KWP蔇 5P4AF5AP5RDHLSTZ446ZHUHCAYT3KFOKNFI43GQ


1. Wymagania stawiane obecnie przedmiotom projektowania s膮 diametralnie r贸偶ne od wymaga艅 stawianych tradycyjnie. Wynika to przede wszystkim z wyra藕nie wy偶szych wymaga艅 jako艣ciowych (przyk艂adem mog膮 by膰 tutaj wymagania stawiane wsp贸艂cze艣nie produkowanym samochodom co do ich bezpiecze艅stwa i niezawodno艣ci), masowo艣ci produkcji, rozleg艂o艣ci i r贸偶norodno艣ci obejmowanej tematyki, kompleksowo艣ci powi膮za艅 zewn臋trznych i ponoszonych koszt贸w, etc.

Jednocze艣nie w wielu dziedzinach, gdy projektowany obiekt jest du偶y (statek, fabryka, centrum handlowe, itp.), projekt nale偶y wykona膰 na indywidualne zam贸wienie. Zwi臋ksza si臋 ponadto r贸偶norako艣膰 projektowanych urz膮dze艅 i system贸w oraz si艂a ich powi膮za艅 z otoczeniem. 呕膮da si臋 ponadto coraz kr贸tszych czas贸w projektowania, wynika to z konkurencji na rynku.

Powy偶sze 偶膮dania w stosunku do rezultat贸w projektowania narzucaj膮 nowe wymagania dla systemu projektuj膮cego, s膮 to mi臋dzy innymi:

Z tych wymaga艅 wynikaj膮 nowe 偶膮dania w stosunku do procesu projektowania, w tymi mi臋dzy innymi:

2. Uj臋cie systemowe nakazuje widzie膰 proces projektowania jako jeden z element贸w procesu zaspokajania potrzeby, kt贸ry sk艂ada si臋 co najmniej z trzech element贸w:

Celem projektowania b臋dzie wi臋c obmy艣lenie obiektu projektowania oraz sposobu jego eksploatacji, czasem r贸wnie偶 niekt贸rych nietypowych proces贸w wytwarzania obiektu.

Podsumowuj膮c jako charakterystyczne dla procesu projektowania uznano nast臋puj膮ce elementy:

Przyj臋ty rodzaj procesu projektowania zale偶y m.in. od:

3. KWP nazywa si臋 proces u偶ytkowania zbioru metod i 艣rodk贸w informatycznych (komputerowych) wzmacniaj膮cych mo偶liwo艣ci tw贸rcze konstruktora czy projektanta. Jest to pewien system sk艂adaj膮cy si臋 z trzech g艂贸wnych element贸w:

Taki tr贸jelementowy uk艂ad nazywa si臋 systemem CAD (Computer Aided Design) lub systemem KWP (komputerowego Wspomagania Projektowania

Nale偶y podkre艣li膰, 偶e CAD jest narz臋dziem wspomagaj膮cym prac臋 cz艂owieka przy u偶yciu komputera, a nie eliminuje jego z procesu projektowania

Przyj臋艂y si臋 odpowiednie nazwy klas takich pakiet贸w jak:

Zakres komputerowego wspomagania prac in偶ynierskich. Do typowych dzia艂a艅, kt贸re mog膮 by膰 wykonywane przez komputer zalicza si臋:

Typowe pakiety (systemy ) CAD sk艂adaj膮 si臋 z kilku cz臋艣ci, cz臋sto zwanych modu艂ami lub programami. Z regu艂y s膮 to osobne jednostki programowe, widziane prze system operacyjny komputera jako niezale偶ne pliki. Cz臋sto mog膮 to by膰 autonomiczne programy, kt贸re mo偶na uruchamia膰 niezale偶nie. Typowe s膮 nast臋puj膮ce modu艂y:

4. Wymagania stawiane systemom CAE.

Wymagania stawiane pakietom rosn膮 dynamicznie w miar臋 rozwoju sprz臋tu, baz danych, sieci komputerowych, etc. Pojawia si臋 nowe zjawisko, a mianowicie w zwi膮zku z poszerzeniem si臋 kr臋gu u偶ytkownik贸w (w tym os贸b z ma艂膮 znajomo艣ci膮 informatyki) pakiety te musz膮 by膰 dostosowane do tego kr臋gu os贸b.

