσουμε αυτόνομα συστήματα της μορφής f x = f 1 x, f n x C 1

Διάλεξη 9 Γραμμικοποίηση διαφορικών εξισώσεων Γραμμικές διαφορικές εξισώσεις υψηλότερης τάξης Ομογενείς εξισώσεις ιδιότητες των λύσεών τους Ιδιότητες λύσεων μη ομοιογενών εξισώσεων Ορισμός 9 Γραμμικές

Κατασκευή ολοκληρωτικών καμπυλών και το πορτρέτο φάσης μιας αυτόνομης εξίσωσης Έχοντας μια γραφική παράσταση μιας ομαλής συνάρτησης f(u), μπορούμε να κατασκευάσουμε σχηματικά τις ολοκληρωτικές καμπύλες της εξίσωσης du dt = f(u). (1) Η κατασκευή βασίζεται σε

7.0.07 Επάγγελμα. Δυναμικά συστήματα με συνεχή χρόνο στη γραμμή. Εργασία 4. Κατασκευάστε ένα διάγραμμα διακλάδωσης και τυπικά πορτρέτα φάσης για ένα δυναμικό σύστημα: d dt Λύση της εξίσωσης f (, 5 5,

Η θεωρία της σταθερότητας του Lyapunov. Σε πολλά προβλήματα μηχανικής και τεχνολογίας, είναι σημαντικό να γνωρίζουμε όχι τις συγκεκριμένες τιμές της λύσης για μια δεδομένη συγκεκριμένη τιμή του επιχειρήματος, αλλά τη φύση της συμπεριφοράς της λύσης κατά την αλλαγή

Σελίδα 1 από 17 26.10.2012 11:39 Δοκιμές πιστοποίησης στον τομέα της επαγγελματικής εκπαίδευσης Ειδικότητα: 010300.62 Μαθηματικά. Επιστήμη Υπολογιστών Πειθαρχία: Διαφορικές Εξισώσεις Runtime

Σεμινάριο 5 Μοντέλα που περιγράφονται από συστήματα δύο αυτόνομων διαφορικών εξισώσεων. Διερεύνηση μη γραμμικών συστημάτων δεύτερης τάξης. Δίσκοι μοντέλων. Μοντέλο Volterra. Σε γενικές γραμμές, μοντέλα που περιγράφονται από συστήματα

Σεμινάριο Διαφορική εξίσωση πρώτης τάξης. χώρος φάσης. Μεταβλητές φάσης. Στατική κατάσταση. Σταθερότητα της στατικής κατάστασης σύμφωνα με τον Lyapunov. Γραμμικοποίηση του συστήματος σε μια γειτονιά

Μαθηματική ανάλυση Ενότητα: διαφορικές εξισώσεις Θέμα: Η έννοια της σταθερότητας της λύσης των διαφορικών εξισώσεων και η λύση του συστήματος διαφορικών εξισώσεων Λέκτορας Pakhomova E.G. 2012 5. Η έννοια της σταθερότητας λύσης 1. Προκαταρκτικές παρατηρήσεις

Προβλήματα με μια παράμετρο (γραφική μέθοδος επίλυσης) Εισαγωγή Η χρήση γραφημάτων στη μελέτη προβλημάτων με παραμέτρους είναι εξαιρετικά αποτελεσματική. Ανάλογα με τη μέθοδο εφαρμογής τους, υπάρχουν δύο κύριες προσεγγίσεις.

ΡΩΣΙΚΟ ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ MIREA ΕΠΙΠΛΕΟΝ ΚΕΦΑΛΑΙΑ ΑΝΩΤΕΡΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΕΦΑΛΑΙΟ 3. ΣΥΣΤΗΜΑΤΑ ΔΙΑΦΟΡΙΚΩΝ ΕΞΙΣΩΣΕΩΝ Η εργασία είναι αφιερωμένη στη μοντελοποίηση δυναμικών συστημάτων χρησιμοποιώντας στοιχεία

ΤΕΤΑΡΧΟΜΕΝΕΣ ΕΞΙΣΩΣΕΙΣ

7..5,..5 Δραστηριότητα,. Διακριτά δυναμικά συστήματα σε ευθεία γραμμή Εργασία Να μελετηθεί η δυναμική της πυκνότητας πληθυσμού (t), που περιγράφεται από την εξίσωση: t t, const. t Υπάρχουν λύσεις της εξίσωσης

Διερεύνηση της συνάρτησης και κατασκευή του γραφήματος του Σημεία Έρευνας: 1) Πεδίο ορισμού, συνέχειας, ζυγός/περιττός, περιοδικότητα της συνάρτησης. 2) Ασύμπτωτες της γραφικής παράστασης συνάρτησης. 3) Συναρτήσεις μηδενικά, διαστήματα

ΔΙΑΛΕΞΗ 16 ΤΟ ΠΡΟΒΛΗΜΑ ΤΗΣ ΣΤΑΘΕΡΟΤΗΤΑΣ ΤΗΣ ΘΕΣΕΩΣ ΙΣΟΡΡΟΠΙΑΣ ΣΕ ΕΝΑ ΣΥΝΤΗΡΗΤΙΚΟ ΣΥΣΤΗΜΑ 1. Θεώρημα Lagrange για τη σταθερότητα της θέσης ισορροπίας ενός συντηρητικού συστήματος Έστω n βαθμοί ελευθερίας. q 1, q 2,

Καμπύλες δεύτερης τάξης Κύκλος Έλλειψη Υπερβολή Παραβολή Ας δοθεί ένα ορθογώνιο καρτεσιανό σύστημα συντεταγμένων στο επίπεδο. Μια καμπύλη δεύτερης τάξης είναι ένα σύνολο σημείων των οποίων οι συντεταγμένες ικανοποιούν

Διάλεξη 1 Διαφορικές εξισώσεις πρώτης τάξης 1 Η έννοια της διαφορικής εξίσωσης και η λύση της Μια συνηθισμένη διαφορική εξίσωση 1ης τάξης είναι μια έκφραση της μορφής F(x, y, y) 0, όπου

Θέμα 41 «Εργασίες με παράμετρο» Οι κύριες διατυπώσεις εργασιών με παράμετρο: 1) Βρείτε όλες τις τιμές παραμέτρων, καθεμία από τις οποίες ικανοποιεί μια συγκεκριμένη συνθήκη.) Λύστε μια εξίσωση ή ανισότητα με

Διάλεξη 3. Ροές φάσης στο επίπεδο 1. Σταθερά σημεία, γραμμικοποίηση και ευστάθεια. 2. Περιορίστε τους κύκλους. 3. Διακλαδώσεις ροών φάσης σε επίπεδο. 1. Σταθερά σημεία, γραμμικοποίηση και ευστάθεια.

Διάλεξη 3 Σταθερότητα ισορροπίας και κίνησης του συστήματος Όταν εξετάζουμε σταθερές κινήσεις, γράφουμε τις εξισώσεις διαταραγμένης κίνησης με τη μορφή d dt A Y όπου το διάνυσμα της στήλης είναι τετραγωνικός πίνακας σταθερών συντελεστών

5. Σταθερότητα ελκυστών 1 5. Σταθερότητα ελκυστών Στην τελευταία ενότητα, μάθαμε πώς να βρίσκουμε σταθερά σημεία δυναμικών συστημάτων. Ανακαλύψαμε επίσης ότι υπάρχουν αρκετοί διαφορετικοί τύποι σταθερών

4 Φεβρουαρίου, 9 δ Πρακτικό μάθημα Τα πιο απλά προβλήματα ελέγχου δυναμικής πληθυσμού Πρόβλημα Αφήστε την ελεύθερη ανάπτυξη ενός πληθυσμού να περιγραφεί από το μοντέλο Malthus N N όπου N είναι ο αριθμός ή ο όγκος της βιομάζας του πληθυσμού

1) Φέρτε την εξίσωση της καμπύλης δεύτερης τάξης x 4x y 0 σε κανονική μορφή και βρείτε τα σημεία τομής της με την ευθεία x y 0. Εκτελέστε μια γραφική απεικόνιση της λύσης που ελήφθη. x 4x y 0 x x 1 y 0 x 1 y 4

ΚΕΦΑΛΑΙΟ 4 Συστήματα συνηθισμένων διαφορικών εξισώσεων ΓΕΝΙΚΕΣ ΕΝΝΟΙΕΣ ΚΑΙ ΟΡΙΣΜΟΙ Βασικοί ορισμοί Για να περιγραφούν ορισμένες διαδικασίες και φαινόμενα, απαιτούνται συχνά αρκετές συναρτήσεις Εύρεση αυτών των συναρτήσεων

Σεμινάριο 9 Γραμμική ανάλυση της σταθερότητας μιας ομοιογενούς ακίνητης κατάστασης ενός συστήματος δύο εξισώσεων διάχυση αντίδρασης Αστάθεια Turing Ενεργοποιητής και αναστολέας Συνθήκες για την εμφάνιση δομών διάχυσης

ΔΙΑΛΕΞΗ 17 ΚΡΙΤΗΡΙΟ ROUTH-HURWITZ. ΜΙΚΡΕΣ ΤΑΛΑΝΤΩΣΕΙΣ 1. Σταθερότητα γραμμικού συστήματος Θεωρούμε ένα σύστημα δύο εξισώσεων. Οι εξισώσεις διαταραγμένης κίνησης έχουν τη μορφή: dx 1 dt = x + ax 3 1, dx dt = x 1 + ax 3,

ΥΠΟΥΡΓΕΙΟ ΠΑΙΔΕΙΑΣ ΚΑΙ ΕΠΙΣΤΗΜΗΣ ΤΗΣ ΡΩΣΙΚΗΣ ΟΜΟΣΠΟΝΔΙΑΣ ΚΡΑΤΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ NOVOSIBIRSK Σχολή Φυσικής Τμήμα Ανώτατων Μαθηματικών της Σχολής Φυσικής Μέθοδοι επίλυσης συνηθισμένων διαφορικών εξισώσεων.

1. Τι είναι οι συνήθεις διαφορικές εξισώσεις και συστήματα. Η έννοια της λύσης. Αυτόνομες και μη αυτόνομες εξισώσεις. Εξισώσεις και συστήματα τάξης υψηλότερης από την πρώτη και αναγωγή τους σε συστήματα πρώτης τάξης.

Διάλεξη 1 Μελέτη της κίνησης σε ένα συντηρητικό σύστημα με ένα βαθμό ελευθερίας 1. Βασικές έννοιες. Ένα συντηρητικό σύστημα με έναν βαθμό ελευθερίας είναι ένα σύστημα που περιγράφεται από ένα διαφορικό

ΚΕΦΑΛΑΙΟ. ΣΤΑΘΕΡΟΤΗΤΑ ΓΡΑΜΜΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ 8 μοιρών με πρόσημο +, από το προκύπτον προκύπτει ότι το () π αυξάνεται από σε π. Έτσι, οι όροι ϕ i() και k () +, δηλ. το διάνυσμα (i) ϕ μονότονα ϕ αυξάνονται μονότονα καθώς

ΕΠΙΠΕΔΟ ΦΑΣΗΣ ΓΙΑ ΜΗ ΓΡΑΜΜΙΚΗ ΑΥΤΟΝΟΜΗ ΕΞΙΣΩΣΗ ΤΗΣ - ΤΗΣ ΤΑΞΗΣ Δήλωση προβλήματος. Θεωρήστε μια αυτόνομη εξίσωση της μορφής = f. () Όπως γνωρίζετε, αυτή η εξίσωση είναι ισοδύναμη με το ακόλουθο κανονικό σύστημα

ΔΙΑΦΟΡΙΚΟΙ ΕΞΙΣΩΣΕΙΣ 1. Βασικές έννοιες Μια διαφορική εξίσωση ως προς κάποια συνάρτηση είναι μια εξίσωση που συνδέει αυτή τη συνάρτηση με τις ανεξάρτητες μεταβλητές της και με τις παραγώγους της.

Μαθηματικές μέθοδοι στην οικολογία: Συλλογή εργασιών και ασκήσεων / Σύνθ. ΑΥΤΗΝ. Semenova, E.V. Kudryavtsev. Petrozavodsk: PetrGU Publishing House, 2005. Μάθημα 2ου εξαμήνου. Μοντέλο "Predator-prey" Lotka-Volterra Θέμα 5.2.

γεωμετρική αίσθησηπαράγωγος, εφαπτομένη 1. Το σχήμα δείχνει τη γραφική παράσταση της συνάρτησης y \u003d f (x) και την εφαπτομένη σε αυτήν στο σημείο με την τετμημένη x 0. Βρείτε την τιμή της παραγώγου της συνάρτησης f (x) στο σημείο x 0. Τιμή

Διάλεξη 23 ΚΥΦΗ ΚΑΙ ΚΟΙΛΗ ΤΗΣ ΓΡΑΦΗΜΑΤΟΣ ΤΗΣ ΣΥΝΑΡΤΗΣΗΣ ΤΟΥ ΣΗΜΕΙΟΥ ΜΕΛΑΙΝΗΣ Η γραφική παράσταση της συνάρτησης y \u003d f (x) ονομάζεται κυρτή στο διάστημα (α; β) εάν βρίσκεται κάτω από οποιαδήποτε από τις εφαπτομένες της σε αυτό το διάστημα Γραφική παράσταση

Κεφάλαιο 6 Βασικές αρχές της θεωρίας σταθερότητας Διάλεξη Δήλωση προβλήματος Βασικές έννοιες Έχει φανεί νωρίτερα ότι η λύση του προβλήματος Cauchy για ένα κανονικό σύστημα ODEs = f, () εξαρτάται συνεχώς από τις αρχικές συνθήκες στο

19/11/15 Μάθημα 16. Το βασικό μοντέλο «brusselator» Μέχρι τις αρχές της δεκαετίας του '70. Οι περισσότεροι χημικοί πίστευαν ότι οι χημικές αντιδράσεις δεν μπορούσαν να εξελιχθούν σε ταλαντευτικό τρόπο. Πειραματική έρευνα σοβιετικών επιστημόνων

Κεφάλαιο 8 Συναρτήσεις και γραφήματα Μεταβλητές και εξαρτήσεις μεταξύ τους. Δύο μεγέθη και λέγονται ευθέως αναλογικά αν ο λόγος τους είναι σταθερός, δηλαδή αν =, πού είναι ένας σταθερός αριθμός που δεν αλλάζει με την αλλαγή

Το σύστημα προετοιμασίας των μαθητών για την Ενιαία Κρατική Εξέταση στα μαθηματικά επιπέδου προφίλ. (εργασίες με παράμετρο) Θεωρητικό υλικό Ορισμός. Μια παράμετρος είναι μια ανεξάρτητη μεταβλητή της οποίας η τιμή στο πρόβλημα λαμβάνεται υπόψη

Διάλεξη Διερεύνηση συνάρτησης και κατασκευή του γραφήματος της Περίληψη: Διερευνάται η συνάρτηση για μονοτονία, ακραίο, κυρτότητα-κοιλότητα, για ύπαρξη ασυμπτωτών

29. Ασυμπτωτική σταθερότητα λύσεων συστημάτων συνηθισμένων διαφορικών εξισώσεων, πεδίο έλξης και μέθοδοι εκτίμησής της. Θεώρημα V.I. Zubov σχετικά με τα όρια της περιοχής έλξης. V.D. Nogin 1 o. Ορισμός

Διάλεξη 13 Θέμα: Καμπύλες δεύτερης τάξης Καμπύλες δεύτερης τάξης στο επίπεδο: έλλειψη, υπερβολή, παραβολή. Παραγωγή εξισώσεων καμπυλών δεύτερης τάξης με βάση τις γεωμετρικές τους ιδιότητες. Μελέτη του σχήματος μιας έλλειψης,

ΕΓΚΕΚΡΙΜΕΝΟΣ Αντιπρύτανης Ακαδημαϊκών Υποθέσεων και Προπανεπιστημιακής Κατάρτισης A. A. Voronov 09 Ιανουαρίου 2018 ΠΡΟΓΡΑΜΜΑ στον κλάδο: Δυναμικά Συστήματα στον τομέα σπουδών: 03.03.01 «Εφαρμοσμένα Μαθηματικά

Στείλτε την καλή δουλειά σας στη βάση γνώσεων είναι απλή. Χρησιμοποιήστε την παρακάτω φόρμα

Φοιτητές, μεταπτυχιακοί φοιτητές, νέοι επιστήμονες που χρησιμοποιούν τη βάση γνώσεων στις σπουδές και την εργασία τους θα σας είναι πολύ ευγνώμονες.

Φιλοξενείται στο http://www.allbest.ru/

Ασκηση

έλεγχος αυτόματης συχνότητας nyquist

Αναλύστε τις δυναμικές ιδιότητες του αυτόματου συστήματος ελέγχου που δίνονται από το μπλοκ διάγραμμα που φαίνεται στο σχήμα 1, το οποίο περιλαμβάνει τα ακόλουθα βήματα:

Επιλογή και αιτιολόγηση μεθόδων έρευνας, κατασκευή μαθηματικού μοντέλου ACS.

Μέρος υπολογισμού, συμπεριλαμβανομένης της μαθηματικής μοντελοποίησης του ACS σε υπολογιστή.

Ανάλυση της σταθερότητας του μαθηματικού μοντέλου του αντικειμένου ελέγχου και του ACS.

Μελέτη της ευστάθειας του μαθηματικού μοντέλου του αντικειμένου ελέγχου και του ACS.

Δομικό διάγραμμα του υπό μελέτη ACS, όπου, οι λειτουργίες μεταφοράς του αντικειμένου ελέγχου (OC), του ενεργοποιητή (IM), του αισθητήρα (D) και της διορθωτικής συσκευής (CU)

Οι τιμές των συντελεστών K1, K2, K3, K4, T1, T2, T3 και T4 φαίνονται στον Πίνακα 1.

Παραλλαγή εργασίας για εργασία διάρκειας

Εισαγωγή

Ο σχεδιασμός αυτοματισμού είναι ένας από τους πιο σύνθετους και σημαντικούς τομείς στη μηχανική, επομένως, η γνώση των βασικών στοιχείων του αυτοματισμού, η κατανόηση του επιπέδου αυτοματισμού σε διάφορες τεχνολογικές διαδικασίες, τα εργαλεία αυτοματισμού που χρησιμοποιούνται και οι βασικές αρχές σχεδιασμού είναι απαραίτητες προϋποθέσεις για την επιτυχημένη εργασία των μηχανικών και τεχνολόγοι. Η κανονική διεξαγωγή οποιασδήποτε τεχνολογικής διαδικασίας χαρακτηρίζεται από ορισμένες τιμές παραμέτρων και η οικονομική και ασφαλής λειτουργία του εξοπλισμού διασφαλίζεται με τη διατήρηση των παραμέτρων λειτουργίας εντός των απαιτούμενων ορίων. Για τους σκοπούς της κανονικής λειτουργίας του εξοπλισμού, καθώς και για την εφαρμογή της απαιτούμενης τεχνολογικής διαδικασίας σε οποιεσδήποτε θερμικές εγκαταστάσεις, είναι απαραίτητο να προβλεφθεί εξοπλισμός αυτοματισμού στις σχεδιαστικές εξελίξεις. Επί του παρόντος, σε όλους τους τομείς της εθνικής οικονομίας, συμπεριλαμβανομένης της γεωργίας, χρησιμοποιούνται όλο και περισσότερο συστήματα αυτόματου ελέγχου. Αυτό δεν προκαλεί έκπληξη, καθώς η αυτοματοποίηση των τεχνολογικών διαδικασιών χαρακτηρίζεται από μερική ή πλήρη αντικατάσταση του ανθρώπινου χειριστή από ειδικά τεχνικά μέσα ελέγχου και διαχείρισης. Η μηχανοποίηση, η ηλεκτροδότηση και η αυτοματοποίηση των τεχνολογικών διαδικασιών παρέχουν μείωση του μεριδίου της βαριάς και χαμηλής ειδίκευσης σωματικής εργασίας στη γεωργία, γεγονός που οδηγεί σε αύξηση της παραγωγικότητάς της.

Έτσι, η ανάγκη αυτοματοποίησης των τεχνολογικών διαδικασιών είναι προφανής και υπάρχει ανάγκη να μάθουμε πώς να υπολογίζουμε τις παραμέτρους των συστημάτων αυτόματου ελέγχου (ACS) για τη μετέπειτα εφαρμογή των γνώσεών τους στην πράξη.

Στην εργασία του μαθήματος έγινε ανάλυση των δυναμικών ιδιοτήτων ενός δεδομένου δομικού διαγράμματος του ACS με τη σύνταξη και ανάλυση μαθηματικών μοντέλων αντικειμένων ελέγχου.

1 . Ανάλυση της σταθερότητας του ACS σύμφωνα με το κριτήριο Nyquist

Για να κρίνουμε τη σταθερότητα του ACS, δεν χρειάζεται να προσδιορίσουμε τις ακριβείς τιμές των ριζών της χαρακτηριστικής του εξίσωσης. Επομένως, η πλήρης λύση της χαρακτηριστικής εξίσωσης του συστήματος είναι σαφώς περιττή και μπορεί κανείς να περιοριστεί στη χρήση ενός ή του άλλου έμμεσου κριτηρίου σταθερότητας. Ειδικότερα, είναι εύκολο να δείξουμε ότι για τη σταθερότητα του συστήματος είναι απαραίτητο (αλλά όχι ανεπαρκές) όλοι οι συντελεστές της χαρακτηριστικής του εξίσωσης να έχουν το ίδιο πρόσημο ή αρκεί τα πραγματικά μέρη όλων των ριζών της χαρακτηριστικής εξίσωσης να είναι αρνητικός. Εάν τα πραγματικά μέρη όλων των ριζών της χαρακτηριστικής εξίσωσης δεν είναι αρνητικά, τότε για να προσδιοριστεί η σταθερότητα αυτού του ACS, είναι απαραίτητο να μελετηθεί σύμφωνα με άλλα κριτήρια, καθώς εάν η συνάρτηση μεταφοράς, σύμφωνα με το παραπάνω κριτήριο, ανήκει σε ασταθές μπλοκ του οποίου ο παρονομαστής έχει ρίζες με θετικό πραγματικό μέρος, τότε υπό ορισμένες συνθήκες, ένα κλειστό σύστημα μπορεί να είναι σταθερό και σε αυτή την περίπτωση.

