Sovelluksen tieteellinen perusta konsepti-, suunnittelu-, teknologiset ja materiaalitieteelliset ratkaisut koneiden ja rakenteiden luomisen kaikkiin vaiheisiin tulee olla fyysisen ja matemaattisen mallinnuksen periaatteita ja menetelmiä.
Fysikaalinen ja matemaattinen mallinnus koneenrakennuksessa se perustuu perustieteiden, ensisijaisesti matematiikan, fysiikan, kemian jne. pohjalta kehitettyihin yleisiin lähestymistapoihin. Matemaattisesta mallintamisesta ja laskennallisesta kokeesta on tulossa uusi menetelmä monimutkaisten koneiden, työprosessien ja konemiehen analysointiin -ympäristöjärjestelmä. Fysikaalinen ja matemaattinen mallinnus suoritetaan useissa vaiheissa.
Simulaatio alkaa ongelman asettamisesta ja hiomisesta, fyysisten näkökohtien huomioon ottamisesta, eri tekijöiden vaikutuksen asteen määrittämisestä simuloituihin prosesseihin ohjelmoiduissa olosuhteissa simuloidun järjestelmän tai prosessin toimintaan. Tältä pohjalta rakennetaan fyysinen malli. Sitten sen pohjalle rakennetaan matemaattinen malli, joka sisältää matemaattisen kuvauksen simuloidusta prosessista tai mekaanisesta järjestelmästä kinematiikan ja dynamiikan lakien mukaisesti, materiaalien käyttäytymisestä kuormien ja lämpötilojen vaikutuksesta jne. Malli tutkitaan muun muassa tehtävän noudattamista, olemassaoloratkaisuja jne.
Seuraavassa vaiheessa mallinnusongelman ratkaisemiseksi valitaan laskennallinen algoritmi. Nykyaikaiset numeeriset menetelmät mahdollistavat matemaattisten mallien monimutkaisuusasteen rajoitusten poistamisen.
Seuraava vaihe on ohjelmointi laskentaalgoritmi tietokoneille. Samalla luodaan ongelmakeskeisiä sovelluspaketteja, joiden pohjalta voidaan luoda monimutkaisia ohjelmia prosessien, koneiden ja konejärjestelmien kattavaan kuvaukseen.
Seuraavassa vaiheessa laskelmat suoritetaan tietokoneella kehitettyjen ohjelmien mukaisesti. Tässä tapauksessa lopullisten tulosten järkevä esittäminen on välttämätöntä. Viimeinen vaihe sisältää saatujen tulosten analyysin, niiden vertailun fysikaalisten kokeiden tietoihin täysimittaisilla tuotenäytteillä. Tarvittaessa tehtävänä on tarkentaa valittua matemaattista mallia ja toistaa seuraavat vaiheet.
Fyysisen ja matemaattisen mallintamisen päätyttyä tehdään yleinen johtopäätös ja johtopäätökset suunnittelusta, teknologisista ja toiminnallisista toimenpiteistä, jotka liittyvät uusien materiaalien ja tekniikoiden luomiseen, varmistaen edellytykset koneiden luotettavalle ja turvalliselle käytölle, täyttävät ergonomian vaatimukset. ja ekologia. Uusien koneiden ja rakenteiden luominen korkeammilla käyttöparametreilla, ympäristö- ja ergonomiavaatimuksilla on monimutkainen monimutkainen ongelma, jonka tehokas ratkaisu perustuu fysikaaliseen ja matemaattiseen mallinnukseen. Yleinen kaavio simulaation käytöstä koneiden luomisen eri vaiheissa on esitetty alla olevassa kuvassa.
Suunnitteluluonnoksen kehittäminen tarjoaa fyysisten mallien rakentaminen prototyyppien luomisen kokemuksen perusteella. Matemaattiset mallit sisältävät uutta tietoa rakenteellisten ja kinemaattisten kaavioiden analysoinnista ja synteesistä, pääelementtien välisen vuorovaikutuksen dynaamisista ominaisuuksista ottaen huomioon työympäristöt ja prosessit. Samassa vaiheessa ekologiaa ja ergonomiaa koskevia kysymyksiä muotoillaan ja ratkaistaan yleisesti.
Teknistä projektia kehitettäessä laboratoriossa testattujen pääyksiköiden fyysisiin malleihin tulisi siirtyä. Teknisen projektin matemaattinen tuki sisältää tietokoneavusteiset suunnittelujärjestelmät.
Pohjimmiltaan uusien koneiden luominen (tulevaisuuden autot) edellyttää matemaattisen mallinnuksen menetelmien parantamista ja uusien mallien rakentamista. Tämä koskee suurelta osin uuden teknologian ainutlaatuisia kohteita. (ydin- ja lämpöydinvoimatekniikka, raketti-, ilmailu- ja kryogeenitekniikka), sekä uusiin teknologisiin, kuljetusajoneuvoihin ja laitteisiin (laser- ja pulssiteknologian asennukset, magneettiset jousitusjärjestelmät, syvänmeren ajoneuvot, adiabaattiset polttomoottorit jne.). Samalla tarvitaan supertehokkaita tietokoneita ja kalliita ohjelmia matemaattisen mallinnuksen tehtävien toteuttamiseen.
Yksityiskohtaisessa suunnitteluvaiheessa fyysinen mallinnus sisältää mallien ja testipenkkien luomisen suunnitteluratkaisujen todentamiseksi. Tämän vaiheen matemaattinen puoli liittyy teknisen dokumentaation laatimiseen tarkoitettujen automatisoitujen järjestelmien kehittämiseen. Matemaattisia malleja jalostetaan suunnitteluongelmien rajaehtojen tarkentamiseksi ja jalostukseksi.
Samanaikaisesti suunnittelun kanssa materiaalien valinnan, valmistus- ja ohjaustekniikoiden osoittamisen suunnittelu- ja teknologiset ongelmat ratkaistaan. Rakennemateriaalitieteen alalla fysikaalisten ja mekaanisten ominaisuuksien kokeellista määritystä laboratorionäytteistä käytetään sekä standarditesteissä että testeissä käyttöolosuhteita simuloivissa olosuhteissa. Erittäin vastuullisten osien ja kokoonpanojen valmistuksessa uusista materiaaleista (korroosiota ja säteilyä kestävä, verhoiltu, komposiitti jne.) on tarpeen suorittaa erikoiskokeita rajatilojen ja vauriokriteerien määrittämiseksi. Matemaattisella mallinnolla rakennetaan simulaatiomalleja materiaalien mekaanisesta käyttäytymisestä erilaisissa kuormitusolosuhteissa ottaen huomioon materiaalien hankinta- ja koneenosien muotoiluteknologia. Simulaatiomalleja käytetään monimutkaisen matemaattisen analyysin tekemiseen uusiin teknologioihin liittyvistä lämpö-, diffuusio-, sähkömagneettisista ja muista ilmiöistä.