Podstawowym wymaganiem jest zawsze dobra dokumentacja u偶ytkownika, zawieraj膮ca instrukcj臋 obs艂ugi, instalowania, uruchomiania, list臋 b艂臋d贸w, list臋 plik贸w systemowych, etc.

Wymagania dotycz膮ce obs艂ugi:

tzw. „podpowiadacz poprawnych odpowiedzi; wraz z wyprowadzeniem na ekran pytaniem system informuje o zakresie zmian np. liczby,

automatyczne zabezpieczenia (cz臋sto wielostopniowe), np. zabezpieczenia przed machinalnymi naci艣ni臋ciami klawisza prowadz膮cymi do utraty danych lub efekt贸w pracy w danej sesji,

Wymagania dotycz膮ce instalacji - mo偶liwo艣膰 艂atwego instalowania systemu, np. przez umieszczenie w pakiecie programu instaluj膮cego (INSTALL.EXE), zawieraj膮cego r贸偶ne mechanizmy upraszczaj膮ce instalowanie, np. automatyczne zmienianie plik贸w konfiguracyjnych.

Wymagania dotycz膮ce oprogramowania-

Wymagania dotycz膮ce uruchamiania:

Wymagania zwi膮zane z dzia艂aniem programu:

Wymagania dotycz膮ce mo偶liwo艣ci przystosowania do specyficznych potrzeb u偶ytkownika (ang. Customizing):

Wymagania sprz臋towe:

Wymagania dotycz膮ce ochrony zbior贸w:

Wymagania dotycz膮ce wsp贸艂pracy z otoczeniem programowym i sprz臋towym:

5. Budowa system贸w ekspertowych (SE) - kr贸tka charakterystyka

System ekspertowy jest programem komputerowym, kt贸ry wykorzystuje wiedz臋 praktyczn膮 specjalist贸w do rozwi膮zania problemu w danej dziedzinie. Wiedza ta przedstawiona jest w postaci praw empirycznych i heurystyk. Kodowanie wiedzy (nazwane reprezentacj膮 wiedzy), jej gromadzenie w bazie wiedzy systemu oraz proces przetwarzania, od niej niezale偶ny, jest przedmiotem intensywnych bada艅 in偶ynier贸w wiedzy.

Koncepcja docelowej (przyk艂adowej) architektury systemu ekspertowego zosta艂a pokazana na poni偶szym rysunku. Istniej膮ce systemy zawieraj膮 tylko niekt贸re sk艂adniki pokazane na schemacie.

Organizacja procesu projektowania w SE

Przyk艂ad Proces projektowania uk艂ad贸w VLSI tradycyjnie dzieli si臋 na trzy poziomy abstrakcji: - funkcjonalny, - strukturalny - geometryczny. Ka偶dy z tych poziom贸w dzieli si臋 dodatkowo na podpoziomy. Na poszczeg贸lnych poziomach, opr贸cz syntezy, technika system贸w ekspertowych jest r贸wnie偶 wykorzystywana do takich operacji jak symulacja, optymalizacja, weryfikacja i testowanie.

Poziom funkcjonalny. Na najwy偶szym poziomie abstrakcji okre艣la funkcje, jakie ma spe艂nia膰 uk艂ad. Reprezentacja ta zwykle przyjmuje posta膰 wyra偶e艅 arytmetycznych lub logicznych, tablic warto艣ci, wykazu instrukcji lub schematu dzia艂a艅.

Poziom strukturalny. Reprezentacja strukturalna jest odwzorowaniem reprezentacji funkcjonalnej w pewn膮 struktur臋 sk艂adaj膮c膮 si臋 z po艂膮czonych symboli reprezentuj膮cych takie elementy, jak RAM, ROM, rejestry, bramki lub pojedyncze tranzystory. Uwzgl臋dnia si臋 przy tym takie czynniki jak koszt, szacunkowa powierzchnia zajmowana przez struktur臋, szybko艣膰 dzia艂ania czy pob贸r mocy.

Poniewa偶 operowanie schematem, a wi臋c rysunkiem jest ma艂o efektywne zaproponowano kilka symbolicznych reprezentacji struktury uk艂adu. Najwi臋ksze uznanie zyska艂:

Poziom geometryczny. Na tym poziomie dokonuje si臋 rozmieszczenia element贸w i wyprowadze艅, dobiera si臋 ich kszta艂t, spos贸b 艂膮czenia, geometri臋 masek technologicznych, itd.

