Моделирование в системах управления в реальном масштабе времени

С ускорением темпов развития экономики и интенсификации производственных процессов все шире внедряется автоматизация на предприятиях: от организационного управления цехами и участками до управления технологическими процессами выпуска различных изделий. Наиболее перспективным направлением является создание гибких автоматизированных производств и производственных систем, позволяющих на базе использования современных робототехнических комплексов, станков с числовым программных управлением, средств вычислительной техники оперативно переходить на выпуск новейших изделий, отслеживая динамику потребностей и коньюнктуру мирового рынка. Управление в таких гибких системах наиболее эффективно может быть реализовано на базе локальных сетей ЭМВ, обеспечивающих взаимодействие и координацию всех информационно-вычислительных ресурсов для управления отдельными агрегатами в системе и дающих возможность проводить обработку информации в реальном масштабе времени.

Особенности управления в реальном масштабе времени.

Прогресс развития национальной экономики в настоящее время все теснее связывается с тем, насколько эффективно происходит накопление, обмен и выдача информации различным пользователям (административному управленческому персоналу, проектировщикам и конструкторам, исследователям, работникам сферы обслуживания и т. д.). По сути дела, на базе современных средств вычислительной техники и техники связи создается настоящая «индустрия» производства и потребления информации, требующая больших информационно-вычислительных ресурсов и оперативного доступа к ним. Наиболее перспективно объединение всех информационно-вычислительных ресурсов с помощью цифровых сетей интегрального обслуживания, позволяющих в единой цифровой форме передавать различные виды информации (оперативные, диалоговые данные и файлы ЭВМ, речь, телевизионные сигналы и т. п.). Для эффективного удовлетворения требований различных пользователей к качеству и своевременности доставки информации управление сетями интегрального обслуживания должно быть реализовано в реальном масштабе времени.

Можно привести и другие примеры систем, управление которыми должно осуществляться в реальном масштабе времени. Все перечисленные системы объединяет то, что они относятся к классу больших систем (см. гл. 1), что усложняет решение задач управления ими. При разработке систем управления такими объектами обычно отсутствует априорная информация об условиях их работы. Это делает перспективным построение адаптивных систем управления (см. § 9.2).

В рассмотренных в предыдущих параграфах примерах метод моделирования применялся для целей исследования характеристик систем? во взаимодействии с внешней средой Е, проектирования (синтеза) структуры, алгоритмов и параметров системы и т. п. Во всех этих случаях, как правило, отсутствовали жесткие ограничения на время между началом моделирования и получением результата, в качестве технических средств предполагалось использование высокопроизводительных ЭВМ и ГВК.

Прогнозирование н принятие решений.

Основной целью моделирования является прогнозирование в широком смысле этого слова. Моделирование позволяет сделать вывод о принципиальной работоспособности объекта (системы 5), оценить его потенциально возможные характеристики, установить зависимость характеристик от различных параметров и переменных, определить оптимальные значения параметров и т. п. Машинные модели Л/_м, используемые в качестве имитаторов и тренажеров, дают возможность предсказать поведение системы? в условиях взаимодействия с внешней средой Е.

Использование метода моделирования для получения прогноза при принятии решений в системе управления в реальном масштабе времени выдвигает на первое место задачу выполнения ограничения на ресурс времени моделирования процесса функционирования системы 5. Поэтому рассмотрим более подробно особенности прогнозирования на основе машинной модели М_н в реальном масштабе времени.

Для управления объектом может использоваться в системе либо информация о состояниях (ситуациях) системы 5 и внешней среды Е_у либо информация о выходных характеристиках (поведении) системы 5 во взаимодействии с внешней средой Е. Это обстоятельство определяет и цели моделирования. В одном случае требуется оценить изменения состояний Zk^Z_y к— 1, пг, за время прогнозирования т_п (назовем такое моделирование ситуационным). В другом случае требуется оценить выходные характеристики у/е У, 1, л_у, на интервале времени (О, Т) (назовем такое моделирование бихевиоральным).

