Simulationstechnik II

Simulationstechnik II:

• Teilvorlesung zu Nichtlineare Regelung und Simulationstechnik (PIL)

• Æ vertiefte Anwendungen der Simulationstechnik

Institut für Prozessinformatik

und Leittechnik
Prof. Krabbes Hochschule
für Technik, Wirtschaft
Sim-II_V1/ 1
und Kultur Leipzig (FH)

0. Gliederung

7x Doppelveranstaltung: Vorlesung + anschl. Praktikum

1. Einführung / 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. Æ Beleg
8. Zeitdiskrete Simulation FEM-Simulation / ANSYS

Institut für Prozessinformatik

und Leittechnik
Prof. Krabbes Hochschule
für Technik, Wirtschaft
Sim-II_V1/ 2
und Kultur Leipzig (FH)
1. Einführung

Simulation:
• Experimente im virtuellen Labor
• das Experiment im Rechner
Æ die dritte Säule der Wissenschaft neben Theorie und Experiment

Problem Modell Simulator

Technisch-
Abstraktion der Experimentier-
Wissenschaftliche
Realität apparat
Aufgabenstellung

Institut für Prozessinformatik

und Leittechnik
Prof. Krabbes Hochschule
für Technik, Wirtschaft
Sim-II_V1/ 3
und Kultur Leipzig (FH)

Problem

Modellbildung

Modell schlechte
Modellanalyse Modellstruktur
Identifikation
Numerik/Programmierung
gute
Simulator Modellstruktur

Simulation
Analyse
Parameter/Modell
Simulations ergebnisse
Vergleich
Sim.-Ergebnis/Realität

schlechte Abbildung
gute Abbildung
Anwendung
des Simulators

Problemlösung
Vorgehensmodell der Simulation

Institut für Prozessinformatik

und Leittechnik
Prof. Krabbes Hochschule
für Technik, Wirtschaft
Sim-II_V1/ 4
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

experiments with this model for the purpose either of understanding the behavior of
the system and its underlying causes or of evaluating various designs of an artificial
system or strategies for the operation of the system.

Was bedeudet eigentlich …

System Modell Experiment ???
Begriffsbildung: Systemtheorie

Institut für Prozessinformatik

und Leittechnik
Prof. Krabbes Hochschule
für Technik, Wirtschaft
Sim-II_V1/ 5
und Kultur Leipzig (FH)

Systemtheorie
Definition:
ein logisch-mathematisches Gebiet, dessen Aufgabe die Formulierung und Ableitung
allgemeingültiger Prinzipien ist, die auf Systeme im Allgemeinen anwendbar sind.
Systemkonzept (Systemanalyse)
• die Definition und Charakterisierung von Systemen bezüglich Eigenschaften
und Wechselwirkungen
Systementwicklung (Systemsynthese)
• die Methoden zur Planung, Entwicklung, Gestaltung und Optimierung von
Systemen
Systemdarstellung (Systemrepräsentation)
• die Formalismen (Graphiken, Sprachen, ...) zur Darstellung von Systemen als
Basis für Systemanalyse und -synthese

Institut für Prozessinformatik

und Leittechnik
Prof. Krabbes Hochschule
für Technik, Wirtschaft
Sim-II_V1/ 6
und Kultur Leipzig (FH)
Was ist ein System?

• A system is what is distinguished as a system. ... Systems are what ever we like to
distinguish as systems. (Gaines, 1979)

• Ein System besteht aus einer Menge Komponenten, welche Eigenschaften besitzen
und welche durch Beziehungen zur Verfolgung gesetzter Ziele miteinander
verknüpft sind. (Patznak, 1982)

Institut für Prozessinformatik

und Leittechnik
Prof. Krabbes Hochschule
für Technik, Wirtschaft
Sim-II_V1/ 7
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 können sowohl Gegenstände als auch Denkmethoden und deren
Ergebnisse ... sein. Diese Anordnung wird durch eine Hüllfläche von ihrer Umgebung
abgegrenzt oder abgegrenzt gedacht. Durch die Hüllfläche werden Verbindungen des
Systems mit seiner Umgebung geschnitten. Die mit diesen Verbindungen übertragenen
Eigenschaften und Zustände sind Größen, deren Beziehungen untereinander das dem
System eigentümliche Verhalten beschreiben. Durch zweckmäßiges Zusammenfügen
und Unterteilen von solchen Systemen können größere und kleinere Systeme entstehen.

Institut für Prozessinformatik

und Leittechnik
Prof. Krabbes Hochschule
für Technik, Wirtschaft
Sim-II_V1/ 8
und Kultur Leipzig (FH)
Modelle sind (spezielle) Systeme

• beschreiben einen abgegrenzten Teil des Universums

• interagieren mit der Umgebung über Ein-und Ausgangsgrößen
• 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 können abstrakter oder materieller Natur sein.