Perustuu fyysisiin ja simulaatiomalleihin saada monimutkainen joukko fysikaalisia ja mekaanisia ominaisuuksia, joiden ominaisuuksia tulisi käyttää luotaessa tietokonepohjaisia tietopankkeja nykyaikaisille ja lupaaville materiaaleille.
Osien, kokoonpanojen ja koneiden kokonaisvalmistusteknologian kehittämisvaiheessa fysikaalista mallinnusta käytetään tekniikan prosessien laboratorio- ja pilottitestauksessa perinteisesti. (koneistus, valu jne.), ja uusi (laserkäsittely, plasma, räjähteet, magneettipulssi jne.).
Rinnakkain teknisten prosessien kanssa kehitetään fyysisiä malleja sekä materiaalien ja valmiiden tuotteiden valvonnan ja vikojen havaitsemisen periaatteita. Teknisten prosessien matemaattiset mallit mahdollistavat monimutkaisten lämmönjohtavuuden, lämpöelastisuuden, superplastisuuden, aallon ja muiden ilmiöiden ratkaisemisen, jotta voidaan järkevästi valita tehokkaat menetelmät ja prosessointiparametrit näille osille.
Koneiden ja rakenteiden luomisvaiheessa Prototyyppien ja pilottierien hienosäätöä ja testausta tehtäessä fyysinen mallinnus mahdollistaa penkki- ja täysimittaisen testauksen. Penkkitestit tarjoavat korkean tietosisällön ja lyhentävät massa- ja suurtuotantotuotteiden prototyyppien viimeistelyyn kuluvaa aikaa. Täysimittaiset testit* ovat tarpeen ainutlaatuisten tuotteiden suorituskyvyn ja luotettavuuden arvioimiseksi äärimmäisissä olosuhteissa. Samalla algoritmeista ja testinhallintaohjelmista tulee matemaattisen mallinnuksen tehtäviä. Saatujen kokeellisten tietojen analysointi tulisi suorittaa tietokoneella reaaliajassa.
Kun käytät koneita fyysistä mallintamista käytetään tilan diagnosoimiseen ja turvallisen käyttöiän pidentämiseen. Tässä vaiheessa matemaattisella mallinnolla pyritään rakentamaan toimintavauriomalleja suunnittelussa hyväksyttyjen kriteerien mukaisesti: Tällaisten mallien kehitystyötä tehdään parhaillaan ydin- ja lämpövoimatekniikan, raketti- ja ilmailutekniikan kohteille sekä muille kohteille.
Matemaattinen mallinnus mahdollistaa automatisoida toimintatilojen ohjaus tietokoneella määritettyjen ohjelmien mukaan, varmistaa ohimenevien prosessien optimaalinen ohjaus ja sulkea pois automaattisten suojajärjestelmien avulla hätähäiriöihin johtavien rajoittavien tilanteiden saavuttaminen.
Mallintaminen
Mallintaminen ja sen tyypit
Mallintaminen on yksi modernin tieteellisen tutkimuksen päämenetelmistä.
Mallintaminen - Tämä on tietoobjektien tutkimusta niiden malleissa, tosielämän esineiden, ilmiöiden ja konstruoitujen esineiden mallien rakentamista ja tutkimusta. Tämä on objektin tai ilmiön tutkittujen ominaisuuksien toisto mallin avulla, kun se toimii tietyissä olosuhteissa. Malli- tämä on kuva, rakenne tai materiaalikappale, joka toistaa ilmiön tai esineen tietyllä tavalla samankaltaisesti. Malli on isomorfinen (samanlainen, samanlainen) luonnon kanssa (alkuperäinen), josta se on yleistys. Se toistaa tutkittavan kohteen tunnusomaisimmat piirteet, joiden valinnan määrää tutkimuksen tarkoitus. Malli on aina lähellä kohdetta tai ilmiötä. Muuten malli muuttuu esineeksi ja menettää itsenäisen merkityksensä.
Ratkaisun saamiseksi mallin on oltava riittävän yksinkertainen ja samalla heijastettava ongelman ydintä, jotta sen avulla löydetyt tulokset ovat järkeviä.
Ihminen rakentaa kognitioprosessissa aina enemmän tai vähemmän eksplisiittisesti ja tietoisesti malleja ympäröivän maailman tilanteista ja ohjaa käyttäytymistään mallia tutkiessaan saamiensa johtopäätösten mukaisesti. Malli täyttää aina tietyn tavoitteen ja sitä rajoittaa tehtävän laajuus. Automaatioasiantuntijan ohjausjärjestelmän malli eroaa olennaisesti luotettavuusasiantuntijan saman järjestelmän mallista. Tietyissä tieteissä mallinnus liittyy jonkin esineen, prosessin tai ilmiön ominaisuuksien selvittämiseen (tai toistamiseen) toisen kohteen, prosessin tai ilmiön avulla, ja yleensä oletetaan, että mallin ja alkuperäisen välillä on tiettyjä kvantitatiivisia suhteita. havaittu. Mallinnuksia on kolmenlaisia.
1. Matemaattinen (abstrakti) mallinnus perustuu mahdollisuuteen kuvata tutkittavaa prosessia tai ilmiötä jonkin tieteellisen teorian kielellä (useimmiten matemaattisella kielellä).
2. Analoginen mallinnus perustuu sellaisten ilmiöiden isomorfismiin (samankaltaisuuteen), joilla on erilainen fyysinen luonne, mutta joita kuvataan samoilla matemaattisilla yhtälöillä. Esimerkkinä on hydrodynaamisen prosessin tutkimus sähkökentän tutkimuksen kautta. Molempia ilmiöitä kuvaa Laplacen osittaisdifferentiaaliyhtälö, jonka ratkaiseminen tavanomaisin menetelmin on mahdollista vain erikoistapauksissa. Samaan aikaan sähkökentän kokeelliset tutkimukset ovat paljon yksinkertaisempia kuin vastaavat hydrodynamiikan tutkimukset.
