Метод статистического моделирования

Процесс имитации включает в себя большое число операций, связанных с формированием, преобразованием и использованием реализации случайных событий, величин и процессов, поэтому результаты моделирования также носят случайный характер. Они отражают случайные сочетания действующих факторов, складывающихся в процессе моделирования. Искомые величины при имитационном моделировании определяют в результате статистической обработки совокупностей данных некоторого числа реализаций процесса моделирования. Совокупность реализаций выступает в роли статистического материала при машинном эксперименте, а оценка параметров — в роли экспериментальных данных, поэтому имитационное моделирование иногда называют методом статистического моделирования. [c.351]

Зависимости для статической грузоподъемности f,, динамической грузоподъемности /- д при 10 циклов нагружения и жесткости j в Н/мкм, полученные методом статистического моделирования в лаборатории МВТУ им. Баумана (для сравнения) [c.313]

Наибольшее распространение получили градиентные методы поиска оптимальных параметров (Гаусса—Зейделя, методы наискорейшего спуска), методы случайного поиска (Монте-Карло, методы статистического моделирования) н др. [c.151]

Для более сложных зависимостей бывает трудно в аналитической форме определить параметры случайного процесса у () по параметрам его случайных аргументов. В этом случае с успехом может быть применен метод статистического моделирования (см. гл. 4, п. 4). [c.118]

Процессы старения всегда являются случайными и их характеристики могут быть получены аналитически, методами статистического моделирования или на основании статистических исследований. [c.118]

Данный методический подход можно использовать и при иных исходных законах распределения параметров а и у. При сложных или эмпирических законах распределения для получения функции ЦТ) или Я (Г) можно применить методы статистического моделирования на ЭВМ. [c.135]

Для прогнозирования поведения сложной системы с успехом может применяться метод статистического моделирования (статистических испытаний), который получил название метода Монте-Карло [184]. [c.212]

Возможности метода статистического моделирования, Рассмотренный случай является простейшим, но иллюстрирует общий методический подход к решению данной задачи. [c.215]

Прогнозирование надежности сложных систем. Это направление является ключевым для решения основных задач, связанных с оценкой надежности на стадии проектирования и наличия опытного образца машины. Для различных категорий машин необходимо дальнейшее развитие и воплощение идей о прогнозировании надежности на основе моделей отказов, которые базируются на закономерностях процессов повреждения (физики отказов) с учетом их вероятностной природы. Перспективным является использование методов статистического моделирования, когда учитываются вероятностные характеристики режимов и условий работы машины, внешних воздействий и протекающих процессов старения. Особенно актуальны еще недостаточно разработанные методы прогнозирования надежности с учетом процессов изнашивания, которые являются основной причиной отказов многих машин. Особую проблему представляет изучение надежности комплексов машина — автоматическая система управления , так как взаимодействие механических и электронных систем порождает ряд новых аспектов теории надежности. [c.572]

Ниже приведены значения функции ф(Р), найденные методом статистического моделирования [c.53]

В конце четвертого раздела приводится описание различных методов статистической оценки показателей надежности систем, включая методы статистического моделирования, применимые для расчетов надежности систем произвольной сложности. [c.14]

Метод статистического моделирования применим не только к задачам, имеющим вероятностную природу. Однако наиболее естественным представляется использование этого метода для исследования задач, которые по своей сути имеют вероятностный характер. [c.276]

Ради простоты пояснения проиллюстрируем суть метода статистического моделирования на примере дублированной системы с восстановлением, у которой резервный элемент находится в состоянии нагруженного резерва, хотя такую систему не представляет труда описать и аналитически [31]. Пусть в начальный момент оба элемента [c.276]

Применительно к задаче расчета показателей надежности ЭЭС в рассматриваемом периоде применение метода статистического моделирования состоит в следующем. [c.278]

Так как входные параметры трактуются как некоторые случайные величины, для большинства которых на числовой осп определены лишь возмол<пые пределы изменения, для формирования представительной совокупности случайных сочетаний независимых исходных параметров используется метод статистического моделирования Монте-Карло. [c.269]

Способ программной "имитации случайных функций любой сложности сводится к генерированию некоторых стандартных базовых воздействий и к их последующему функциональному преобразованию для получения случайной величины (функции), подчиняющейся определенному закону распределения. Для большинства же исходных параметров, как уже отмечалось выше, вид закона распределения неизвестен. В этом случае для исходной информации, заданной в неопределенной форме, выдвигаются различные гипотезы о законах распределения, исходя из принципа максимума энтропии. Выдвинутые гипотезы, естественно, не снимают проблему принятия решений в условиях неопределенности, а лишь дают возможность использовать методы статистического моделирования для всестороннего исследования этой проблемы. [c.270]

