系统仿真技术阶段练习一及答案
- 格式：doc
- 大小：174.50 KB
- 文档页数：5
系统仿真技术阶段练习一
第一章：计算机仿真技术概述
1． 系统的概念，系统的边界。
2． 模型的定义。
3． 简述模型型谱。
4．仿真的定义。
5. 仿真三要素及三项基本活动之间的关系。
系统模型计算机系统建模仿真实验仿真建模
6．按照状态变量的特点，系统怎么分类？
第二章 数学建模方法
1．什么是机理建模，对典型的RLC电路进行建模。
2．什么叫做数据建模？数据建模的前提及主要方法。
3. 什么叫系统辨识，常见的系统辨识方法。 黑箱白箱经济生理经济过程控制动力学电子电路集中参数常微分方程分布参数偏微分方程离散时间差分方程
4． 最小二乘的定义，公式？
5． 简述模糊建模、神经网络建模、模糊神经网络建模的定义，特点。
第一章：计算机仿真技术概述
1.系统的概念，系统的边界。
答：A system can be defined as a set of component which are related by some forms of
interaction ,and which act together to achieve some objective or purpose.
在定义一个系统时，首先要确定系统的边界。尽管世界上的事物是相互联系的，但当我们研究某一对象时，总是要将该对象与其环境(environment)区别开来。边界确定了系统的范围。边界以外对系统的作用称为系统的输入，系统对边界以外的环境的作用称为系统的输出。
2.模型的定义。
答：是对真实系统中那些有用的和令人感兴趣的特性的抽象化。模型并不是对真实系统的完全复现。如果M能够用来回答关于系统（S)的问题，并且在精度范围A之内，那末M就是系统S的模型。
3.简述模型型谱。
答：白箱：运行机理了解比较深入，基本上可以通过演绎的方法来建立模型；灰箱：对系统不太了解，要通过演绎和归纳相结合的方法来建立模型；黑箱：对系统了解不太清楚，主要通过系统辨识的方法或数据收集和统计归纳的方法来建立模型，由于数据掌握得不够多，模型精度一般比较差。
4．仿真的定义。
答：以相似原理、控制理论、计算机技术、信息技术及其应用领域的专业技术为基础，以计算机和各种物理效应设备为工具，利用数学模型或部分实物对实际的或设想的系统进行动态试验研究的一门综合性技术。
5.仿真三要素及三项基本活动之间的关系。 黑箱白箱经济生理经济过程控制动力学电子电路集中参数常微分方程分布参数偏微分方程离散时间差分方程系统模型计算机系统建模仿真实验仿真建模
答：系统建模就是建立系统的数学模型，是用数学语言来描述系统行为子集的特性。将建立的系统模型转化为可以模拟实际系统中各元件间的关联关系，并可在计算机上运行的程序单元，即仿真模型，这个过程就是建立仿真建模。仿真实验就是根据已知条件和已知数据运行仿真模型，得出相应的仿真结果。
6．按照状态变量的特点，系统怎么分类？
答：系统的状态是描述系统在指定时间点上变量的集合。
x(k+1) =f(x(k), u(k)) 离散系统
Dx(t)/dt=f(x(t),u(t)) 连续系统
离散事件系统（Discrete Event Dynamic System)DEDS/DES：指系统的状态在一些离散时间点上由于某种事件的驱动而发生变化。其数学模型很难用数学方程来表示。
连续系统：其服从于物理学定律（电学、力学、热学等），其数学模型可表示为传统意义上的微分方程或差分方程。其系统的状态变量随时间而发生连续变化。
第二章 数学建模方法
1．什么是机理建模，对典型的RLC电路进行建模。
答：机理建模：根据实际系统工作的物理过程的机理，在某种假定条件下，按照相应的理论（如质量守恒、能量守恒定律、运动学、动力学、热力学、流体力学的基本原理等），写出代表其物理过程的方程，结合其边界条件与初始条件，再采用适当的数学处理方法，来得到能够正确反映对象动静态特性的数学模型。
RLC电路建模属于典型的机理建模，根据克希霍夫电路基本定律，得出
可以消去中间变量i(t)，这便是采用连续时间微分方程的形式准确描述RLC串联电路输入、输出的数学模型。
idtCuuidtCdtdiLRici11cccudtduRCdtudLCu2212．什么叫做数据建模？数据建模的前提及主要方法。
答：如果对系统的先验知识了解和掌握得较少，当系统很复杂时，很难得到机理模型。根据有限的采样数据建立系统模型的过程叫做数据建模。
数据建模的本质是根据实测数据建立关键变量与影响它的各因素之间的关系，与机理建模相比，其特点是假设条件较少，灵活性强，适合于变量必须可测的情况。
数据建模的前提有三条：①模型结构要有一般性和灵活性，且有自己明确的特点；②学习算法的计算速度要快，参数要易于选择；③模型要有可解释性。
数据建模方法主要有辨识建模、模糊建模、神经网络建模和基于统计学习理论的支持向量机理建模方法等，其中最常用和比较成熟的是辨识建模、模糊建模和神经网络建模方法。
3. 什么叫系统辨识，常见的系统辨识方法。
答：系统辨识问题通常是指通过观测系统过程的输入－输出的关系来确定其数学模型。
关于系统辨识，1962年Zadeh，根据对已知输入量输出响应的观测，在指定一类系统的范围内确定一个与辨识系统等价的系统。
线性系统的辨识理论比较成熟，参数估计的主要方法有：最小二乘法、递推最小二乘法、广义最小二乘法、增广最小二乘法、辅助变量法、Kalman滤波法和极大似然法等。非线性系统的辨识一般有多项式逼近法和Volterra级数展开法等。非线性系统的辨识还没有构成完整的科学体系。
4.最小二乘的定义，公式？
答：对所给的数据点，寻找一条曲线，使得在同一坐标点ix处，曲线上的点与实测的数据之间的误差平方和最小，以这种度量方法确定拟合曲线称为最小二乘原理。
设所给定的数据为),1)(,(niyxii，所求曲线为)(x，就是要使niiixyQ12))((
取得最小值。
5.简述模糊建模、神经网络建模、模糊神经网络建模的定义，特点。
答：
模糊建模：模糊辨识与传统的辨识方法有相近的地方，也是在输入、输出数据的基础上，从一组给定的模糊模型中，确定一个与所测系统等价的模型。
建模过程中考虑的三个基本要素：（1）输入、输出数据（2）模型的结构——输入空间和模糊规则（3）等价准则。
模糊建模方法虽然是经验性的，缺乏坚实的理论基础，所建立的模糊模型外推效果不理想。可是它却为探索和解决具有模糊信息和不确定信息的问题提供了新途径，已经在非线性动力系统建模、基于规则的学习控制、模式识别中发挥了很大的作用。
神经网络建模：神经网络是近年发展起来的模拟人脑生物过程的具有人工智能的系统，由大量的非线性处理单元连接而成的网络，具有高度的非线性等特点，近年来被广泛地应用于非线性系统的建模问题。可以根据给定的学习样本，不需要进行任何假设，建立系统的非线性输入输出映射关系。 它依赖于实际系统的试验或实测数据，是具有神经网络的结构形式。
模糊神经网络建模： 神经网络的缺点：知识表达困难，学习速度慢
模糊建模的缺点：具有处理不确定性信息和利用专家经验的能力，但没有学习能力。
两者结合，取长补短。既利用了神经网络的学习能力，有利用了模糊逻辑的表达能力。