Klasyfikacja zada艅 projektowych

Przy klasyfikacji zada艅 projektowych istotne s膮 nast臋puj膮ce cechy:

7. Zadania wsp贸艂czesnego systemu diagnostycznego mo偶na podzieli膰 na:

System diagnostyczny w najprostszej wersji realizuje zadania sygnalizacji alarm贸w.

Systemy automatyki standardowo zapewniaj膮 wykrywanie i sygnalizacj臋:

9. 6.1. Cechy konstrukcyjne, w艂a艣ciwo艣ci konstrukcyjne i zmienne stanu obiektu

Zmienne jakimi operuje projektant lub konstruktor, mo偶na podzieli膰 na trzy zbiory:

6.1.1. Cechy konstrukcyjne s膮 minimalnym zbirem zmiennych, kt贸rych warto艣ci (dok艂adniej, w kategoriach opisu losowego rozk艂ady warto艣ci) jednoznacznie odkre艣laj膮 obiekt. S膮 to:

Zapisem cech konstrukcyjnych jest dokumentacja konstrukcyjna (cz臋艣膰 rysunkowa i cz臋艣膰 opisowa, np. instrukcja monta偶u).

6.1.2. W艂a艣ciow艣ci konstrukcyjne

W艂a艣ciwo艣ci konstrukcyjne s膮 minimalnym zbiorem zmiennych okre艣laj膮cych interesuj膮ce nas relacje obiektu do jego otoczenia. Relacje te opisuje ilo艣ciowa charakterystyka wszystkich wej艣膰/wyj艣膰 energetycznych, masowych i informacyjnych obiektu.

W艂a艣ciwo艣ci konstrukcyjne ujmuj膮 charakterystyki instalacyjne, u偶ytkowe, remontowe, konserwacyjne itp.; niekt贸re spo艣r贸d nich s膮 nazywane osi膮gami obiektu.

6.1.3. Zmienne stanu obiektu

S膮 to wielko艣ci kt贸re charakteryzuj膮 stany, procesy lub zjawiska zachodz膮ce w obiekcie, np. napr臋偶enia, temperatura czy po艂o偶enia element贸w, liczby podobie艅stwa i inne zmienne, u偶ywane przez tylko przez projektanta w obliczeniach.

Znajomo艣膰 warto艣ci tych zmiennych nie jest potrzebna ani w procesie wykonania obiektu, ani w procesie jego w eksploatacji - chyba 偶e po艣rednio. (np. temperatura 艂o偶yska podczas normalnej pracy jest potrzebna u偶ytkownikowi do okre艣lenia rodzaju zast臋pczego oleju smarnego, je艣li olej wytypowany prze konstruktora jest niedost臋pny na rynku; natomiast napr臋偶enia rzeczywiste, kt贸re mo偶e by膰 jak膮艣 miar膮 trwa艂o艣ci, je艣li nie zosta艂o okre艣lone prze konstruktora).

13. Metody eliminacji

Je偶eli funkcja jest unimodalna w swojej dziedzinie w贸wczas mo偶na zaw臋zi膰 przedzia艂, w kt贸rym znajduje si臋 jej minimum pod warunkiem, 偶e znane s膮 warto艣ci funkcji w dw贸ch punktach jej dziedziny.

Definicja: Funkcja jest unimodalna je偶eli posiada w swojej dziedzinie dok艂adnie jedno minimum lub maksimum: je偶eli 0x01 graphic
jest punktem minimalnym to:

0x01 graphic

Obliczenie warto艣ci funkcji w danym punkcie nazywamy eksperymentem. Funkcja unimodalna mo偶e by膰 nieg艂adka lub nawet nieci膮g艂a (Rys. 1)

Je偶eli zachodzi przypadek (a) W贸wczas minimum nie mo偶e le偶e膰 po prawej stronie punktu x2. Dlatego mo偶na odrzuci膰 odcinek [x2,1] co daje mniejszy przedzia艂 nieufno艣ci [0,x2].

Je偶eli zachodzi przypadek (b) odrzucamy odcinek [0,x1] uzyskuj膮c mniejszy przedzia艂 nieufno艣ci [x1,1].

