Sie sind auf Seite 1von 10

11

Institut fr Prozessinformatik
und Leittechnik
Prof. Krabbes
Sim-II_V1/ 1 Hochschule
fr Technik, Wirtschaft
und Kultur Leipzig (FH)
Simulationstechnik II
Simulationstechnik II:
Teilvorlesung zu Nichtlineare Regelung und Simulationstechnik (PIL)
vertiefte Anwendungen der Simulationstechnik
22
Institut fr Prozessinformatik
und Leittechnik
Prof. Krabbes
Sim-II_V1/ 2 Hochschule
fr Technik, Wirtschaft
und Kultur Leipzig (FH)
0. Gliederung
7x Doppelveranstaltung: Vorlesung + anschl. Praktikum
1. Einfhrung / Vertiefung MATLAB/SIMULINK
2. ereignis-diskrete Simulation: (SIMULINK)/STATEFLOW
3. SIMULINK: User Defined Functions
4. SIMULINK: Echtzeiterweiterung
5. weitere Simulationssysteme (ACSL / Labview)
6. objektorientierte Simulation / Modelica-Dymola
7. Beleg
8. Zeitdiskrete SimulationFEM-Simulation / ANSYS
33
Institut fr Prozessinformatik
und Leittechnik
Prof. Krabbes
Sim-II_V1/ 3 Hochschule
fr Technik, Wirtschaft
und Kultur Leipzig (FH)
1. Einfhrung
Simulation:
Experimente im virtuellen Labor
das Experiment im Rechner
die dritte Sule der Wissenschaft neben Theorie und Experiment
Problem Modell Simulator
Experimentier-
apparat
Technisch-
Wissenschaftliche
Aufgabenstellung
Abstraktion der
Realitt
44
Institut fr Prozessinformatik
und Leittechnik
Prof. Krabbes
Sim-II_V1/ 4 Hochschule
fr Technik, Wirtschaft
und Kultur Leipzig (FH)
Problemlsung
Modellanalyse
Numerik/Programmierung
Simulation
Vergleich
Sim.-Ergebnis/Realitt
Analyse
Parameter/Modell
Identifikation
schlechte Abbildung
gute Abbildung
schlechte
Modellstruktur
gute
Modellstruktur
Anwendung
des Simulators
Problem
Modell
Simulator
Simulations ergebnisse
Modellbildung
Vorgehensmodell der Simulation
55
Institut fr Prozessinformatik
und Leittechnik
Prof. Krabbes
Sim-II_V1/ 5 Hochschule
fr Technik, Wirtschaft
und Kultur Leipzig (FH)
Was ist Rechner-Simulation?
Definition 1 (Shannon, 1975):
Simulation is the process of designing a model of a real system and conducting
experimentswith this model for the purposeeither of understanding thebehavior of
the system and its underlying causes or of evaluating various designsof an artificial
system or strategies for the operationof the system.
Was bedeudet eigentlich
System Modell Experiment ???
Begriffsbildung: Systemtheorie
66
Institut fr Prozessinformatik
und Leittechnik
Prof. Krabbes
Sim-II_V1/ 6 Hochschule
fr Technik, Wirtschaft
und Kultur Leipzig (FH)
Systemtheorie
Definition:
ein logisch-mathematisches Gebiet, dessen Aufgabe die Formulierung und Ableitung
allgemeingltiger Prinzipien ist, die auf Systeme im Allgemeinenanwendbar sind.
Systemkonzept (Systemanalyse)
die Definition und Charakterisierung von Systemen bezglich Eigenschaften
und Wechselwirkungen
Systementwicklung (Systemsynthese)
die Methoden zur Planung, Entwicklung, Gestaltung und Optimierung von
Systemen
Systemdarstellung (Systemreprsentation)
die Formalismen (Graphiken, Sprachen, ...) zur Darstellung von Systemen als
Basis fr Systemanalyse und -synthese
77
Institut fr Prozessinformatik
und Leittechnik
Prof. Krabbes
Sim-II_V1/ 7 Hochschule
fr Technik, Wirtschaft
und Kultur Leipzig (FH)
Was ist ein System?
A system is what is distinguished asa system. ... Systems are what ever we liketo
distinguish assystems. (Gaines, 1979)
Ein System besteht aus einer Menge Komponenten, welche Eigenschaften besitzen
und welche durch Beziehungen zur Verfolgung gesetzter Ziele miteinander
verknpft sind. (Patznak, 1982)
88
Institut fr Prozessinformatik
und Leittechnik
Prof. Krabbes
Sim-II_V1/ 8 Hochschule
fr Technik, Wirtschaft
und Kultur Leipzig (FH)
Was ist ein System?
