|
зивистерстео кы'яззх-о и среднего специального образования УССР Украинок як институт инженеров водного хозяйства
онс*-аз
МЕТОДИЧЕСКИЕ УКАЗАНИЯ к спецкурсу и спецсеминару "Автоматизированное „ проектирование систем водоснабжения и канализации и для дипломного проектирования студентов специальности 2908 всех Форм обучения
Утверждены на заседании методической комиссии строительного факультета
Протокол К»гЬт 17 октябри 1986 г.
V'
таиных кафедрами института. Эта часть МО постоянно развивается по мере создания и совершенствования САПР.
Г Инвариантная часть включает методы и алгоритмы; слабо связанные о особенностями конкретной области проектирования и ее математическими моделями. Это относится к методам и алгоритмам многовариантного анализа и параметрической оптимизации. Мы вкратце перечислим эти методы и дадим только их обдую характеристику, достаточную для представления о возможностях и роли этой части МО.
Основными видами многовариантного анализа в проектировании являются анализ чувствительности и статистический анализ. Следует отметить, что в практике проектирования объектов водоенабиеная и канализации многовартантвыВ анализ» настоящее время не применяется, но это вызвано не его беополвзвостья в данной облаоти, а отсутствием разработанных практических методик к определенной слабостьп математической интерпретации ароцесоо» функционирования проектируемых систем водоснабжения и каяализапик..
цель анализа чувствительности соотоит в определении так называ-; емих коэффициентоввлияйийЛял» коэффициентов чувствительности), которые позволяют проектировщику доказательно и математически стро- : го отделить параметры, существенно влияющие на процесс, от иаловли- яющих, определить предпочтительные изменения внутренних параметров процеооа Xj для улучшения его выходных параметров, оценить допустимые отклонения внутренних Х^ и внешних ^ параметров для сохранения' заданной точности допустимого отклонения выходных у і параметров. Результаты анализа чувствительности используются для решения таких важных задач проектирования как расчет допусков и оценка точности выходных параметров, параметрической оптимизации. Применительно к онстемам шщ, анализ чу ветви те ль-• яоети позволяет, в частности для очистных сооружении, установить •. наиболее слабое их звено, требующее особого овйиманй-.с точки Зрения •лоддержания заданных режимов.его^аботы; - указывает -возможный по-- •'■
- z- -
следствия в изменении режима работы элементов сооружении или характеристик поступающей стичний воды и реагентов, используемих а їех- нологии; определяет путь борьбы с вероятными отклонениями в режимах функционирования очистных сооружений.
Коэффициенты влияния определяются из уравнении:
где:
/7,; л • - абсолютный и относительный коэффициенты чувствитель-
JL > u3i,
пости1 выходного параметра 'у, к изменении внутреннего параметра Xj., н f
у" - номинальные значения параметров.
Аналогичным образом может быть представлена чувствительность при изучении влияния внешних параметров. Разумеется, анализ чувствительности возможен если внешние и внутренние параметры являются непрерывными величинами и представленная ими функция выходных величин является дифференцируемой.
Анализ чувствительности может реализовываться одним из следующих методов:
1. Методом приращений, как основным методом анализа чувствительности, представляющим собой практически метод численного дифференцирования. Основное достоинство метода - в его универсальности: он Применим к любым непрерывным математическим моделям, прост в программной реализации, но имеет невысокую точность, что в целом характерно для операций численного диффереяцировения, и большую трудоемкость вычислений из-за большого количества обращений к модели.
2. Прямой и вариационный методы, основанные на интегрировании специальных систем обыкновенных диыыеренциальных уравнений. Эти методы менее универсальны, чем метод приращений, но имеют большую точность и позволяют снизить затраты машинно- - 24 -
і
го времени.
3. Регрессионный метод.в котором коэффициенты чувствительности отождествляются с коэффициентами регрессии, рассчитываемыми в процессе статистического (см. далее) анализа по методу Монте-Карло. Этот метод требует выполнения очень большого объема вычислений и его применение выгодно, если в процессе проектирования нужно решать задачи как статистического анализа, так и анализа чувствительности. Тогда затраты времени, дополнительные к затратам на статистический анализ, будут пренебрежимо малы.