W przypadku (c) odrzucamy oba podprzedzia艂y [0,x1] oraz [x2,1] co daje nowy przedzia艂 nieufno艣ci [x1,x2].

Metoda dychotomii (dwudzielna)

Metoda ta jak r贸wnie偶 metody: Fibonacci oraz z艂otego podzia艂u s膮 metodami sekwencyjnymi, w kt贸rych wynik eksperymentu wp艂ywa na lokalizacj臋 nast臋pnego eksperymentu. Stosuj膮c podej艣cie dwudzielne, lokalizujemy dwa eksperymenty mo偶liwie blisko 艣rodka przedzia艂u nieufno艣ci. W oparciu o ich wyniki mo偶emy wyeliminowa膰 blisko po艂ow臋 przedzia艂u nieufno艣ci. Je偶eli wsp贸艂rz臋dne dw贸ch pocz膮tkowych eksperyment贸w wynosz膮 (Rys. 3):

0x01 graphic

Metoda dychotomii polega na sukcesywnym wykonywaniu par eksperyment贸w w 艣rodkach kolejnych przedzia艂贸w nieufno艣ci. Za ka偶dym razem redukujemy przedzia艂 nieufno艣ci prawie o po艂ow臋.

Mo偶na pokaza膰, 偶e po wykonaniu n eksperyment贸w (n musi by膰 liczb膮 parzyst膮!) d艂ugo艣膰 uzyskanego przedzia艂u nieufno艣ci wynosi:

0x01 graphic

Metoda Fibonacci

Metoda s艂u偶y do lokalizacji minimum funkcji jednej zmiennej, kt贸ra mo偶e by膰 nieci膮g艂a. Nazwa pochodzi od tzw. liczb Fibonacci. 艢redniowieczny mnich Fibonacci szuka艂 post臋pu arytmetycznego, kt贸ry by艂by biiski post臋powi niewyobra偶alnego rozmna偶ania si臋 szczur贸w; zaproponowa艂 progresj臋:聽聽聽 1. 1. 2. 3. 5. 8. 13. 21. 34. 55. 89. 144. 233. 377. 610. 987. 1597. 2584... co mo偶na zapisa膰 wzorem rekurencyjnym:

F1=1
F
2=1
F
n+2=Fn+Fn+1

Ci膮g ten sta艂 si臋 obiektem zainteresowa艅 naukowc贸w zajmuj膮cych si臋 teori膮 liczb, st膮d te偶 mn贸stwo wzor贸w zwi膮zanych z jego w艂asno艣ciami. Poni偶ej podano par臋 wa偶niejszych:

F1+F2+...+Fn=Fn+2-1
F
1+F3+...+F2n+1=F2n+2
F
2+F4+...+F2n=F2n+1-1
F
21+F22+...+F2n=Fn*Fn+1

Metoda z艂otego podzia艂u

Jest to metoda identyczna z metoda Fibonacci z t膮 r贸偶nic膮, 偶e nie musimy a priori okre艣la膰 liczby eksperyment贸w. Przypomnijmy, 偶e w metodzie Fibonacci musimy zna膰 ca艂kowit膮 liczb臋 eksperyment贸w aby wyznaczy膰 po艂o偶enie dw贸ch pocz膮tkowych. W metodzie z艂otego podzia艂u liczb臋 eksperyment贸w ustalamy w trakcie oblicze艅. Zauwa偶my w tym miejscu, 偶e metoda Fibonacci posiada nast臋puj膮ce ograniczenia:

  1. Pocz膮tkowy przedzia艂 nieufno艣ci, w kt贸rym le偶y minimum musi by膰 znany a priori

  2. Optymalizowana funkcja musi by膰 unimodalna w pocz膮tkowym przedziale nieufno艣ci

  3. Metoda umo偶liwia jedynie znalezienie ko艅cowego przedzia艂u nieufno艣ci z zadan膮 dok艂adno艣ci膮

  4. Liczba eksperyment贸w musi by膰 okre艣lona a priori

Metoda z艂otego podzia艂u charakteryzuje si臋 dobr膮 zbie偶no艣ci膮 przy prostocie oblicze艅, co znacznie przyspiesza jej dzia艂anie w por贸wnaniu do pozosta艂ych opisanych metod.