Το πιο βολικό για τη μελέτη της σταθερότητας πολλών συστημάτων ελέγχου διεργασιών είναι το κριτήριο ευστάθειας Nyquist, το οποίο διαμορφώνεται ως εξής.

Ένα σύστημα που είναι σταθερό στην ανοιχτή κατάσταση θα παραμείνει σταθερό ακόμα και αφού κλείσει με αρνητική ανάδραση, εάν ο οδόγραφος CFC στην ανοιχτή κατάσταση W(jш) δεν καλύπτει ένα σημείο με συντεταγμένες (-1; j0) στο μιγαδικό επίπεδο .

Στη δεδομένη διατύπωση του κριτηρίου Nyquist, θεωρείται ότι το οδόγραφο του CFC W(jw) «δεν καλύπτει» το σημείο (-1; j0) εάν η συνολική γωνία περιστροφής του διανύσματος που λαμβάνεται από το καθορισμένο σημείο προς το οδόγραφο W(jw) είναι ίσο με μηδέν όταν η συχνότητα αλλάζει από w=0 σε w > ?.

Εάν ο οδογράφος CFC W(jsh) σε μια ορισμένη συχνότητα που ονομάζεται κρίσιμη συχνότητα ck διέρχεται από το σημείο (-1, j0), τότε η μεταβατική διαδικασία σε ένα κλειστό σύστημα είναι ταλαντώσεις χωρίς απόσβεση με συχνότητα ck, δηλ. το σύστημα βρίσκεται στο όριο σταθερότητας που εκφράζεται ως εξής:

Εδώ το W(p) είναι η συνάρτηση μεταφοράς ενός ανοιχτού ACS. Ας υποθέσουμε ότι το ανοιχτό σύστημα είναι σταθερό. Τότε, για τη σταθερότητα του κλειστού ACS, είναι απαραίτητο και επαρκές το οδόγραφο του χαρακτηριστικού πλάτους-φάσης W(jw) του ανοιχτού συστήματος (το υποδεικνυόμενο χαρακτηριστικό λαμβάνεται από το W(p) αντικαθιστώντας το p=jw) να μην καλύπτεται το σημείο με συντεταγμένες (-1, j0). Η συχνότητα στην οποία |W(jw)| = 1 ονομάζεται συχνότητα αποκοπής (w cf).

Για να εκτιμηθεί πόσο απέχει το σύστημα από το όριο σταθερότητας, εισάγεται η έννοια των περιθωρίων σταθερότητας. Το περιθώριο ευστάθειας σε πλάτος (μέτρο) υποδεικνύει πόσες φορές είναι απαραίτητο να αλλάξει το μήκος της ακτίνας-διανύσματος του οδογράφου AFC για να φέρει το σύστημα στο όριο ευστάθειας χωρίς να αλλάξει η μετατόπιση φάσης. Για απολύτως σταθερά συστήματα, το modulo περιθωρίου σταθερότητας DK υπολογίζεται από τον τύπο:

όπου η συχνότητα w 0 προσδιορίζεται από τη σχέση arg W(jw 0) = - 180 0 .

Το περιθώριο σταθερότητας πλάτους DK υπολογίζεται επίσης από τον τύπο:

DK \u003d 1 - K 180;

όπου K 180 είναι η τιμή του συντελεστή μετάδοσης σε μετατόπιση φάσης -180°.

Με τη σειρά του, το περιθώριο σταθερότητας φάσης υποδεικνύει πόσο είναι απαραίτητο να αυξηθεί το όρισμα AFC σε απόλυτη τιμή προκειμένου το σύστημα να φτάσει στο όριο ευστάθειας χωρίς να αλλάξει η τιμή του συντελεστή.

Το περιθώριο σταθερότητας φάσης Dj υπολογίζεται από τον τύπο:

Dj \u003d 180 ° - j K \u003d 1;

όπου j K=1 - η τιμή της μετατόπισης φάσης στον συντελεστή μετάδοσης K = 1.

Η τιμή Dj = 180 0 + arg W (j; w cf) καθορίζει το περιθώριο σταθερότητας φάσης. Από το κριτήριο Nyquist προκύπτει ότι ένα ACS που είναι σταθερό στην ανοιχτή κατάσταση θα είναι επίσης σταθερό στην κλειστή κατάσταση εάν η μετατόπιση φάσης στη συχνότητα αποκοπής δεν φτάσει τους -180°. Η εκπλήρωση αυτής της συνθήκης μπορεί να επαληθευτεί σχεδιάζοντας τις λογαριθμικές αποκρίσεις συχνότητας του ACS ανοιχτού βρόχου.

2. Μελέτη της σταθερότητας του ACS σύμφωνα με το κριτήριο Nyquist

Η μελέτη της σταθερότητας σύμφωνα με το κριτήριο Nyquist με ανάλυση του AFC με ανοιχτό ACS. Για να γίνει αυτό, σπάμε το σύστημα όπως φαίνεται στο μπλοκ διάγραμμα του μελετημένου ACS:

Δομικό διάγραμμα του ερευνώμενου ACS

Ακολουθούν οι λειτουργίες μεταφοράς του αντικειμένου ελέγχου (CO), του ενεργοποιητή (IM), του αισθητήρα (D) και της διορθωτικής συσκευής (CU):

Οι τιμές των συντελεστών για την ανάθεση είναι οι εξής:

Κ1 =1,0; K2 = 0,2; K3 = 2; K4 = 1,0; T1 = 0,4; T2 = 0,2; Τ3 = 0,07; Τ4 = 0,4.

Ας υπολογίσουμε τη συνάρτηση μεταφοράς μετά τη διακοπή του συστήματος:

W (p) \u003d W ku (p) W W im (p) W W oy (p) W W d (p);

W(p) = H W H

Αντικαθιστώντας τους δεδομένους συντελεστές στη συνάρτηση, παίρνουμε:

Αναλύοντας αυτή τη συνάρτηση στο πρόγραμμα μαθηματικής μοντελοποίησης (“MATLAB”), λαμβάνουμε το οδόγραφο του χαρακτηριστικού πλάτους-φάσης-συχνότητας (APFC) ενός ανοιχτού ACS στο μιγαδικό επίπεδο, που φαίνεται στο σχήμα.

Το οδόγραφο APFC ενός ανοιχτού ACS στο μιγαδικό επίπεδο.

Η μελέτη της σταθερότητας του ACS στο AFC

Υπολογίζουμε τον συντελεστή μεταφοράς για μετατόπιση φάσης -180 °, K 180 \u003d 0,0395.

Περιθώριο σταθερότητας πλάτους DK σύμφωνα με τον τύπο:

DK \u003d 1 - K 180 \u003d 1 - 0,0395 \u003d 0,9605; όπου Κ 180 = 0,0395.

Ας προσδιορίσουμε το περιθώριο φάσης Dj:

Το περιθώριο σταθερότητας φάσης Dj προσδιορίζεται από τον τύπο: Dj = 180° - j K=1; όπου j K=1 είναι η τιμή της μετατόπισης φάσης στον συντελεστή μετάδοσης K = 1. Επειδή όμως j K=1 δεν παρατηρείται στην περίπτωσή μας (το πλάτος είναι πάντα μικρότερο από ένα), το υπό μελέτη σύστημα είναι σταθερό σε οποιαδήποτε τιμή της μετατόπισης φάσης (το ACS είναι σταθερό σε όλο το εύρος συχνοτήτων).

Μελέτη σταθερότητας ACS με λογαριθμικά χαρακτηριστικά

Χαρακτηριστικό λογαριθμικού πλάτους-συχνότητας ανοιχτού ACS

Χαρακτηριστικό λογαριθμικής συχνότητας φάσης ανοιχτού ACS

Χρησιμοποιώντας το πρόγραμμα μαθηματικής μοντελοποίησης (“MATLAB”), λαμβάνουμε τα λογαριθμικά χαρακτηριστικά του υπό μελέτη ACS, τα οποία παρουσιάζονται στο Σχήμα 4 (λογαριθμικό χαρακτηριστικό πλάτους-συχνότητας) και στο Σχήμα 5 (χαρακτηριστικό λογαριθμικής φάσης-συχνότητας), όπου;

L(w) = 20lg|W (j; w) |).

Το κριτήριο λογαριθμικής σταθερότητας του ACS είναι μια έκφραση του κριτηρίου Nyquist σε λογαριθμική μορφή.

Για να μάθουμε από την τιμή μετατόπισης φάσης των 180° (Εικόνα 5) σχεδιάζουμε μια οριζόντια γραμμή στη διασταύρωση με το LFC, από αυτό το σημείο τομής σχεδιάζουμε μια κάθετη γραμμή στην τομή με το LFC (Εικόνα 4). Λαμβάνουμε την τιμή του συντελεστή μετάδοσης σε μετατόπιση φάσης 180 °:

20lgK 180 ° = - 28,05862;

ενώ K 180 ° \u003d 0,0395 (DK "\u003d 28,05862).

Το περιθώριο σταθερότητας στο πλάτος βρίσκεται συνεχίζοντας την κατακόρυφη γραμμή μέχρι την τιμή 20lgK 180 ° = 0.

Για να βρεθεί το περιθώριο σταθερότητας φάσης, διέρχεται μια οριζόντια γραμμή κατά μήκος της γραμμής 20lgK 180 ° \u003d 0 έως ότου τέμνεται με το LFC και μια κατακόρυφη γραμμή περνά από αυτό το σημείο έως ότου τέμνεται με το LFC. Σε αυτήν την περίπτωση, η διαφορά μεταξύ της ευρεθείσας τιμής της μετατόπισης φάσης και της μετατόπισης φάσης ίση με 180° θα είναι το περιθώριο σταθερότητας φάσης.

Dj \u003d 180 ° - j K;

Dj = 180° - 0 = 180°.

όπου: j K - η ευρεθείσα τιμή της μετατόπισης φάσης.

Εφόσον το LFC του μελετημένου ACS βρίσκεται κάτω από τη γραμμή 20lgK 180 ° = 0, επομένως, το ACS θα έχει περιθώριο σταθερότητας φάσης σε οποιαδήποτε τιμή μετατόπισης φάσης από μηδέν έως 180 °.

Συμπέρασμα: μετά την ανάλυση των LAFC και LPFC, προκύπτει ότι το ACS που μελετήθηκε είναι σταθερό σε όλο το εύρος συχνοτήτων.

συμπέρασμα

Σε αυτή την εργασία, συντέθηκε και μελετήθηκε ένα σύστημα παρακολούθησης οργάνων με χρήση σύγχρονων μεθόδων και εργαλείων της θεωρίας ελέγχου. Σε αυτόν τον υπολογισμό και τη γραφική εργασία, βρήκαμε τη συνάρτηση μεταφοράς ενός κλειστού ACS χρησιμοποιώντας ένα δεδομένο μπλοκ διάγραμμα και γνωστές εκφράσεις για τις συναρτήσεις μεταφοράς δυναμικών συνδέσμων.

Βιβλιογραφία

1. Ι.Φ. Borodin, Yu.A. Σούντνικ. Αυτοματοποίηση τεχνολογικών διαδικασιών. Το εγχειρίδιο για τα λύκεια. Μόσχα. Κολος, 2004.

2. V.S. Γκούτνικοφ. Ενσωματωμένα ηλεκτρονικά σε συσκευές μέτρησης. Energoatomizdat. Υποκατάστημα Λένινγκραντ, 1988.

3. Ν.Ν. Ιβαστσένκο. Αυτόματη ρύθμιση. Θεωρία και στοιχεία συστημάτων. Μόσχα. "Μηχανική", 1978.

Φιλοξενείται στο Allbest.ru

Παρόμοια Έγγραφα

Προσδιορισμός συναρτήσεων μεταφοράς και μεταβατικών χαρακτηριστικών των συνδέσμων του αυτόματου συστήματος ελέγχου. Κατασκευή του χαρακτηριστικού πλάτους-φάσης. Εκτίμηση της σταθερότητας του συστήματος. Επιλογή διορθωτικής συσκευής. Ρυθμιστικοί δείκτες ποιότητας.

θητεία, προστέθηκε 21/02/2016


Μελέτη συστήματος ελέγχου στροφών κινητήρα με και χωρίς διορθωτικό κύκλωμα. Εκτίμηση της σταθερότητας του συστήματος σύμφωνα με τα κριτήρια Hurwitz, Mikhailov και Nyquist. Κατασκευή λογαριθμικών χαρακτηριστικών πλάτους-συχνότητας και φάσης-συχνότητας.

θητεία, προστέθηκε 22/03/2015


Ανάπτυξη διαγράμματος ηλεκτρικού θεμελιώδους μαθηματικού μοντέλου συστήματος αυτόματου ελέγχου, διορθωμένο με διορθωτικές συσκευές. Εκτίμηση της ευστάθειας του αρχικού συστήματος με τη μέθοδο Routh-Hurwitz. Σύνθεση της επιθυμητής απόκρισης συχνότητας.

θητεία, προστέθηκε 24/03/2013


Χαρακτηριστικά του αντικειμένου ελέγχου (τύμπανο λέβητα), ο σχεδιασμός και η λειτουργία του συστήματος αυτόματου ελέγχου, το λειτουργικό του διάγραμμα. Ανάλυση της σταθερότητας του συστήματος σύμφωνα με τα κριτήρια Hurwitz και Nyquist. Αξιολόγηση της ποιότητας της διαχείρισης κατά μεταβατικές λειτουργίες.

θητεία, προστέθηκε 13/09/2010


Ο σκοπός του συστήματος αυτόματου ελέγχου για διασταυρούμενη τροφοδοσία σε βυθιζόμενη λείανση. Κατασκευή λειτουργικού διαγράμματος. Υπολογισμός συναρτήσεων μεταφοράς μετατροπέα, ηλεκτροκινητήρα, μειωτήρα. Προσδιορισμός σταθερότητας με το κριτήριο Nyquist.

θητεία, προστέθηκε 08/12/2014


Μια μέθοδος για τον προσδιορισμό της σταθερότητας ενός συστήματος με αλγεβρικά (κριτήρια Rauth και Hurwitz) και κριτήρια σταθερότητας συχνότητας (κριτήρια Mikhailov και Nyquist), αξιολογώντας την ακρίβεια των αποτελεσμάτων τους. Ιδιαιτερότητες μεταγλώττισης της συνάρτησης μεταφοράς για ένα κλειστό σύστημα.

εργαστηριακές εργασίες, προστέθηκε 15/12/2010


Κατασκευή στοιχειώδους κυκλώματος και μελέτη της αρχής λειτουργίας του συστήματος αυτόματου ελέγχου, η σημασία του στην εφαρμογή της μεθόδου ρύθμισης του συστήματος AIDS. Τα κύρια στοιχεία του συστήματος και η σχέση τους. Ανάλυση της ευστάθειας του κυκλώματος και των βέλτιστων συχνοτήτων του.

δοκιμή, προστέθηκε 09/12/2009


Προσδιορισμός της συνάρτησης μεταφοράς ενός ανοιχτού συστήματος, της τυπικής μορφής σημειογραφίας του και του βαθμού αστατισμού. Μελέτη των χαρακτηριστικών πλάτους-φάσης, πραγματικής και φανταστικής συχνότητας. Κατασκευή του οδογράφου AFC. Αλγεβρικά κριτήρια των Routh και Hurwitz.

θητεία, προστέθηκε 05/09/2011


Υλοποίηση νέων λειτουργιών που επηρεάζουν τη λειτουργία του αντλιοστασίου κυκλοφορίας της χαλυβουργίας. Τοποθέτηση εξοπλισμού ελέγχου και μέτρησης. Κριτήρια σταθερότητας Mikhailov και κριτήρια Nyquist φάσης πλάτους. Αναβάθμιση συστήματος.

διατριβή, προστέθηκε 19/01/2017


Λειτουργικό διάγραμμα του συστήματος για αυτόματο έλεγχο της θερμοκρασίας του αέρα παροχής στο χώρο αποθήκευσης πατάτας. Καθορισμός νόμου περί ρύθμισης συστήματος. Ανάλυση σταθερότητας σύμφωνα με τα κριτήρια Hurwitz και Nyquist. Η ποιότητα της διαχείρισης κατά μεταβατικές λειτουργίες.

Εισαγωγή

Δεδομένου ότι η έννοια ενός μη γραμμικού δυναμικού συστήματος είναι αρκετά πλούσια ώστε να καλύπτει ένα εξαιρετικά ευρύ φάσμα διαδικασιών στις οποίες η μελλοντική συμπεριφορά του συστήματος καθορίζεται από το παρελθόν, οι μέθοδοι ανάλυσης που αναπτύχθηκαν σε αυτό το πεδίο είναι χρήσιμες σε μια τεράστια ποικιλία πλαισίων.

Η μη γραμμική δυναμική εισέρχεται στη βιβλιογραφία με τουλάχιστον τρεις τρόπους. Πρώτον, υπάρχουν περιπτώσεις όπου συλλέγονται και αναλύονται πειραματικά δεδομένα για τη μεταβολή ενός ή περισσότερων ποσοτήτων με την πάροδο του χρόνου χρησιμοποιώντας τεχνικές βασισμένες στη μη γραμμική δυναμική θεωρία, με ελάχιστες υποθέσεις σχετικά με τις υποκείμενες εξισώσεις που διέπουν τη διαδικασία που παράγει τα δεδομένα. Δηλαδή, είναι μια περίπτωση στην οποία κάποιος ψάχνει να βρει συσχετισμούς στα δεδομένα που μπορούν να καθοδηγήσουν την ανάπτυξη ενός μαθηματικού μοντέλου, αντί να μαντέψει πρώτα το μοντέλο και μετά να το συγκρίνει με τα δεδομένα.

Δεύτερον, υπάρχουν περιπτώσεις όπου η μη γραμμική δυναμική θεωρία μπορεί να χρησιμοποιηθεί για να δηλώσει ότι κάποιο απλουστευμένο μοντέλο θα πρέπει να επιδεικνύει σημαντικά χαρακτηριστικά ενός δεδομένου συστήματος, πράγμα που σημαίνει ότι το μοντέλο περιγραφής μπορεί να κατασκευαστεί και να μελετηθεί σε ένα ευρύ φάσμα παραμέτρων. Αυτό συχνά οδηγεί σε μοντέλα που συμπεριφέρονται ποιοτικά διαφορετικά κάτω από διαφορετικές παραμέτρους και αποδεικνύουν ότι μια περιοχή παρουσιάζει συμπεριφορά που είναι πολύ παρόμοια με τη συμπεριφορά που παρατηρείται στο πραγματικό σύστημα. Σε πολλές περιπτώσεις, η συμπεριφορά του μοντέλου είναι αρκετά ευαίσθητη στις αλλαγές των παραμέτρων, επομένως εάν οι παράμετροι του μοντέλου μπορούν να μετρηθούν σε ένα πραγματικό σύστημα, το μοντέλο παρουσιάζει ρεαλιστική συμπεριφορά σε αυτές τις τιμές και μπορεί κανείς να είναι σίγουρος ότι το μοντέλο καταγράφει βασικά χαρακτηριστικά του συστήματος.

Τρίτον, υπάρχουν περιπτώσεις όπου οι εξισώσεις μοντέλων χτίζονται με βάση λεπτομερείς περιγραφές γνωστής φυσικής. Τα αριθμητικά πειράματα μπορούν στη συνέχεια να παρέχουν πληροφορίες σχετικά με μεταβλητές που δεν είναι διαθέσιμες σε φυσικά πειράματα.

Με βάση το δεύτερο μονοπάτι, αυτή η εργασία είναι μια επέκταση της προηγούμενης εργασίας μου «Μη γραμμικό δυναμικό μοντέλο αλληλοεξαρτώμενων βιομηχανιών», καθώς και μιας άλλης εργασίας (Dmitriev, 2015)

Όλοι οι απαραίτητοι ορισμοί και άλλες θεωρητικές πληροφορίες που χρειάζονται στην εργασία θα εμφανιστούν στο πρώτο κεφάλαιο, ανάλογα με τις ανάγκες. Εδώ θα δοθούν δύο ορισμοί, οι οποίοι είναι απαραίτητοι για την αποκάλυψη του ίδιου του ερευνητικού θέματος.

Αρχικά, ας ορίσουμε τη δυναμική του συστήματος. Σύμφωνα με έναν από τους ορισμούς, η δυναμική συστημάτων είναι μια προσέγγιση μοντελοποίησης προσομοίωσης που, χάρη στις μεθόδους και τα εργαλεία της, βοηθά στην αξιολόγηση της δομής πολύπλοκων συστημάτων και της δυναμικής τους (Shterman). Αξίζει να προστεθεί ότι η δυναμική συστήματος είναι επίσης μια τεχνική μοντελοποίησης που χρησιμοποιείται για την αναδημιουργία σωστών (από άποψη ακρίβειας) μοντέλων υπολογιστών για πολύπλοκα συστήματα για μελλοντική χρήση τους, προκειμένου να δημιουργηθεί μια πιο αποτελεσματική εταιρεία/οργανισμός, καθώς και να βελτιωθούν οι μέθοδοι αλληλεπίδραση με αυτό το σύστημα. Το μεγαλύτερο μέρος της ανάγκης για δυναμική του συστήματος προκύπτει όταν αντιμετωπίζουμε μακροπρόθεσμα, στρατηγικά μοντέλα, και αξίζει επίσης να σημειωθεί ότι είναι μάλλον αφηρημένη.

Μιλώντας για μη γραμμική διαφορική δυναμική, θα εξετάσουμε ένα μη γραμμικό σύστημα, το οποίο, εξ ορισμού, είναι ένα σύστημα στο οποίο η αλλαγή στο αποτέλεσμα δεν είναι ανάλογη με την αλλαγή στις παραμέτρους εισόδου και στο οποίο η συνάρτηση περιγράφει εξάρτηση της αλλαγής στο χρόνο και η θέση ενός σημείου στο χώρο (Boeing, 2016).