Следует отметить, что опыт проведения анализа чувствительности применительно к системам водоснабжения и канализации практически отсутствует, поэтому не представляется возможным определить рекомендуемые условия применения того или иного из рассмотренных методов. Можно только предложить начинать этот анализ с метода приращений, как самого универсального, и, по мере накопления опыта, og- паивать и другие методы анализа чувствительности. Определенный интерес представляет также использование уравнений регрессии, полученных статистической обработкой результатов планируемого эксперимента при изучении отдельных процессов, очистки сточных и природных вод.
Цель статистического анализа состоит в получении оценок рассеяния выходных параметров у^ и вероятностей выполнения заданных условий работоспособности для проектируемого объекта. Причинами рассеяния выходных параметров i^j являются нестабильность внешних параметров Cfri и случайный характер внутренних параметров 3C.J о результатами статистического анализа могут быть гистограммы выходных параметров, оценки математических ожиданий и среднеквадратичных отклонений <3~j каждого из виход- аых параметров ^ „ максимально возможные отклонения & fjj.параметров ^ от номинальных значений,. Щенки.коэффициентов
- 25 -
корреляции между параметрами ^ и. Реально
статистический анализ дает возможность оценить процент отклонения выходных показателей от их нормативных заданных значений (процент брака), а при наличии исходных данных по старению внутренних параметров, их изменению в процессе эксплуатации или хранения, результаты статистического анализа могут быть непосредственно использованы для оценки надежности системы.
В качестве исходных данных статистического анализа фигурируют статистические сведения о рассеянии внутренних параметров и данные * технического задания о допустимых диапазонах изменения или законах распределения внешних параметров.
В САПР получили распространение следующие методы статистического анализа:
- метод наихудшего случая, по которому все параметры принимают самые неблагоприятные значения. Анализ методов наихудшего случая включает следующие этапы:
1. Аналий чувствительности с определением коэффициентов влияния.
2. Задание параметрам модели самых неблагоприятных значений.
3. Выполнение анализа объекта в наихудшем случае»
Каждому выходному параметру соответствует свой наихудший случай. Поэтому если система характеризуется /М выходными и /"2 внутренними параметрами, то этапы 2 и 3 алгоритма анализа повторяются ttl раз и всего требуется выполнить /72■+■ 1 вариантов обращений к модели системы. Преимущество метода в том, что для его применения достаточно знать лишь допуски по внутренним параметрам и нет необходимости выявлять законы их распределения. Недостатком является значительное избыточное резервирование системы, так как вероятность принятого в расчете сочетания б системе самых неблагоприятных параметров пренебрежимо мала.
~ метод статистических испытаний (метод Монте-Карло), который позволяет получить более полные статнотические сведения о выходных параметрах исследуемой системы. Алгоритм этого метода реализуется в следующей последовательности:
1. Задание случайным образом значений внутренних и внешних параметров в очередном статистическом испытании.
2. Расчет выходных параметров.
3. Накопление статистических сумм.
4. Обработка накопленных сумм для получения результатов статистического анализа.
Этапы I - 3 выполняются в каждом испытании, этап Ч является завершающим статистический анализ. Задание значений случайных параметров выполняется в соответствии с их законами распределения, которые предварительно необходимо знать. Возможность выработки псевдослучайных чисел для величин, распределенных по таким широкорас- п устраненным законам как нормальный, равномерный, экпоненциальный предусматривается составом инвариантной части МО большинства ЭВМ. Однако в практике проектирования могут встретиться задачи с коррелированными исходными данными, имеющими любое распределение, что усложняет выбор случайных значений параметров.
Реализация преимуществ метода статистических испытаний (универсальность, возможность всестороннего статистического испытания системы) требует довольно полных статистических сведений о параметрах. Определенным недостатком метода является большой объем требующихся вычислений для получения приемлемой точности статистическо-; го анализа.
Реализации задачи параметрической оптимизации начинается с преобразования физических представлений о назначении и степени полезности объекта (в нашем случае системы водоснабжения и: канализации' или ее отдельных элементов) в математическую формулировку экстремальной задачи, BK^at^it^
лизацию понятия оптимальности. Цель оптимизации выражается критерием оптимальности - правилом предпочтения сравниваемых вариантов. Основу критерия оптимальности составляет целевая функция, аргументам! которой являются управляемые параметры, которыми обычно принимаются все ил» некоторая часть внутренних парадов оотия»«Л- емого объекта. Целевая функция должна быть такой, чтобы по ее значениям можно ОИЛо определить степень достижения цели. Например, если лучшии вариант характеризуется большими значениями целевой функции, то оптимизация будет заключаться в поиске решения с максимальным значением т.» функции.» равной мере возможны целевые функций, требующие минимизации, но, в общем случае, минимизация монет быть представлена максимизацией путем изменения знака целевой функции. Аналогично можно іфелстасіп ь максимизацию через минимизацию.