3. Fysikaalinen mallinnus koostuu jonkin kohteen tai ilmiön tutkimuksen korvaamisesta sen mallin kokeellisella tutkimuksella, jolla on sama fyysinen luonne. Tieteessä jokainen koe, joka tehdään tutkittavan ilmiön tiettyjen säännönmukaisuuksien tunnistamiseksi tai teoreettisten tulosten oikeellisuuden ja sovellettavuuden rajojen tarkistamiseksi, on itse asiassa simulaatio, koska tutkimuksen kohteena on tietty malli (näyte), jolla on tiettyjä fyysisiä tekijöitä. ominaisuuksia. Suunnittelussa fysikaalista mallintamista käytetään silloin, kun täysimittaisen kokeen suorittaminen on vaikeaa. Fysikaalinen mallintaminen perustuu samankaltaisuusteorioihin ja dimensioanalyysiin. Välttämätön ehto tämän tyyppisen mallinnuksen toteuttamiselle on mallin ja alkuperäisen geometrinen samankaltaisuus (muodon samankaltaisuus) ja fyysinen samankaltaisuus: samanlaisina aikoina ja samanlaisissa pisteissä avaruudessa ilmiöitä kuvaavien muuttujien arvot. alkuperäisen on oltava verrannollinen mallin samoihin arvoihin. Tämä mahdollistaa vastaanotettujen tietojen vastaavan uudelleenlaskennan.
Matemaattinen mallinnus ja laskennallinen koe.
Tällä hetkellä yleisimpiä ovat tietokoneella toteutetut matemaattiset mallit. Näitä malleja rakennettaessa voidaan erottaa seuraavat vaiheet:
1. Tehtävää vastaavan mallin luominen tai valinta.
2. Edellytysten luominen mallin toiminnalle.
3. Kokeile mallia.
4. Tulosten käsittely.
Katsotaanpa tarkemmin yllä lueteltuja vaiheita.
Ensimmäisessä vaiheessa tutkittavan kohteen (prosessin) matemaattiselle kuvaukselle asetetaan joukko vaatimuksia: käytettyjen yhtälöiden ratkaistavuus, matemaattisen kuvauksen vastaavuus tutkittavaan prosessiin hyväksyttävällä tarkkuudella, prosessin riittävyys. tehdyt oletukset, mallin käytön käytännön tarkoituksenmukaisuus. Näiden vaatimusten täyttymisaste määrittää matemaattisen kuvauksen luonteen ja on mallin luomisen monimutkaisin ja aikaavievin osa.
Riisi. 2.1. Kaavio matemaattisen mallin rakennusprosessista
Todelliset fyysiset ilmiöt ovat pääsääntöisesti hyvin monimutkaisia, eikä niitä voida koskaan analysoida tarkasti ja täydellisesti. Mallin rakentamiseen liittyy aina kompromissi, ts. ottamalla käyttöön oletukset, joiden mukaan malliyhtälöt ovat voimassa (kuva 2.1). Jotta malli tuottaa mielekkäitä tuloksia, sen on siis oltava riittävän yksityiskohtainen. Samalla sen tulee olla riittävän yksinkertainen, jotta ratkaisu voidaan saada sellaisilla tekijöillä, kuten ajoitus, tietokoneen nopeus, esiintyjien pätevyys jne., tulokselle asettamien rajoitusten alla.
Matemaattinen malli, joka täyttää mallinnuksen ensimmäisen vaiheen vaatimukset, sisältää välttämättä yhtälöjärjestelmän päämäärittävästä prosessista tai prosesseista. Vain tällainen malli sopii mallintamiseen. Tämä ominaisuus on mallinnuksen ja laskennan välisen eron taustalla ja määrittää mahdollisuuden käyttää mallia mallintamiseen. Laskenta perustuu pääsääntöisesti aiemmin prosessitutkimuksissa saatuihin riippuvuuksiin ja näyttää siten kohteen (prosessin) tietyt ominaisuudet. Siksi laskentamenetelmää voidaan kutsua malliksi. Mutta tällaisen mallin toiminta ei toista tutkittua prosessia, vaan tutkittua. Ilmeisesti mallinnuksen ja laskennan käsitteitä ei eroteta selkeästi, koska jopa tietokoneella suoritettavassa matemaattisessa mallintamisessa mallin algoritmi rajoittuu laskemiseen. Mutta tässä tapauksessa laskenta on apuluonteista, koska laskennan tulokset mahdollistavat muutoksen mallin kvantitatiivisissa ominaisuuksissa. Tällöin laskennalla ei voi olla itsenäistä arvoa, joka mallinnolla on.
Tarkastellaan mallintamisen toista vaihetta. Kokeen aikana oleva malli, kuten myös kohde, toimii tietyissä olosuhteissa, jotka kokeen ohjelma asettaa. Simulointiolosuhteet eivät sisälly mallin käsitteeseen, joten samalla mallilla voidaan tehdä erilaisia kokeita, kun eri simulointiolosuhteet määritellään. Mallin toimintaedellytysten matemaattiseen kuvaamiseen on, ilmeisestä tulkinnan yksiselitteisyydestä huolimatta, kiinnitettävä vakavaa huomiota. Matemaattista mallia kuvattaessa jotkin merkityksettömät prosessit tulisi korvata kokeellisilla tiedoilla ja riippuvuuksilla tai tulkita yksinkertaistetusti. Jos nämä tiedot eivät täysin vastaa odotettuja mallin toimintaedellytyksiä, simulaatiotulokset voivat olla virheellisiä.
Saatuaan matemaattisen kuvauksen mallista ja toimintaolosuhteista kootaan laskenta-algoritmit, tietokoneohjelmien lohkokaaviot ja sitten ohjelmat.
Ohjelmien virheenkorjausprosessissa niiden komponentit ja yksittäiset ohjelmat kokonaisuutena tarkastetaan kattavasti matemaattisen kuvauksen virheiden tai puutteiden tunnistamiseksi. Varmentaminen suoritetaan vertaamalla vastaanotettua tietoa tunnettuun todelliseen tietoon. Lopputarkastus on kontrollikoe, joka suoritetaan samoissa olosuhteissa kuin aiemmin suoritettu koe suoraan esineellä. Mallilla tehdyn kokeen ja objektilla tehdyn kokeen tulosten yhteensopivuus riittävän tarkkuuden kanssa vahvistaa mallin ja kohteen välisen vastaavuuden (mallin sopivuuden todelliseen kohteeseen) ja myöhempien tutkimusten tulosten luotettavuuden.
Vakiintuneessa tietokonesimulaatioohjelmassa, joka täyttää hyväksytyt ehdot, on kaikki tarvittavat elementit itsenäisen kokeen suorittamiseen mallilla (kolmas vaihe), jota kutsutaan myös ns. laskennallinen koe.