Таким образом, цель ситуационного моделирования — получение прогноза вектора состояний г (/) (см. 2.3)), а цель бихевиорального моделирования — оценка вектора выходных характеристик у (0 [см. (2.2) и (2.5)]. Например, если в качестве концептуальной модели Л/_ж процесса функционирования системы 5 используется 0^-схема_у то при ситуационном моделировании требуется прогнозировать такие состояния, как число заявок в накопителях, количество занятых каналов и т. д., а при бихевиоральном моделировании в этом случае необходимо оценивать такие характеристики, как вероятность потери заявки, среднее время задержки заявки в системе и т. д. Соответственно целям ситуационного и бихевиорального моделирования должен отличаться и подход к разработке и реализации моделирующих алгоритмов, хотя принципы их построения («принцип А/» и «принцип дг») сохраняются.

Другой особенностью моделирования для принятия решений по управлению объектом в реальном масштабе времени является существенная ограниченность вычислительных ресурсов, так как такие системы управления, а, следовательно, и машинные модели А/_м, реализуются, как правило, на базе минии микро-ЭВМ или специализированных микропроцессорных наборов, когда имеется ограничение по быстродействию и объему памяти. Это требует тщательного подхода к минимизации затрат ресурсов по моделированию в реальном масштабе времени [12, 29, 52].

Кроме того, следует учитывать, что достоверность и точность решения задачи моделирования (прогнозирования ситуации или поведения) системы существенно зависят от количества реализаций N, которые затрачены на получение статистического прогноза (см. гл. 7). Таким образом, возникает проблема поиска компромисса между необходимостью увеличения затрат времени на моделирование, т. е. числа реализаций N [на интервале (О, Т)] для повышения точности и достоверности результатов моделирования (прогнозирования), и необходимостью уменьшения затрат машинного времени из условий управления в реальном масштабе времени.

При использовании машинной модели М_м в контуре управления системой 5 в реальном масштабе времени возникает также проблема оперативного обновления информации как в базе данных об объекте, так и в базе данных об эксперименте, т. е. в данном случае о конкретном прогнозе.

Рассмотрим более подробно возможности построения моделирующих алгоритмов для ситуационных и бихевиоральных моделей. При ситуационном моделировании важно не потерять информацию о смене состояний системы 5, так как от этого зависит эффективность управления. Поэтому построение детерминированных моделирующих алгоритмов, когда используется «принцип А/», приводит либо к увеличению времени моделирования при уменьшении А/, либо к снижению достоверности прогноза состояний при увеличении А/. Это говорит в пользу использования стохастических алгоритмов, а именно тех вариантов, которые наиболее просто реализуются, т. е. асинхронных спорадических алгоритмов.

При бихевиоральном моделировании важно получить усредненную статистическую оценку характеристик системы 5 на интервале (О, Т). Поэтому при построении моделирующих алгоритмов важно при заданной точности и достоверности результатов моделирования выбрать наиболее просто реализуемый алгоритм, требующий минимальных затрат времени и оперативной памяти на его прогон. В этом случае эффективными могут оказаться как стохастические, так и детерминированные моделирующие алгоритмы. Выбор принципа построения моделирующего алгоритма для принятия решений в системе управления может быть проведен только с учетом особенностей конкретной 5.

С точки зрения программирования моделей М_м при моделировании в реальном масштабе времени также имеется ряд особенностей. Это в первую очередь связано с отсутствием или невозможностью использования ЯОН и ЯИМ для программной реализации моделей исходя из возможностей программного обеспечения минии микро-ЭВМ и жестких ограничений на время счета по моделирующему алгоритму. В этом случае основное применение находят языки низкого уровня, что усложняет процесс разработки программного обеспечения моделирования в реальном масштабе времени, но обычно позволяет получить достаточно эффективные рабочие программы моделирования. Для ускорения процесса разработки программного обеспечения моделирования в реальном масштабе времени и повышения его качества рационально разрабатывать соответствующие пакеты прикладных программ, которые с использованием ресурсов высокопроизводительных ЭВМ генерируют рабочие программы моделирования.

Таким образом, моделирование процесса функционирования систем для целей управления в реальном масштабе времени имеет ряд специфических особенностей, но методика моделирования и принципы реализации моделирующих алгоритмов сохраняются.