Аналогично при имитации смешанных стратегий, где в качестве случайных параметров рассматривается удельный вес каждого способа производства в общем объеме производства промышленной продукции, также можно получить бесконечное множество смешанных стратегий. Поэтому для группировки исходных сочетаний случайных величин, полученных методами статистического моделирования, на третьем этапе методики прогнозирования ВЭР используются алгоритмы машинного распознавания образов. Решением задач теории распознавания образов является такое правило распознавания (классификации), которое соответствует экстремуму целевой функции — показателю качества распознавания (обучения). При этом правильный выбор информативных признаков, в которых сосредоточена наиболее существенная для распознавания информация, является одной из важнейших и необходимых предпосылок успешного решения задачи распознавания в целом. В данном случае полученные путем машинной имитации совокупности случайных параметров естественно интерпретировать как точки в многомерном пространстве, инфор- [c.270]

Однако, используя коэффициент ау, нельзя учесть влияния на дополнительные простои числа участков Пу и потоков обработки р, надежности участков У Ва, длительности их рабочего цикла Tj, вместимости накопителей Е и др.. Поэтому более широкое распространение получили методы статистического моделирования [9), Однако не следует игнорировать и опытно-статистические методы, систематизируя максимальное количество исходных данных по действующим линиям. [c.212]

При вычислении я qT ) даже для небольшого числа J требуется очень большой объем вычислительной работы (сотни тысяч и миллионы логических и арифметических операций). Без существенного риска ошибки в выводах вместо сплошного вычисления вероятностей для всевозможных qY можно воспользоваться методом статистического моделирования, пользуясь соотношениями (6.9), (6.10), (6.11), определив для 500—1000 последовательностей в (6.10) значения Vi в соответствии [c.126]

Для каждого статистического алгоритма, рассмотренного в книге, дана его запись на языке АЛГОЛ-бО. Во всех главах приведены результаты моделирования в качестве иллюстративных примеров. Книга рассчитана на широкий круг читателей, интересующихся вопросами применения метода статистического моделировании для исследования надежности систем. [c.4]

В первой главе дается содержательная формулировка задачи оценки надежности систем, рассматриваются особенности метода статистического моделирования и характеристики надежности систем, работающих до первого отказа, и восстанавливаемых систем. Для оценки влияния отказов элементов на качество работы систем предлагаются соответствующие показатели. Здесь же приведены характерные законы распределений отка- [c.8]

Автор надеется, что данная книга окажется полезной всем, кто сталкивается с задачами оценки надежности систем, и, что не менее важно, наведет многих читателей на идею о полезности применения метода статистического моделирования в решаемых ими задачах надел<-ности. [c.9]

ПОСТАНОВКА ЗАДАЧИ ИССЛЕДОВАНИЯ НАДЕЖНОСТИ СИСТЕМ МЕТОДОМ СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ [c.11]

МЕТОД СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ 13 [c.13]

Изложенная схема решения задачи исследования надежности системы соответствует вычислительной схеме метода статистического моделирования [28]. [c.13]

Общая характеристика и особенности метода статистического моделирования [c.13]

Основная идея метода статистического моделирования (статистических испытаний) состоит в том, что многократно воспроизводится некоторая формализованная схема, являющаяся в одном случае формальным математическим описанием процесса функционирования реальной системы и в другом случае выступающая в качестве такого рода математической модели, вероятностные характеристики которой адекватны решениям задач математического анализа (значениям интегралов, решениям дифференциальных уравнений и т. д.). [c.13]

Метод статистического моделирования обладает целым рядом особенностей, выгодно отличающих его от других известных в настоящее время вычислительных методов. К таким особенностям относятся (1) наглядная вероятностная трактовка (2) применимость к исследованию систем принципиально любой сложности (3) простая вычислительная схема (4) простая оценка точности получаемых результатов (5) малая чувствительность к отдельным ошибкам (6) отсутствие накопления ошибок (7) малая связность статистических алгоритмов. [c.13]

Формальный аппарат метода статистического моделирования в применении к методике решения задачи исследования надежности, изложенной в 1.1, заключается в следующей схеме. [c.14]

МЕТОД СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ 15 [c.15]

МЕТОД СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ [c.17]

Использование метода статистического моделирования для исследования надежности систем по схеме 1.1 требует формирования реализаций случайных объектов в различных элементарных вероятностных схемах. Сюда в первую очередь относятся моделирование независимых и зависимых испытаний в схеме случайных событий, выработка последовательностей случайных чисел с заданными законами распределения, формирование реализаций случайных векторов и случайных процессов, обладающих заданными вероятностными характеристиками, и т. д. [c.35]

МЕТОДОМ СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ НА ЦИФРОВЫХ ВЫЧИСЛИТЕЛЬНЫХ МАШИНАХ [c.52]

Специфика применения метода статистического моделирования для расчета надежности заключается в том, что если обычно при статистическом моделировании сложных систем искомыми величинами являются средние значения характеристик, то здесь нас интересует область крайних реализаций (значений близких к Yniax) так как именно они определяют значения Р (Т) (см. гл. И, п. 5). [c.216]

