Upload
danghanh
View
233
Download
0
Embed Size (px)
Citation preview
© 2005 itm 1 – 77
Simulation
ModellRealitätKapitel 1.5: Simulation
• Kapitel 1.1: Einführung
• Kapitel 1.2: Grundlagen
• Kapitel 1.3: Problemstellung und Anforderungsanalyse
• Kapitel 1.4: Modellbildung
• Kapitel 1.5: Simulation
– 1.5.1: Grundlagen
– 1.5.2: Implementierung
– 1.5.3: Verifikation und Validierung
– 1.5.4: Experimentieren
– 1.5.5: Simulationstechnologien
© 2005 itm 1 – 78
Simulation
ModellRealität1.5.1 Grundlagen
1.5.1 Grundlagen
© 2005 itm 1 – 79
Simulation
ModellRealitätWiederholung „Simulation“
Simulation
Implementierung
1.5 Simulation
Experimentieren
RealitätModellieren
Simulations-modell
Modell
Imple
mentie
renExperimentieren
Validierung
des Simulations-
modells
Verifi
katio
n
des S
imula
tions
-
modell
s
Verifikationdes Modells
© 2005 itm 1 – 80
Simulation
ModellRealitätWiederholung „Simulation“
Simulation: Simulation umfasst die Implementierung und das Experimentieren mit Simulationsmodellen, um zu Erkenntnissen zu gelangen, die auf die Wirklichkeit übertragbar sind.
1.5 Simulation
Simulation
ImplementierungExperimentieren
© 2005 itm 1 – 81
Simulation
ModellRealitätKlassifikation von Simulationsmodellen
Simulationsmodell
dynamisch(deterministisch)
statisch
kontinuierlich diskret
stochastisch
analytisch numerisch ereignisorientiertzeitdiskret
1.5 Simulation
© 2005 itm 1 – 82
Simulation
ModellRealitätstatische Simulationsmodelle
• Darstellung eines Systems zu genau einem Zeitpunkt
• oder wenn das System in einem stabilen Gleichgewichtszustand ist
statisches Finite Elemente ModelleArchitektursimulation mit Zoom- und Schwenkfunktionalität
Beispiel für eine statische Simulation ist ein Fahrzeug im Windkanal, bei dem Lage, Windgeschwindigkeit und –richtung zeitunabhängig ist.
1.5 Simulation
© 2005 itm 1 – 83
Simulation
ModellRealitätStochastische Simulation
Methode zum Lösen deterministischer mathematischer Probleme mit Hilfe der Stochastik
Randbedingungen der stochastischen Methoden:
• die Zeit spielt keine Rolle
• das Problem ist deterministisch, Stochastik wird künstlich überlagert
• nicht alle Systemvariablen und Systemwerte sind deterministisch
• zu einem Input des Systems gibt es (zufallsbedingt) verschiedene Outputs
Zur Berechnung einer Größe wird diese in einem wahrscheinlichkeits-theoretischem Modell beschrieben. Die Größe wird mit Hilfe wiederholter Zufallsexperimente angenähert.