Matemaattisen mallinnuksen neljäs vaihe - tulosten käsittely ei pohjimmiltaan eroa tavanomaisen kokeen tulosten käsittelystä.
Tarkastellaanpa tarkemmin tällä hetkellä laajalle levinnyttä laskennallisen kokeen käsitettä. Laskennallinen kokeilu Tutkimuksen metodologiaksi ja teknologiaksi, joka perustuu soveltavan matematiikan ja tietokoneiden käyttöön teknisenä perustana käytettäessä matemaattisia malleja. Taulukossa on vertaileva kuvaus luonnollisista ja laskennallisista kokeista. (Täysi mittainen koe suoritetaan luonnollisissa olosuhteissa ja todellisissa kohteissa).
Täyden mittakaavan ja laskennallisten kokeiden vertailuominaisuudet
Taulukko 2.1
| Kenttäkoe | Laskennallinen kokeilu | |
| Päävaiheet | 1. Kokeilukaavion analysointi ja valinta, asennuselementtien jalostus, suunnittelu. | 1. Objektin (prosessin) analyysin perusteella valitaan tai luodaan matemaattinen malli. |
| 2. Suunnitteludokumentaation kehittäminen, kokeellisen asennuksen tuottaminen ja sen virheenkorjaus. | 2. Valitulle matemaattiselle mallille käännetään laskenta-algoritmi, luodaan ohjelma koneen laskemista varten. | |
| 3. Parametrien koemittaus laitoksessa koeohjelman mukaisesti. | 3. Kokeilutietokonetili laskennallisen kokeen ohjelman mukaisesti. | |
| 4. Kokeen tulosten yksityiskohtainen analyysi, asennussuunnitelman jalostus, sen tarkentaminen, mittausten luotettavuuden ja tarkkuuden arviointi. | 4. Laskentatulosten yksityiskohtainen analyysi algoritmin ja laskentaohjelmien tarkentamiseksi ja korjaamiseksi, ohjelman hienosäätö. | |
| 5. Viimeistelykokeiden suorittaminen ohjelman mukaisesti. | 5. Lopullinen konepistemäärä ohjelman mukaisesti. | |
| 6. Kokeellisten tietojen käsittely ja analysointi. | 6. Konelaskennan tulosten analyysi. | |
| Edut | Pääsääntöisesti luotettavampaa tietoa tutkittavasta kohteesta (prosessista). | Paljon mahdollisuuksia, loistava tietosisältö ja saavutettavuus. Voit saada kaikkien kiinnostavien parametrien arvot. Kyky laadullisesti ja määrällisesti jäljittää kohteen toimintaa (prosessien kehitystä). Matemaattisen mallin tarkentamisen ja laajentamisen vertaileva yksinkertaisuus. |
Matemaattisen mallinnuksen ja laskennallisen matematiikan menetelmien pohjalta luotiin laskennallisen kokeen teoria ja käytäntö. Tarkastellaanpa tarkemmin laskennallisen kokeen teknologisen syklin vaiheita.
1. Tutkittavalle kohteelle rakennetaan malli, muotoillaan oletukset ja ehdot mallin soveltuvuudelle, rajat, joissa saadut tulokset ovat voimassa; malli on kirjoitettu matemaattisin termein, yleensä differentiaali- tai integro-differentiaaliyhtälöiden muodossa; matemaattisen mallin luomisen tekevät asiantuntijat, jotka tuntevat tämän luonnontieteen tai tekniikan alueen hyvin, sekä matemaatikot, jotka kuvittelevat mahdollisuudet ratkaista matemaattinen ongelma.
2. Menetelmää formuloidun matemaattisen ongelman laskemiseksi kehitetään. Tämä ongelma esitetään joukona algebrallisia kaavoja, joiden mukaan laskelmat ja ehdot tulee suorittaa, mikä osoittaa
näiden kaavojen soveltamisjärjestys; näiden kaavojen ja ehtojen joukkoa kutsutaan laskennalliseksi algoritmiksi. Laskennallinen kokeilu on luonteeltaan monimuuttuja, koska asetettujen tehtävien ratkaisut riippuvat usein lukuisista syöteparametreista. Siitä huolimatta jokainen laskennallisen kokeen erityinen laskenta suoritetaan kaikkien parametrien kiinteillä arvoilla. Samaan aikaan tällaisen kokeen seurauksena syntyy usein ongelma optimaalisen parametrijoukon määrittämisestä. Siksi optimaalista asennusta luotaessa on suoritettava suuri määrä laskelmia samantyyppisistä ongelmavaihtoehdoista, jotka eroavat joidenkin parametrien arvosta. Laskennallista koetta järjestettäessä käytetään yleensä tehokkaita numeerisia menetelmiä.
3. Kehitetään algoritmia ja ohjelmaa ongelman ratkaisemiseksi tietokoneella. Päätösohjelmointi ei ole nyt vain taiteilijan taiteen ja kokemuksen määräämä, vaan se on kehittymässä itsenäiseksi tieteeksi, jolla on omat perustavanlaatuiset lähestymistavat.
4. Laskelmien suorittaminen tietokoneella. Tulos saadaan jonkin verran digitaalisena informaationa, jonka salaus on sitten purettava. Tietojen tarkkuus määräytyy laskennallisessa kokeessa kokeen taustalla olevan mallin luotettavuuden, algoritmien ja ohjelmien oikeellisuuden perusteella (suoritetaan alustavat "testi"-testit).
5. Laskentatulosten käsittely, niiden analysointi ja johtopäätökset. Tässä vaiheessa saattaa olla tarpeen tarkentaa matemaattista mallia (monimutkaista tai päinvastoin yksinkertaistaa), ehdotuksia yksinkertaistettujen teknisten ratkaisujen luomiseksi ja kaavoja, jotka mahdollistavat tarvittavan tiedon hankkimisen yksinkertaisemmin.
Laskennallisen kokeen mahdollisuudet ovat laajemmat kuin fysikaalisella mallilla tehdyn kokeen, koska saatu tieto on yksityiskohtaisempaa. Matemaattista mallia voidaan suhteellisen helposti jalostaa tai laajentaa. Tätä varten riittää, että muutat joidenkin sen elementtien kuvauksen. Lisäksi on helppo suorittaa matemaattinen mallinnus erilaisissa mallinnusolosuhteissa, jonka avulla voit saada optimaalisen yhdistelmän suunnitteluparametreja, kohteen suorituskykyindikaattoreita (prosessiominaisuudet). Näiden parametrien optimoimiseksi on suositeltavaa käyttää kokeen suunnittelutekniikkaa, joka tarkoittaa viimeksi mainittua laskennallista kokeilua.