В практике проектирования систем ВИ традиционно применяются экономические криіерау., а имеем функция представка приведенными затратами или приведенным доходом, в первом случае оптимизация заключается в минимизации целевой функции, м> втором - в максимизации.
Кроме целевой функции и перечня управляемых параметров в постановку задачи оптимизации систек ВИС зачастую входят ограничения на пределы изменения параметров, продиктованные физическими, технологическими или иными соображениями. При наличии ограничений задача параметрической оптимизации именуется задачей условной оптимизации и экстремальное значение, полученное с учетом всех ограничений, называется условным. При отсутствии ограничений будет решаться задача безусловной оптимизации с получением безусловного экстремуму.
в практике проектирования используется большое количество различных методов поиска оптимального решения. Основные требования к методу поиска - надежность и приемлемая точность нахождения экстремума, а также малые потери на поиск, определяемые количеством
- 28 -
обращений к модели объекта (количеством вычислений значений целевой функции). Потери на поиск и точность определения экстремума зависят от особенностей конкрзтной задачи и выбранного метода поиска, сущность которого определяется тем, как выбирается направление поиска, т;о есть направление изменения управляемых параметров.
Методы поиска традиционно классифицируются по следующим приз- ' накам:
1. В зависимости от характеристик экстремума, на поиск которого ориентирован метод, райличают методы условной и безусловной, локальной и глобальной оптимизации. Большинство методов непосредственно применяются для поиска безусловных локальных экстремумов. Использование этих методов в задачах условной оптимизации не вызывает принципиальных возражений, так как существуют апробированные приемы сведения задач условной оптимизации к безусловной. Поиск глобального (наилучшего) экстремума из нескольких или множества экстремальных значений целевой функции (локальных экстремумов, поиск которых весьма-затруднен) представляет большие трудности, и
в настоящее время отсутствуют надежные методы, позволяющие находит» глобальный экстремум с приемлемыми потерями на поиск.
2. В зависимости от количества управляемых параметров различав it методыодномерного и многомерного поиска. Одномерный аоиск, как правило, редко встречается в задачах проектирования, где количество управляемых параметров может быть от нескольких единиц до нескольких десятков. Но даже в этих условиях одномерный поиск может кспользоваться как вспомогательный для определения величины оптимального шага поиска в выбранном направлении.
3. В зависимости от характера информации, используемой для выбора направления поиска, различают методы нулевого, первого и второго порядка.;В методах первого порядка используют первые производные целевой функции по управляемым параметрам. В методах второго порядка, кроме того, используют вторые производіше. В методах
- 29 -
нулевого порядка производные не используются,
В данных методических указаниях ограничимся только перечислением наиболее известных методов поиска экстремума.
Методы безусловной оптимизации:
1. Метод наискорейшею спуска.
2. Метод градиента.
3. Метод Ньютона.
1. Метод сопрямэ иных градиентов
Ъ. Метод переменном метрики.
6. Метод покоординатного спуска (метод Гаусха-Зейделя;,
7. Метод Розенорока ^улучшенный метод покоординатного спуска).
8. Методы случайного поиска,
9. Методы одномерной оптимизации (золотого сечения, чисел Фибоначчи И Др...
Методы условной оптимизации.
1. Метод штрафных функций,
2. Метод проекции вектор-градиента.
3. Проекционный метод.
В инвариантной части. МО САПР могут быть и другие коьлоненты, требуемые для задач проектирования, технология которого постоянно совершенствуется в соответствии с ростом требований к полноте и глубине проработки проектных решений.
5. ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ
Информационное обеспечение САПР предназначено для обслуживания автоматизированных процедур проектирования и представляет собой библиотеку или базу данных, в которой хранится проектная информация в виде текстовых и графических документов, таблиц и т.п.
При разработке информационной базы необходимо определить ее структуру, т.е. состав информации, форму ее хранения в памяти ЭВМ,
Дата добавления: 2015-08-28; просмотров: 28 | Нарушение авторских прав
<== предыдущая лекция | | | следующая лекция ==> |
« Биография Ганс Христиан Андерсен и его сказка «Принцесса на горошине» | | | Практически полностью прозрачный современный храм Reading between the Lines |