DIN 19226 (Regelungs-und Steuerungstechnik)
Ein System ... ist eine abgegrenzte Anordnung von aufeinander einwirkenden Gebilden.
Solche Gebilde knnen sowohl Gegenstnde als auch Denkmethoden und deren
Ergebnisse ... sein. Diese Anordnung wird durch eine Hllflche von ihrer Umgebung
abgegrenzt oder abgegrenzt gedacht. Durch die Hllflche werden Verbindungen des
Systems mit seiner Umgebung geschnitten. Die mit diesen Verbindungen bertragenen
Eigenschaften und Zustnde sind Gren, deren Beziehungen untereinander das dem
System eigentmliche Verhalten beschreiben. Durch zweckmiges Zusammenfgen
und Unterteilen von solchen Systemen knnen grere und kleinereSysteme entstehen.
99
Institut fr Prozessinformatik
und Leittechnik
Prof. Krabbes
Sim-II_V1/ 9 Hochschule
fr Technik, Wirtschaft
und Kultur Leipzig (FH)
Modelle sind (spezielle) Systeme
beschreiben einen abgegrenzten Teil des Universums
interagieren mit der Umgebung ber Ein-und Ausgangsgren
lassen sich in Teilmodelle zerlegen bzw. aus ihnen aufbauen
weisen Eigenschaften auf
haben eine Funktion
...
Modelle werden genau wie Systeme einem realen, interessierenden Teil des Universums
zugeordnet, sie werden ziel-/zweckorientiertentwickelt und angewandt.
Modelle knnen abstrakter oder materieller Natur sein.
10 10
Institut fr Prozessinformatik
und Leittechnik
Prof. Krabbes
Sim-II_V1/ 10 Hochschule
fr Technik, Wirtschaft
und Kultur Leipzig (FH)
Ein Objekt Mist ein Modell eines Objekts A
fr einen
Beobachter B in dem Mae, wie er Mnutzen
kann, um Fragen
zu beantworten, die ihn an A interessieren.
A
B
1
B
2
M
1 M
2
Modell: Definition nach Minsky (1965):
11 11
Institut fr Prozessinformatik
und Leittechnik
Prof. Krabbes
Sim-II_V1/ 11 Hochschule
fr Technik, Wirtschaft
und Kultur Leipzig (FH)
Anforderungen an Modelle
formal richtig
widerspruchsfreie Annahmen
im Idealfall zweifelsfrei aus einer formalen Spezifikation ableitbar
realittsnah
Vorhersage des Realverhaltens des betrachteten Systems bis auf einen
vorgegebenen Fehler
handhabbar
Aufwand und Nutzen der Modellerstellung und Nutzung abwgen
Detaillierungsgrad an Aufgabenstellung anpassen
Modellgre (und damit Rechenaufwand) beschrnken
12 12
Institut fr Prozessinformatik
und Leittechnik
Prof. Krabbes
Sim-II_V1/ 12 Hochschule
fr Technik, Wirtschaft
und Kultur Leipzig (FH)
Kategorien abstrakter Modelle (1)
Verbale Modelle
beschreiben Aufbau-/Ablaufsysteme in natrlicher Sprache
Beispiele: Bedienungsanleitung eines Telefons
Semi-formale und formale Informationsmodelle
beschreiben Aufbau-/Ablaufsysteme in einer Sprache, die durch eine Reduktion
auf wohldefinierte (formalisierte) Sprachelemente: Unsicherheit in der
Beschreibung reduziert
Beispiele: Datenmodelle in der Informatik (z.B. SADT, UML, DL, ...) graphische
Darstellungen (z.B. elektrische Schaltkreise)
Mathematische Modelle
beschreiben das Verhalten von Aufbau-/Ablaufsystemen in impliziter aber exakter
Weise
erfordern eine Interpretation (durch Simulation) zur Ermittlung der
Systemeigenschaften
13 13
Institut fr Prozessinformatik
und Leittechnik
Prof. Krabbes
Sim-II_V1/ 13 Hochschule
fr Technik, Wirtschaft
und Kultur Leipzig (FH)
Kategorien abstrakte Modelle (2)
Beschreibungsmodelle
beschreiben phnomenologisch das beobachtbare Verhalten eines Systems
streben keine Erklrung (z.B. der Funktion) an
Erklrungs-oder Funktionsmodelle
beschreiben die Funktion eines Systems
streben eine Durchdringung und Erklrung des Systemverhaltens an
Vorhersage-oder Simulationsmodelle
Vorhersage des Verhaltens mit ausreichender Genauigkeit
erfordern eine mathematische Systembeschreibung
Optimierungsmodelle
Festlegung der Struktur und der Eigenschaften eines Systems
erfordern Vorhersagemodell und Gtema
14 14
Institut fr Prozessinformatik
und Leittechnik
Prof. Krabbes
Sim-II_V1/ 14 Hochschule
fr Technik, Wirtschaft
und Kultur Leipzig (FH)
Was ist ein Experiment?