Laskennallinen kokeilu saa poikkeuksellisen merkityksen niissä tapauksissa, joissa täysimittaiset kokeet ja fyysisen mallin rakentaminen osoittautuvat mahdottomaksi. Erityisen selvästi voidaan havainnollistaa laskennallisen kokeen merkitystä nykyihmisen luontovaikutusten mittakaavassa. Se, mitä yleisesti kutsutaan ilmastoksi - lämpötilan, sateen, pilvisyyden jne. vakaa keskimääräinen jakauma - on seurausta ilmakehässä, maan pinnalla ja valtameressä tapahtuvien suurenmoisten fysikaalisten prosessien monimutkaisesta vuorovaikutuksesta. Näiden prosessien luonne ja intensiteetti muuttuvat tällä hetkellä paljon nopeammin kuin suhteellisen viime geologisessa menneisyydessä teollisuuden hiilidioksidi-, pöly- jne. päästöjen aiheuttaman ilmansaasteen vaikutuksen vuoksi. Ilmastojärjestelmää voidaan tutkia rakentamalla sopiva matemaattinen malli, joka tulee kuvata evoluutioilmastojärjestelmää, joka ottaa huomioon valtameren ja maan vuorovaikutuksessa olevat ilmakehät. Ilmastojärjestelmän mittakaava on niin suuri, että kokeilu yhdelläkin alueella on äärimmäisen kallista, puhumattakaan siitä, että sellaisen järjestelmän epätasapainottaminen olisi vaarallista. Globaali ilmastokoe on siis mahdollinen, mutta ei täysimittainen, vaan laskennallinen, jossa ei tutkita todellista ilmastojärjestelmää, vaan sen matemaattista mallia.
Tieteessä ja tekniikassa tunnetaan monia aloja, joilla laskennallinen koe on ainoa mahdollinen monimutkaisten järjestelmien tutkimuksessa.
Samanlaisia tietoja.
Alla esine mallinnus ymmärtää mitä tahansa aihetta, prosessia tai ilmiötä, jota mallintamalla tutkitaan. Objektia tutkittaessa otetaan huomioon vain ne ominaisuudet, jotka ovat välttämättömiä tavoitteen saavuttamiseksi. Kohteen ominaisuuksien valinta mallia rakennettaessa on tärkeä tehtävä mallinnuksen alkuvaiheessa.
Objektimalli - Tämä:
1) sellainen henkisesti esitettävä tai aineellisesti toteutettu järjestelmä, joka tutkittavaa kohdetta esittelemällä tai toistamalla pystyy korvaamaan sen siten, että sen tutkimus tuottaa uutta tietoa kohteesta.
2) esine on korvike, joka ottaa huomioon kohteen todelliset tavoitteen saavuttamiseksi välttämättömät ominaisuudet.
Mallin päätehtävä on ei vain kohteen kuvaus, vaan myös tiedon saaminen siitä.
On fyysistä ja matemaattista mallintamista.
Fyysinen mallinnus- menetelmä erilaisten fysikaalisten ilmiöiden kokeelliseksi tutkimiseksi niiden perusteella fyysinen kaltaisuus. Menetelmää sovelletaan seuraavissa olosuhteissa:
- Täydellisen tarkkaa matemaattista kuvausta ilmiöstä tällä tieteen kehitystasolla ei ole tai sellainen kuvaus on liian raskas ja vaatii laskelmiin suuren määrän alkutietoja, joita on vaikea saada.
- Tutkitun fysikaalisen ilmiön jäljentäminen kokeilua varten todellisessa mittakaavassa on mahdotonta, ei-toivottua tai liian kallista (esimerkiksi tsunami).
Laajassa mielessä mikä tahansa fysikaalinen laboratoriokoe on simulaatio, koska kokeessa havaitaan ilmiön erityinen tapaus tietyissä olosuhteissa ja vaaditaan yleisten mallien saaminen koko samanlaisten ilmiöiden luokalle monissa olosuhteissa. . Kokeilijan taito on saavuttaa fyysinen kaltaisuus laboratorio-olosuhteissa havaitun ilmiön ja koko tutkittavan ilmiöluokan välillä.
Matemaattinen mallinnus, laajassa merkityksessä, sisältää tutkimuksen paitsi puhtaasti matemaattisten mallien avulla. Tässä käytetään myös informatiivisia, loogisia, simulaatio- ja muita malleja ja niiden yhdistelmiä. Tässä tapauksessa matemaattinen malli on algoritmi, joka sisältää ominaisuuksien, parametrien ja laskentakriteerien välisen suhteen määrittämisen, järjestelmän toimintaprosessin ehdot jne. Tästä rakenteesta voi tulla ilmiön malli, jos se heijastaa riittävästi sen fysikaalista olemusta, kuvaa oikein ominaisuuksien välistä suhdetta ja vahvistuu verifioinnin tuloksilla. Matemaattisten mallien ja tietotekniikan käyttö toteuttaa yhtä tehokkaimmista tieteellisen tutkimuksen menetelmistä - laskennallisen kokeen, joka mahdollistaa monimutkaisten, fysikaalisesti vaikeasti mallinnettavien järjestelmien käyttäytymisen tutkimisen. Usein tämä johtuu esineiden suuresta monimutkaisuudesta ja kustannuksista sekä joissakin tapauksissa kyvyttömyydestä toistaa koetta todellisissa olosuhteissa.
Tietojärjestelmien käytön tehokkuus koulutusalalla. IS:n ratkaisemia koulutusalan tehtäviä. Koulutusalan opetus- ja johtohenkilöstön tietotarpeiden erityispiirteet. Koulutusalan tietotuen laadun keskeiset indikaattorit ja niiden määrällisten arvojen vaatimusten perustelut
Nyky-yhteiskunnassa tietotekniikan käyttö kaikilla elämänaloilla on tullut pakolliseksi liitännäiskomponentiksi. Erityisen tärkeä rooli on sen soveltamiselle kognition, opiskelun, ts. koulutuksen alalla. IT-teknologiat ovat yksi johtavista paikoista ihmisen ja koko yhteiskunnan älyllistymisessä nostaen jokaisen kansalaisen kulttuuri- ja koulutustasoa.
