- •1.1 Понятие о моделировании.
- •1.2 Системы массового обслуживания
- •2.1. Виды моделирования.
- •2.2Моделирование простейшей одноканальной системы смо
- •3.1. Математическое моделирование. Источники ошибок. Необходимость тестирования.
- •3.2 Простейший поток событий
- •4.1 Необходимость тестирования компьютерных моделей.
- •4.2. Замкнутые смо
- •5.1. Сравнение некоторых пакетов, расчетов и моделирований.
- •5.2. Открытая смо
- •6.1 Примеры задач приводящих к необходимости решения дифференциальных уравнений.
- •6.2 Понятие о конкурирующих стратегиях. Пример алгоритма для выбора рациональной стратегии.
- •7.1 Сведение произвольной системы оду произвольного порядка к системе оду 1-го порядка.
- •7.2 Приближение инженерных данных. Виды приближений.
- •Поточечное среднеквадратическое приближение.
- •Непрерывное приближение в среднеквадратичном смысле.
- •Равномерное приближение.
- •8.1 Примеры сведения дифференциальных уравнений и их систем произвольного порядка к системе оду 1-го порядка в канонической форме Коши.
- •8.2. Интерполирование. Аппроксимация методом наименьших квадратов. Равномерное приближение. Поточечная аппроксимация табличных данных по методу наименьших квадратов.
- •9.1 Пример решения задачи о колебаниях одно массовой системы на основе использования встроенной процедуры Rkadapt.
- •9.2 Разложение аппроксиматора по системе базисных функций. Сведение задачи аппроксимации к системе лау.
- •10.1 Математическое моделирование механических колебательных систем со сосредоточенными параметрами .Системы с распределенными и сосредоточенными параметрами.
- •Пример использования разложения аппроксиматора по базисным функциям в виде мономов.
- •11.1 Методика получения модели механических колебательной системы сосредоточенными параметрами на основе уравнений Лагранжа 2-ого рода
- •11.2Интерполирование, алгебраическое интерполирование, классический подход
- •12.1 Пример получения математической модели для двух массовой колебательной системы
- •12.2 Интерполирование на основе формулы Лагранжа
- •13.1 Математическая модель колебательной системы с вращательными степенями свободы
- •13.2 Пример документа MathCad реализующий поточечную среднеквадратичную аппроксимацию
- •14.1 Некоторые примеры MathCad для решения различных задач
- •14.2 Остаточный член формулы Лагранжа, пример оценки точности интерполирования с использованием остаточного члена
- •15.1 Пошаговые методы решения задачи Коши
- •15.2 О наилучшем выборе узлов интерполирования
- •16.1 Метод Эйлера для решения задачи Коши, реализация этого метод в среде MathCad
- •16.2 Тригонометрическое интерполирование
- •17.1 Модификация метода Эйлера для решения задачи Коши
- •17.2 Использование интерполирования при решении различных задач и реализация в среде MathCad
- •18.1 Метод типа Рунге-Кутта для решения задачи Коши
- •18.2 Использование встроенных функций для линейной аппроксимации по методу наименьших квадратов
- •19.1 Связь модифицированных методов Эйлера и методов Рунге-Кута второго порядка для решения задачи Коши
- •19.2 Понятие о сплайнах
- •20.1 Метод Рунге-Кута 4-ого порядка для решения задачи Коши формулы метода и их реализация в среде MathCad
- •20.2 Определение сплайна. Дефект сплайна, пример линейного сплйна
- •21.1.Оценка погрешности решения оду. Способ Рунге для оценки такой погрешности.
- •21.2 Кубический сплайн дефекта 2 (или сплайн Эрмита).
- •22.1 Метод стрельбы
- •22.2 Кубические сплайны дефекта 1
- •23.1 Использование случайных величин при моделировании различных явлений и процессов
- •23.2 Алгоритм «прогонка» для решения системы линейных уравнений с диагональным преобладанием.
- •24.1 Задача Бюффона как пример использования случайных величин при решении детерминированной задачи.