Με βάση τους παραπάνω ορισμούς, γίνεται σαφές ότι αυτή η εργασία θα εξετάσει διάφορα μη γραμμικά διαφορικά συστήματα που περιγράφουν την αλληλεπίδραση των εταιρειών, καθώς και μοντέλα προσομοίωσης που χτίστηκαν στη βάση τους. Με βάση αυτό θα καθοριστεί ο σκοπός της εργασίας.

Έτσι, σκοπός αυτής της εργασίας είναι η διεξαγωγή μιας ποιοτικής ανάλυσης δυναμικών συστημάτων που περιγράφουν την αλληλεπίδραση των εταιρειών στην πρώτη προσέγγιση και να χτίσει ένα μοντέλο προσομοίωσης με βάση αυτά.

Για την επίτευξη αυτού του στόχου, προσδιορίστηκαν οι ακόλουθες εργασίες:

Προσδιορισμός της σταθερότητας του συστήματος.

Κατασκευή πορτραίτων φάσης.

Εύρεση ολοκληρωμένων τροχιών συστημάτων.

Κατασκευή μοντέλων προσομοίωσης.

Κάθε μία από αυτές τις εργασίες θα είναι αφιερωμένη σε μία από τις ενότητες καθενός από τα κεφάλαια της εργασίας.

Με βάση την πρακτική, η κατασκευή θεμελιωδών μαθηματικών δομών που μοντελοποιούν αποτελεσματικά τη δυναμική σε διάφορα φυσικά συστήματα και διεργασίες δείχνει ότι το αντίστοιχο μαθηματικό μοντέλο αντικατοπτρίζει σε κάποιο βαθμό την εγγύτητα με το αρχικό υπό μελέτη, όταν τα χαρακτηριστικά γνωρίσματά του μπορούν να προκύψουν από τις ιδιότητες και δομές από το είδος της κίνησης που διαμορφώνει τη δυναμική του συστήματος. Μέχρι σήμερα, η οικονομική επιστήμη βρίσκεται σε ένα στάδιο της ανάπτυξής της, στο οποίο χρησιμοποιούνται ιδιαίτερα αποτελεσματικά σε αυτήν νέες, και σε πολλές περιπτώσεις, μη τυποποιημένες μέθοδοι και μέθοδοι φυσικής και μαθηματικής μοντελοποίησης των οικονομικών διαδικασιών. Εδώ προκύπτει το συμπέρασμα για την ανάγκη δημιουργίας, μελέτης και κατασκευής μοντέλων που να μπορούν με κάποιο τρόπο να περιγράψουν την οικονομική κατάσταση.

Όσον αφορά τον λόγο επιλογής της ποιοτικής και όχι της ποσοτικής ανάλυσης, αξίζει να σημειωθεί ότι στη συντριπτική πλειονότητα των περιπτώσεων, τα αποτελέσματα και τα συμπεράσματα από μια ποιοτική ανάλυση δυναμικών συστημάτων αποδεικνύονται πιο σημαντικά από τα αποτελέσματα της ποσοτικής τους ανάλυσης. Σε μια τέτοια κατάσταση, είναι σκόπιμο να επισημανθούν οι δηλώσεις του V.P. Milovanov, στο οποίο δηλώνει ότι πιστεύουν παραδοσιακά ότι τα αποτελέσματα που αναμένονται κατά την εφαρμογή μαθηματικών μεθόδων στην ανάλυση πραγματικών αντικειμένων πρέπει να μειωθούν σε αριθμητικό αποτέλεσμα. Υπό αυτή την έννοια, οι ποιοτικές μέθοδοι έχουν μια κάπως διαφορετική αποστολή. Επικεντρώνεται στην επίτευξη ενός αποτελέσματος που περιγράφει την ποιότητα του συστήματος, στην αναζήτηση χαρακτηριστικών στοιχείων όλων των φαινομένων συνολικά, στην πρόβλεψη. Φυσικά, είναι σημαντικό να κατανοήσουμε πώς θα αλλάξει η ζήτηση όταν αλλάζουν οι τιμές για ένα συγκεκριμένο είδος αγαθών, αλλά μην ξεχνάτε ότι είναι πολύ πιο σημαντικό να καταλάβετε εάν θα υπάρξει έλλειψη ή πλεόνασμα αυτών των αγαθών υπό τέτοιες συνθήκες (Dmitriev , 2016).

Αντικείμενο αυτής της μελέτης είναι η μη γραμμική διαφορική και η δυναμική συστημάτων.

Στην περίπτωση αυτή, αντικείμενο έρευνας είναι η περιγραφή της διαδικασίας αλληλεπίδρασης μεταξύ των εταιρειών μέσω μη γραμμικής διαφορικής και δυναμικής συστημάτων.

Μιλώντας για την πρακτική εφαρμογή της μελέτης, αξίζει να τη χωρίσουμε αμέσως σε δύο μέρη. Δηλαδή, θεωρητική, δηλαδή ποιοτική ανάλυση συστημάτων, και πρακτική, στην οποία θα εξεταστεί η κατασκευή μοντέλων προσομοίωσης.

Το θεωρητικό μέρος της παρούσας μελέτης παρέχει βασικές έννοιες και φαινόμενα. Λαμβάνει υπόψη τα απλά διαφορικά συστήματα, όπως στα έργα πολλών άλλων συγγραφέων (Teschl, 2012; Nolte, 2015), αλλά ταυτόχρονα επιτρέπει την περιγραφή της αλληλεπίδρασης μεταξύ των εταιρειών. Με βάση αυτό, στο μέλλον θα είναι δυνατή η διεξαγωγή πιο εμπεριστατωμένων μελετών ή αλλιώς η γνωριμία σας με το τι συνιστά ποιοτική ανάλυση συστημάτων.

Το πρακτικό μέρος της εργασίας μπορεί να χρησιμοποιηθεί για τη δημιουργία ενός συστήματος υποστήριξης αποφάσεων. Σύστημα υποστήριξης αποφάσεων - ένα αυτοματοποιημένο σύστημα πληροφοριών που στοχεύει στην υποστήριξη της επιχείρησης ή της λήψης αποφάσεων σε έναν οργανισμό, επιτρέποντάς σας να επιλέξετε ανάμεσα σε πολλές διαφορετικές εναλλακτικές (Keen, 1980). Ακόμα κι αν τα μοντέλα δεν είναι πολύ ακριβή αυτή τη στιγμή, αλλά αλλάζοντας τα για μια συγκεκριμένη εταιρεία, μπορείτε να επιτύχετε πιο ακριβή αποτελέσματα. Έτσι, όταν αλλάζετε σε αυτά διάφορες παραμέτρους και συνθήκες που μπορούν να προκύψουν στην αγορά, μπορείτε να πάρετε μια πρόβλεψη για το μέλλον και να πάρετε μια πιο κερδοφόρα απόφαση εκ των προτέρων.

1. Αλληλεπίδραση εταιρειών στις συνθήκες αμοιβαιότητας

Η εργασία θα παρουσιάσει δισδιάστατα συστήματα που είναι αρκετά απλά σε σύγκριση με συστήματα ανώτερης τάξης, αλλά ταυτόχρονα μας επιτρέπουν να δείξουμε τις σχέσεις μεταξύ των οργανισμών που χρειαζόμαστε.

Αξίζει να ξεκινήσετε την εργασία με την επιλογή του τύπου αλληλεπίδρασης, που θα περιγραφεί στο μέλλον, καθώς για καθέναν από τους τύπους τα συστήματα που τα περιγράφουν είναι, αν και ελαφρώς, διαφορετικά. Το Σχήμα 1.1 δείχνει την ταξινόμηση του Yujim Odum για την αλληλεπίδραση πληθυσμού τροποποιημένη για οικονομική αλληλεπίδραση (Odum, 1968), βάσει της οποίας θα εξετάσουμε περαιτέρω την αλληλεπίδραση των εταιρειών.

Εικόνα 1.1. Τύποι αλληλεπίδρασης μεταξύ επιχειρήσεων

Με βάση το σχήμα 1.1, ξεχωρίζουμε 4 τύπους αλληλεπίδρασης και παρουσιάζουμε για καθένα από αυτά ένα σύστημα εξισώσεων που τους περιγράφουν με βάση το μοντέλο Malthus (Malthus, 1798). Σύμφωνα με αυτό, ο ρυθμός ανάπτυξης είναι ανάλογος με την τρέχουσα αφθονία του είδους, με άλλα λόγια, μπορεί να περιγραφεί από την ακόλουθη διαφορική εξίσωση:

όπου α είναι μια παράμετρος που εξαρτάται από τη φυσική αύξηση του πληθυσμού. Αξίζει επίσης να προστεθεί ότι στα συστήματα που εξετάζονται παρακάτω, όλες οι παράμετροι, καθώς και οι μεταβλητές, λαμβάνουν μη αρνητικές τιμές.

Η παραγωγή πρώτων υλών είναι η παραγωγή προϊόντων, η οποία μοιάζει με το μοντέλο αρπακτικών-θηραμάτων. Το μοντέλο αρπακτικού-θηράματος, γνωστό και ως μοντέλο Lotka-Volterra, είναι ένα ζεύγος μη γραμμικών διαφορικών εξισώσεων πρώτης τάξης που περιγράφουν τη δυναμική ενός βιολογικού συστήματος με δύο είδη, ένα από τα οποία είναι αρπακτικό και το άλλο είναι θήραμα (Llibre , 2007). Η αλλαγή στην αφθονία αυτών των ειδών περιγράφεται από το ακόλουθο σύστημα εξισώσεων:

(1.2)

όπου - χαρακτηρίζει την ανάπτυξη της παραγωγής της πρώτης επιχείρησης χωρίς την επιρροή της δεύτερης (στην περίπτωση του μοντέλου θηρευτή-θηράματος, η αύξηση του πληθυσμού των θηραμάτων χωρίς θηρευτές),

Χαρακτηρίζει την αύξηση της παραγωγής της δεύτερης επιχείρησης χωρίς την επιρροή της πρώτης (αύξηση του πληθυσμού των αρπακτικών χωρίς θήραμα),

Χαρακτηρίζει την ανάπτυξη της παραγωγής της πρώτης επιχείρησης, λαμβάνοντας υπόψη την επιρροή της δεύτερης επιχείρησης σε αυτήν (αύξηση του αριθμού των θηραμάτων κατά την αλληλεπίδραση με αρπακτικά),

Χαρακτηρίζει την ανάπτυξη της παραγωγής της δεύτερης επιχείρησης, λαμβάνοντας υπόψη την επιρροή της πρώτης επιχείρησης σε αυτήν (αύξηση του αριθμού των αρπακτικών κατά την αλληλεπίδρασή τους με τα θύματα).

Για το ένα, το αρπακτικό, όπως φαίνεται από το σύστημα, καθώς και από την ταξινόμηση του Odum, η αλληλεπίδρασή τους επιβάλλει ένα ευνοϊκό αποτέλεσμα. Από την άλλη δυσμενής. Εάν ληφθεί υπόψη στην οικονομική πραγματικότητα, τότε, όπως φαίνεται στο σχήμα, το απλούστερο ανάλογο είναι ο κατασκευαστής και ο προμηθευτής πόρων του, που αντιστοιχούν στον θηρευτή και το θήραμα, αντίστοιχα. Έτσι, ελλείψει πρώτων υλών, η παραγωγή μειώνεται εκθετικά.

Ο ανταγωνισμός είναι ο ανταγωνισμός μεταξύ δύο ή περισσότερων (στην περίπτωσή μας, εξετάζουμε τα δισδιάστατα συστήματα, επομένως παίρνουμε ακριβώς τον ανταγωνισμό δύο ειδών) ειδών, οικονομικών ομάδων για εδάφη, περιορισμένους πόρους ή άλλες αξίες (Elton, 1968). Οι αλλαγές στον αριθμό των ειδών ή στον αριθμό των προϊόντων στην περίπτωσή μας περιγράφονται από το παρακάτω σύστημα:

(1.3)

Σε αυτή την περίπτωση, είδη ή εταιρείες που παράγουν ένα προϊόν επηρεάζουν δυσμενώς το ένα το άλλο. Δηλαδή, ελλείψει ανταγωνιστή, η ανάπτυξη των προϊόντων θα αυξηθεί εκθετικά.

Τώρα ας προχωρήσουμε σε μια συμβιωτική αλληλεπίδραση, στην οποία και οι δύο επιχειρήσεις έχουν θετική επιρροή η μία στην άλλη. Ας ξεκινήσουμε με την αμοιβαιότητα. Η αμοιβαιότητα είναι ένας τύπος σχέσης μεταξύ διάφοροι τύποι, στο οποίο ο καθένας τους επωφελείται από τη δράση του άλλου και αξίζει να σημειωθεί ότι η παρουσία συντρόφου είναι απαραίτητη προϋπόθεση ύπαρξης (Thompson, 2005). Αυτός ο τύπος σχέσης περιγράφεται από το σύστημα:

(1.4)

Δεδομένου ότι η αλληλεπίδραση μεταξύ των εταιρειών είναι απαραίτητη για την ύπαρξή τους, ελλείψει προϊόντος μιας εταιρείας, η παραγωγή των αγαθών μιας άλλης μειώνεται εκθετικά. Αυτό είναι δυνατό όταν οι εταιρείες απλώς δεν έχουν άλλες εναλλακτικές λύσεις για την προμήθεια.

Σκεφτείτε έναν άλλο τύπο συμβιωτικής αλληλεπίδρασης, την πρωτοσυνεργασία. Η πρωτοσυνεργασία μοιάζει με την αλληλοβοήθεια, με μόνη εξαίρεση ότι δεν χρειάζεται να υπάρχει εταίρος, αφού, για παράδειγμα, υπάρχουν άλλες εναλλακτικές λύσεις. Δεδομένου ότι είναι παρόμοια, τα συστήματά τους φαίνονται σχεδόν πανομοιότυπα μεταξύ τους:

(1.5)

Έτσι, η απουσία προϊόντος μιας εταιρείας δεν εμποδίζει την ανάπτυξη του προϊόντος μιας άλλης εταιρείας.

Φυσικά, εκτός από αυτές που αναφέρονται στις παραγράφους 3 και 4, μπορούν να σημειωθούν και άλλοι τύποι συμβιωτικών σχέσεων: ο κομμενσαλισμός και ο αμενσαλισμός (Hanski, 1999). Δεν θα αναφερθούν όμως περαιτέρω, αφού στον κομμενσαλισμό ο ένας από τους εταίρους αδιαφορεί για την αλληλεπίδρασή του με τον άλλον, αλλά εξακολουθούμε να εξετάζουμε περιπτώσεις όπου υπάρχει επιρροή. Και ο αμινσαλισμός δεν θεωρείται, γιατί από οικονομική άποψη, τέτοιες σχέσεις, όταν η αλληλεπίδρασή τους βλάπτει το ένα και το άλλο είναι αδιάφορο, απλά δεν μπορούν να υπάρχουν.

Με βάση την επιρροή των εταιρειών μεταξύ τους, δηλαδή το γεγονός ότι οι συμβιωτικές σχέσεις οδηγούν σε βιώσιμη συνύπαρξη εταιρειών, σε αυτή την εργασία θα εξετάσουμε μόνο περιπτώσεις αμοιβαιότητας και πρωτοσυνεργασίας, αφού και στις δύο περιπτώσεις η αλληλεπίδραση είναι επωφελής για όλους.

Αυτό το κεφάλαιο είναι αφιερωμένο στην αλληλεπίδραση των εταιρειών σε συνθήκες αμοιβαιότητας. Θα εξετάσει δύο συστήματα που αποτελούν περαιτέρω ανάπτυξη συστημάτων που βασίζονται στο μοντέλο Malthus, συγκεκριμένα συστήματα με επιβαλλόμενους περιορισμούς στην αύξηση της παραγωγής.

Η δυναμική ενός ζεύγους που συνδέεται με αμοιβαίες σχέσεις, όπως αναφέρθηκε παραπάνω, μπορεί να περιγραφεί στην πρώτη προσέγγιση από το σύστημα:

(1.6)

Μπορεί να φανεί ότι με μια μεγάλη αρχική ποσότητα παραγωγής, το σύστημα αυξάνεται επ 'αόριστον, και με μια μικρή ποσότητα, η παραγωγή πέφτει. Εδώ έγκειται η ανακρίβεια της διγραμμικής περιγραφής του αποτελέσματος που προκύπτει από την αμοιβαιότητα. Για να προσπαθήσουμε να διορθώσουμε την εικόνα, εισάγουμε έναν παράγοντα που μοιάζει με τον κορεσμό ενός αρπακτικού, δηλαδή έναν παράγοντα που θα μειώσει τον ρυθμό ανάπτυξης της παραγωγής, εάν είναι υπερβολικός. Σε αυτή την περίπτωση, φτάνουμε στο ακόλουθο σύστημα:

(1.7)

πού είναι η αύξηση της παραγωγής του προϊόντος της πρώτης εταιρείας στην αλληλεπίδρασή της με τη δεύτερη, λαμβάνοντας υπόψη τον κορεσμό,

Αύξηση της παραγωγής του προϊόντος της δεύτερης εταιρείας στην αλληλεπίδρασή της με την πρώτη, λαμβάνοντας υπόψη τον κορεσμό,

Συντελεστές κορεσμού.

Έτσι, έχουμε δύο συστήματα: το Μαλθουσιανό μοντέλο ανάπτυξης με και χωρίς κορεσμό.

1.1 Σταθερότητα συστημάτων στην πρώτη προσέγγιση

Η σταθερότητα των συστημάτων στην πρώτη προσέγγιση εξετάζεται σε πολλά ξένα (Hairer, 1993; Bhatia, 2002; Khalil, 2001; Strogatz, 2001 και άλλα) και ρωσόφωνα έργα (Akhromeyeva, 1992; Bellman, 1954; Demidovich; Krasovsky, 1959 και άλλοι), και ο ορισμός του είναι ένα βασικό βήμα για την ανάλυση των διεργασιών που συμβαίνουν στο σύστημα. Για να το κάνετε αυτό, εκτελέστε τα ακόλουθα απαραίτητα βήματα:

Ας βρούμε σημεία ισορροπίας.

Ας βρούμε τον Jacobian matrix του συστήματος.

Βρείτε τις ιδιοτιμές του Jacobian matrix.

Ταξινομούμε τα σημεία ισορροπίας σύμφωνα με το θεώρημα Lyapunov.

Έχοντας εξετάσει τα βήματα, αξίζει να σταθούμε λεπτομερέστερα στην εξήγησή τους, οπότε θα δώσω ορισμούς και θα περιγράψω τις μεθόδους που θα χρησιμοποιήσουμε σε καθένα από αυτά τα βήματα.

Το πρώτο βήμα, η αναζήτηση σημείων ισορροπίας. Για να τις βρούμε, εξισώνουμε κάθε συνάρτηση με μηδέν. Δηλαδή, λύνουμε το σύστημα:

όπου α και β σημαίνουν όλες τις παραμέτρους της εξίσωσης.

Το επόμενο βήμα είναι να βρείτε τον Jacobian matrix. Στην περίπτωσή μας, αυτός θα είναι ένας πίνακας 2 προς 2 με πρώτες παραγώγους σε κάποιο σημείο, όπως φαίνεται παρακάτω:

Αφού ολοκληρώσουμε τα δύο πρώτα βήματα, προχωράμε στην εύρεση των ριζών της παρακάτω χαρακτηριστικής εξίσωσης:

Όπου το σημείο αντιστοιχεί στα σημεία ισορροπίας που βρέθηκαν στο πρώτο βήμα.

Έχοντας βρει και , περνάμε στο τέταρτο βήμα και χρησιμοποιούμε τα ακόλουθα θεωρήματα Lyapunov (Parks, 1992):

Θεώρημα 1: Εάν όλες οι ρίζες της χαρακτηριστικής εξίσωσης έχουν αρνητικό πραγματικό μέρος, τότε το σημείο ισορροπίας που αντιστοιχεί στο αρχικό και γραμμικό σύστημα είναι ασυμπτωτικά σταθερό.

Θεώρημα 2: Αν τουλάχιστον μία από τις ρίζες της χαρακτηριστικής εξίσωσης έχει θετικό πραγματικό μέρος, τότε το σημείο ισορροπίας που αντιστοιχεί στο αρχικό και γραμμικό σύστημα είναι ασυμπτωτικά ασταθές.

Επίσης, εξετάζοντας και είναι δυνατό να προσδιοριστεί ο τύπος της σταθερότητας με μεγαλύτερη ακρίβεια, με βάση τη διαίρεση που φαίνεται στο Σχήμα 1.2 (Πανεπιστήμιο Lamar).

Εικόνα 1.2. Τύποι σταθερότητας σημείων ισορροπίας

Έχοντας εξετάσει τις απαραίτητες θεωρητικές πληροφορίες, στραφούμε στην ανάλυση συστημάτων.

Εξετάστε ένα σύστημα χωρίς κορεσμό:

Είναι πολύ απλό και δεν είναι κατάλληλο για πρακτική χρήση, αφού δεν έχει περιορισμούς. Αλλά ως πρώτο παράδειγμα ανάλυσης συστήματος είναι κατάλληλο για εξέταση.

Αρχικά, ας βρούμε τα σημεία ισορροπίας εξισώνοντας τις δεξιές πλευρές των εξισώσεων με μηδέν. Έτσι, βρίσκουμε δύο σημεία ισορροπίας, ας τα ονομάσουμε Α και Β: .

Ας συνδυάσουμε το βήμα με την αναζήτηση του Jacobian matrix, τις ρίζες της χαρακτηριστικής εξίσωσης και τον προσδιορισμό του είδους της σταθερότητας. Επειδή είναι στοιχειώδεις, παίρνουμε αμέσως την απάντηση:

1. Στο σημείο , , υπάρχει ένας σταθερός κόμπος.

Στο σημείο: . . σαμάρι.