Viime aikoina koulutuksen alalla käytetään yhä enemmän tietotekniikkaa, joka perustuu tieteen ja tekniikan uusimpiin tietokone- ja audiovisuaalisiin saavutuksiin. Yksi tehokkaista suuntauksista koulutuspalvelujen toteuttamiseen on erilaisten tieto- ja koulutusteknologiaan perustuvien koulutusmuotojen käyttö.
Lisäksi halu soveltaa aktiivisesti nykyaikaista tietotekniikkaa koulutuksen alalla tulee keskittyä koulutuksen tason ja laadun parantamiseen. Koulutuspalvelumarkkinoille hakeutuvien organisaatioiden ja yritysten määrä kasvaa joka vuosi. Tältä osin suotuisimmat olosuhteet ovat ne oppilaitokset, jotka sisältävät esi-, yliopisto- ja jatkokoulutusta uusilla koulutustekniikoilla.
Tällä hetkellä tieto- ja sosiaalisten teknologioiden rooli koulutuksessa kasvaa, mikä mahdollistaa opiskelijoiden ja opettajien yleisen tietokoneistuksen tasolla, joka mahdollistaa vähintään kolmen päätehtävän ratkaisemisen:
- Internetiin pääsyn tarjoaminen jokaiselle koulutusprosessin osallistujalle ja mieluiten milloin tahansa ja eri oleskelupaikoista;
- koulutusteollisuuden yhtenäisen tietotilan kehittäminen ja kaikkien koulutus- ja luomisprosessin osallistujien läsnäolo siinä eri aikoina ja toisistaan riippumatta;
– hallittujen tieto-opetusresurssien luominen, kehittäminen ja tehokas käyttö, mukaan lukien henkilökohtaiset käyttäjätietokannat sekä opiskelijoiden ja opettajien tieto- ja tietopankit, jotka mahdollistavat laajan pääsyn heidän kanssaan työskentelemiseen.
Nykyaikaisen tietotekniikan tärkeimmät edut ovat: näkyvyys, kyky käyttää yhdistettyjä tiedon esitysmuotoja - dataa, stereoääntä, grafiikkaa, animaatiota, suurten tietomäärien käsittelyä ja tallennusta, pääsy maailman tietoresursseihin, joiden pitäisi olla perusta koulutusprosessin tukemiseksi.
Tarve vahvistaa opiskelijan itsenäisen työn roolia edellyttää merkittäviä muutoksia koulutusprosessin rakenteeseen ja organisaatioon, koulutuksen tehokkuuden ja laadun parantamista, kognitiivisen toiminnan motivaation lisäämistä teoreettisen ja käytännön oppimateriaalin opiskelun aikana. tiettyä tieteenalaa.
Koulutuksen informatisoinnissa on pidettävä mielessä, että tietokoneen käytön pääperiaate on keskittyä niihin tapauksiin, joissa henkilö ei voi suorittaa pedagogista tehtävää. Esimerkiksi opettaja ei voi visuaalisesti osoittaa useimpia fyysisistä prosesseista ilman tietokonesimulaatiota.
Toisaalta tietokoneen tulee auttaa kehittämään opiskelijoiden luovia kykyjä, edistämään uusien ammatillisten taitojen ja kykyjen oppimista sekä loogisen ajattelun kehittymistä. Oppimisprosessin ei tulisi kohdistua kykyyn työskennellä tiettyjen ohjelmistotyökalujen kanssa, vaan erilaisten tietojen: äänen ja videon, grafiikan, tekstin, taulukoiden kanssa työskentelytekniikan parantamiseen.
Nykyaikaiset multimediatekniikat ja työkalut mahdollistavat kaikenlaisten tietokonekoulutusohjelmien toteuttamisen. Niiden käyttö vaatii kuitenkin opettajilta erittäin päteviä käyttäjiä.
Tieteen nykyiselle kehitysvaiheelle on ominaista sen yksittäisten alojen vuorovaikutuksen vahvistuminen ja syveneminen, uusien tutkimusmuotojen ja keinojen muodostuminen, mm. kognitiivisen prosessin matematisointi ja tietokoneistaminen. Matematiikan käsitteiden ja periaatteiden leviämisellä tieteen eri osa-alueille on merkittävä vaikutus sekä erikoistutkimuksen tehokkuuteen että itse matematiikan kehitykseen.
Luonnontieteiden, yhteiskunta- ja teknisten tieteiden matematisoitumisen ja syventymisen prosessissa matematiikan menetelmien ja niiden matematisoitavien tieteenalojen menetelmien välillä on vuorovaikutusta, matematiikan ja tiettyjen tieteiden välinen vuorovaikutus ja suhde on tehostettuja, uusia integroivia tieteen suuntauksia muodostuu.
Kun puhutaan matematiikan soveltamisesta tietyllä tieteenalalla, on pidettävä mielessä, että tiedon matematisointiprosessi etenee nopeammin, kun tutkimuskohde koostuu yksinkertaisista ja homogeenisista elementeistä. Jos esineellä on monimutkainen rakenne, matematiikan soveltaminen on vaikeaa.
Todellisuuden kognitioprosessissa matematiikalla on jatkuvasti kasvava rooli. Nykyään ei ole sellaista tietämyksen alaa, jossa matemaattisia käsitteitä ja menetelmiä ei käytettäisi tavalla tai toisella. Ongelmia, joiden ratkaisemista pidettiin aiemmin mahdottomina, ratkaistaan menestyksekkäästi matematiikan avulla, mikä laajentaa tieteellisen tiedon mahdollisuuksia. Moderni matematiikka yhdistää hyvin erilaiset tiedon osa-alueet yhdeksi järjestelmäksi. Tämä matematisoinnin taustalla toteutettu tieteiden synteesiprosessi heijastuu myös käsitelaitteiston dynamiikkaan.
Tieteellisen ja teknologisen vallankumouksen vaikutus matematiikan kehitykseen tapahtuu useimmiten epäsuorasti ja monimutkaisesti. Yleensä tekniikan, tuotannon ja talouden vaatimukset asettavat erilaisia ongelmia käytäntöä lähempänä oleville tieteille. Ratkaiseessaan ongelmiaan luonnontieteet ja tekniset tieteet asettavat matematiikalle sopivia tehtäviä, mikä stimuloi sen jatkokehitystä.
Tieteellisen tiedon matematisoinnin nykyisestä vaiheesta puhuttaessa on huomattava matematiikan heuristisen ja integroivan roolin kasvu tiedossa sekä tieteellisen ja teknologisen vallankumouksen vaikutus nykyaikaisen matematiikan, sen käsitteiden ja menetelmien kehitykseen. .