F. E. Cellier(1990): An experiment is the processof extracting data froma system by
exerting it through its inputs
Experimente knnen mit realen oder mit gedachten Systemen gemacht werden
reale Experimente unter idealisierten Bedingungen (im Labor)
reale Experimente unter realen Bedingung
virtuelle Experimente mit Modellen
virtuelle Experimente mit Modellen erfordern deren Implementierung in Soft-/Hardware
Simulation heit Experimentieren mit Modellen
15 15
Institut fr Prozessinformatik
und Leittechnik
Prof. Krabbes
Sim-II_V1/ 15 Hochschule
fr Technik, Wirtschaft
und Kultur Leipzig (FH)
Was ist Rechner-Simulation?
Definition 2 (VDI-Richtlinie3633):
Simulationist ein Verfahren zur Nachbildung einesSystemsmit seinen
dynamischen Prozessenineinem experimentierbaren Modell, umzu Erkenntnissen
zu gelangen, die auf dieWirklichkeit bertragbar sind.
Im weiteren Sinne wird unter Simulation dasVorbereiten, Durchfhrenund
Auswerten gezielter Experimentemit einem Simulationsmodell verstanden.
Mit Hilfe der Simulationkanndaszeitliche Ablaufverhalten komplexer
Systemeuntersucht werden(Simulationsmethode).
16 16
Institut fr Prozessinformatik
und Leittechnik
Prof. Krabbes
Sim-II_V1/ 16 Hochschule
fr Technik, Wirtschaft
und Kultur Leipzig (FH)
Komplexe / komplizierte Systeme
Komplexe Systeme
bestehen aus vielen Teilsystemen unterschiedlichen Typs
mit vielfltigen Wechselwirkungen untereinander
unstrukturierte (i. Ggs. zu strukturierter) Komplexitt: keine Betrachtung der
Individuen, statistische Beschreibung
Beispiel: ein aus vielen Moleklen bestehendes Fluid
Komplizierte Systeme
bestehen aus wenigen (oft einem einzigen) Teilsystem
Teilsysteme sind gekennzeichnet durch eine Vielzahl von
- Attributen und
- Gesetzmigkeiten
17 17
Institut fr Prozessinformatik
und Leittechnik
Prof. Krabbes
Sim-II_V1/ 17 Hochschule
fr Technik, Wirtschaft
und Kultur Leipzig (FH)
Modellbildung ist eine zielgerichtete Vereinfachung der
Realitt durch Abstraktion.
objektive
Realitt
subjektive
Realitt
Wahrnehmung Modellierung
unbewusste
Abstraktion
bewusste
Abstraktion
Modell der
Realitt
18 18
Institut fr Prozessinformatik
und Leittechnik
Prof. Krabbes
Sim-II_V1/ 18 Hochschule
fr Technik, Wirtschaft
und Kultur Leipzig (FH)
Modellbildung: Abstraktion in zwei Schritten
strukturelle Abstraktion:
Identifikation der abgrenzbarer Teile und ihrer Verknpfungen des
betrachteten Systems
Qualitatives Wissen
phnomenologische Abstraktion:
Identifikation der physikalischen, chemischen oder biologischen
Vorgnge, welche in den Teilsystemen und deren Verknpfungen
ablaufen
Quantitatives Wissen
19 19
Institut fr Prozessinformatik
und Leittechnik
Prof. Krabbes
Sim-II_V1/ 19 Hochschule
fr Technik, Wirtschaft
und Kultur Leipzig (FH)
The DONTs of Mathematical Modelling
(S. W. Golomb, Simulation 14 (1970), 197-198)
DONT believe that the model is the reality
DONT extrapolate beyond the region of fit
DONT distort reality to fit the model
DONT retain a discredited model
DONT fall in love with your model
20 20
Institut fr Prozessinformatik
und Leittechnik
Prof. Krabbes
Sim-II_V1/ 20 Hochschule
fr Technik, Wirtschaft
und Kultur Leipzig (FH)
Schritte zur Simulation
1. ....Systemanalyse....(strukturelle Abstraktion)
2. qualitatives Modell: Beschreibung durch lineares/nichtlineares
Differentialgleichungssystem
3. textbasierte Notation der Modellgleichungen oder
4. blockorientierte Darstellung
5. numerische Integration mittels Simulationssystem
6. Umgang mit algebraischen Schleifen, steifen DGL etc.