В отдельный 4.4 выделено описание методов моделей статис тической оценки показателей надежности систем на основе ста тистических же (ретроспективных) данных о надежности форми рующих систему элементов, а также определения показателей надеж ности систем с помощью методов статистического моделирования Методы статистического моделирования, естественно, могут исполь зоваться для анализа надежности как простых, так и сложных систем, однако их применение наиболее эффективно в случае сложных систем, особенно со схемами произвольной конфигурации. [c.149]

Расчет надежности кониентрированной электроэнергетической системы [95]. Если агрегаты ЭЭС существенно отличаются по своим показателям надежности и аналитические методы не дают удовлетворительных результатов, целесообразно использовать метод статистического моделирования. [c.278]

Рассчитываются собственные характеристики выпускного или лимитирующего участка длительность рабочих и холостых ходов, собственные потери по инструменту, оборудованию и техническому обслуживанию, организационные и донолнительные внецикловые потери из-за неполной компенсации накопителями простоев соседних участков (методами статистического моделирования). Если относить простои к единице времени бесперебойной работы, то на основании формул гл. 4 ожидаемая производительность автоматической линии (шт/мин) [c.206]

В предлагаемой книге рассматривается такой инженерный метод оценки надежности аппаратуры. В основе этого метода лежит идея статистического моделирования процесса функционирования изучаемой системы на универсальной цифровой вычислительной машине (УЦВМ). Книга имеет целью не только познакомить читателей с применением метода статистического моделирования для решения задач надежности, но, главным образом, научить их практически владеть этим мощным инженерным инструментом. Поэтому в книге имеется большое число программ, графиков, формул, что позволяет провести всесторонний анализ надежности систем. Для такого анализа необходимо знать критерии надежности и их количественное выражение — характеристики надежности, с помощью которых оценивается аппаратура. [c.8]

Во второй главе обсуждаются принципы построения алгоритмов исследования надежности систем методом статистического моделирования на УЦВМ. Дана общая характеристика алгоритмов оценки надежности двух классов представления систем и особенности записи алгоритмов с помощью АЛГОЛ-60. Приведены алгоритмы формирования последовательностей случайных чисел, алгоритмы расчета количественных характеристик надежности систем, работающих до первого отказа, и восстанавливаемых систем. Рассмотрены конструкции алгоритмов исследования надежности условных систем при последовательном, параллельном и смешанном соединении элементов и алгоритмов исследования надежности безусловных систем. В конце главы описан алгоритм расчета надежности систем с учетом ухода основных параметров за допустимые пределы. [c.9]

При этом с течением времени Р t) уменьшается значительно более интенсивно, чем при экспоненциальном законе надежности. Поэтому спроектировать высоконадежную аппаратуру, предназначенную для длительной эксплуатации, в данном случае весьма затруднительно. Аналитическое выражение для h t) при распределении времени работы по закону Релея получить довольно трудно. На рис. 1.8 представлена зависимость h t), полученная методом статистического моделирования на УЦВМ по алгоритму, рассмотренному в главе 2 настоящей работы. На этом же рисунке показаны P(t), Q t), a t) и X t) в зависимости от t для релеевского закона. [c.41]

Аналитическое выражение для плотности восстановления при распределении Вейбулла получить затруднительно, поэтому зависимость h t), показанная на рис. 1.11, получена методом статистического моделирования на УЦВМ, как и выше. На этом же рисунке показаны P t), Q(t), a t) и А,(О в зависимости от t для распределения Вейбулла. [c.48]

На рис. 1.12 представлены Q t), a t) и Х(0, причем все эти характеристики получены методом статистического моделирования на УЦВМ. Сравнение статистических характеристик надежности с характеристиками, [c.49]

Как уже указывалось, при исследовании надежности систем методом статистического моделирования необходимы случайные числа с различными законами распределения. Блок-схема алгоритма получения случайных чисел с равномерным, нормальным, экспонен- [c.63]

Эта задача уже была решена методом статистического моделирования в 5.3. Основу решения задачи составляет графо-аналнтическая модель функционирования системы с обш,им резервированием (рис, 5.7 и формула (5.8)). [c.384]

Выполнение станков с автономными системами управления значительно расширяет технологические возможности линий в процессе эксплуатации. Время цикла обработки одной детали 39 с, проектная производительность комплекса 85 шт/ч при коэффициенте использования 0,92. В комплексе имеется 41 рабочая позиция, в том числе 29 агрегатных станков, пять отделочнорасточных станков, один сборочный автомат, три моечные машины и три промышленных робота для загрузки, перегрузки и разгрузки обрабатываемых деталей. На станках комплекса установлены 172 режущих инструмента. Контроль точности растачивания отверстий и контроль поломки всех стержневых инструментов (сверл, зенкеров, разверток и метчиков) осуществляются автоматически с помощью контрольных устройств. Комплекс обслуживают в смену семь наладчиков и один оператор, загружающий заготовки в первый станок комплекса. Оптимальное число оборудования, места установки и вместимости накопителей задела, надежность и производительность проектируемых несинхронных автоматических линий и комплексов определяются методом статистического моделирования их работы на ЭВМ. [c.166]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...