Modernien tieteiden vuorovaikutusprosessissa abstraktin ja konkreettisen yhtenäisyys ilmenee sekä matemaattisten teorioiden synteesissä tieteellisen tiedon rakenteissa että itse matemaattisten teorioiden synteesissä.
Teknologian kehitys, ihmisten tuotantotoiminta, esittelee uusien, aiemmin tuntemattomien luonnon prosessien ja ilmiöiden tutkimista, mikä on usein mahdotonta ajatella ilman eri tieteenalojen yhteisiä ponnisteluja. Jos nykyaikaisen tieteellisen tiedon osa-alueet eivät erikseen pysty tutkimaan näitä luonnon prosesseja erikseen, niin tämä tehtävä voidaan suorittaa aineen liikkeen eri muotoja tutkivien tieteiden integraation pohjalta. Eri tieteenaloilla työskentelevien tutkijoiden työn ansiosta monimutkaiset ongelmat löytävät selityksensä. Nämä tieteenalat puolestaan rikastuvat uudella sisällöllä, tuodaan esille uusia tieteellisiä ongelmia. Tällaisessa tieteenalojen yhteenliittämis- ja keskinäisen vaikutuksen prosessissa myös matemaattinen tieto rikastuu, uusia kvantitatiivisia suhteita ja malleja aletaan hallita.
Matematiikan synteettisyys piilee siinä, että sillä on objektiivinen yleisyys, ts. Hän tutkii näille alueille luontaisia erityismalleja ottamalla pois sosiaalisten, luonnon ja teknisten esineiden määrällisistä ominaisuuksista.
Toinen tärkeä matematiikan ominaisuus on sen tehokkuus, joka saavutetaan nousemalla korkean tason abstraktioihin. Matematiikan olemuksen määrää puhtaan ja sovelletun matematiikan suhde. Soveltava matematiikka keskittyy reaalimaailman erilaisten erityisongelmien ratkaisemiseen. Näin ollen matemaattisessa luovuudessa erotetaan kolme vaihetta: ensinnäkin siirtyminen todellisuudesta abstrakteihin rakenteisiin, toiseksi abstraktien käsitteiden ja matemaattisten teorioiden luominen ja kolmanneksi matematiikan suora soveltaminen.
Tieteen matematisoinnin nykyaikaiselle vaiheelle on ominaista matemaattisen mallintamisen menetelmän laaja käyttö. Matematiikka kehittää malleja ja parantaa niiden soveltamismenetelmiä. Matemaattisten mallien luominen on ensimmäinen askel matemaattisen tutkimuksen suuntaan. Tämän jälkeen mallia tutkitaan erityisillä matemaattisilla menetelmillä.
Matematiikassa on monia erityisiä menetelmiä. Matematiikan universaalisuus liittyy kahteen seikkaan. Ensinnäkin matemaattisten mallien kielen yhtenäisyys, joka johtuu niiden laadullisesti erilaisista tehtävistä (kielen yhtenäisyys on matematiikan ulkoista yhtenäisyyttä), ja toiseksi yhteisten käsitteiden, periaatteiden ja menetelmien olemassaolo, jota sovelletaan lukemattomiin tiettyihin matemaattisiin malleihin.
1600-1800-luvuilla fysiikan matemaattisten käsitteiden käytön ansiosta saatiin ensimmäiset tulokset hydrodynamiikan alalla, kehitettiin teorioita liittyen lämmön etenemiseen, magnetismin ilmiöihin, sähköstatiikkaan ja sähködynamiikkaan. A. Poincaré loi diffuusioteorian todennäköisyysteorian perusteella, J. Maskwell - differentiaalilaskentaan perustuvan sähkömagneettisen teorian, ajatus satunnaisesta prosessista oli merkittävässä roolissa biologien populaatiodynamiikan tutkimuksessa ja matemaattisen ekologian perusteet.
Moderni fysiikka on yksi luonnontieteen matemaattisimmista alueista. Matemaattisen formalisoinnin siirtyminen kohti fysikaalisia teorioita on yksi fyysisen tiedon kehityksen tärkeimmistä merkeistä. Tämä näkyy kognitioprosessin laeissa, suhteellisuusteorian, kvanttimekaniikan, kvanttielektromekaniikan luomisessa, nykyaikaisen alkuainehiukkasten teorian kehittämisessä.
Tieteellisen tiedon synteesistä puhuttaessa on tarpeen huomata matemaattisen logiikan rooli uudentyyppisten käsitteiden luomisprosessissa. Matemaattinen logiikka aineeltaan on logiikkaa ja menetelmältään matematiikkaa. Sillä on merkittävä vaikutus sekä yleistävien ideoiden, käsitteiden luomiseen ja kehittämiseen että muiden tieteiden kognitiivisten toimintojen kehittymiseen. Matemaattinen logiikka on ollut tärkeä rooli algoritmien ja rekursiivisten funktioiden luomisessa. Tämän ohella elektroniikan, kybernetiikan ja rakennelingvistiikan luomista ja kehitystä on vaikea kuvitella ilman matemaattista logiikkaa.
Matemaattisella logiikalla oli tärkeä rooli tällaisten yleisten tieteellisten käsitteiden, kuten algoritmi, informaatio, palaute, järjestelmä, joukko, funktio jne., syntyprosessissa.
Tieteen matematisointi on pohjimmiltaan kaksitahoinen prosessi, joka sisältää sekä tiettyjen tieteiden että itse matematiikan kasvun ja kehityksen. Samaan aikaan tiettyjen tieteiden ja matematiikan välinen vuorovaikutus on luonteeltaan dialektista. Toisaalta tiettyjen tieteiden ongelmien ratkaisu esittää monia puhtaasti matemaattisia ongelmia, toisaalta matemaattinen laite mahdollistaa tiettyjen tieteiden lakien ja teorioiden tarkemman muotoilun.
Toinen syy modernin tieteen matematisointiin liittyy suurten tieteellisten ja teknisten ongelmien ratkaisemiseen. Tämä puolestaan edellyttää nykyaikaisen tietotekniikan käyttöä, jota ei voi kuvitella ilman ohjelmistoja. Voidaan todeta, että matematiikan ja muiden erityistieteiden risteyksessä syntyi "rajaraja" luonteeltaan tieteenaloja, kuten matemaattinen psykologia, matemaattinen sosiologia jne. Synteettisten tieteiden, kuten kybernetiikan, informatiikan, bioniikan jne., tutkimusmenetelmissä matematiikalla on ratkaiseva rooli.