Όπως έγραψα ήδη, αυτό το σύστημα είναι πολύ ασήμαντο, επομένως δεν χρειαζόταν καμία εξήγηση.

Τώρα ας αναλύσουμε το σύστημα από τον κορεσμό:

(1.9)

Η εμφάνιση ενός περιορισμού στον αμοιβαίο κορεσμό των προϊόντων από τις επιχειρήσεις μας φέρνει πιο κοντά στην πραγματική εικόνα του τι συμβαίνει και επίσης περιπλέκει ελαφρώς το σύστημα.

Όπως και πριν, εξισώνουμε τα σωστά μέρη του συστήματος με το μηδέν και λύνουμε το σύστημα που προκύπτει. Το σημείο παρέμεινε αμετάβλητο, αλλά το άλλο σημείο σε αυτήν την περίπτωση περιέχει περισσότερες παραμέτρους από πριν: .

Σε αυτήν την περίπτωση, ο πίνακας Jacobi έχει την ακόλουθη μορφή:

Αφαιρέστε από αυτόν τον πίνακα ταυτότητας πολλαπλασιασμένο με , και εξισώστε την ορίζουσα του πίνακα που προκύπτει στα σημεία Α και Β με μηδέν.

Στο σημείο μιας παρόμοιας πρώιμης εικόνας:

σταθερός κόμβος.

Αλλά στο σημείο όλα είναι κάπως πιο περίπλοκα, και παρόλο που τα μαθηματικά είναι ακόμα αρκετά απλά, η πολυπλοκότητα προκαλεί την ταλαιπωρία της εργασίας με μεγάλες κυριολεκτικές εκφράσεις. Δεδομένου ότι οι τιμές αποδεικνύονται αρκετά μεγάλες και άβολα γραμμένες, δεν δίνονται, αρκεί να πούμε ότι σε αυτήν την περίπτωση, όπως και με το προηγούμενο σύστημα, ο τύπος σταθερότητας που λαμβάνεται είναι μια σέλα.

2 πορτρέτα φάσεων συστημάτων

Η συντριπτική πλειοψηφία των μη γραμμικών δυναμικών μοντέλων είναι σύνθετες διαφορικές εξισώσεις που είτε δεν μπορούν να λυθούν είτε πρόκειται για κάποιο είδος πολυπλοκότητας. Ένα παράδειγμα είναι το σύστημα από την προηγούμενη ενότητα. Παρά τη φαινομενική απλότητα, η εύρεση του τύπου σταθερότητας στο δεύτερο σημείο ισορροπίας δεν ήταν εύκολη υπόθεση (αν και όχι από μαθηματική άποψη) και με την αύξηση των παραμέτρων, των περιορισμών και των εξισώσεων να αυξηθεί ο αριθμός των αλληλεπιδρώντων επιχειρήσεων, η πολυπλοκότητα θα αυξηθεί. Φυσικά, εάν οι παράμετροι είναι αριθμητικές εκφράσεις, τότε όλα θα γίνουν απίστευτα απλά, αλλά τότε η ανάλυση θα χάσει κατά κάποιο τρόπο κάθε νόημα, γιατί στο τέλος, θα μπορέσουμε να βρούμε σημεία ισορροπίας και να ανακαλύψουμε τους τύπους σταθερότητάς τους μόνο για ένα συγκεκριμένο περίπτωση, όχι γενική.

Σε τέτοιες περιπτώσεις, αξίζει να θυμάστε το επίπεδο φάσης και τα πορτρέτα φάσης. Στα εφαρμοσμένα μαθηματικά, ιδιαίτερα στο πλαίσιο της ανάλυσης μη γραμμικών συστημάτων, το επίπεδο φάσης είναι μια οπτική αναπαράσταση ορισμένων χαρακτηριστικών ορισμένων τύπων διαφορικών εξισώσεων (Nolte, 2015). Το επίπεδο συντεταγμένων με άξονες τιμών οποιουδήποτε ζεύγους μεταβλητών που χαρακτηρίζουν την κατάσταση του συστήματος είναι μια δισδιάστατη περίπτωση ενός κοινού ν-διάστατου χώρου φάσης.

Χάρη στο επίπεδο φάσης, είναι δυνατός ο γραφικός προσδιορισμός της ύπαρξης οριακών κύκλων σε λύσεις μιας διαφορικής εξίσωσης.

Οι λύσεις μιας διαφορικής εξίσωσης είναι μια οικογένεια συναρτήσεων. Γραφικά, αυτό μπορεί να απεικονιστεί στο επίπεδο φάσης ως ένα δισδιάστατο διανυσματικό πεδίο. Τα διανύσματα σχεδιάζονται στο επίπεδο, που αντιπροσωπεύουν παραγώγους σε χαρακτηριστικά σημεία σε σχέση με κάποια παράμετρο, στην περίπτωσή μας, ως προς το χρόνο, δηλαδή (). Με αρκετά από αυτά τα βέλη σε μια περιοχή, η συμπεριφορά του συστήματος μπορεί να οπτικοποιηθεί και οι οριακές κύκλοι μπορούν να εντοπιστούν εύκολα (Boeing, 2016).

Το διανυσματικό πεδίο είναι ένα πορτρέτο φάσης, μια συγκεκριμένη διαδρομή κατά μήκος της γραμμής ροής (δηλαδή, μια διαδρομή πάντα εφαπτομένη στα διανύσματα) είναι μια διαδρομή φάσης. Οι ροές σε ένα διανυσματικό πεδίο υποδεικνύουν την αλλαγή στο σύστημα με την πάροδο του χρόνου, που περιγράφεται από μια διαφορική εξίσωση (Jordan, 2007).

Αξίζει να σημειωθεί ότι ένα πορτρέτο φάσης μπορεί να κατασκευαστεί ακόμη και χωρίς να λυθεί η διαφορική εξίσωση και ταυτόχρονα, η καλή οπτικοποίηση μπορεί να προσφέρει πολλές χρήσιμες πληροφορίες. Επιπλέον, αυτή τη στιγμή υπάρχουν πολλά προγράμματα που μπορούν να βοηθήσουν στην κατασκευή διαγραμμάτων φάσεων.

Έτσι, τα επίπεδα φάσης είναι χρήσιμα για την απεικόνιση της συμπεριφοράς των φυσικών συστημάτων. Συγκεκριμένα, τα ταλαντευτικά συστήματα, όπως το μοντέλο θηρευτή-θηράματος που αναφέρθηκε ήδη παραπάνω. Σε αυτά τα μοντέλα, οι τροχιές φάσης μπορούν να «στρεφθούν» προς το μηδέν, «να βγουν από μια σπείρα» στο άπειρο ή να φτάσουν σε μια ουδέτερη σταθερή κατάσταση που ονομάζεται κέντρα. Αυτό είναι χρήσιμο για τον προσδιορισμό του εάν η δυναμική είναι σταθερή ή όχι (Jordan, 2007).

Τα πορτρέτα φάσεων που παρουσιάζονται σε αυτήν την ενότητα θα κατασκευαστούν χρησιμοποιώντας εργαλεία WolframAlpha ή θα παρέχονται από άλλες πηγές. Μαλθουσιανό μοντέλο ανάπτυξης χωρίς κορεσμό.

Ας δημιουργήσουμε ένα πορτρέτο φάσης του πρώτου συστήματος με τρία σετ παραμέτρων για να συγκρίνουμε τη συμπεριφορά τους. Σετ Α ((1,1), (1,1)), το οποίο θα αναφέρεται ως ένα ενιαίο σύνολο, σύνολο Β ((10,0,1), (2,2)), όταν επιλεγεί, το σύστημα αντιμετωπίζει μια απότομη μείωση της παραγωγής , και το σύνολο C ((1,10), (1,10)) για το οποίο, αντίθετα, εμφανίζεται μια απότομη και απεριόριστη ανάπτυξη. Θα πρέπει να σημειωθεί ότι οι τιμές κατά μήκος των αξόνων σε όλες τις περιπτώσεις θα είναι στα ίδια διαστήματα από -10 έως 10, για τη διευκόλυνση της σύγκρισης των διαγραμμάτων φάσης μεταξύ τους. Φυσικά, αυτό δεν ισχύει για ένα ποιοτικό πορτρέτο του συστήματος, του οποίου οι άξονες είναι αδιάστατοι.

Εικόνα 1.3 Πορτραίτο φάσης με παραμέτρους Α

διαφορική οριακή εξίσωση αμοιβαιότητας

Το σχήμα 1.3 παραπάνω δείχνει τα πορτρέτα φάσης του συστήματος για τα τρία καθορισμένα σύνολα παραμέτρων, καθώς και το πορτρέτο φάσης που περιγράφει την ποιοτική συμπεριφορά του συστήματος. Μην ξεχνάτε ότι το πιο σημαντικό από πρακτικής πλευράς είναι το πρώτο τρίμηνο, αφού η ποσότητα της παραγωγής, που μόνο μη αρνητική μπορεί να είναι, είναι οι άξονές μας.

Σε κάθε ένα από τα σχήματα, η σταθερότητα στο σημείο ισορροπίας (0,0) είναι σαφώς ορατή. Και στο πρώτο σχήμα, το "σημείο σέλας" είναι επίσης αντιληπτό στο σημείο (1,1), με άλλα λόγια, αν αντικαταστήσουμε τις τιμές του συνόλου των παραμέτρων στο σύστημα, τότε στο σημείο ισορροπίας Β. Όταν αλλάζουν τα όρια του κτιρίου του μοντέλου, το σημείο σέλας βρίσκεται επίσης σε άλλα πορτρέτα φάσεων.

Μαλθουσιανό μοντέλο ανάπτυξης από κορεσμό.

Ας κατασκευάσουμε διαγράμματα φάσης για το δεύτερο σύστημα, στο οποίο υπάρχει κορεσμός, με τρία νέα σύνολα τιμών παραμέτρων. Σετ Α, ((0,1,15,100), (0,1,15,100)), σετ Β ((1,1,0,5), (1, 1,0,5)) και σετ Γ ((20,1,100), (20,1,100 )).

Εικόνα 1.4. Πορτραίτο φάσης με παραμέτρους Α

Όπως μπορείτε να δείτε, για οποιοδήποτε σύνολο παραμέτρων, το σημείο (0,0) είναι ισορροπημένο και επίσης σταθερό. Επίσης, σε ορισμένα σχήματα, μπορείτε να δείτε ένα σημείο σέλας.

Σε αυτήν την περίπτωση, εξετάστηκαν διαφορετικές κλίμακες για να καταδειχθεί πιο ξεκάθαρα ότι ακόμη και όταν προστεθεί ένας παράγοντας κορεσμού στο σύστημα, η ποιοτική εικόνα δεν αλλάζει, δηλαδή ο κορεσμός από μόνος του δεν αρκεί. Θα πρέπει να ληφθεί υπόψη ότι στην πράξη, οι εταιρείες χρειάζονται σταθερότητα, δηλαδή αν λάβουμε υπόψη τις μη γραμμικές διαφορικές εξισώσεις, τότε μας ενδιαφέρουν περισσότερο τα σταθερά σημεία ισορροπίας και σε αυτά τα συστήματα, μόνο μηδενικά σημεία είναι τέτοια σημεία, που σημαίνει ότι τέτοια μαθηματικά μοντέλα σαφώς δεν είναι κατάλληλα για επιχειρήσεις. Άλλωστε αυτό σημαίνει ότι μόνο με μηδενική παραγωγή οι εταιρείες βρίσκονται σε σταθερότητα, η οποία είναι σαφώς διαφορετική από την πραγματική εικόνα του κόσμου.

Στα μαθηματικά, μια ολοκληρωτική καμπύλη είναι μια παραμετρική καμπύλη που είναι μια συγκεκριμένη λύση σε μια συνηθισμένη διαφορική εξίσωση ή σύστημα εξισώσεων (Lang, 1972). Εάν η διαφορική εξίσωση παριστάνεται ως διανυσματικό πεδίο, τότε οι αντίστοιχες ολοκληρωτικές καμπύλες εφάπτονται στο πεδίο σε κάθε σημείο.

Οι ολοκληρωτικές καμπύλες είναι επίσης γνωστές με άλλα ονόματα, ανάλογα με τη φύση και την ερμηνεία της διαφορικής εξίσωσης ή του διανυσματικού πεδίου. Στη φυσική, οι ολοκληρωτικές καμπύλες για ένα ηλεκτρικό πεδίο ή μαγνητικό πεδίο είναι γνωστές ως γραμμές πεδίου και οι ολοκληρωτικές καμπύλες για ένα πεδίο ταχύτητας ρευστού είναι γνωστές ως γραμμές ροής. Στα δυναμικά συστήματα, οι ολοκληρωτικές καμπύλες για μια διαφορική εξίσωση ονομάζονται τροχιές.

Εικόνα 1.5. Ολοκληρωμένες καμπύλες

Οι λύσεις οποιουδήποτε από τα συστήματα μπορούν επίσης να θεωρηθούν ως εξισώσεις ολοκληρωτικών καμπυλών. Προφανώς, κάθε τροχιά φάσης είναι μια προβολή κάποιας ολοκληρωμένης καμπύλης σε διάστημα x,y,tστο επίπεδο φάσης.

Υπάρχουν διάφοροι τρόποι κατασκευής ολοκληρωτικών καμπυλών.

Ένα από αυτά είναι η ισοκλινή μέθοδος. Ισόκλινη είναι μια καμπύλη που διέρχεται από σημεία στα οποία η κλίση της υπό εξέταση συνάρτησης θα είναι πάντα η ίδια, ανεξάρτητα από τις αρχικές συνθήκες (Hanski, 1999).

Συχνά χρησιμοποιείται ως γραφική μέθοδος για την επίλυση συνηθισμένων διαφορικών εξισώσεων. Για παράδειγμα, σε μια εξίσωση της μορφής y "= f (x, y), οι ισοκλίνες είναι ευθείες στο επίπεδο (x, y) που λαμβάνονται εξισώνοντας την f (x, y) με μια σταθερά. Αυτό δίνει μια σειρά από ευθείες ( για διαφορετικές σταθερές) κατά μήκος των οποίων οι λύσεις καμπυλών έχουν την ίδια κλίση. Υπολογίζοντας αυτήν την κλίση για κάθε ισοκλινή, το πεδίο κλίσης μπορεί να απεικονιστεί, καθιστώντας σχετικά εύκολο να σχεδιάσετε κατά προσέγγιση καμπύλες λύσης. Το παρακάτω σχήμα δείχνει ένα παράδειγμα χρήσης της μεθόδου ισοκλινής .

Εικόνα 1.6. Μέθοδος ισοκλίνης

Αυτή η μέθοδος δεν απαιτεί υπολογισμούς από υπολογιστή και ήταν πολύ δημοφιλής στο παρελθόν. Τώρα υπάρχουν λύσεις λογισμικού που θα δημιουργήσουν ολοκληρωμένες καμπύλες σε υπολογιστές με εξαιρετική ακρίβεια και ταχύτητα. Ωστόσο, ακόμη κι έτσι, η ισοκλινή μέθοδος έχει αποδειχθεί καλά ως εργαλείο για τη μελέτη της συμπεριφοράς των λύσεων, καθώς επιτρέπει σε κάποιον να δείξει τις περιοχές τυπικής συμπεριφοράς των ολοκληρωτικών καμπυλών.

Μαλθουσιανό μοντέλο ανάπτυξης χωρίς κορεσμό.

Ας ξεκινήσουμε από το γεγονός ότι παρά την ύπαρξη διαφορετικών μεθόδων κατασκευής, δεν είναι τόσο εύκολο να δείξουμε τις ολοκληρωτικές καμπύλες ενός συστήματος εξισώσεων. Η ισοκλινή μέθοδος που αναφέρθηκε προηγουμένως δεν είναι κατάλληλη γιατί λειτουργεί για διαφορικές εξισώσεις πρώτης τάξης. Και τα εργαλεία λογισμικού που έχουν τη δυνατότητα να σχεδιάζουν τέτοιες καμπύλες δεν είναι δημόσια. Για παράδειγμα, η Wolfram Mathematica, η οποία είναι ικανή για αυτό, πληρώνεται. Ως εκ τούτου, θα προσπαθήσουμε να χρησιμοποιήσουμε όσο το δυνατόν περισσότερο τις δυνατότητες του Wolfram Alpha, η εργασία με την οποία περιγράφεται σε διάφορα άρθρα και εργασίες (Orca, 2009). Ακόμη και παρά το γεγονός ότι η εικόνα δεν θα είναι σαφώς απολύτως αξιόπιστη, αλλά τουλάχιστον θα σας επιτρέψει να δείξετε την εξάρτηση στα επίπεδα (x, t), (y, t). Αρχικά, ας λύσουμε καθεμία από τις εξισώσεις για t. Δηλαδή, εξάγουμε την εξάρτηση καθεμιάς από τις μεταβλητές ως προς το χρόνο. Για αυτό το σύστημα παίρνουμε:

(1.10)

(1.11)

Οι εξισώσεις είναι συμμετρικές, επομένως θεωρούμε μόνο μία από αυτές, δηλαδή το x(t). Έστω η σταθερά ίση με 1. Σε αυτήν την περίπτωση, θα χρησιμοποιήσουμε τη συνάρτηση σχεδίασης.

Εικόνα 1.7. Τρισδιάστατο μοντέλο για την εξίσωση (1.10)

Μαλθουσιανό μοντέλο ανάπτυξης από κορεσμό.

Ας κάνουμε το ίδιο και για το άλλο μοντέλο. Τελικά, λαμβάνουμε δύο εξισώσεις που δείχνουν την εξάρτηση των μεταβλητών από το χρόνο.

(1.12)

(1.13)

Ας φτιάξουμε ξανά ένα τρισδιάστατο μοντέλο και γραμμές επιπέδου.

Εικόνα 1.8. Τρισδιάστατο μοντέλο για την εξίσωση (1.12)

Δεδομένου ότι οι τιμές των μεταβλητών είναι μη αρνητικές, τότε στο κλάσμα με τον εκθέτη παίρνουμε έναν αρνητικό αριθμό. Έτσι, η ολοκληρωτική καμπύλη μειώνεται με το χρόνο.

Προηγουμένως, δόθηκε ένας ορισμός της δυναμικής του συστήματος για να κατανοήσουμε την ουσία της εργασίας, αλλά τώρα ας σταθούμε σε αυτό με περισσότερες λεπτομέρειες.

Η δυναμική συστήματος είναι μια μεθοδολογία και μέθοδος μαθηματικής μοντελοποίησης για το σχηματισμό, την κατανόηση και τη συζήτηση περίπλοκων προβλημάτων, που αναπτύχθηκε αρχικά τη δεκαετία του 1950 από τον Jay Forrester και περιγράφηκε στο έργο του (Forrester, 1961).

Η δυναμική συστημάτων είναι μια πτυχή της θεωρίας συστημάτων ως μέθοδος για την κατανόηση της δυναμικής συμπεριφοράς πολύπλοκων συστημάτων. Η βάση της μεθόδου είναι η αναγνώριση ότι η δομή οποιουδήποτε συστήματος αποτελείται από πολυάριθμες σχέσεις μεταξύ των στοιχείων του, οι οποίες είναι συχνά τόσο σημαντικές για τον προσδιορισμό της συμπεριφοράς του όσο και τα ίδια τα επιμέρους στοιχεία. Παραδείγματα είναι η θεωρία του χάους και η κοινωνική δυναμική, που περιγράφονται στα έργα διαφόρων συγγραφέων (Grebogi, 1987· Sontag, 1998· Kuznetsov, 2001· Tabor, 2001). Υποστηρίζεται επίσης ότι εφόσον οι ιδιότητες του συνόλου συχνά δεν μπορούν να βρεθούν στις ιδιότητες των στοιχείων, σε ορισμένες περιπτώσεις η συμπεριφορά του συνόλου δεν μπορεί να εξηγηθεί με βάση τη συμπεριφορά των μερών.

Η προσομοίωση μπορεί πραγματικά να δείξει την πλήρη πρακτική σημασία ενός δυναμικού συστήματος. Αν και είναι δυνατό σε υπολογιστικά φύλλα, υπάρχουν πολλά πακέτα λογισμικού που έχουν βελτιστοποιηθεί ειδικά για αυτόν τον σκοπό.

Η ίδια η μοντελοποίηση είναι η διαδικασία δημιουργίας και ανάλυσης ενός πρωτοτύπου ενός φυσικού μοντέλου προκειμένου να προβλεφθεί η απόδοσή του στον πραγματικό κόσμο. Η μοντελοποίηση προσομοίωσης χρησιμοποιείται για να βοηθήσει τους σχεδιαστές και τους μηχανικούς να κατανοήσουν υπό ποιες συνθήκες και σε ποιες περιπτώσεις μια διαδικασία μπορεί να αποτύχει και ποια φορτία μπορεί να αντέξει (Khemdy, 2007). Η μοντελοποίηση μπορεί επίσης να βοηθήσει στην πρόβλεψη της συμπεριφοράς των ροών ρευστών και άλλων φυσικών φαινομένων. Το μοντέλο αναλύει τις κατά προσέγγιση συνθήκες εργασίας που οφείλονται στο εφαρμοσμένο λογισμικό προσομοίωσης (Strogalev, 2008).

Οι περιορισμοί στις δυνατότητες μοντελοποίησης προσομοίωσης έχουν μια κοινή αιτία. Η κατασκευή και ο αριθμητικός υπολογισμός ενός ακριβούς μοντέλου εγγυάται επιτυχία μόνο σε εκείνους τους τομείς όπου υπάρχει ακριβής ποσοτική θεωρία, δηλαδή όταν είναι γνωστές οι εξισώσεις που περιγράφουν ορισμένα φαινόμενα και το καθήκον είναι μόνο να λυθούν αυτές οι εξισώσεις με την απαιτούμενη ακρίβεια. Σε εκείνες τις περιοχές όπου δεν υπάρχει ποσοτική θεωρία, η κατασκευή ενός ακριβούς μοντέλου είναι περιορισμένης αξίας (Bazykin, 2003).