Institut für Prozessinformatik

und Leittechnik
Prof. Krabbes Hochschule
für Technik, Wirtschaft
Sim-II_V1/ 9
und Kultur Leipzig (FH)

Modell: Definition nach Minsky (1965):

Ein Objekt M ist ein Modell eines Objekts A

für einen
Beobachter B in dem Maße, wie er M nutzen
kann, um Fragen
zu beantworten, die ihn an A interessieren.
M1 M2

B1 B2

Institut für Prozessinformatik

und Leittechnik
Prof. Krabbes Hochschule
für Technik, Wirtschaft
Sim-II_V1/ 10
und Kultur Leipzig (FH)
Anforderungen an Modelle

formal richtig
• widerspruchsfreie Annahmen
• im Idealfall zweifelsfrei aus einer formalen Spezifikation ableitbar

realitätsnah
• Vorhersage des Realverhaltens des betrachteten Systems bis auf einen
vorgegebenen Fehler

handhabbar
• Aufwand und Nutzen der Modellerstellung und Nutzung abwägen
• Detaillierungsgrad an Aufgabenstellung anpassen
• Modellgröße (und damit Rechenaufwand) beschränken

Institut für Prozessinformatik

und Leittechnik
Prof. Krabbes Hochschule
für Technik, Wirtschaft
Sim-II_V1/ 11
und Kultur Leipzig (FH)

Kategorien abstrakter Modelle (1)

Verbale Modelle
• beschreiben Aufbau-/Ablaufsysteme in natürlicher 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
Institut für Prozessinformatik
und Leittechnik
Prof. Krabbes Hochschule
für Technik, Wirtschaft
Sim-II_V1/ 12
und Kultur Leipzig (FH)
Kategorien abstrakte Modelle (2)

Beschreibungsmodelle
• beschreiben phänomenologisch das beobachtbare Verhalten eines Systems
• streben keine Erklärung (z.B. der Funktion) an

Erklärungs-oder Funktionsmodelle
• beschreiben die Funktion eines Systems
• streben eine Durchdringung und Erklärung 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 Gütemaß

Institut für Prozessinformatik

und Leittechnik
Prof. Krabbes Hochschule
für Technik, Wirtschaft
Sim-II_V1/ 13
und Kultur Leipzig (FH)

Was ist ein Experiment?

F. E. Cellier(1990): An experiment is the process of extracting data from a system by

exerting it through its inputs

Experimente können 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 heißt Experimentieren mit Modellen

Institut für Prozessinformatik

und Leittechnik
Prof. Krabbes Hochschule
für Technik, Wirtschaft
Sim-II_V1/ 14
und Kultur Leipzig (FH)
Was ist Rechner-Simulation?

Definition 2 (VDI-Richtlinie 3633):

Simulation ist ein Verfahren zur Nachbildung eines Systems mit seinen
dynamischen Prozessen in einem experimentierbaren Modell, um zu Erkenntnissen
zu gelangen, die auf die Wirklichkeit übertragbar sind.

Im weiteren Sinne wird unter Simulation das Vorbereiten, Durchführen und

Auswerten gezielter Experimente mit einem Simulationsmodell verstanden.

Mit Hilfe der Simulation kann das zeitliche Ablaufverhalten komplexer

Systeme untersucht werden (Simulationsmethode).

Institut für Prozessinformatik

und Leittechnik
Prof. Krabbes Hochschule
für Technik, Wirtschaft
Sim-II_V1/ 15
und Kultur Leipzig (FH)

Komplexe / komplizierte Systeme

Komplexe Systeme
• bestehen aus vielen Teilsystemen unterschiedlichen Typs
• mit vielfältigen Wechselwirkungen untereinander
• unstrukturierte (i. Ggs. zu strukturierter) Komplexität: keine Betrachtung der
Individuen, statistische Beschreibung
• Beispiel: ein aus vielen Molekülen bestehendes Fluid

Komplizierte Systeme
• bestehen aus wenigen (oft einem einzigen) Teilsystem
• Teilsysteme sind gekennzeichnet durch eine Vielzahl von
- Attributen und
- Gesetzmäßigkeiten

Institut für Prozessinformatik

und Leittechnik
Prof. Krabbes Hochschule
für Technik, Wirtschaft
Sim-II_V1/ 16
und Kultur Leipzig (FH)
 Modellbildung ist eine zielgerichtete Vereinfachung der
Realität durch Abstraktion.

Wahrnehmung Modellierung

objektive subjektive Modell der

Realität Realität Realität

unbewusste bewusste
Abstraktion Abstraktion

Institut für Prozessinformatik

und Leittechnik
Prof. Krabbes Hochschule
für Technik, Wirtschaft
Sim-II_V1/ 17
und Kultur Leipzig (FH)

Modellbildung: Abstraktion in zwei Schritten

• strukturelle Abstraktion:

Identifikation der abgrenzbarer Teile und ihrer Verknüpfungen des

betrachteten Systems
Æ Qualitatives Wissen

• phänomenologische Abstraktion:

Identifikation der physikalischen, chemischen oder biologischen

Vorgänge, welche in den Teilsystemen und deren Verknüpfungen
ablaufen
Æ Quantitatives Wissen

Institut für Prozessinformatik

und Leittechnik
Prof. Krabbes Hochschule
für Technik, Wirtschaft
Sim-II_V1/ 18
und Kultur Leipzig (FH)
 The DON‘Ts of Mathematical Modelling
(S. W. Golomb, Simulation 14 (1970), 197-198)

• DON‘T believe that the model is the reality

• DON‘T extrapolate beyond the region of fit

• DON‘T distort reality to fit the model

• DON‘T retain a discredited model

• DON‘T fall in love with your model

Institut für Prozessinformatik

und Leittechnik
Prof. Krabbes Hochschule
für Technik, Wirtschaft
Sim-II_V1/ 19
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.

Institut für Prozessinformatik

und Leittechnik
Prof. Krabbes Hochschule
für Technik, Wirtschaft
Sim-II_V1/ 20
und Kultur Leipzig (FH)