离散时间和连续时间模型的模拟.ppt

6.4.3 模型描述语句序列分析 1.模型描述语句校验 设定模型描述语句序列为S1，S2，… ，Sn，可以按照一下步骤对模型描述语句进行校验。 1）检查是否存在有两个不同的子模型来产生同一个变量，也就是检查是否存在任一变量在两个不同的模型描述语句的左边出现。如果存在，必定其中有一个模型描述是无效描述，必须将它舍弃。 * SUN INTGRL X Z YRT Y IY Y=SUN(X，Z) Y=INTGRL（IY;YRT） 2）从模型描述语句序列中，删除所以的记忆函数型语句与时间输入函数型语句，这样就剩下瞬时函数语句。 3）检查瞬时函数是否存在循环关系。 ①变量的领先关系： 对于Y1, Y2, ?, Ym = Instant. Func (X1,X2,? Xn) 若U是Xi中的一个变量，V是Yj中的一个变量，则U领先于V。 若U领先V，在计算t时刻的V值之前，必须要知道时间t的U值。 * ②领先关系的闭包传递： 若有一变量序列Wo, ?, Wn, Wo = U, Wn = V, 各个Wi领先Wi+1, 则U领先*V， U领先*V表示在网络图中存在一个沿箭头从U到V的路径。 例：U = Prod (Y1, Y2) Y1P=PSum (X1, U) Y2P=Sum (X2,U) 结论:有存在V领先*V，模型描述语句构成循环，存在无效描述 * Y1领先于U，Y2领先于U，X1领先于Y1P,U领先于Y1P，X2领先于Y2P，U领先于Y2P; Y1领先于*Y1P，Y1领先于* Y2P，Y2领先于* Y1P，Y2领先于* Y2P。 2.模型描述变量与语句的排序 对于模型描述变量与语句进行排序，不但有利于模型描述语句翻译的正确的计算机执行序列，且有可能依次把模型描述语句自动地转换成模型网络图。下面介绍变量与语句的排序层次的定义。 1）变量的级别 （a）若对某个变量V，变量U领先于V，且无变量W，它使W领先U，那么变量U的级别Lev（U）=0 （b）任一（其他）变量的级别是网络中从级别为0的变量到该变量最长路径的距离。 若U领先*V，级别Lev（U）=0，n为最大数，U领先W1领先W2?Wn-1领先V，级别Lev（V）=n * 2）语句的级别（函数的级别） 对于语句Si: Y1, ?, Ym = Instant.func (X1, X2, ?, Xn) 语句Si的级别是Xj的最大级别， 即级别(Si)=max{级别(Xj), j=1, n} 求Prod与Sum的级别。 根据这些排序层次，就可自动构造层次关系清楚的模型网络图。在构造模型网络图时，把相同排序层次的所有变量和语句置在一条线上。 * 6.4.4 记忆函数仿真 1、离散时间模型 当模型描述仅包含 DELAY记忆函数语句时，可选择 DELAY的输出变量来构造模型的状态变量。因而每个 Y=DELAY（IY，X）语句可解释如下：在预置阶段，设置 Y等于IY；在状态转移阶段，设置Y在时间ti+h的值为X在时间ti的值。 * 在仿真运行中，首先从时间 t 的记忆函数的输出值开始，然后按顺序执行输入时间函数与瞬时函数语句，来完成时间 t 的所有描述变量值的计算，也包括记忆函数的输入变量的计算，接着，推进仿真时标，并运行记忆函数，计算时间 t+h 的记忆函数输出值，又回到仿真开始，进行循环。记忆函数的仿真是整个的核心。 对于例6.6，其模型描述语句对应的仿真的基本过程为： 预置时标T为要求的初始时间t； 置 Y1为IYl、 Y2为IY2; 置 X1，X2为SIN(T）,COS(T); 置U为PROD(Y1,Y2）； 置Y1P为 SUM（X1,U）、Y2P为SUM（X2,U）； 置Y1为 Y1P、Y2为 Y2P； 推进仿真时标，置 T为T+h； 若T小于终止时间，转向 c）； 停机。 * 2、微分方程说明的模型 在连续时间模型中，一般用微分方程来描述系统模型，其记忆函数语句就是积分器。积分器Y=INTGRL（IY，YRT），是建立起它的输入YRT与输出Y所假定的值之间的关系 这样，就可用积分法根据输出变量去逐次计算描述变量值，对整个导数函数可通过一定手段构造对应的状态转移函数，用迭代方式进行系统仿真。 * 以下是欧拉积分法的仿真过程： 预置T=t0, Y=IY； 计算中间变量M=Y+h·YRT； 推进时标T=T+h, Y=M； T是否小于终止时间，否，转 b）； 结束。 * * f函数就是一个映射，由一个状态集和输入序列，映射得到另一个状态 * f函数就是一个映射，由一个状态集和输入