- •24.2 Пример использования сплайна для приближенного интегрирования функции
- •25.2 Использование параметрических сплайнов для интерполирования кривых
- •26.1 Пример реализации метода типа Монте-Карло в среде Mathcad для вычисления площади произвольной фигуры
- •26.2 Параметрический Эрмитов кубический сплайн.
- •27.1 Основные виды моделирования их преимущества и недостатки
- •27.2 Рациональные сплайны.
- •28.1 Декомпозиция и диакоптика
- •28.2Параметрический рациональный сплайн.
- •29.1 Понятие о компонентных и топологических уравнениях
- •Механическая поступательная система.
- •29.2 О выборе узлов сетки при интерполировании различными сплайнами
- •30.1 Примеры получения эквивалентах схем для механических поступательных систем
- •30.2 Узловой метод построения математической модели
9.1 Пример решения задачи о колебаниях одно массовой системы на основе использования встроенной процедуры Rkadapt.
9.2 Разложение аппроксиматора по системе базисных функций. Сведение задачи аппроксимации к системе лау.
Возникает естественный вопрос, за счет чего же можно изменить значения критерия при аппроксимации. Очевидно, должна зависеть от параметров, варьируя которыми мы и будем менять ее вид.
Если представить график функции в виде проволоки, то изменяя эти параметры, мы будем по-разному изгибать эту проволоку.
Одним из естественных предположений для выбора функции является следующее:
- подбираемые варьируемые константы;
- набор неизменяющихся функций, называемых базисными.
Пусть мы имеем , тогда требование близости в среднеквадратическом смысле примет вид:
где
Найдем это выражение:
Получена система линейных уравнений:
где - симметричная матрица.
(1)
Уравнение (1) представляет собой функцию-аппроксиматор.
Необходимо определить на интервале , а в качестве критерия близости выбираем:
(2)
(3)
Введем обозначения:
(**)
(4)
(5)
Если сравнить (**) с формулой (*) (смотрите ранее), то заметим, что суммирование по точкам заменено интегрированием по отрезку. Понятно, что в программной реализации в лабораторной работе по точечному среднеквадратичному приближению достаточно заменить (*) на формулу (**).
Рассмотрим пример:
Пусть мы имеем функцию на интервале . Необходимо приблизить функцией .
Тогда система уравнений (4) примет вид:
10.1 Математическое моделирование механических колебательных систем со сосредоточенными параметрами .Системы с распределенными и сосредоточенными параметрами.
Пусть на эластичной ленте подвешен деформируемый груз:
W
U
V
m
k
груз
лента
Рис а – исходный объект , б – расчетная схема при выполнении упрощающих предположений, в- конечная расчетная схема.
При выполнении моделирования , исследователь всегда предполагает получить результаты с нужной ему степенью точности. Во многих ситуациях выполняются некоторые предположения, которые позволяют существенно упростить расчетную схему. Это в дальнейшем позволит значительно упростить саму модель ( ее уравнение, сократить требуемые компьютерные ресурсы для ее реализации).
Предположим что в нашем объекте справедливо следующее:1. Масса груза m>>mленты 2. Податливость ленты значительно > податливости груза, тогда можно считать ленту невесомой не обладающей инерцией, а груз недеформируемым. При этих предположениях можно использовать расчетную схему.
Б) Мы считаем, что вся масса сосредоточена в одной точке, а вся податливость сосредоточена в одном элементе - пружине с жесткостью k.Поэтому такие модели называются модели со сосредоточенными параметрами. Поведение таких объектов описывается либо системами алгебраическими уравнениями (линейными или нелинейными), либо системами ОДУ (если внешние нагрузки зависят от времени)
В том случае если указанные случаи не выполняются схема б не применима при этом перемещение каждой точки системы будут зависеть от всех других точек системы:
U=(x,y,z)
Неизвестными как видно являются функции нескольких переменных, а они входят системы ДУЧП (в частных производных)
Эта задача существенно сложнее модель получена со значительно большим числом неизвестных. Одним из способов решения таких задач является метод конечных элементов.