1.5 Simulation
© 2005 itm 1 – 84
Simulation
ModellRealitätBeispiel: Bestimmung der Kreiszahl mit Hilfe der Monte Carlo Simulation
VT
r
r
VT
⋅=Π⇒Π
=
⋅Π
= 4 4
42
2
Es gilt: x2 + y2 = 1
Für beliebige Werte von xi, yi gilt: Wertepaar auf oder innerhalb des Einheitskreises wenn xi
2 + yi2 ≤ 1
Wertepaar außerhalb des Einheitskreises wenn xi2 + yi
2 > 1
dann gilt bei gleichmäßiger statistischer Verteilung der Größen xi, yi aus dem Intervall [0,1]:
Bezeichnet man alsT die Anzahl der Treffer (xi
2 + yi2 ≤ 1) und
V die Anzahl der Versuche
T ist der Anzahl der Treffer im Teil des Einheitsquadrates, der zum Kreis gehört
1.5 Simulation
π
© 2005 itm 1 – 85
Simulation
ModellRealitätAbgrenzung kontinuierliche gegen diskrete Simulation
Unterscheidung der dynamischen Simulationen bezüglich...• zeitlicher Ablauf
• Zeitkontinuierlich: beliebige Zeitpunkte werden simuliert• Zeitdiskret: nur bestimmte Zeitpunkte werden simuliert
• Anzahl der Systemzustände• Zustandskontinuierlich: Zustandsvariablen können beliebige Werte
annehmen unendliche Anzahl an Zuständen• Zustandsdiskret: es wird nur endliche Anzahl an Systemzuständen simuliert
Zeitkontinuierlich diskret
z.B. Zustandsvariable
kontinuierlich
diskret
numerische bzw.analytische Simulation
(DGLs)zeitdiskrete Simulation
ereignisorientierte Simulation
1.5 Simulation
© 2005 itm 1 – 86
Simulation
ModellRealitätkontinuierliche Simulation mit diskreten Rechnersystemen
Funktionsweise eines (digitalen) Rechners ist sowohl zeit- als auch wertediskret
zu simulierendes System ist zeit- und wertkontinuierlich
Genauigkeit
Simulationsaufwand(Rechenzeit, Rechnerleistung)
1.5 Simulation
Bei der Abbildung eines kontinuierlichen Systemsdurch einen Rechner entstehen Abweichungen
© 2005 itm 1 – 87
Simulation
ModellRealitätNumerische Simulation
Vorteile:
Keine vereinfachenden Annahmen über Verteilung, Zufälligkeit und Unabhängigkeit notwendig
Sensitivitätsuntersuchungen sind möglich
Numerische Simulation mathematisch leichter als analytische Lösung
Simulationsmodelle sind anschaulicher
Es lassen sich mit einem Simulationsmodell meist mehrere alternative Systemstrukturen untersuchen
Nachteile:
Kein Auffinden der optimalen Lösung garantiert
Hoher Konstruktions- und Kostenaufwand
Großer Daten- und Rechenbedarf
Fehler können sich in einem numerisch instabilen System „aufschaukeln“
Schritt für Schritt Lösungen mit iterativ genäherten Werten
1.5 Simulation
© 2005 itm 1 – 88
Simulation
ModellRealitätBeispiel: Numerische Simulation eines Integrals
1
193,1155,0142,0196,010 =⋅+⋅+⋅+⋅=A
1
138,25,072,05,055,0...5,075,05,00 =⋅+⋅++⋅+⋅=A
1
1
42,225,077,025,072,0...25,043,025,00 =⋅+⋅++⋅+⋅=A
1.5 Simulation
© 2005 itm 1 – 89
Simulation
ModellRealitätZeitdiskrete Simulation
Anwendungsfelder:• Regelkreisberechnungen (Abtastsysteme)• Bahnberechnung (Interpolation) bei NC-Maschinen
Nachbildung von zeitgetakteten Systemen durch die Berechnung der Systemausgänge zu diskreten Zeitpunkten
1.5 Simulation
© 2005 itm 1 – 90
Simulation
ModellRealitätEreignisorientierte Simulation
Sie basiert auf der Abfolge von Ereignissen, die selbst keine Zeit verbrauchen. Die Ereignisse werden in einer Ereignisliste geführt und in der Reihenfolge ihrer Eintrittszeiten abgearbeitet. Ein Ereignis führt bei den assoziierten Objekten zu einer Reaktion, z.B. einer Zustandsänderung. Gegebenenfalls erzeugen diese Objekte weitere Ereignisse.
Simulationssystem mit endlicher Anzahl von Zuständen, die durchdas Auftreten von Ereignissen wechseln.
1.5 Simulation
Beispiel: Taschenlampe
• System besitzt die beiden Zustände„Licht On“ und „Licht Off“.
• Der Initial-Zustand ist „Licht Off“.• Durch das Ereignis „einschalten“ geht das
System in den Zustand „Licht On“ über.• Erst nachdem das Ereignis „ausschalten“
eintritt, geht das System wieder in den Zustand „Licht Off“ über.