Ωστόσο, οι δυνατότητες μοντελοποίησης δεν είναι απεριόριστες. Πρώτα απ 'όλα, αυτό οφείλεται στο γεγονός ότι είναι δύσκολο να εκτιμηθεί το εύρος εφαρμογής του μοντέλου προσομοίωσης, ιδίως η χρονική περίοδος για την οποία μπορεί να κατασκευαστεί η πρόβλεψη με την απαιτούμενη ακρίβεια (Law, 2006). Επιπλέον, από τη φύση του, το μοντέλο προσομοίωσης συνδέεται με ένα συγκεκριμένο αντικείμενο και όταν προσπαθεί κανείς να το εφαρμόσει σε άλλο, ακόμη και παρόμοιο αντικείμενο, απαιτεί ριζική προσαρμογή ή, τουλάχιστον, σημαντική τροποποίηση.

Υπάρχει ένας γενικός λόγος για την ύπαρξη περιορισμών στην προσομοίωση. Η κατασκευή και ο αριθμητικός υπολογισμός ενός «ακριβούς» μοντέλου είναι επιτυχής μόνο εάν υπάρχει μια ποσοτική θεωρία, δηλαδή μόνο εάν όλες οι εξισώσεις είναι γνωστές και το πρόβλημα περιορίζεται μόνο στην επίλυση αυτών των εξισώσεων με μια ορισμένη ακρίβεια (Bazykin, 2003).

Ωστόσο, ακόμη και παρόλα αυτά, η μοντελοποίηση προσομοίωσης είναι ένα εξαιρετικό εργαλείο για την οπτικοποίηση δυναμικών διεργασιών, επιτρέποντας, με ένα περισσότερο ή λιγότερο σωστό μοντέλο, τη λήψη αποφάσεων με βάση τα αποτελέσματά του.

Σε αυτή την εργασία, μοντέλα συστημάτων θα κατασκευαστούν χρησιμοποιώντας τα εργαλεία δυναμικής συστήματος που προσφέρονται από το πρόγραμμα AnyLogic.

Μαλθουσιανό μοντέλο ανάπτυξης χωρίς κορεσμό/

Πριν δημιουργήσουμε ένα μοντέλο, είναι απαραίτητο να εξετάσουμε τα στοιχεία της δυναμικής του συστήματος που θα χρησιμοποιήσουμε και να τα συσχετίσουμε με το σύστημά μας. Οι ακόλουθοι ορισμοί έχουν ληφθεί από τις πληροφορίες βοήθειας του προγράμματος AnyLogic.

Η μονάδα δίσκου είναι το κύριο στοιχείο των διαγραμμάτων δυναμικής του συστήματος. Χρησιμοποιούνται για την αναπαράσταση αντικειμένων του πραγματικού κόσμου, στον οποίο συσσωρεύονται ορισμένοι πόροι: χρήματα, ουσίες, αριθμός ομάδων ανθρώπων, ορισμένα υλικά αντικείμενα κ.λπ. Οι συσσωρευτές αντικατοπτρίζουν τη στατική κατάσταση του προσομοιωμένου συστήματος και οι τιμές τους αλλάζουν με την πάροδο του χρόνου σύμφωνα με τις ροές που υπάρχουν στο σύστημα. Από αυτό προκύπτει ότι η δυναμική του συστήματος καθορίζεται από τις ροές. Οι ροές που εισέρχονται και εξέρχονται από τον συσσωρευτή αυξάνουν ή μειώνουν τις τιμές του συσσωρευτή.

Η ροή, καθώς και η προαναφερθείσα κίνηση, είναι το κύριο στοιχείο των δυναμικών διαγραμμάτων συστήματος.

Ενώ οι κάδοι ορίζουν το στατικό μέρος του συστήματος, οι ροές καθορίζουν τον ρυθμό αλλαγής των κάδων, δηλαδή πώς αλλάζουν τα αποθέματα με την πάροδο του χρόνου και επομένως καθορίζουν τη δυναμική του συστήματος.

Ο πράκτορας μπορεί να περιέχει μεταβλητές. Οι μεταβλητές χρησιμοποιούνται συνήθως για τη μοντελοποίηση των μεταβαλλόμενων χαρακτηριστικών ενός πράκτορα ή για την αποθήκευση των αποτελεσμάτων του μοντέλου. Συνήθως, οι δυναμικές μεταβλητές αποτελούνται από συναρτήσεις συσσωρευτή.

Ο πράκτορας μπορεί να έχει παραμέτρους. Οι παράμετροι χρησιμοποιούνται συχνά για να αναπαραστήσουν ορισμένα από τα χαρακτηριστικά του μοντελοποιημένου αντικειμένου. Είναι χρήσιμα όταν οι παρουσίες αντικειμένων έχουν την ίδια συμπεριφορά όπως περιγράφεται στην κλάση, αλλά διαφέρουν σε ορισμένες τιμές παραμέτρων. Υπάρχει σαφής διαφορά μεταξύ μεταβλητών και παραμέτρων. Η μεταβλητή αντιπροσωπεύει την κατάσταση του μοντέλου και μπορεί να αλλάξει κατά τη διάρκεια της προσομοίωσης. Η παράμετρος χρησιμοποιείται συνήθως για να περιγράψει αντικείμενα στατικά. Κατά τη διάρκεια μιας "εκτέλεσης" του μοντέλου, η παράμετρος είναι συνήθως μια σταθερά και αλλάζει μόνο όταν η συμπεριφορά του μοντέλου χρειάζεται να διαμορφωθεί εκ νέου.

Ένας σύνδεσμος είναι ένα στοιχείο της δυναμικής του συστήματος που χρησιμοποιείται για τον προσδιορισμό της σχέσης μεταξύ των στοιχείων ενός διαγράμματος ροής και των συσσωρευτών. Δεν δημιουργεί αυτόματα συνδέσμους, αλλά αναγκάζει τον χρήστη να τους σχεδιάσει ρητά στον επεξεργαστή γραφικών (ωστόσο, αξίζει να σημειωθεί ότι το AnyLogic υποστηρίζει επίσης έναν μηχανισμό για γρήγορη ρύθμιση των συνδέσμων που λείπουν). Για παράδειγμα, εάν οποιοδήποτε στοιχείο του Α αναφέρεται στην εξίσωση ή στην αρχική τιμή του στοιχείου Β, τότε πρέπει πρώτα να συνδέσετε αυτά τα στοιχεία με έναν σύνδεσμο που πηγαίνει από το Α στο Β και μόνο στη συνέχεια να εισαγάγετε την έκφραση στις ιδιότητες του Β. .

Υπάρχουν κάποια άλλα στοιχεία της δυναμικής του συστήματος, αλλά δεν θα εμπλακούν στην πορεία της εργασίας, επομένως θα τα παραλείψουμε.

Αρχικά, ας εξετάσουμε από τι θα αποτελείται το μοντέλο του συστήματος (1.4).

Πρώτον, επισημαίνουμε αμέσως δύο μονάδες δίσκου, οι οποίες θα περιέχουν τις τιμές της ποσότητας παραγωγής κάθε μιας από τις επιχειρήσεις.

Δεύτερον, δεδομένου ότι έχουμε δύο όρους σε κάθε εξίσωση, έχουμε δύο ροές σε καθεμία από τις μονάδες δίσκου, η μία εισερχόμενη και η άλλη εξερχόμενη.

Τρίτον, περνάμε σε μεταβλητές και παραμέτρους. Υπάρχουν μόνο δύο μεταβλητές. Χ και Υ, υπεύθυνοι για την ανάπτυξη της παραγωγής. Έχουμε επίσης τέσσερις επιλογές.

Τέταρτον, όσον αφορά τις συνδέσεις, καθεμία από τις ροές πρέπει να συσχετίζεται με τις μεταβλητές και τις παραμέτρους που περιλαμβάνονται στην εξίσωση ροής και και οι δύο μεταβλητές πρέπει να συσχετίζονται με συσσωρευτές για να αλλάξουν την τιμή με την πάροδο του χρόνου.

Θα αφήσουμε μια λεπτομερή περιγραφή της κατασκευής ενός μοντέλου, ως παράδειγμα εργασίας στο περιβάλλον μοντελοποίησης AnyLogic, για το επόμενο σύστημα, καθώς είναι κάπως πιο περίπλοκο και χρησιμοποιεί περισσότερες παραμέτρους, και θα προχωρήσουμε αμέσως στην εξέταση της τελικής έκδοσης του Σύστημα.

Το παρακάτω σχήμα 1.9 δείχνει το κατασκευασμένο μοντέλο:

Εικόνα 1.9. Μοντέλο δυναμικής συστήματος για σύστημα (1.4)

Όλα τα στοιχεία της δυναμικής του συστήματος αντιστοιχούν σε αυτά που περιγράφηκαν παραπάνω, δηλ. δύο μονάδες δίσκου, τέσσερις ροές (δύο εισερχόμενες, δύο εξερχόμενες), τέσσερις παράμετροι, δύο δυναμικές μεταβλητές και απαραίτητες συνδέσεις.

Το σχήμα δείχνει ότι όσο περισσότερα προϊόντα, τόσο ισχυρότερη είναι η ανάπτυξή του, γεγονός που οδηγεί σε απότομη αύξηση του αριθμού των αγαθών, που αντιστοιχεί στο σύστημά μας. Όμως, όπως αναφέρθηκε προηγουμένως, η απουσία περιορισμών σε αυτή την ανάπτυξη δεν επιτρέπει την εφαρμογή αυτού του μοντέλου στην πράξη.

Μαλθουσιανό μοντέλο ανάπτυξης από κορεσμό/

Λαμβάνοντας υπόψη αυτό το σύστημα, ας σταθούμε στην κατασκευή του μοντέλου με περισσότερες λεπτομέρειες.

Το πρώτο βήμα είναι να προσθέσετε δύο μονάδες δίσκου, ας τις ονομάσουμε X_stock και Y_stock. Ας αντιστοιχίσουμε μια αρχική τιμή ίση με 1 σε καθένα από αυτά. Σημειώστε ότι ελλείψει ροών, δεν υπάρχει τίποτα στην κλασικά δεδομένη εξίσωση αποθήκευσης.

Εικόνα 1.10. Δημιουργία μοντέλου συστήματος (1.9)

Το επόμενο βήμα είναι η προσθήκη νημάτων. Ας δημιουργήσουμε μια εισερχόμενη και εξερχόμενη ροή για κάθε μονάδα δίσκου χρησιμοποιώντας ένα πρόγραμμα επεξεργασίας γραφικών. Δεν πρέπει να ξεχνάμε ότι μία από τις άκρες της ροής πρέπει να βρίσκεται στη μονάδα δίσκου, διαφορετικά δεν θα συνδεθούν.

Μπορείτε να δείτε ότι η εξίσωση για τη μονάδα ρυθμίστηκε αυτόματα, φυσικά, ο χρήστης μπορεί να τη γράψει μόνος του επιλέγοντας τη λειτουργία "αυθαίρετης" εξίσωσης, αλλά ο ευκολότερος τρόπος είναι να αφήσετε αυτήν την ενέργεια στο πρόγραμμα.

Το τρίτο μας βήμα είναι να προσθέσουμε έξι παραμέτρους και δύο δυναμικές μεταβλητές. Ας δώσουμε σε κάθε στοιχείο ένα όνομα σύμφωνα με την κυριολεκτική του έκφραση στο σύστημα και ας ορίσουμε επίσης τις αρχικές τιμές των παραμέτρων ως εξής: e1=e2=1, a12=a21=3, n1=n2=0,2.

Όλα τα στοιχεία των εξισώσεων είναι παρόντα, μένει μόνο να γράψετε τις εξισώσεις για τις ροές, αλλά για αυτό πρέπει πρώτα να προσθέσετε συνδέσεις μεταξύ των στοιχείων. Για παράδειγμα, η εξερχόμενη ροή που είναι υπεύθυνη για τον όρο πρέπει να συσχετίζεται με τα e1 και x. Και κάθε δυναμική μεταβλητή πρέπει να συσχετίζεται με το αντίστοιχο απόθεμά της (X_stock x, Y_stock y). Η δημιουργία συνδέσμων είναι παρόμοια με την προσθήκη νημάτων.

Αφού δημιουργήσετε τις απαραίτητες συνδέσεις, μπορείτε να προχωρήσετε στη σύνταξη εξισώσεων για τις ροές, που φαίνεται στο δεξιό σχήμα. Φυσικά, μπορείτε να πάτε με την αντίστροφη σειρά, αλλά εάν υπάρχουν συνδέσεις, όταν γράφετε εξισώσεις, εμφανίζονται υποδείξεις για την αντικατάσταση των απαραίτητων παραμέτρων / μεταβλητών, γεγονός που διευκολύνει την εργασία σε πολύπλοκα μοντέλα.

Αφού ολοκληρώσετε όλα τα βήματα, μπορείτε να εκτελέσετε το μοντέλο προσομοίωσης και να δείτε το αποτέλεσμά του.

Έχοντας εξετάσει τα συστήματα των μη γραμμικών διαφορικών εξισώσεων για την αλληλεπίδραση των εταιρειών στις συνθήκες της αμοιβαιότητας, μπορούμε να βγάλουμε αρκετά συμπεράσματα.

Υπάρχουν δύο καταστάσεις του συστήματος: μια απότομη απεριόριστη ανάπτυξη ή η τάση της ποσότητας της παραγωγής στο μηδέν. Ποια από τις δύο καταστάσεις θα υποθέσει το σύστημα εξαρτάται από τις παραμέτρους.

Κανένα από τα προτεινόμενα μοντέλα, συμπεριλαμβανομένου του μοντέλου που λαμβάνει υπόψη τον κορεσμό, δεν είναι κατάλληλο για πρακτική χρήση, λόγω της έλλειψης μη μηδενικής σταθερής θέσης, καθώς και των λόγων που περιγράφονται στην παράγραφο 1.

Στην περίπτωση μιας προσπάθειας περαιτέρω μελέτης αυτού του τύπου συμβιωτικής αλληλεπίδρασης προκειμένου να δημιουργηθεί ένα μοντέλο εφαρμόσιμο από τις εταιρείες στην πράξη, είναι απαραίτητο να περιπλέκεται περαιτέρω το σύστημα και να εισαχθούν νέες παραμέτρους. Για παράδειγμα, ο Bazykin στο βιβλίο του δίνει ένα παράδειγμα της δυναμικής δύο αμοιβαίων πληθυσμών με την εισαγωγή ενός πρόσθετου παράγοντα ενδοειδικού ανταγωνισμού. Εξαιτίας του οποίου το σύστημα παίρνει τη μορφή:

(1.15)

Και σε αυτή την περίπτωση, εμφανίζεται μια μη μηδενική σταθερή θέση του συστήματος, χωρισμένη από το μηδέν με μια «σέλα», που το φέρνει πιο κοντά στην πραγματική εικόνα του τι συμβαίνει.

2. Αλληλεπίδραση εταιρειών στις συνθήκες πρωτοσυνεργασίας

Όλες οι βασικές θεωρητικές πληροφορίες παρουσιάστηκαν στο προηγούμενο κεφάλαιο, επομένως στην ανάλυση των μοντέλων που εξετάστηκαν σε αυτό το κεφάλαιο, ως επί το πλείστον, η θεωρία θα παραλειφθεί, με εξαίρεση μερικά σημεία που δεν συναντήσαμε στο προηγούμενο κεφάλαιο και μπορεί επίσης να υπάρξει μείωση στους υπολογισμούς. Το μοντέλο αλληλεπίδρασης μεταξύ οργανισμών που εξετάζεται σε αυτό το κεφάλαιο υπό συνθήκες πρωτοσυνεργασίας, το οποίο αποτελείται από συστήματα δύο εξισώσεων που βασίζονται στο μοντέλο του Μαλθουσιανού, μοιάζει με σύστημα (1.5). Τα συστήματα που αναλύθηκαν στο προηγούμενο κεφάλαιο έδειξαν ότι για τη μέγιστη προσέγγισή τους στα υπάρχοντα μοντέλα, είναι απαραίτητο να περιπλέκονται τα συστήματα. Με βάση αυτά τα ευρήματα, θα προσθέσουμε αμέσως έναν περιορισμό ανάπτυξης στο μοντέλο. Σε αντίθεση με τον προηγούμενο τύπο αλληλεπίδρασης, όταν η ανάπτυξη που δεν εξαρτάται από άλλη εταιρεία είναι αρνητική, σε αυτή την περίπτωση όλα τα σημάδια είναι θετικά, πράγμα που σημαίνει ότι έχουμε συνεχή ανάπτυξη. Αποφεύγοντας τις ελλείψεις που περιγράφηκαν προηγουμένως, θα προσπαθήσουμε να την περιορίσουμε στην λογιστική εξίσωση, γνωστή και ως εξίσωση Verhulst (Gershenfeld, 1999), η οποία έχει την ακόλουθη μορφή:

, (2.1)

όπου P είναι το μέγεθος του πληθυσμού, r είναι η παράμετρος που δείχνει τον ρυθμό ανάπτυξης, K είναι η παράμετρος που είναι υπεύθυνη για το μέγιστο δυνατό μέγεθος πληθυσμού. Δηλαδή, με την πάροδο του χρόνου, το μέγεθος του πληθυσμού (στην περίπτωσή μας, η παραγωγή) θα τείνει σε μια συγκεκριμένη παράμετρο Κ.

Αυτή η εξίσωση θα βοηθήσει να περιοριστεί η αχαλίνωτη αύξηση της παραγωγής που έχουμε δει μέχρι τώρα. Έτσι, το σύστημα παίρνει την ακόλουθη μορφή:

(2.2)

Μην ξεχνάτε ότι ο όγκος των εμπορευμάτων που αποθηκεύονται στην αποθήκη για κάθε εταιρεία είναι διαφορετικός, επομένως οι παράμετροι που περιορίζουν την ανάπτυξη είναι διαφορετικές. Ας ονομάσουμε αυτό το σύστημα "", και στο μέλλον θα χρησιμοποιούμε αυτό το όνομα όταν το σκεφτούμε.

Το δεύτερο σύστημα που θα εξετάσουμε είναι η περαιτέρω ανάπτυξη του μοντέλου με τον περιορισμό Verhulst. Όπως και στο προηγούμενο κεφάλαιο, εισάγουμε έναν περιορισμό κορεσμού, τότε το σύστημα θα πάρει τη μορφή:

(2.3)

Τώρα κάθε ένας από τους όρους έχει το δικό του όριο, οπότε χωρίς περαιτέρω ανάλυση μπορεί να φανεί ότι δεν θα υπάρξει απεριόριστη ανάπτυξη, όπως στα μοντέλα του προηγούμενου κεφαλαίου. Και εφόσον καθένας από τους όρους καταδεικνύει θετική ανάπτυξη, τότε η ποσότητα παραγωγής δεν θα πέσει στο μηδέν. Ας ονομάσουμε αυτό το μοντέλο «μοντέλο πρωτολειτουργίας με δύο περιορισμούς».

Αυτά τα δύο μοντέλα συζητούνται σε διάφορες πηγές για βιολογικούς πληθυσμούς. Τώρα θα προσπαθήσουμε να επεκτείνουμε κάπως τα συστήματα. Για να το κάνετε αυτό, λάβετε υπόψη το παρακάτω σχήμα.

Το σχήμα δείχνει ένα παράδειγμα των διεργασιών δύο εταιρειών: της βιομηχανίας χάλυβα και άνθρακα. Και στις δύο επιχειρήσεις παρατηρείται αύξηση της παραγωγής που είναι ανεξάρτητη από την άλλη, καθώς και αύξηση της παραγωγής, η οποία προκύπτει λόγω της αλληλεπίδρασής τους. Αυτό το έχουμε ήδη λάβει υπόψη σε προηγούμενα μοντέλα. Τώρα αξίζει να δοθεί προσοχή στο γεγονός ότι οι εταιρείες όχι μόνο παράγουν προϊόντα, αλλά τα πωλούν επίσης, για παράδειγμα, στην αγορά ή σε μια εταιρεία που αλληλεπιδρά μαζί της. Εκείνοι. Με βάση λογικά συμπεράσματα, υπάρχει ανάγκη για αρνητική ανάπτυξη των εταιρειών λόγω της πώλησης προϊόντων (στο σχήμα, οι παράμετροι β1 και β2 ευθύνονται για αυτό), καθώς και λόγω της μεταφοράς μέρους των προϊόντων σε άλλη επιχείρηση . Προηγουμένως, το λαμβάναμε υπόψη μόνο με θετικό πρόσημο για άλλη εταιρεία, αλλά δεν λάβαμε υπόψη το γεγονός ότι ο αριθμός των προϊόντων μειώνεται για την πρώτη επιχείρηση κατά τη μεταφορά προϊόντων. Σε αυτή την περίπτωση, παίρνουμε το σύστημα:

(2.4)

Και αν μπορεί να ειπωθεί για τον όρο ότι αν υποδεικνύονταν σε προηγούμενα μοντέλα ότι , χαρακτηρίζουν τη φυσική αύξηση και η παράμετρος μπορεί να είναι αρνητική, τότε δεν υπάρχει ουσιαστικά διαφορά, τότε για τον όρο αυτό δεν μπορεί να ειπωθεί. Επιπλέον, στο μέλλον, όταν εξετάζουμε ένα τέτοιο σύστημα με περιορισμό που του επιβάλλεται, είναι πιο σωστό να χρησιμοποιούνται οι όροι θετικής και αρνητικής ανάπτυξης, καθώς στην περίπτωση αυτή μπορεί να επιβληθούν διαφορετικοί περιορισμοί σε αυτά, κάτι που είναι αδύνατο για το φυσικό ανάπτυξη. Ας το ονομάσουμε «μοντέλο διευρυμένης πρωτοσυνεργασίας».