Jednak przy du偶ej dok艂adno艣ci szybko艣膰 zbie偶no艣ci jest niewielka.
Dla ci膮g艂ej funkcji f(x) w przedziale (a,b) posiadaj膮cej w tym przedziale jedno ekstremum (czyli unimodalnej) mo偶na je okre艣li膰 przez znalezienie z okre艣lon膮 dok艂adno艣ci膮 przedzia艂u, w kt贸rym ono si臋 znajduje. W tym celu nale偶y obliczy膰 warto艣ci funkcji w dw贸ch punktach wewn膮trz tego przedzia艂u, gdy偶 wyznaczenie tylko jednego nie wystarcza do stwierdzenia, w kt贸rym przedziale znajduje si臋 szukane minimum. Po obliczeniu warto艣ci funkcji w drugim punkcie mo偶na ju偶 jednoznacznie okre艣li膰 ten przedzia艂 - na rysunku odpowiednio przedzia艂y (x2,b) oraz (x1,x2). Ze wzgl臋du na to, i偶 jeden z wcze艣niej wyliczonych punkt贸w znajduje si臋 zawsze wewn膮trz nowego podprzedzia艂u, w nast臋pnym kroku wystarczy ju偶 obliczy膰 warto艣膰 funkcji w jednym nowym punkcie.

Algorytm z艂otego podzia艂u zak艂ada zmniejszanie wielko艣ci podprzedzia艂贸w o sta艂y wsp贸艂czynnik k w przeciwie艅stwie do metody po艂owienia (bisekcji), kt贸ra jest oparta na tej samej zasadzie, lecz tam okre艣lana jest zawsze warto艣膰 funkcji w 艣rodkowym punkcie przedzia艂u. Zak艂adaj膮c, 偶e wewn膮trz bie偶膮cego przedzia艂u [a(i), b(i)] wyznaczono dwie warto艣ci funkcji celu w punktach x1(i) oraz x2(i) spe艂niaj膮cych zale偶no艣膰:

0x01 graphic

15. Metoda Hooke-Jeevesa

Metoda ta zalicza si臋 do metod iteracyjnych, a wi臋c punkt minimalny x jest wyznaczany jako granica ci膮gu x0, x1, x2, ...

Podczas poruszania si臋 wyr贸偶ni膰 mo偶na dwa zasadnicze etapy:

Uwaga

  1. Je偶eli 偶aden z krok贸w etapu pr贸bnego nie przyni贸s艂 oczekiwanego rezultatu, jest on powtarzany przy zmniejszonym kroku.

  1. Jako kryterium zbie偶no艣ci tej metody stosuje si臋 d艂ugo艣膰 kroku e (w momencie gdy aktualna d艂ugo艣膰 kroku jest mniejsza od zadanej dok艂adno艣ci poszukiwania ekstremum uznajemy za zako艅czone).

Oznaczenia:

x0 - punkt startowy S1 .. Sn - baza wektor贸w wzajemnie ortogonalnych (dla dw贸ch zmiennych n = 2) e - pocz膮tkowa d艂ugo艣膰 kroku

16. Metoda Rosenbrocka

Metoda ta jest do艣膰 podobna do metody Hooke - Jeevesa, gdy偶 r贸wnie偶 poszukujemy ekstremum w n wzajemnie ortogonalnych kierunkach. R贸偶nica mi臋dzy tymi metodami polega na tym, i偶 tutaj kierunki te nie pozostaj膮 sta艂e, lecz ulegaj膮 zmianom w wyniku obrotu.

Baza wyj艣ciowa S1 .. Sn tworzona jest najcz臋艣ciej z wektor贸w jednostkowych (wersor贸w) uk艂adu wsp贸艂rz臋dnych kartezja艅skich.

Na wst臋pie wykonuje si臋 po jednym kroku o d艂ugo艣ci e w ka偶dym z tych kierunk贸w.

Je艣li w danym kierunku uzyskujemy sukces, to zwi臋kszamy d艂ugo艣膰 kroku w tym kierunku, natomiast w przeciwnym wypadku, d艂ugo艣膰 kroku mno偶ymy przez wsp贸艂czynnik -b z przedzia艂u (-1 .. 0), a wi臋c wykonujemy kr贸tszy krok w przeciwnym do danego kierunku.