© 2005 itm 1 – 91
Simulation
ModellRealitätHybride Simulation
Simulationsmodelle mit sowohl diskreten als auch kontinuierlichen Anteilen werden als hybride Simulationsmodelle bezeichnet.
kontinuierliche Simulation der Anlagekontinuierliche Simulation der Anlage
Ereignisorientierte Simulation der SteuerungEreignisorientierte Simulation der Steuerung
Praktikum „Simulationstechnik“ Hybride SimulationHybride Simulation
1.5 Simulation
© 2005 itm 1 – 92
Simulation
ModellRealitätBegriffsdefinition „Simulationssystem“
Simulationssystem (Syn.: Simulator, -werkzeug): Ein Simulationssystem ist ein Softwareprogramm, mit dem ein Modell zur Nachbildung des dynamischen Verhaltens eines Systems und seiner Prozesse erstellt und ausführbar gemacht werden kann. (VDI 3633)
1.5 Simulation
ADAMS
Matlab-Simulink
Dymola
© 2005 itm 1 – 93
Simulation
ModellRealitätAnforderung an Simulationssysteme
Anforderungen an moderne Simulationssysteme:
• Umfangreiche und erweiterbare Bibliothek von Modellbausteinen
• Mächtige Diagnose- und Statistikfunktionalitäten
• Schnittstellen zum Ex- und Import von Daten
• Visualisierung
• Automatisch generierte übersichtliche Ergebnisdarstellung
1.5 Simulation
© 2005 itm 1 – 94
Simulation
ModellRealitätAufbau eines Simulationssystems
SimulatorkernDatenverwaltung
Benutzeroberfläche
Schnittstelle zu externen Datenbeständen und
Applikationen
1.5 Simulation
© 2005 itm 1 – 95
Simulation
ModellRealitätSimulatorkern
Funktionen des Simulatorkerns:
• Bereitstellung des Modells und der Modellelemente
• Automatische, chronologische Erzeugung und Verarbeitung von Ereignissen
• Durchführung der Simulationsberechnungen
• Verknüpfung der Komponenten des Simulationssystems
• Zentrale Ablaufsteuerung
Simulatorkern
1.5 Simulation
© 2005 itm 1 – 96
Simulation
ModellRealitätDatenverwaltung
Zu verwalten sind:
Datenverwaltung
Eingabedaten: Werden durch den Modellnutzer bereitgestellt (z.B. Störungsdauern, Anfangswerte)
Interne Modelldaten: Feste Modellparameter (z.B. Massen, Trägheitsmomente, Abmessungen, Viskositäten)
Zustandsdaten: Ändern sich mit der Modelllaufzeit(z.B. Geschwindigkeiten, Beschleunigungen, Positionen)
Resultatdaten: Werden während, bzw. nach Simulationslauf gespeichert ausgegeben (z.B. Durchlaufzeiten, Signalverläufe)
1.5 Simulation
Modellbibliotheksverwaltung: Dient zur Verwaltung von Standard-Modellelementen und -Subsystemen (Zweck: Wiederverwendung)
© 2005 itm 1 – 97
Simulation
ModellRealitätBenutzeroberfläche
Funktionen der Benutzeroberfläche:
• Editierung des Simulationsmodells
• Visualisierung des Simulationsmodells
• Betrachtung des Simulationslaufs (On-Line und Off-Line)
• Darstellung der aufbereiteten Simulationsresultate
• Ermöglichen von Eingriffen während der Simulation
Benutzeroberfläche
1.5 Simulation
© 2005 itm 1 – 98
Simulation
ModellRealitätSchnittstellen zu externen Datenbeständen und Applikationen
Schnittstellen zu:
• Visualisierungswerkzeug (online-Ausleitung der Daten zu Visualisierungszwecken 3D Animation einer Maschine)
• Programme zur Datenauswertung und Darstellung (2D/3D-Diagramme in Excel)
• anderen Simulationssystemen (Kopplung von Modellen und Simulationsdaten)
• Import von externen Daten (Datenbanken, Excel)
Schnittstelle zu externen Datenbeständen und
Applikationen
1.5 Simulation
© 2005 itm 1 – 99
Simulation
ModellRealität
Problemspezifikation
Modellbildung• Systemanalyse• Verifikation