Τέλος, το τέταρτο υπό εξέταση μοντέλο είναι το εκτεταμένο μοντέλο πρωτοσυνεργασίας με τον προαναφερθέντα περιορισμό λογιστικής ανάπτυξης. Και το σύστημα για αυτό το μοντέλο είναι το εξής:

, (2.5)

πού είναι η αύξηση της παραγωγής της πρώτης επιχείρησης, ανεξάρτητα από τη δεύτερη, λαμβάνοντας υπόψη τον υλικοτεχνικό περιορισμό, - την αύξηση της παραγωγής της πρώτης εταιρείας, ανάλογα με τη δεύτερη, λαμβάνοντας υπόψη τον υλικοτεχνικό περιορισμό, - την αύξηση της παραγωγής της δεύτερης επιχείρησης, ανεξάρτητα από την πρώτη, λαμβάνοντας υπόψη τον υλικοτεχνικό περιορισμό, - αύξηση της παραγωγής της δεύτερης εταιρείας, ανάλογα με την πρώτη, λαμβάνοντας υπόψη τον υλικοτεχνικό περιορισμό, - κατανάλωση των αγαθών της πρώτης εταιρείας, που δεν σχετίζονται με άλλη, - κατανάλωση αγαθών της δεύτερης εταιρείας, που δεν σχετίζονται με άλλη , - κατανάλωση αγαθών της πρώτης βιομηχανίας από τη δεύτερη βιομηχανία, - κατανάλωση αγαθών της δεύτερης βιομηχανίας πρώτη βιομηχανία.

Στο μέλλον, αυτό το μοντέλο θα αναφέρεται ως το «εκτεταμένο μοντέλο πρωτολειτουργίας με λογιστικό περιορισμό».

1 Σταθερότητα συστημάτων στην πρώτη προσέγγιση

Μοντέλο πρωτολειτουργίας με περιορισμό Verhulst

Οι μέθοδοι για την ανάλυση της σταθερότητας του συστήματος υποδείχθηκαν σε παρόμοια ενότητα του προηγούμενου κεφαλαίου. Πρώτα απ 'όλα, βρίσκουμε σημεία ισορροπίας. Ένα από αυτά, όπως πάντα, είναι μηδέν. Το άλλο είναι ένα σημείο με συντεταγμένες .

Για το σημείο μηδέν λ1 = , λ2 = , αφού και οι δύο παράμετροι είναι μη αρνητικές, λαμβάνουμε έναν ασταθή κόμβο.

Δεδομένου ότι δεν είναι πολύ βολικό να εργαστείτε με το δεύτερο σημείο, λόγω της έλλειψης δυνατότητας συντόμευσης της έκφρασης, θα αφήσουμε τον ορισμό του τύπου σταθερότητας στα διαγράμματα φάσης, καθώς δείχνουν ξεκάθαρα εάν το σημείο ισορροπίας είναι σταθερό ή όχι.

Η ανάλυση αυτού του συστήματος είναι πιο περίπλοκη από την προηγούμενη λόγω του γεγονότος ότι προστίθεται ο παράγοντας κορεσμού, έτσι εμφανίζονται νέες παράμετροι και κατά την εύρεση σημείων ισορροπίας, θα χρειαστεί να λυθεί όχι μια γραμμική, αλλά μια διγραμμική εξίσωση λόγω η μεταβλητή στον παρονομαστή. Επομένως, όπως και στην προηγούμενη περίπτωση, αφήνουμε τον ορισμό του τύπου ευστάθειας στα διαγράμματα φάσεων.

Παρά την εμφάνιση νέων παραμέτρων, το Jacobian στο σημείο μηδέν, καθώς και οι ρίζες της χαρακτηριστικής εξίσωσης, μοιάζει με το προηγούμενο μοντέλο. Έτσι, στο σημείο μηδέν, ένας ασταθής κόμβος.

Ας περάσουμε στα προηγμένα μοντέλα. Το πρώτο από αυτά δεν περιέχει περιορισμούς και έχει τη μορφή συστήματος (2.4)

Ας κάνουμε μια αλλαγή μεταβλητών, , Και . Νέο σύστημα:

(2.6)

Σε αυτή την περίπτωση, παίρνουμε δύο σημεία ισορροπίας, το σημείο A(0,0), B(). Το σημείο Β βρίσκεται στο πρώτο τρίμηνο επειδή οι μεταβλητές έχουν μη αρνητική τιμή.

Για το σημείο ισορροπίας Α παίρνουμε:

. - ασταθής κόμπος

. - σαμάρι,

. - σαμάρι,

. - σταθερός κόμπος

Στο σημείο Β, οι ρίζες της χαρακτηριστικής εξίσωσης είναι μιγαδικοί αριθμοί: λ1 = , λ2 = . Δεν μπορούμε να προσδιορίσουμε τον τύπο της σταθερότητας βασιζόμενοι στα θεωρήματα του Lyapunov, επομένως θα πραγματοποιήσουμε αριθμητικές προσομοιώσεις που δεν θα δείχνουν όλες τις πιθανές καταστάσεις, αλλά θα μας επιτρέψουν να ανακαλύψουμε τουλάχιστον μερικές από αυτές.

Εικόνα 2.2. Αριθμητική προσομοίωση αναζήτησης του τύπου σταθερότητας

Λαμβάνοντας υπόψη αυτό το μοντέλο, θα πρέπει να αντιμετωπίσει κανείς υπολογιστικές δυσκολίες, καθώς έχει μεγάλο αριθμό διαφόρων παραμέτρων, καθώς και δύο περιορισμούς.

Χωρίς να μπούμε σε λεπτομέρειες υπολογισμών, φτάνουμε στα ακόλουθα σημεία ισορροπίας. Σημείο Α(0,0) και σημείο Β με τις ακόλουθες συντεταγμένες:

(), όπου a =

Για το σημείο Α, ο προσδιορισμός του τύπου σταθερότητας είναι μια ασήμαντη εργασία. Οι ρίζες της χαρακτηριστικής εξίσωσης είναι λ1 = , λ2 = . Έτσι έχουμε τέσσερις επιλογές:

1. λ1 > 0, λ2 > 0 - ασταθής κόμβος.

2.λ1< 0, λ2 >0 - σέλα.

3. λ1 ​​> 0, λ2< 0 - седло.

4.λ1< 0, λ2 < 0 - устойчивый узел.

Μιλώντας για το σημείο Β, αξίζει να συμφωνήσουμε ότι η αντικατάσταση των συντομογραφιών στην έκφραση θα περιπλέξει τη δουλειά με το Jacobian και την εύρεση των ριζών της χαρακτηριστικής εξίσωσης. Για παράδειγμα, αφού προσπάθησα να τις βρούμε χρησιμοποιώντας υπολογιστικά εργαλεία WolframAlpha, η έξοδος των ριζών πήρε περίπου πέντε γραμμές, κάτι που δεν επιτρέπει την εργασία μαζί τους με κυριολεκτικούς όρους. Φυσικά, εάν υπάρχουν ήδη υπάρχουσες παράμετροι, φαίνεται δυνατό να βρεθεί γρήγορα ένα σημείο ισορροπίας, αλλά αυτή είναι μια ειδική περίπτωση, αφού θα βρούμε την κατάσταση ισορροπίας, εάν υπάρχει, μόνο για αυτές τις παραμέτρους, η οποία δεν είναι κατάλληλη για την απόφαση σύστημα υποστήριξης για το οποίο σχεδιάζεται να δημιουργηθεί το μοντέλο.

Λόγω της πολυπλοκότητας της εργασίας με τις ρίζες της χαρακτηριστικής εξίσωσης, κατασκευάζουμε την αμοιβαία διάταξη των μηδενικών ισοκλινών κατ' αναλογία με το σύστημα που αναλύεται στο έργο του Bazykin (Bazykin, 2003). Αυτό θα μας επιτρέψει να εξετάσουμε τις πιθανές καταστάσεις του συστήματος και στο μέλλον, κατά την κατασκευή πορτρέτων φάσης, να βρούμε σημεία ισορροπίας και τύπους σταθερότητάς τους.

Μετά από ορισμένους υπολογισμούς, οι μηδενικές ισοκλινικές εξισώσεις έχουν την ακόλουθη μορφή:

(2.7)

Έτσι, οι ισοκλίνες έχουν τη μορφή παραβολών.

Εικόνα 2.3. Πιθανή μηδενική ισοκλινική τοποθεσία

Συνολικά, υπάρχουν τέσσερις πιθανές περιπτώσεις αμοιβαίας διευθέτησής τους ανάλογα με τον αριθμό των κοινών σημείων μεταξύ των παραβολών. Κάθε ένα από αυτά έχει τα δικά του σύνολα παραμέτρων, και ως εκ τούτου τα πορτρέτα φάσεων του συστήματος.

2 πορτρέτα φάσεων συστημάτων

Ας κατασκευάσουμε ένα πορτρέτο φάσης του συστήματος, υπό την προϋπόθεση ότι και οι υπόλοιπες παράμετροι είναι ίσες με 1. Σε αυτήν την περίπτωση, αρκεί ένα σύνολο μεταβλητών, αφού η ποιότητα δεν θα αλλάξει.

Όπως φαίνεται από τα παρακάτω σχήματα, το σημείο μηδέν είναι ένας ασταθής κόμβος και το δεύτερο σημείο, αν αντικαταστήσουμε τις αριθμητικές τιμές των παραμέτρων, παίρνουμε (-1,5, -1,5) - μια σέλα.

Εικόνα 2.4. Πορτραίτο φάσης για το σύστημα (2.2)

Έτσι, εφόσον δεν πρέπει να συμβούν αλλαγές, τότε για αυτό το σύστημα υπάρχουν μόνο ασταθείς καταστάσεις, κάτι που πιθανότατα οφείλεται στην πιθανότητα απεριόριστης ανάπτυξης.

Ένα μοντέλο πρωτολειτουργίας με δύο περιορισμούς.

Σε αυτό το σύστημα, υπάρχει ένας επιπλέον περιοριστικός παράγοντας, επομένως τα διαγράμματα φάσεων πρέπει να διαφέρουν από την προηγούμενη περίπτωση, όπως φαίνεται στο σχήμα. Το σημείο μηδέν είναι επίσης ένας ασταθής κόμβος, αλλά εμφανίζεται μια σταθερή θέση σε αυτό το σύστημα, δηλαδή ένας σταθερός κόμβος. Με αυτές τις παραμέτρους, τις συντεταγμένες του (5.5,5.5), φαίνεται στο σχήμα.

Εικόνα 2.5. Πορτραίτο φάσης για το σύστημα (2.3)

Έτσι, ο περιορισμός σε κάθε όρο κατέστησε δυνατή την απόκτηση μιας σταθερής θέσης του συστήματος.

Εκτεταμένο μοντέλο πρωτολειτουργίας.

Ας δημιουργήσουμε πορτρέτα φάσης για το εκτεταμένο μοντέλο, αλλά αμέσως χρησιμοποιώντας την τροποποιημένη του μορφή:

Ας εξετάσουμε τέσσερα σύνολα παραμέτρων, όπως να εξετάσουμε όλες τις περιπτώσεις με μηδενικό σημείο ισορροπίας και επίσης να δείξουμε τα διαγράμματα φάσης της αριθμητικής προσομοίωσης που χρησιμοποιείται για ένα μη μηδενικό σημείο ισορροπίας: το σύνολο A(1,0,5,0,5) αντιστοιχεί στο κράτος , το σύνολο B(1,0,5,-0,5) αντιστοιχεί σε ορίστε C(-1.0.5,0.5) και ορίστε D(-1.0.5,-0.5) , δηλαδή ένας σταθερός κόμβος στο σημείο μηδέν. Τα δύο πρώτα σετ θα δείξουν τα πορτρέτα φάσεων για τις παραμέτρους που εξετάσαμε στην αριθμητική προσομοίωση.

Εικόνα 2.6. Πορτραίτο φάσης για σύστημα (2.4) με παραμέτρους А-D.

Στα σχήματα, είναι απαραίτητο να δώσετε προσοχή στα σημεία (-1,2) και (1,-2), αντίστοιχα, εμφανίζεται μια "σέλα" σε αυτά. Για πιο λεπτομερή αναπαράσταση, το σχήμα δείχνει μια διαφορετική κλίμακα του σχήματος με σημείο σέλας (1,-2). Στο σχήμα, στα σημεία (1,2) και (-1,-2), είναι ορατό ένα σταθερό κέντρο. Όσον αφορά το σημείο μηδέν, ξεκινώντας από σχήμα σε σχήμα στα διαγράμματα φάσης, διακρίνουμε ξεκάθαρα έναν ασταθή κόμβο, μια σέλα, μια σέλα και έναν σταθερό κόμβο.

Εκτεταμένο μοντέλο πρωτοσυνεργασίας με υλικοτεχνικό περιορισμό.

Όπως και στο προηγούμενο μοντέλο, θα δείξουμε πορτρέτα φάσης για τέσσερις περιπτώσεις μηδενικού σημείου και θα προσπαθήσουμε επίσης να σημειώσουμε μη μηδενικές λύσεις σε αυτά τα διαγράμματα. Για να το κάνετε αυτό, πάρτε τα ακόλουθα σύνολα παραμέτρων με τις παραμέτρους που καθορίζονται με την ακόλουθη σειρά (): A (2,1,2,1), B (2,1,1,2), C (1,2,2 ,1) και D (1,2,1,2). Οι υπόλοιπες παράμετροι για όλα τα σύνολα θα είναι οι εξής: .

Στα σχήματα που παρουσιάζονται παρακάτω, μπορεί κανείς να παρατηρήσει τις τέσσερις καταστάσεις ισορροπίας του σημείου μηδέν που περιγράφονται στην προηγούμενη ενότητα για αυτό το δυναμικό σύστημα. Και επίσης στα σχήματα, η σταθερή θέση ενός σημείου με μία μη μηδενική συντεταγμένη.

Εικόνα 2.7. Πορτραίτο φάσης για σύστημα (2.5) με παραμέτρους A-B

3 Ολοκληρωμένες τροχιές συστημάτων

Μοντέλο πρωτολειτουργίας με περιορισμό Verhulst

Όπως και στο προηγούμενο κεφάλαιο, λύνουμε κάθε μία από τις διαφορικές εξισώσεις χωριστά και εκφράζουμε ρητά την εξάρτηση των μεταβλητών από την παράμετρο χρόνου.

(2.8)

(2.9)

Μπορεί να φανεί από τις ληφθείσες εξισώσεις ότι η τιμή καθεμιάς από τις μεταβλητές αυξάνεται, κάτι που φαίνεται στο τρισδιάστατο μοντέλο παρακάτω.

Εικόνα 2.8. Τρισδιάστατο μοντέλο για την εξίσωση (2.8)

Αυτός ο τύπος γραφήματος αρχικά μοιάζει με το ακόρεστο τρισδιάστατο μοντέλο της Μαλθουσιανής που συζητήθηκε στο Κεφάλαιο 1, καθώς έχει παρόμοια ταχεία ανάπτυξη, αλλά αργότερα μπορείτε να δείτε μείωση του ρυθμού ανάπτυξης καθώς επιτυγχάνεται το όριο παραγωγής. Έτσι ο τελικός εμφάνισηΟι ολοκληρωτικές καμπύλες είναι παρόμοιες με το γράφημα της λογιστικής εξίσωσης που χρησιμοποιήθηκε για τον περιορισμό ενός από τους όρους.

Ένα μοντέλο πρωτολειτουργίας με δύο περιορισμούς.

Επιλύουμε καθεμία από τις εξισώσεις χρησιμοποιώντας εργαλεία Wolfram Alpha. Έτσι, η εξάρτηση της συνάρτησης x(t) ανάγεται στην ακόλουθη μορφή:

(2.10)

Για τη δεύτερη συνάρτηση, η κατάσταση είναι παρόμοια, οπότε παραλείπουμε τη λύση της. Οι αριθμητικές τιμές εμφανίστηκαν λόγω της αντικατάστασης των παραμέτρων από ορισμένες κατάλληλες τιμές, οι οποίες δεν επηρεάζουν την ποιοτική συμπεριφορά των ολοκληρωτικών καμπυλών. Τα παρακάτω διαγράμματα δείχνουν τη χρήση ορίων στην ανάπτυξη καθώς η εκθετική ανάπτυξη γίνεται λογαριθμική με την πάροδο του χρόνου.

Εικόνα 2.9. Τρισδιάστατο μοντέλο για την εξίσωση (2.10)

Εκτεταμένο μοντέλο πρωτολειτουργίας

Σχεδόν παρόμοιο με τα μοντέλα με την αλληλοκατανόηση. Η μόνη διαφορά είναι στην ταχύτερη ανάπτυξη σε σχέση με αυτά τα μοντέλα, η οποία φαίνεται από τις παρακάτω εξισώσεις (αν κοιτάξετε τον βαθμό του εκθέτη) και τα γραφήματα. Η ολοκληρωτική καμπύλη πρέπει να έχει τη μορφή εκθέτη.

(2.11)

(2.12)

Εκτεταμένο μοντέλο πρωτοσυνεργασίας με υλικοτεχνικό περιορισμό

Η εξάρτηση x(t) μοιάζει με αυτό:

Χωρίς γράφημα, είναι δύσκολο να αξιολογήσουμε τη συμπεριφορά της συνάρτησης, επομένως χρησιμοποιώντας τα ήδη γνωστά σε εμάς εργαλεία, θα την κατασκευάσουμε.

Εικόνα 2.10 Τρισδιάστατο μοντέλο για εξίσωση

Η τιμή της συνάρτησης μειώνεται για μη μικρές τιμές μιας άλλης μεταβλητής, η οποία οφείλεται στην απουσία περιορισμών στον αρνητικό διγραμμικό όρο και είναι ένα προφανές αποτέλεσμα

4 Δυναμική συστημάτων αλληλεπιδρώντων εταιρειών

Μοντέλο πρωτολειτουργίας με περιορισμό Verhulst.

Ας κατασκευάσουμε το σύστημα (2.2). Χρησιμοποιώντας τα ήδη γνωστά σε εμάς εργαλεία, κατασκευάζουμε ένα μοντέλο προσομοίωσης. Αυτή τη φορά, σε αντίθεση με τα αμοιβαία μοντέλα, το μοντέλο θα έχει υλικοτεχνικό περιορισμό.

Εικόνα 2.11. Μοντέλο δυναμικής συστήματος για σύστημα (2.2)

Ας τρέξουμε το μοντέλο. Σε αυτό το μοντέλο, αξίζει να σημειωθεί το γεγονός ότι η ανάπτυξη από τη σχέση δεν περιορίζεται από τίποτα, και η αύξηση της παραγωγής χωρίς την επιρροή του άλλου έχει έναν συγκεκριμένο περιορισμό. Αν κοιτάξετε την έκφραση της ίδιας της λογιστικής συνάρτησης, μπορείτε να δείτε ότι στην περίπτωση που η μεταβλητή (αριθμός αγαθών) υπερβαίνει τον μέγιστο δυνατό όγκο αποθήκευσης, ο όρος γίνεται αρνητικός. Στην περίπτωση που υπάρχει μόνο μια υλικοτεχνική λειτουργία, αυτό είναι αδύνατο, αλλά με έναν επιπλέον πάντα θετικό παράγοντα ανάπτυξης, αυτό είναι δυνατό. Και τώρα είναι σημαντικό να καταλάβουμε ότι η λειτουργία logistics θα αντιμετωπίσει την κατάσταση της όχι πολύ γρήγορης αύξησης του αριθμού των προϊόντων, για παράδειγμα, γραμμική. Ας ρίξουμε μια ματιά στις παρακάτω εικόνες.

Εικόνα 2.12. Ένα παράδειγμα λειτουργίας του μοντέλου δυναμικής συστήματος για το σύστημα (2.2)

Το αριστερό σχήμα δείχνει το 5ο βήμα του προγράμματος που αντιστοιχεί στο προτεινόμενο μοντέλο. Αλλά αυτή τη στιγμή αξίζει να δώσετε προσοχή στο σωστό σχήμα.

Πρώτον, για μία από τις εισερχόμενες ροές για το Y_stock, ο σύνδεσμος προς το x, εκφρασμένος σε όρους , έχει αφαιρεθεί. Αυτό γίνεται για να φανεί η διαφορά στην απόδοση του μοντέλου με γραμμική πάντα θετική ροή, και διγραμμική ανάπτυξη, που παρουσιάζεται για το X_stock. Με γραμμικές απεριόριστες ροές, μετά την υπέρβαση της παραμέτρου Κ, το σύστημα κάποια στιγμή έρχεται σε ισορροπία (σε αυτό το μοντέλο, η κατάσταση ισορροπίας είναι 200 ​​χιλιάδες μονάδες αγαθών). Αλλά πολύ νωρίτερα, η διγραμμική ανάπτυξη οδηγεί σε απότομη αύξηση της ποσότητας των αγαθών, περνώντας στο άπειρο. Εάν αφήσουμε τόσο τη δεξιά όσο και την αριστερή συνεχώς θετικές ροές διγραμμικές, τότε ήδη σε περίπου 20-30 βήματα, η τιμή του συσσωρευτή φτάνει στη διαφορά δύο απείρων.

Με βάση τα παραπάνω, μπορούμε να πούμε με ασφάλεια ότι σε περίπτωση περαιτέρω χρήσης τέτοιων μοντέλων, είναι απαραίτητο να περιοριστεί η όποια θετική ανάπτυξη.

Ένα μοντέλο πρωτολειτουργίας με δύο περιορισμούς.

Έχοντας ανακαλύψει τις αδυναμίες του προηγούμενου μοντέλου και εισάγοντας έναν περιορισμό στον δεύτερο όρο από τον παράγοντα κορεσμού, θα δημιουργήσουμε και θα εκτελέσουμε ένα νέο μοντέλο.

Εικόνα 2.13. Μοντέλο δυναμικής συστήματος και παράδειγμα λειτουργίας του για το σύστημα (2.3)

Αυτό το μοντέλο, τελικά, φέρνει τα πολυαναμενόμενα αποτελέσματα. Αποδείχθηκε ότι περιορίζει την αύξηση των τιμών του συσσωρευτή. Όπως φαίνεται από το σωστό σχήμα, και για τις δύο επιχειρήσεις, η ισορροπία επιτυγχάνεται με μια ελαφρά υπέρβαση του όγκου αποθήκευσης.