Procedura taka jest powtarzana a偶 do momentu, gdy wykonanie kroku we wszystkich n kierunkach daje efekt niepomy艣lny, czyli f(xj) > f(xj-1) dla wszystkich j. W tej sytuacji je偶eli jest spe艂nione kryterium na ekstremum, to procedur臋 mozna uzna膰 za zako艅czon膮, w przeciwnym wypadku za艣 wykonujemy algorytm obrotu wsp贸艂rz臋dnych i rozpoczynamy jej dzia艂anie od pocz膮tku.

Kryterium zbie偶no艣ci tej metody zaproponowane przez Rosenbrocka opiera si臋 na za艂o偶eniu, i偶 bie偶膮cy punkt mo偶na uzna膰 za minimum, je艣li w czasie pi臋ciu kolejnych obrot贸w wsp贸艂rz臋dnych (i wykonaniu krok贸w we wszystkich ortogonalnych kierunkach po ka偶dym obrocie) nie wyst膮pi艂 偶aden pomy艣lny krok.

17. Metoda pe艂zaj膮cego sympleksu Neldera i Meada

Metoda ta polega na utworzeniu w przestrzeni En+1 n-wymiarowego sympleksu o n+1 wierzcho艂kach tak, aby mo偶na by艂o go wpisa膰 w powierzchni臋 reprezentuj膮c膮 badan膮 funkcj臋 celu. Jednowymiarowym sympleksem jest odcinek o dw贸ch wierzcho艂kach, sympleksem dwuwymiarowym jest tr贸jk膮t i og贸lnie sympleksem n-wymiarowym o n+1 wierzcho艂kach jest zbi贸r wszystkich punkt贸w okre艣lonych przez wektory:

czyli jest to wielo艣cian o n+1 wierzcho艂kach rozpi臋tych na n+1 wektorach bazowych (Sj). Wsp贸艂rz臋dne punkt贸w sympleksu oznaczono jako xj.

Na pocz膮tku procedury wylicza si臋 wsp贸艂rz臋dne punkt贸w wierzcho艂kowych sympleksu Pj (dla j = 1 .. n+1) przy za艂o偶eniu pewnej odleg艂o艣ci mi臋dzy tymi wierzcho艂kami (czyli kroku). W nast臋pnych iteracjach dokonuje si臋 przekszta艂ce艅 sympleksu a偶 odleg艂o艣膰 pomi臋dzy jego wierzcho艂kami w pobli偶u poszukiwanego ekstremum b臋dzie mniejsza od za艂o偶onej dok艂adno艣ci oblicze艅 e. To w艂a艣nie zosta艂o przyj臋te jako kryterium zbie偶no艣ci dla tej metody.
Podczas wykonywania algorytmu metody simplex stosuje si臋 trzy podstawowe operacje:

P* = (1 + a)P' - aPh

P** = (1 - c)P* - cP'

P*** = bPh + (1 - b)P'

Oznaczenia:

x0 - punkt startowy

e - wymagana dok艂adno艣膰 oblicze艅

Ph - wybrany punkt wierzcho艂kowy sympleksu spo艣r贸d n+1 wierzcho艂k贸w Pi, w kt贸rym warto艣膰 badanej funkcji osi膮ga maksimum.

PL - wybrany punkt wierzcho艂kowy sympleksu spo艣r贸d n+1 wierzcho艂k贸w Pi, w kt贸rym warto艣膰 badanej funkcji osi膮ga minimum.

P' - 艣rodek symetrii sympleksu z wy艂膮czeniem punktu Ph zdefiniowany jako:

d - pocz膮tkowa odleg艂o艣膰 pomi臋dzy wierzcho艂kami wyj艣ciowego sympleksu

a - wsp贸艂czynnik odbicia (a>0)

b - wsp贸艂czynnik kontrakcji (0<b<1)

c - wsp贸艂czynnik ekspansji (c>1)

n - liczba zmiennych niezale偶nych

Warto艣ci wsp贸艂czynnik贸w a, b, c dobiera si臋 w spos贸b eksperymentalny, cho膰 w przyk艂adach rozpatrywanych przez autor贸w metody jako optymalne przyj臋to warto艣ci a = 1, b = 0,5 oraz c =2.



Wyszukiwarka