Simulation• Implementierung• Verifikation• Parametrierung• Validierung• Experimentieren
•Planung & Vorbereitung•Durchführung von Simulationsläufen•Auswertung
Gesamtauswertung und Präsentation
Phasen der Simulation
1.5 Simulation
© 2005 itm 1 – 100
Simulation
ModellRealitätKapitel 1.5: Simulation
• Kapitel 1.1: Einführung
• Kapitel 1.2: Grundlagen
• Kapitel 1.3: Problemstellung und Anforderungsanalyse
• Kapitel 1.4: Modellbildung
• Kapitel 1.5: Simulation
– 1.5.1: Grundlagen
– 1.5.2: Implementierung
– 1.5.3: Verifikation und Validierung
– 1.5.4: Experimentieren
– 1.5.5: Simulationstechnologien
© 2005 itm 1 – 101
Simulation
ModellRealität1.5.2 Implementierung
1.5.2 Implementierung
© 2005 itm 1 – 102
Simulation
ModellRealitätBegriffswiederholung „Implementierung"
Implementierung: Unter Implementierung in der Simulationsstudie versteht man die Umsetzung eines abstrakten bzw. gedanklichen Modells in ein auf einem Rechner ablauffähiges Simulationsmodell (VDI 3633).
Das abstrakte Modell ist nicht direkt experimentierbar. Um ein Experiment durchführen zu können, muss das abstrakte Modell in eine ausführbare Form z.B. rechnerlesbare Programme überführt werden.
Implementierung
Modell Simulationsmodell
1.5 Simulation
© 2005 itm 1 – 103
Simulation
ModellRealitätImplementierungsarten: „konventionelle Programmiersprache“
Vollständige Programmierung in einer konventionellen Programmiersprache.Beispiele:Fortran, C/C++, Basic, Pascal
Vorteile:• Freie Auswahl der Programmiersprachen• Maximale Flexibilität• Fertige, kompilierte Simulatoren haben keine
lizenzrechtlichen Probleme
Nachteile:• Erheblicher Implementierungs- bzw. Anpassungsaufwand• Programmiererfahrung und Statistikkenntnisse erforderlich
1.5 Simulation
© 2005 itm 1 – 104
Simulation
ModellRealität
CSSL:
Implementierungsarten: „simulationsspezifische Sprache“
Programmierung mit speziellen Konstrukten der Sprache (z. B. Datenverwaltungs- und Graphik-routinenkonstrukte)Beispiele:CSSL, DESIRE, MATLAB
Vorteile:• Flexibilität• Einfachere Implementierung
Nachteile:• Programmiererfahrung ist erforderlich• Simulationen sind nur im Rahmen der
Entwicklungsumgebung durchführbar
1.5 Simulation
© 2005 itm 1 – 105
Simulation
ModellRealität
Implementierung erfolgt durch graphisch-interaktive Modell-erstellungen und -änderungen unter Verwendung abstrakter Modellbausteine. Das System analysiert die erzeugte Graphik und setzt sie in eine interne ablauffähige Form bzw. ein Softwareprogramm um.
Implementierungsarten: „graphik-orientierte Simulationsentwicklungsumgebung“
„Catia“
„MaSiEd“
Vorteile:• Breites Spektrum von Werkzeugen auf dem
Markt• Aufwandsarme Erstellung• Leichte Wiederverwendung vorhandener
Modelle
Nachteile:• Hoher Preis für Lizenzen• Simulation nur im Rahmen der
Entwicklungsumgebung durchführbar
„Simulink“
1.5 Simulation
© 2005 itm 1 – 106
Simulation
ModellRealität
Simulationsmodell eines Montagesystems
Beispiel einer Simulationsumgebung
1.5 Simulation
© 2005 itm 1 – 107
Simulation
ModellRealität1.5.3 Verifikation und Validierung
1.5.3 Verifikation und Validierung
© 2005 itm 1 – 108
Simulation
ModellRealitätWiederholung: Validation und Verifikation
Verifikation= Sicherstellen, dass das Modell von einer Form zuranderen wie beabsichtigt und mit ausreichenderGenauigkeit transformiert wird.= „Building the model right“
Habe ich es richtig gemacht?