Εκτεταμένο μοντέλο πρωτολειτουργίας.

Κατά την εξέταση της δυναμικής του συστήματος αυτού του μοντέλου, θα παρουσιαστούν οι δυνατότητες του περιβάλλοντος λογισμικού AnyLogic για πολύχρωμη απεικόνιση μοντέλων. Όλα τα προηγούμενα μοντέλα κατασκευάστηκαν χρησιμοποιώντας μόνο στοιχεία της δυναμικής του συστήματος. Ως εκ τούτου, τα ίδια τα μοντέλα φαινόταν διακριτικά, δεν επέτρεπαν την παρακολούθηση της δυναμικής των αλλαγών στην ποσότητα της παραγωγής με την πάροδο του χρόνου και την αλλαγή των παραμέτρων κατά την εκτέλεση του προγράμματος. Όταν εργαζόμαστε με αυτό και τα επόμενα μοντέλα, θα προσπαθήσουμε να χρησιμοποιήσουμε ένα ευρύτερο φάσμα δυνατοτήτων προγράμματος για να αλλάξουμε τα τρία παραπάνω μειονεκτήματα.

Πρώτον, εκτός από την ενότητα "δυναμική συστήματος", το πρόγραμμα περιέχει επίσης τις ενότητες "εικόνες", "3D-αντικείμενα", οι οποίες καθιστούν δυνατή τη διαφοροποίηση του μοντέλου, κάτι που είναι χρήσιμο για την περαιτέρω παρουσίασή του, καθώς δημιουργεί το μοντέλο φαίνονται «πιο ευχάριστα».

Δεύτερον, για να παρακολουθείτε τη δυναμική των αλλαγών στις τιμές του μοντέλου, υπάρχει μια ενότητα "στατιστικά" που σας επιτρέπει να προσθέσετε γραφήματα και διάφορα εργαλεία συλλογής δεδομένων συνδέοντάς τα με το μοντέλο.

Τρίτον, για την αλλαγή παραμέτρων και άλλων αντικειμένων κατά την εκτέλεση του μοντέλου, υπάρχει μια ενότητα "χειριστήρια". Τα αντικείμενα σε αυτήν την ενότητα σάς επιτρέπουν να αλλάζετε παραμέτρους ενώ το μοντέλο εκτελείται (για παράδειγμα, "slider"), να επιλέξετε διαφορετικές καταστάσεις του αντικειμένου (για παράδειγμα, "switch") και να εκτελέσετε άλλες ενέργειες που αλλάζουν τα αρχικά καθορισμένα δεδομένα κατά την εργασία .

Το μοντέλο είναι κατάλληλο για τη διδασκαλία της εξοικείωσης με τη δυναμική των αλλαγών στην παραγωγή των επιχειρήσεων, αλλά η έλλειψη περιορισμών στην ανάπτυξη δεν επιτρέπει τη χρήση του στην πράξη.

Εκτεταμένο μοντέλο πρωτοσυνεργασίας με υλικοτεχνικό περιορισμό.

Χρησιμοποιώντας το ήδη προετοιμασμένο προηγούμενο μοντέλο, θα προσθέσουμε παραμέτρους από την λογιστική εξίσωση για να περιορίσουμε την ανάπτυξη.

Παραλείπουμε την κατασκευή του μοντέλου, καθώς τα πέντε προηγούμενα μοντέλα που παρουσιάστηκαν στην εργασία έχουν ήδη επιδείξει όλα τα απαραίτητα εργαλεία και αρχές για την εργασία μαζί τους. Αξίζει μόνο να σημειωθεί ότι η συμπεριφορά του είναι παρόμοια με το μοντέλο πρωτοσυνεργασίας με τον περιορισμό Verhulst. Εκείνοι. η έλλειψη κορεσμού εμποδίζει την πρακτική εφαρμογή του.

Αφού αναλύσουμε τα μοντέλα από την άποψη της πρωτοσυνεργασίας, ορίζουμε πολλά κύρια σημεία:

Τα μοντέλα που εξετάζονται σε αυτό το κεφάλαιο στην πράξη ταιριάζουν καλύτερα από τα αμοιβαία, καθώς έχουν μη μηδενικές σταθερές θέσεις ισορροπίας ακόμη και με δύο όρους. Επιτρέψτε μου να σας υπενθυμίσω ότι στα μοντέλα της αμοιβαιότητας καταφέραμε να το πετύχουμε μόνο προσθέτοντας έναν τρίτο όρο.

Τα κατάλληλα μοντέλα πρέπει να έχουν περιορισμούς σε κάθε έναν από τους όρους, γιατί διαφορετικά, μια απότομη αύξηση των διγραμμικών παραγόντων «καταστρέφει» ολόκληρο το μοντέλο προσομοίωσης.

Με βάση το σημείο 2, κατά την προσθήκη μιας πρωτολειτουργίας με τον περιορισμό Verhulst του παράγοντα κορεσμού στο εκτεταμένο μοντέλο, καθώς και με την προσθήκη χαμηλότερης κρίσιμης ποσότητας παραγωγής, το μοντέλο θα πρέπει να πλησιάζει όσο το δυνατόν περισσότερο την πραγματική κατάσταση πραγμάτων. Αλλά μην ξεχνάτε ότι τέτοιοι χειρισμοί του συστήματος θα περιπλέξουν την ανάλυσή του.

συμπέρασμα

Ως αποτέλεσμα της μελέτης, έγινε ανάλυση έξι συστημάτων που περιγράφουν τη δυναμική της παραγωγής από επιχειρήσεις που επηρεάζουν αμοιβαία η μία την άλλη. Ως αποτέλεσμα, τα σημεία ισορροπίας και οι τύποι της σταθερότητάς τους προσδιορίστηκαν με έναν από τους ακόλουθους τρόπους: αναλυτικά ή χάρη στα κατασκευασμένα πορτρέτα φάσης σε περιπτώσεις όπου η αναλυτική λύση δεν είναι δυνατή για κάποιο λόγο. Για καθένα από τα συστήματα κατασκευάστηκαν διαγράμματα φάσεων, καθώς και τρισδιάστατα μοντέλα, στα οποία, κατά την προβολή, είναι δυνατό να ληφθούν ολοκληρωμένες καμπύλες στα επίπεδα (x, t), (y, t). Μετά από αυτό, χρησιμοποιώντας το περιβάλλον μοντελοποίησης AnyLogic, κατασκευάστηκαν όλα τα μοντέλα και εξετάστηκαν οι επιλογές συμπεριφοράς τους κάτω από ορισμένες παραμέτρους.

Μετά την ανάλυση των συστημάτων και τη δημιουργία των μοντέλων προσομοίωσής τους, γίνεται προφανές ότι αυτά τα μοντέλα μπορούν να θεωρηθούν μόνο ως εκπαίδευση ή για περιγραφή μακροσκοπικών συστημάτων, αλλά όχι ως σύστημα υποστήριξης αποφάσεων για μεμονωμένες εταιρείες, λόγω της χαμηλής τους ακρίβειας και σε ορισμένα σημεία όχι αρκετά αξιόπιστη αναπαράσταση των εν εξελίξει διαδικασιών. Αλλά επίσης μην ξεχνάτε ότι ανεξάρτητα από το πόσο αληθινό είναι το δυναμικό σύστημα που περιγράφει το μοντέλο, κάθε εταιρεία / οργανισμός / κλάδος έχει τις δικές της διαδικασίες και περιορισμούς, επομένως δεν είναι δυνατό να δημιουργηθεί και να περιγραφεί ένα γενικό μοντέλο. Σε κάθε συγκεκριμένη περίπτωση, θα τροποποιηθεί: να γίνει πιο περίπλοκο ή, αντίθετα, να απλοποιηθεί για περαιτέρω εργασία.

Κάνοντας συμπέρασμα από τα συμπεράσματα για κάθε κεφάλαιο, αξίζει να εστιάσουμε στο αποκαλυπτόμενο γεγονός ότι η εισαγωγή περιορισμών σε κάθε έναν από τους όρους της εξίσωσης, αν και περιπλέκει το σύστημα, αλλά σας επιτρέπει επίσης να ανιχνεύσετε σταθερές θέσεις του συστήματος, καθώς και να το φέρει πιο κοντά σε αυτό που συμβαίνει στην πραγματικότητα. Και αξίζει να σημειωθεί ότι τα μοντέλα πρωτοσυνεργασίας είναι πιο κατάλληλα για μελέτη, αφού έχουν μη μηδενικές σταθερές θέσεις, σε αντίθεση με τα δύο αμοιβαία μοντέλα που εξετάσαμε.

Έτσι, ο σκοπός αυτής της μελέτης επιτεύχθηκε και οι εργασίες ολοκληρώθηκαν. Στο μέλλον, ως συνέχεια αυτής της εργασίας, θα εξεταστεί ένα εκτεταμένο μοντέλο της αλληλεπίδρασης του τύπου πρωτολειτουργίας με τρεις περιορισμούς που εισάγονται σε αυτό: υλικοτεχνική υποστήριξη, συντελεστής κορεσμού, χαμηλότερος κρίσιμος αριθμός, που θα επιτρέψει τη δημιουργία ενός πιο ακριβούς μοντέλο για ένα σύστημα υποστήριξης αποφάσεων, καθώς και ένα μοντέλο με τρεις εταιρείες. Ως προέκταση της εργασίας, μπορούμε να θεωρήσουμε δύο άλλους τύπους αλληλεπίδρασης εκτός από τη συμβίωση, που αναφέρθηκαν στο έργο.

Βιβλιογραφία

1. Bhatia Nam Parshad; Szegh Giorgio P. (2002). Θεωρία σταθερότητας δυναμικών συστημάτων. Πηδών.

2. Blanchard P.; Devaney, R. L.; Hall, G. R. (2006). Διαφορικές εξισώσεις. Λονδίνο: Thompson. σελ. 96-111.

Boeing, G. (2016). Οπτική Ανάλυση Μη Γραμμικών Δυναμικών Συστημάτων: Χάος, Φράκταλ, Αυτο-ομοιότητα και Όρια Πρόβλεψης. συστήματα. 4(4):37.

4. Campbell, David K. (2004). Μη γραμμική φυσική: Φρέσκια αναπνοή. Φύση. 432 (7016): 455-456.

Elton C.S. (1968) ανατύπωση. οικολογία των ζώων. Μεγάλη Βρετανία: William Clowes and Sons Ltd.

7. Forrester Jay W. (1961). Βιομηχανική Δυναμική. Τύπος MIT.

8. Gandolfo, Giancarlo (1996). Economic Dynamics (Τρίτη έκδοση). Βερολίνο: Springer. σελ. 407-428.

9. Gershenfeld Neil A. (1999). Η Φύση της Μαθηματικής Μοντελοποίησης. Cambridge, UK: Cambridge University Press.

10 Goodman M. (1989). Σημειώσεις μελέτης στη Δυναμική Συστήματος. Πήγασος.

Grebogi C, Ott Ε, and Yorke J. (1987). Χάος, παράξενοι ελκυστές και όρια λεκάνης φράκταλ στη μη γραμμική δυναμική. Science 238 (4827), σελ. 632-638.

12 Hairer Ernst; Nørsett Syvert Paul; Wanner, Gerhard (1993), Επίλυση συνηθισμένων διαφορικών εξισώσεων I: Nonstiff Problems, Βερολίνο, Νέα Υόρκη

Hanski I. (1999) Metapopulation Ecology. Oxford University Press, Oxford, pp. 43-46.

Hughes-Hallett Deborah; McCallum, William G.; Gleason, Andrew M. (2013). Calculus: Single and Multivariable (6 ed.). Τζον Γουάιλι.

15. Llibre J., Valls C. (2007). Παγκόσμια αναλυτικά πρώτα ολοκληρώματα για το πραγματικό επίπεδο σύστημα Lotka-Volterra, J. Math. Phys.

16. Jordan D.W.; Smith P. (2007). Μη Γραμμικές Συνήθεις Διαφορικές Εξισώσεις: Εισαγωγή για Επιστήμονες και Μηχανικούς (4η έκδ.). Oxford University Press.

Khalil Hassan K. (2001). μη γραμμικά συστήματα. Prentice Hall.

Πανεπιστήμιο Lamar, Online Math Notes - Phase Plane, P. Dawkins.

Πανεπιστήμιο Lamar, Online Math Notes - Systems of Differential Equations, P. Dawkins.

Lang Serge (1972). Διαφορικές πολλαπλές. Reading, Mass.-London-Don Mills, Ont.: Addison-Wesley Publishing Co., Inc.

Law Averill M. (2006). Μοντελοποίηση και ανάλυση προσομοίωσης με λογισμικό Expertfit. McGraw-Hill Science.

Lazard D. (2009). Τριάντα χρόνια επίλυσης πολυωνυμικών συστημάτων και τώρα; Journal of Symbolic Computation. 44(3):222-231.

24 Lewis Mark D. (2000). The Promise of Dynamic Systems Approaches for a Integrated Account of Human Development. ανάπτυξη του παιδιού. 71(1): 36-43.

25. Malthus T.R. (1798). An Essay on the Principle of Population, στην ανατύπωση Oxford World's Classics, σελ 61, τέλος Κεφαλαίου VII

26. Morecroft John (2007). Strategic Modeling and Business Dynamics: A Feedback Systems Approach. John Wiley & Sons.

27. Nolte D.D. (2015), Introduction to Modern Dynamics: Chaos, Networks, Space and Time, Oxford University Press.

Εισαγωγή 4

A priori ανάλυση δυναμικών συστημάτων 5

Διέλευση τυχαίου σήματος μέσω γραμμικού συστήματος 5

Εξέλιξη του διανύσματος φάσης του συστήματος 7

Εξέλιξη του πίνακα συνδιακύμανσης του διανύσματος φάσης του συστήματος 8

Στατιστική γραμμικοποίηση 8

Πρώτος τρόπος 9

Δεύτερος τρόπος 10

Υπολογισμός συντελεστών γραμμικοποίησης 10

Αμφισημία σε μη γραμμικούς συνδέσμους 14

Μη γραμμικός σύνδεσμος που καλύπτεται από ανατροφοδότηση 15

Προσομοίωση τυχαίων διαδικασιών 16

Φίλτρο διαμόρφωσης 16

Μοντελοποίηση λευκού θορύβου 17

Εκτίμηση στατιστικών χαρακτηριστικών δυναμικών συστημάτων με τη μέθοδο Monte Carlo 18

Ακρίβεια βαθμού 18

Μη στάσιμα δυναμικά συστήματα 20

Σταθερά δυναμικά συστήματα 21

Εκ των υστέρων ανάλυση δυναμικών συστημάτων 22

Φίλτρο Kalman 22

Μοτίβο κίνησης 22

Μοντέλο μέτρησης 23

Διόρθωση 23

Πρόβλεψη 23

Βαθμός 23

Χρήση του φιλτραρίσματος Kalman σε μη γραμμικά προβλήματα 25

Ελάχιστα τετράγωνα 27

Βαθμοί κτιρίου 27

Πρόβλεψη 29

Χρήση της μεθόδου των ελαχίστων τετραγώνων σε μη γραμμικά προβλήματα 29

Κατασκευή της μήτρας Cauchy 30

Μοντελοποίηση μέτρησης 30

Αριθμητικές μέθοδοι 31

Ειδικές λειτουργίες 31

Προσομοίωση τυχαίων μεταβλητών 31

Ομοιόμορφα κατανεμημένες τυχαίες μεταβλητές 31

Gaussian τυχαίες μεταβλητές 32

Τυχαία διανύσματα 33

Ολοκλήρωμα Πιθανοτήτων 34

Πολυώνυμα Chebyshev 36

Ολοκλήρωση συνηθισμένων διαφορικών εξισώσεων 36

Μέθοδοι Runge-Kutta 36

Ακρίβεια των αποτελεσμάτων αριθμητικής ολοκλήρωσης 37

Ένθετο Dorman-Prince 5(4) παραγγελία 37

Μέθοδοι πολλαπλών βημάτων 39

Μέθοδοι Adams 39

Ολοκλήρωση καθυστερημένων εξισώσεων 40

Σύγκριση υπολογιστικών ιδιοτήτων μεθόδων 40

Πρόβλημα Arenstorf 40

Ελλειπτικές συναρτήσεις Jacobi 41

Πρόβλημα δύο σωμάτων 41

Εξίσωση Van der Pol 42

Brusselator 42

Κρεμαστό κορδόνι εξίσωση Lagrange 42

Πλειάδες 42

Δημιουργία επεξηγηματικής σημείωσης 43

Σελίδα τίτλου 43

Ενότητα «Εισαγωγή» 44

Ενότητα «Θεωρία» 44

Ενότητα "Αλγόριθμος" 44

Ενότητα «Πρόγραμμα» 45

Ενότητα "Αποτελέσματα" 45

Ενότητα "Συμπεράσματα" 45

Ενότητα "Κατάλογος χρησιμοποιημένων πηγών" 45

Εφαρμογές 45

Λογοτεχνία 47

Εισαγωγή

Αυτό το εγχειρίδιο περιέχει οδηγίες για την ολοκλήρωση εργασιών για έργα μαθημάτων και για τη διεξαγωγή πρακτικών ασκήσεων στο μάθημα "Βασικές αρχές της Στατιστικής Δυναμικής".

Σκοπός του σχεδιασμού του μαθήματος και των πρακτικών ασκήσεων είναι η εξοικείωση με την τεχνολογία εκ των προτέρων και εκ των υστέρων ανάλυσης μη γραμμικών δυναμικών συστημάτων υπό την επίδραση τυχαίων διαταραχών.

A priori ανάλυση δυναμικών συστημάτων

Στατιστική γραμμικοποίηση

Η στατιστική γραμμικοποίηση σάς επιτρέπει να μετασχηματίσετε το αρχικό μη γραμμικό δυναμικό σύστημα με τέτοιο τρόπο ώστε για την ανάλυσή του να είναι δυνατή η χρήση μεθόδων, αλγορίθμων και σχέσεων που ισχύουν για γραμμικά συστήματα.

Αυτή η ενότητα είναι αφιερωμένη στην παρουσίαση της μεθόδου της στατιστικής γραμμικοποίησης, με βάση την απλούστερη προσεγγιστική προσέγγιση που προτείνει ο καθ. I.E. Kazakov, το οποίο, ωστόσο, καθιστά δυνατή την κατασκευή εκτιμήσεων της ακρίβειας ενός συστήματος που περιέχει ακόμη και σημαντικές μη γραμμικότητες με ασυνεχή χαρακτηριστικά.

Η στατιστική γραμμικοποίηση συνίσταται στην αντικατάσταση της αρχικής μη γραμμικής εξάρτησης χωρίς αδράνεια μεταξύ των διεργασιών εισόδου και εξόδου με μια τέτοια κατά προσέγγιση εξάρτηση, γραμμική σε σχέση με την κεντραρισμένη τυχαία διεργασία εισόδου, η οποία είναι στατιστικά ισοδύναμη σε σχέση με την αρχική:

Μια ζεύξη που έχει μια τέτοια κατά προσέγγιση σχέση μεταξύ των σημάτων εισόδου και εξόδου ονομάζεται ισοδύναμη με τη θεωρούμενη μη γραμμική ζεύξη.

Η τιμή επιλέγεται με βάση την συνθήκη ισότητας των μαθηματικών προσδοκιών των μη γραμμικών και γραμμικοποιημένων σημάτων και ονομάζεται στατιστική μέτρια χαρακτηριστικάισοδύναμος σύνδεσμος:

,

όπου είναι η πυκνότητα κατανομής του σήματος εισόδου.

Για μη γραμμικούς συνδέσμους με περιττά χαρακτηριστικά, π.χ. στο , είναι βολικό να αναπαραστήσετε το στατιστικό χαρακτηριστικό με τη μορφή:

είναι η μαθηματική προσδοκία του σήματος εισόδου.
είναι το στατιστικό κέρδος του ισοδύναμου συνδέσμου ως προς τη μέση συνιστώσα .

Οτι. η ισοδύναμη εξάρτηση σε αυτήν την περίπτωση έχει τη μορφή:

Το χαρακτηριστικό ονομάζεται στατιστικό κέρδος του ισοδύναμου συνδέσμου για την τυχαία συνιστώσα (διακυμάνσεις) και προσδιορίζεται με δύο τρόπους.

Πρώτος τρόπος

Σύμφωνα με την πρώτη μέθοδο στατιστικής γραμμικοποίησης, ο συντελεστής επιλέγεται με βάση την συνθήκη ισότητας των διασπορών του αρχικού και των ισοδύναμων σημάτων. Οτι. για τον υπολογισμό παίρνουμε την εξής σχέση:

,

όπου είναι η διακύμανση της τυχαίας ενέργειας εισόδου.

Το πρόσημο στην έκφραση for καθορίζεται από τη φύση της εξάρτησης κοντά στην τιμή του επιχειρήματος. Αν αυξηθεί, τότε , και αν μειωθεί, τότε .

Δεύτερος τρόπος

Η τιμή σύμφωνα με τη δεύτερη μέθοδο επιλέγεται από την συνθήκη ελαχιστοποίησης του μέσου τετραγωνικού σφάλματος γραμμικοποίησης:

Η τελική αναλογία για τον υπολογισμό του συντελεστή με τη δεύτερη μέθοδο είναι:

.

Συμπερασματικά, σημειώνουμε ότι καμία από τις δύο μεθόδους γραμμικοποίησης που εξετάστηκαν παραπάνω δεν διασφαλίζει την ισότητα των συναρτήσεων συσχέτισης των σημάτων εξόδου των μη γραμμικών και ισοδύναμων ζεύξεων. Οι υπολογισμοί δείχνουν ότι για τη συνάρτηση συσχέτισης ενός μη γραμμικού σήματος, η πρώτη μέθοδος επιλογής δίνει μια ανώτερη εκτίμηση και η δεύτερη μέθοδος δίνει μια χαμηλότερη εκτίμηση, δηλ. Τα σφάλματα στον προσδιορισμό της συνάρτησης συσχέτισης του μη γραμμικού σήματος εξόδου έχουν διαφορετικά πρόσημα. Prof. I.E. Ο Kazakov, ο συγγραφέας της μεθόδου που περιγράφεται εδώ, συνιστά να επιλέξετε ως συντελεστή γραμμικοποίησης που προκύπτει το μισό άθροισμα των συντελεστών που λαμβάνονται από την πρώτη και τη δεύτερη μέθοδο.

