当前位置:首页>新闻中心

仿真实验与实际操作实验有什么区别

发布日期2020-07-10

仿真(Simulation)实验主要是指借助计算机技术(部分辅助以专用物理效应设备)建立仿真系统模型, 对真实系统的环境和过程进行模拟, 背景是控制理论、相似理论、信息技术。

仿真技术主要用于价格昂贵、周期长、危险性大、实际系统试验难以实现的领域.

航空航天

核能电力

石油化工

冶金机制

也对一些复杂的系统进行大规模的验证:

社会系统

经济系统

交通系统

生态系统

是分析、研究、设计、评价、决策和训练的重要手段。

仿真学: 以计算机和其他专用物理效应设备为工具,利用系统模型对真实或假设的系统进行试验,并借助于专家的经验知识、统计数据和信息资料对实验结果进行分析研究,进而做出决策的一门综合的实验性学科。 

仿真根据仿真系统模型不同, 分为:物理仿真数学仿真物理—数学仿真根据计算机等仪器的类别, 分为:

模拟仿真

数字仿真

混合仿真

这里在仿真的一般步骤中体会区别: 

问题描述: 目标 变量 约束 ...

收集数据和信息 

建立计算机模型

 校验和确认模型 运行模型并分析输出  

1) 区别于因与问题的定义 

一个模型不可能呈现被模拟的现实系统的所有方面

理论不能: 用离散硬件模拟精细的准连续过程

财力不能: 没有时间或者金钱, 做不了

艺术至上: 有时需要的是关注的那部分的抽象形式而不是表现真实系统的所有细节(系统要简洁)

于是定义的问题(也包括状态空间, 动作空间, ..) 与真实问题其实是有偏差的, 这本身就是人知晓的明显的区别. 定义问题往往要求泛化: 越通用越好, 考虑问题的主干原因, 和研究的通用目标(测度)。

仿真需要列出仿真结果的先决条件, 如:必须通过利用现有设备来实现目标,或高投资额要在限度内,或产品订货提前期不能延长等。(这些都是与实际问题可能不同的理想约束)。

 仿真模型降低完成工作的时间。系统中的时间被划分成处理时间、运输时间和排队时间。不论模型是一个物流系统、制造工厂、或服务机构,清楚明了的定义如下建模要素都是非常必要的:资源、流动项目(产品、顾客或信息)、路径、项目运输、流程控制、加工时间,资源故障时间。

 仿真将现实系统资源分成四类:处理器,队列,运输,和共享资源如操作员。流动项目的到达和预载的必要条件必须定义,如:到达时间、到达模式和该项目的类型等属性。在定义流动路径时,合并和转移需要详细的描述。项目的转变包括属性变化、装配操作(项目和并)、拆卸操作(项目分离)。

在系统中,常常有必要控制项目的流动。如:一个项目只有在某种条件或某一时刻到来时才能移动,以及一些特定的规则。所有的处理时间都要被定义,并且要清楚表明那些操作是机器自动完成,哪些操作是人工独立完成,哪些操作需要人机协同完成。资源可能有计划故障时间和意外故障时间。计划故障时间通常指午餐时间,中场休息,和预防性维护等。意外故障时间是随机发生的故障所需的时间,包括失效平均间隔时间和维修平均间隔时间。 

在这些工作完成之后,需要将现实系统作模型描述,它远比模型描述向计算机模型转化困难。现实向模型的转化意味着你已经对现实有了非常彻底的理解,并且能将其较好的描述出来。这一阶段,将此转换过程中所作的所有假设作详细说明非常有必要。事实上,在整个仿真研究过程中,所有假设列表保持在可获得状态是个很好的主意,因为这个假设列表随着仿真的递进还要逐步增长。假如描述系统这一步做得非常好,建立计算机模型这一阶段将非常简便。 

2) 区别于数据收集数据和信息

除了为模型参数输入数据外,在验证模型阶段,还可以提供实际数据与模型的性能测度数据进行比较。数据可以通过历史纪录、经验、和计算得到。这些粗糙的数据将为模型输入参数提供基础,同时将有助于一些需要较精确输入参数数据的收集。 

历史纪录、经验、和计算得到的数据与真实数据应该是独立同分布的, 这就是理想化仿真解决问题的随机误差,但由于仿真设计以及仿真设备的问题,可能造成一些系统误差。另外数据可能不能准确预测真实情况的数据分布,这也是一大关键区别。

注: 有些数据可能没有现成的记录,而通过测量来收集数据可能要费时、费钱。除了在模型分析中,模型参数需要极为精确的输入数据外,同对系统的每个参数的数据进行调查、测量的收集方式相比,采用估计方法来产生输入数据更为高效。估计值可以通过少数快速测量或者通过咨询熟悉系统的系统专家来得到。即使是使用较为粗糙的数据,根据小值、大值和可能取值定义一个三角分布,要比仅仅采用平均值仿真效果都要好得多。有时候采用估计值也能够很好的满足仿真研究的目的。

例如,仿真可能被简单的用来指导人员了解系统中特定的因果关系。在这种情况下,估计值就可以满足要求。 当需要可靠数据时,花费较多时间收集和统计大量数据,以定义出能够准确反映现实的概率分布函数就是非常必要的。需要的数据量的大小取决于变量的变异程度,但是也有通用的规则,大拇指法指出至少需要三十甚至上百的数据。假如要获得随机停机时间的输入参数,必须要在一个较长时间段内捕获足够多的数据。 

3) 区别于计算机模型 

构建计算机模型的过程中,首先构建小的测试模型来证明复杂部件的建模是合适的。一般建模过程是呈阶段性的,在进行下一阶段建模之前,验证本阶段的模型工作正常,在建模过程中运行和调试每一阶段的模型。不会直接将整个系统模型构建起来,然后点击“运行”按钮来进行系统的仿真。

抽象模型有助于定义系统的重要部分,并可以引导为后续模型的详细化而进行的数据收集活动。我们可能想对同一现实系统构建多个计算机模型,每个模型的抽象程度都不相同。 仿真设计的计算机模型以及仿真设备本身可能存在普遍的系统误差(不只针对某一问题, 是模型本身的偏差), 实际操作在真实环境中不存在这种问题。