1.5 Simulation
© 2005 itm 1 – 109
Simulation
ModellRealitätVerifikation des Simulationsmodells
Bezüglich:•Algorithmen, Syntax, Semantik•Rundungseffekte
RealitätModellieren
Simulations-modell
Modell
Imple
mentie
renExperimentieren
Validierung
Verifi
katio
n
Verifikation
Verifik
ation
des
Simula
tions
-
modell
s
Ziel der Verifikation des Simulationsmodells ist es, zu überprüfen, ob das konzeptionelle Modell richtig in das Simulationsmodell umgesetzt wurde.
1.5 Simulation
© 2005 itm 1 – 110
Simulation
ModellRealitätMethoden zur Verifikation I
Vorgehensweise: • isoliertes Verifizieren elementarer Module• sukzessive Zusammenführung der Module• Verifikation des Gesamtsystems
Verifikation durch die formlose Analyse
Review-Techniken (vgl. Verifikation des konzeptionellen Modells):- Schreibtischtest- Walkthrough
1.5 Simulation
© 2005 itm 1 – 111
Simulation
ModellRealitätMethoden zur Verifikation II
Ursache-Wirkungs-Graph:Untersuchung der Ursache-Wirkungs-Beziehung im System und deren Abbildungim Modell.
Syntaktische Analyse:Überprüfung der syntaktischen Korrektheit der Modellbeschreibung anhand derSprachdefinition.
Semantische Analyse:Überprüfung der semantischen Übereinstimmung zwischen konzeptuellem Modell und Simulationsmodell.
Kontrollfluss-Analyse:Analyse der ...... Aufrufstrukturen in den Programmen... bedingten Verzweigungen... Zustandsübergängen... Schnittstellen
Verifikation durch die formale Analyse
1.5 Simulation
© 2005 itm 1 – 112
Simulation
ModellRealitätParametrierung
Identifikation der (Start-)Parameter:• Messung am Originalsystem• Expertenschätzung• Statistische Schätzwerte
Festlegung fester Umrechnungsvorschriften von Werten zwischen Modell und Originalsystem• Zeitbasis (Zeitlupe, Zeitraffer)• Wertebereich (z.B. Wachstumsgesetze für Kräfte)
Festlegung der ParameterUnterschiedliche Variationen der zu simulierenden Systeme können als Parameter in einem Modell realisiert werden (Parametrisierungsprinzip)
Unbestimmte FreiheitsgradeBei konkreter Implementierung soll das Simulationsmodell gleiches zweckorientiertes Verhalten wie die Variante des Originalsystems aufweisen.
1.5 Simulation
© 2005 itm 1 – 113
Simulation
ModellRealitätWiederholung: Validierung
Validierung= sicherstellen, dass sich das Modell innerhalb seinesAnwendungsrahmens mit ausreichender Genauigkeitkonsistent mit dem zu untersuchenden System verhält.= „Building the right model“
RealitätModellieren
Simulations-modell
Modell
Imple
mentie
renExperimentieren
Validierung
Verifi
katio
n
Verifikation
Validierung des
Simulations-
modells
Habe ich das Richtige gemacht?
© 2005 itm 1 – 114
Simulation
ModellRealitätValidierung
Vergleich „reales System“ Simulationsmodell
Eine vollständige Übereinstimmung des abzubildenden Systems und des Simulationsmodells ist nicht möglich und auch nicht erforderlich.
Besondere Bedeutung haben die ersten Simulationsläufe, die der Validierung des Simulationsmodells dienen.
Gewinn von Simulationsergebnissen