Φίλτρο διαμόρφωσης

Συνήθως, οι παράμετροι προσδιορίζονται εξισώνοντας τους συντελεστές των πολυωνύμων αριθμητή και παρονομαστή στην εξίσωση

με τους ίδιους βαθμούς.

Μετά τον προσδιορισμό της συνάρτησης μεταφοράς του φίλτρου διαμόρφωσης, το σχήμα που προκύπτει για τη μοντελοποίηση μιας τυχαίας διαδικασίας φαίνεται όπως φαίνεται στο σχήμα.

Για παράδειγμα, η φασματική πυκνότητα της διαδικασίας που πρόκειται να μοντελοποιηθεί έχει τη μορφή:

,

μαθηματική προσδοκία και ο λευκός θόρυβος με ένταση χρησιμοποιείται για μοντελοποίηση, επομένως έχει μοναδιαία φασματική πυκνότητα.

Προφανώς, ο αριθμητής και ο παρονομαστής της επιθυμητής συνάρτησης μεταφοράς πρέπει να έχουν τάξεις 1 και 2 (στην πραγματικότητα, όντας τετράγωνο modulo, η συνάρτηση μεταφοράς σχηματίζει ένα πηλίκο πολυωνύμων της 2ης και 4ης μοίρας)

Οτι. Η λειτουργία μεταφοράς του φίλτρου διαμόρφωσης στην πιο γενική του μορφή είναι η εξής:

,

και το τετράγωνο του συντελεστή του:

Ας εξισώσουμε τους ληφθέντες λόγους:

Ας βγάλουμε τις αγκύλες και στη δεξιά πλευρά της ισότητας, εξισώνοντας έτσι τους συντελεστές σε μηδέν μοίρες:

,

οπότε ακολουθούν σαφώς οι ακόλουθες ισότητες:

; ; ; .

Οτι. το μπλοκ διάγραμμα του σχηματισμού μιας τυχαίας διαδικασίας με δεδομένα στατιστικά χαρακτηριστικά από λευκό θόρυβο με μονάδα φασματικής πυκνότητας φαίνεται όπως φαίνεται στο σχήμα, λαμβάνοντας υπόψη τις υπολογισμένες τιμές των παραμέτρων του φίλτρου διαμόρφωσης.

Μοντελοποίηση λευκού θορύβου

Για την προσομοίωση μιας τυχαίας διαδικασίας με δεδομένα στατιστικά χαρακτηριστικά, ο λευκός θόρυβος χρησιμοποιείται ως τυχαία διαδικασία εισόδου στο φίλτρο διαμόρφωσης. Ωστόσο, η ακριβής μοντελοποίηση του λευκού θορύβου δεν είναι εφικτή λόγω της άπειρης διακύμανσης αυτής της τυχαίας διαδικασίας.

Για το λόγο αυτό, μια διαδικασία τυχαίου βήματος χρησιμοποιείται ως υποκατάστατο του λευκού θορύβου που ενεργεί στο δυναμικό σύστημα. Το διάστημα στο οποίο η υλοποίηση μιας τυχαίας διαδικασίας διατηρεί την τιμή της αμετάβλητη (πλάτος βήματος, διάστημα συσχέτισης) είναι μια σταθερή τιμή. Οι ίδιες οι τιμές υλοποίησης (ύψη βημάτων) είναι τυχαίες μεταβλητές που κατανέμονται σύμφωνα με τον κανονικό νόμο με μηδενική μαθηματική προσδοκία και περιορισμένη διακύμανση. Οι τιμές των παραμέτρων διεργασίας - διάστημα συσχέτισης και διασπορά - καθορίζονται από τα χαρακτηριστικά του δυναμικού συστήματος, το οποίο επηρεάζεται από τον λευκό θόρυβο.

Η ιδέα της μεθόδου βασίζεται στο περιορισμένο εύρος ζώνης οποιουδήποτε πραγματικού δυναμικού συστήματος. Εκείνοι. το κέρδος ενός πραγματικού δυναμικού συστήματος μειώνεται όσο αυξάνεται η συχνότητα του σήματος εισόδου και, επομένως, υπάρχει μια συχνότητα (λιγότερη από άπειρη) για την οποία το κέρδος του συστήματος είναι τόσο μικρό που μπορεί να μηδενιστεί. Και αυτό, με τη σειρά του, σημαίνει ότι το σήμα εισόδου με σταθερή, αλλά περιορισμένη από αυτή τη συχνότητα, φασματική πυκνότητα, για ένα τέτοιο σύστημα θα είναι ισοδύναμο με λευκό θόρυβο (με σταθερή και άπειρη φασματική πυκνότητα).

Οι παράμετροι της ισοδύναμης τυχαίας διαδικασίας - το διάστημα συσχέτισης και η διακύμανση υπολογίζονται ως εξής:

όπου είναι το εμπειρικά καθορισμένο όριο εύρους ζώνης του δυναμικού συστήματος.

Ακρίβεια εκτίμησης

Εκτιμήσεις προσδοκιών

και διασπορά

τυχαία μεταβλητή που κατασκευάστηκε με βάση την επεξεργασία ενός περιορισμένου δείγματος των υλοποιήσεών της, , είναι οι ίδιες τυχαίες μεταβλητές.

Προφανώς, όσο μεγαλύτερο είναι το μέγεθος του δείγματος των υλοποιήσεων, όσο πιο ακριβής είναι η αμερόληπτη εκτίμηση, τόσο πιο κοντά είναι η πραγματική τιμή της εκτιμώμενης παραμέτρου. Παρακάτω παρατίθενται κατά προσέγγιση τύποι που βασίζονται στην υπόθεση της κανονικής κατανομής τους. Το συμμετρικό διάστημα σχετικής εμπιστοσύνης για την εκτίμηση που αντιστοιχεί στην πιθανότητα εμπιστοσύνης καθορίζεται από την τιμή για την οποία ισχύει η σχέση:

,

Οπου
είναι η πραγματική τιμή της μαθηματικής προσδοκίας της τυχαίας μεταβλητής,
είναι η τυπική απόκλιση της τυχαίας μεταβλητής,
είναι το ολοκλήρωμα πιθανότητας.

Με βάση την παραπάνω σχέση, η ποσότητα μπορεί να προσδιοριστεί ως εξής:

,

όπου η συνάρτηση είναι αντίστροφη ως προς το ολοκλήρωμα πιθανότητας .

Εφόσον δεν γνωρίζουμε ακριβώς το χαρακτηριστικό διασποράς της εκτίμησης, θα χρησιμοποιήσουμε την κατά προσέγγιση τιμή του που υπολογίζεται χρησιμοποιώντας την εκτίμηση:

Οτι. η τελική σχέση που συνδέει την ακρίβεια της εκτίμησης της μαθηματικής προσδοκίας και το μέγεθος του δείγματος στο οποίο γίνεται η εκτίμηση μοιάζει με αυτό:

.

Αυτό σημαίνει ότι η τιμή του διαστήματος εμπιστοσύνης (σε σταθερή τιμή της πιθανότητας εμπιστοσύνης) που βρίσκεται συμμετρικά περίπου, εκφρασμένη σε κλάσματα της εκτίμησης τυπικής απόκλισης, είναι αντιστρόφως ανάλογη με την τετραγωνική ρίζα του μεγέθους του δείγματος.

Το διάστημα εμπιστοσύνης για την εκτίμηση της διακύμανσης ορίζεται με παρόμοιο τρόπο:

μέχρι την τιμή , η οποία, ελλείψει ακριβέστερων πληροφοριών, μπορεί να προσδιοριστεί κατά προσέγγιση από τη σχέση:

Οτι. η τιμή του διαστήματος εμπιστοσύνης (σε μια σταθερή τιμή της πιθανότητας εμπιστοσύνης ), που βρίσκεται συμμετρικά ως προς το , εκφρασμένη στα μερίδιά του, είναι αντιστρόφως ανάλογη με την τετραγωνική ρίζα της τιμής , όπου είναι το μέγεθος του δείγματος.

Πιο ακριβείς τύποι για την κατασκευή διαστημάτων εμπιστοσύνης εκτιμήσεων μπορούν να ληφθούν χρησιμοποιώντας ακριβείς πληροφορίες σχετικά με τον νόμο κατανομής μιας τυχαίας μεταβλητής.

Για παράδειγμα, για τον νόμο κατανομής Gauss, η τυχαία μεταβλητή

υπακούει στον νόμο κατανομής του Μαθητή με έναν βαθμό ελευθερίας και στην τυχαία μεταβλητή

κατανέμεται σύμφωνα με το νόμο και με βαθμό ελευθερίας.

Φίλτρο Kalman

Μοντέλο κίνησης

Όπως είναι γνωστό, το φίλτρο Kalman έχει σχεδιαστεί για να εκτιμά το διάνυσμα κατάστασης ενός γραμμικού δυναμικού συστήματος, το μοντέλο εξέλιξης του οποίου μπορεί να γραφτεί ως:

Οπου
είναι ο πίνακας Cauchy, ο οποίος καθορίζει την αλλαγή στο διάνυσμα κατάστασης του συστήματος με δική του κίνηση (χωρίς ενέργειες ελέγχου και θορύβου) από τη στιγμή του χρόνου σε τη στιγμή του χρόνου.
είναι το διάνυσμα των μη τυχαίων ενεργειών εξαναγκασμού στο σύστημα (για παράδειγμα, ενέργειες ελέγχου) τη στιγμή του χρόνου.
είναι ο πίνακας της επιρροής των εξαναγκαστικών ενεργειών τη στιγμή του χρόνου στο διάνυσμα κατάστασης του συστήματος τη στιγμή του χρόνου.
είναι το διάνυσμα των τυχαίων ανεξάρτητων επικεντρωμένων ενεργειών στο σύστημα τη χρονική στιγμή.
είναι ο πίνακας της επιρροής των τυχαίων επιρροών τη στιγμή του χρόνου στο διάνυσμα καταστάσεων του συστήματος τη στιγμή του χρόνου .

Μοντέλο μέτρησης

Η εκτίμηση πραγματοποιείται με βάση τη στατιστική επεξεργασία των αποτελεσμάτων των μετρήσεων, που σχετίζονται γραμμικά με το διάνυσμα κατάστασης και παραμορφώνονται από ένα προσθετικό αμερόληπτο σφάλμα:

όπου υπάρχει ένας πίνακας που συνδέει τα διανύσματα κατάστασης και μέτρησης ταυτόχρονα.

Διόρθωση

Η βάση του φίλτρου Kalman είναι οι λόγοι διόρθωσης, οι οποίοι είναι το αποτέλεσμα της ελαχιστοποίησης του ίχνους του πίνακα συνδιακύμανσης της οπίσθιας πυκνότητας κατανομής των γραμμικών (κατά μήκος του διανύσματος μέτρησης) εκτιμήσεις του διανύσματος κατάστασης του συστήματος:

Πρόβλεψη

Συμπλήρωση των σχέσεων διόρθωσης με σχέσεις πρόβλεψης που βασίζονται στις γραμμικές ιδιότητες του μοντέλου εξέλιξης του συστήματος:

όπου είναι ο πίνακας συνδιακύμανσης του διανύσματος, λαμβάνουμε τύπους για τον επαναλαμβανόμενο Μπεϋζιανό αλγόριθμο για την εκτίμηση του διανύσματος κατάστασης του συστήματος και του πίνακα συνδιακύμανσής του με βάση τη στατιστική επεξεργασία των αποτελεσμάτων της μέτρησης.

Εκτίμηση

Προφανώς, για την υλοποίηση των παραπάνω σχέσεων, είναι απαραίτητο να μπορούμε να δημιουργήσουμε πίνακες, από το μοντέλο εξέλιξης, έναν πίνακα από το μοντέλο μέτρησης, καθώς και πίνακες συνδιακύμανσης και για κάθε στιγμή του χρόνου.

Επιπλέον, για να αρχικοποιηθεί η υπολογιστική διαδικασία, είναι απαραίτητο να προσδιοριστούν με κάποιο τρόπο εκ των υστέρων, ή a priori, εκτιμήσεις του διανύσματος κατάστασης και του πίνακα συνδιακύμανσής του. Ο όρος "a priori" ή "a posteriori" σε αυτή την περίπτωση σημαίνει μόνο την ποιότητα στην οποία θα χρησιμοποιηθεί το διάνυσμα κατάστασης και ο πίνακας συνδιακύμανσής του στον υπολογιστικό αλγόριθμο και δεν λέει τίποτα για τον τρόπο λήψης τους.

Έτσι, η επιλογή της αναλογίας από την οποία θα πρέπει να ξεκινήσουν οι υπολογισμοί καθορίζεται από τα χρονικά σημεία στα οποία έχουν εκχωρηθεί οι αρχικές συνθήκες φιλτραρίσματος και το πρώτο πρωτογενές διάνυσμα μέτρησης. Εάν τα χρονικά σημεία συμπίπτουν, τότε οι λόγοι διόρθωσης θα πρέπει να εφαρμοστούν πρώτα για να τελειοποιηθούν οι αρχικές συνθήκες· εάν όχι, τότε οι αρχικές συνθήκες θα πρέπει πρώτα να προβλεφθούν από τη στιγμή της δέσμευσης του πρώτου ανεπεξέργαστου διανύσματος μέτρησης.

Ας εξηγήσουμε τον αλγόριθμο φιλτραρίσματος Kalman με τη βοήθεια ενός σχήματος.

Στο σχήμα, στους άξονες συντεταγμένων , (στο κανάλι κίνησης) φαίνονται πολλές πιθανές τροχιές του διανύσματος φάσης:

είναι η αληθινή τροχιά εξέλιξης του διανύσματος φάσης.
είναι η εξέλιξη του διανύσματος φάσης, που προβλέπεται με βάση τη χρήση του μοντέλου κίνησης και εκ των προτέρων εκτίμηση του διανύσματος φάσης, που αναφέρεται στο χρόνο.
είναι η εξέλιξη του διανύσματος φάσης, που προβλέπεται με βάση τη χρήση του μοντέλου κίνησης και μια εκ των υστέρων (ακριβέστερη) εκτίμηση του διανύσματος φάσης, που αναφέρεται στο χρόνο

Οι άξονες συντεταγμένων , (στο κανάλι μέτρησης) τις χρονικές στιγμές και δείχνουν τα αποτελέσματα των μετρήσεων και:

,

Οπου
είναι η πραγματική τιμή του διανύσματος μέτρησης τη δεδομένη στιγμή.
είναι το διάνυσμα των σφαλμάτων μέτρησης που πραγματοποιούνται τη στιγμή του χρόνου .

Για να κατασκευαστεί μια διόρθωση στο a priori διάνυσμα φάσης του συστήματος, χρησιμοποιείται η διαφορά μεταξύ του αποτελέσματος της μέτρησης και της τιμής που θα μετρηθεί σύμφωνα με το μοντέλο μέτρησης του προβλήματος εάν το διάνυσμα φάσης, στην πραγματικότητα, έπαιρνε την τιμή . Ως αποτέλεσμα της εφαρμογής των σχέσεων διόρθωσης σε εκ των προτέρων εκτιμήσεις, η εκτίμηση του διανύσματος φάσης του συστήματος θα είναι κάπως πιο ακριβής και θα λάβει την τιμή

Τη χρονική στιγμή, το αποτέλεσμα της πρόβλεψης χρησιμοποιείται ως εκ των προτέρων εκτίμηση στην τροχιά που διέρχεται από το διάνυσμα φάσης, κατασκευάζεται και πάλι η διαφορά μέτρησης, σύμφωνα με την οποία υπολογίζεται εκ των υστέρων, ακόμη πιο ακριβής τιμή κ.λπ. εφόσον υπάρχουν διανύσματα μέτρησης προς επεξεργασία ή υπάρχει ανάγκη πρόβλεψης της συμπεριφοράς του διανύσματος φάσης.

Μέθοδος ελάχιστου τετραγώνου

Αυτή η ενότητα παρουσιάζει τη μέθοδο ελαχίστων τετραγώνων προσαρμοσμένη για εκ των υστέρων ανάλυση δυναμικών συστημάτων.

Βαθμολογίες κτιρίων

Για την περίπτωση ενός γραμμικού μοντέλου ίσων μετρήσεων:

έχουμε τον ακόλουθο αλγόριθμο εκτίμησης διανύσματος φάσης:

.

Για την περίπτωση άνισων μετρήσεων, εισάγουμε τον πίνακα που περιέχει συντελεστές βάρους στη διαγώνιο. Λαμβάνοντας υπόψη τους συντελεστές βάρους, η προηγούμενη αναλογία θα έχει τη μορφή:

.

Αν χρησιμοποιήσουμε τον πίνακα αντίστροφο προς τον πίνακα συνδιακύμανσης των σφαλμάτων μέτρησης ως πίνακα βάρους, τότε, λαμβάνοντας υπόψη το γεγονός ότι παίρνουμε:

.

Όπως προκύπτει από τις παραπάνω σχέσεις, η βάση της μεθόδου είναι ο πίνακας που συσχετίζει το εκτιμώμενο διάνυσμα φάσης, που αναφέρεται σε ένα συγκεκριμένο χρονικό σημείο, και το διάνυσμα μέτρησης. Το διάνυσμα έχει, κατά κανόνα, μια δομή μπλοκ, στην οποία καθένα από τα μπλοκ εκχωρείται σε κάποιο χρονικό σημείο, το οποίο γενικά δεν συμπίπτει με το .

Το σχήμα δείχνει κάποια πιθανή αμοιβαία διάταξη των χρονικών σημείων στα οποία αναφέρονται οι μετρήσεις και το χρονικό σημείο στο οποίο αναφέρεται το διάνυσμα των εκτιμώμενων παραμέτρων.

Για κάθε διάνυσμα ισχύει η ακόλουθη σχέση:

, στο .

Έτσι, στη σχέση ελαχίστων τετραγώνων που προκύπτει, το διάνυσμα και ο πίνακας έχουν την ακόλουθη δομή:

; .

Οπου
– καθορίζει μια μη τυχαία επίδραση εξαναγκασμού στο σύστημα.
– καθορίζει την τυχαία επίδραση στο σύστημα.

Μπορούν να χρησιμοποιηθούν σχέσεις πρόβλεψης, οι οποίες συναντήθηκαν παραπάνω στην περιγραφή του αλγόριθμου φιλτραρίσματος Kalman:

όπου είναι ο πίνακας συνδιακύμανσης του διανύσματος .

Κατασκευή της μήτρας Cauchy

Στα προβλήματα κατασκευής εκτιμήσεων με μεθόδους στατιστικής επεξεργασίας μετρήσεων, συναντάται συχνά το πρόβλημα της κατασκευής του πίνακα Cauchy. Αυτή η μήτρα συνδέει τα διανύσματα φάσης του συστήματος, που αναφέρονται σε διαφορετικές χρονικές στιγμές, με δική τους κίνηση.

Σε αυτήν την ενότητα, περιοριζόμαστε στην εξέταση θεμάτων που σχετίζονται με την κατασκευή του πίνακα Cauchy για ένα μοντέλο εξέλιξης γραμμένο ως ένα σύστημα συνηθισμένων διαφορικών εξισώσεων (γραμμικών ή μη γραμμικών).

όπου χρησιμοποιείται την ακόλουθη σημειογραφίαγια πίνακες αναλογικότητας που κατασκευάζονται κοντά στην τροχιά αναφοράς , :

; .

Μοντελοποίηση διαστάσεων

Το πρόβλημα προκύπτει όταν, για παράδειγμα, κατά την εκτίμηση της δυνητικά επιτεύξιμης ακρίβειας μιας μεθόδου σε κάποιο πρόβλημα, δεν έχετε κανένα αποτέλεσμα μέτρησης. Σε αυτή την περίπτωση, τα αποτελέσματα των μετρήσεων πρέπει να προσομοιωθούν. Η ιδιαιτερότητα της μοντελοποίησης των αποτελεσμάτων της μέτρησης είναι ότι τα μοντέλα κίνησης και μέτρησης που χρησιμοποιούνται για το σκοπό αυτό ενδέχεται να μην συμπίπτουν με τα μοντέλα που θα χρησιμοποιήσετε κατά την κατασκευή εκτιμήσεων χρησιμοποιώντας τη μία ή την άλλη μέθοδο φιλτραρίσματος.

Ως αρχικές συνθήκες για τη μοντελοποίηση της εξέλιξης του διανύσματος φάσης ενός δυναμικού συστήματος, θα πρέπει να χρησιμοποιούνται οι πραγματικές τιμές των συντεταγμένων αυτού του διανύσματος. Εκτός από αυτό το μέρος, οι πραγματικές τιμές των συντεταγμένων του διανύσματος φάσης του συστήματος δεν πρέπει να χρησιμοποιούνται πουθενά αλλού.

Αριθμητικές Μέθοδοι

Ειδικά χαρακτηριστικά

Τυχαία διανύσματα

Το πρόβλημα, η λύση του οποίου περιγράφεται σε αυτή την υποενότητα, είναι να μοντελοποιήσουμε ένα διάνυσμα συσχετισμένων τυχαίων μεταβλητών Gauss.

Έστω το τυχαίο διάνυσμα, που θα μοντελοποιηθεί, να σχηματιστεί με βάση τον μετασχηματισμό του διανύσματος τυπικών ασύνδετων τυχαίων μεταβλητών της αντίστοιχης διάστασης ως εξής: με ακρίβεια 4 ψηφίων, με βάση την επέκταση σε σειρές σε δυνάμεις του ορίσματος για τα τρία του διαστήματα.

Στο , το άθροισμα της ασυμπτωτικής σειράς γίνεται σχεδόν ίσο με 1.