Luonnontieteiden, yhteiskuntatieteiden ja teknisten tieteiden keskinäisen yhteyden lisääntyminen ja niiden matematisointi on perusta, jolle muodostuvat käsitteet kuten funktio, järjestelmä, rakenne, malli, elementti, joukko, todennäköisyys, optimiteetti, differentiaali, integraali jne. ja hankkia yleisen tieteellisen aseman.
Mallintaminen- tieteellisen tiedon menetelmä, joka perustuu todellisten esineiden tutkimukseen näiden esineiden mallien tutkimuksen kautta, ts. tutkimalla luonnollista tai keinotekoista alkuperää olevia korvaavia esineitä, jotka ovat paremmin saavutettavissa tutkimukseen ja (tai) interventioon ja joilla on todellisten esineiden ominaisuuksia (rakenteellisesti tai toiminnallisesti samankaltaisia esineitä).
klo henkistä (figuratiivisessa) mallintamisessa todellisen esineen ominaisuuksia tutkitaan sen mentaalisesti visuaalisten esitysten kautta (todennäköisesti kaikki kiinnostavan kohteen ensimmäinen tutkimus alkaa tällä mallinnusvaihtoehdolla).
klo fyysistä (subjekti)mallinnus, malli toistaa tietyt todellisen kohteen geometriset, fysikaaliset, toiminnalliset ominaisuudet, samalla kun se on helpommin saavutettavissa tai kätevämpi tutkimukselle johtuen erosta todelliseen esineeseen jossakin suhteessa, joka ei ole olennainen tämän tutkimuksen kannalta (esim. pilvenpiirtäjän tai sillan vakautta voidaan jossain määrin tutkia huomattavasti pienemmällä fysikaalisella mallilla - riskialtista, kallista ja ei ollenkaan välttämätöntä todellisten esineiden "tuhoamiseksi").
klo ikoninen mallintamisessa malli, joka on kaavio, graafi, matemaattinen kaava, toistaa todellisen kiinnostavan kohteen tietyn ominaisuuden käyttäytymisen johtuen siitä, että tämän ominaisuuden matemaattinen riippuvuus muista järjestelmän parametreistä on olemassa ja tiedossa (toim. rakentaa hyväksyttäviä fyysisiä malleja muuttuvasta Maan ilmastosta tai elektronista, joka lähettää sähkömagneettista aaltoa tasojen välisen siirtymän aikana - toivoton tehtävä, ja pilvenpiirtäjän vakaus on luultavasti hyvä idea laskea tarkemmin etukäteen).
Mallin sopivuuden mukaan prototyyppiin ne yleensä jaetaan heuristinen (vastaa noin prototyyppiä tutkitun käyttäytymisen suhteen yleisesti, mutta ei anna vastausta kysymykseen, kuinka intensiivisesti tämän tai toisen prosessin tulisi tapahtua todellisuudessa), laatu (heijastaa todellisen esineen perusominaisuuksia ja vastaa sitä laadullisesti käyttäytymisen luonteen suhteen) ja määrällinen (vastaa riittävän tarkasti todellista kohdetta, jotta mallin tutkimuksen tuloksena olevien tutkittujen parametrien numeeriset arvot ovat lähellä samojen parametrien arvoja todellisuudessa).
Minkään mallin ominaisuuksien ei pitäisi, eivätkä voikaan, täsmälleen ja täydellisesti vastata täysin kaikkia vastaavan todellisen kohteen ominaisuuksia missään tilanteessa. Matemaattisissa malleissa mikä tahansa lisäparametri voi johtaa merkittävään monimutkaisuuteen vastaavan yhtälöjärjestelmän ratkaisussa, numeerisessa simuloinnissa tehtävän tietokoneella suoritettavan käsittelyn aika kasvaa suhteettomasti ja laskentavirhe kasvaa. Näin ollen mallintamisessa kysytään mallin optimaalisesta vastaavuusasteesta alkuperäistä tätä tutkimusta varten tutkittavan järjestelmän käyttäytymisen, yhteyksien muihin objekteihin ja järjestelmän sisäisten yhteyksien kannalta. tutkittava järjestelmä on välttämätön; Riippuen kysymyksestä, johon tutkija haluaa vastata, sama malli samasta todellisesta kohteesta voidaan tunnistaa riittäväksi tai absoluuttisesti ei heijastaa todellisuutta.
“Malli - järjestelmä, jonka tutkiminen toimii keinona hankkia tietoa toisesta järjestelmästä". Mallit luokitellaan esineiden merkittävimpien ominaisuuksien perusteella. Käsite "malli" syntyi kokeellisessa maailmantutkimuksessa. Rakentajat ottivat mallit ensimmäisenä käyttöön.
On olemassa erilaisia tapoja luoda malleja: fyysinen, matemaattinen, fyysinen ja matemaattinen.
Fyysinen mallinnus jolle on ominaista se, että tutkimusta tehdään laitoksissa, jotka ovat fyysisesti samankaltaisia, eli säilyttävät täysin tai ainakin suurimmaksi osaksi ilmiöiden luonteen.
Mahdollisuuksia on enemmän matemaattinen mallinnus. Tämä on tapa tutkia erilaisia prosesseja tutkimalla ilmiöitä, joilla on erilainen fyysinen sisältö, mutta joita kuvataan samoilla matemaattisilla malleilla. Matemaattisella mallinnuksella on valtava etu fyysiseen mallinnukseen verrattuna, koska mallin mittoja ei tarvitse tallentaa. Tämä säästää merkittävästi aikaa ja tutkimuskustannuksia.
Mallintamista käytetään laajalti tekniikassa. Tämä sisältää vesivoimalaitosten ja avaruusrakettien tutkimuksen, ohjauslaitteiden säätämiseen tarkoitetut erikoismallit ja erilaisia monimutkaisia esineitä hallitsevan henkilöstön koulutuksen. Mallintamisen käyttö sotateknologiassa on monipuolista. Viime aikoina biologisten ja fysiologisten prosessien mallintaminen on noussut erityisen tärkeäksi.
Sosiohistoriallisten prosessien mallintamisen rooli tunnetaan hyvin. Mallien käyttö mahdollistaa kontrolloitujen kokeiden suorittamisen tilanteissa, joissa kokeilu oikeilla esineillä on käytännössä mahdotonta tai jostain syystä (taloudellinen, moraalinen jne.) sopimatonta.
Tieteen ja teknologian nykyisessä kehitysvaiheessa ennustamisen, ohjauksen ja tunnistamisen ongelmat ovat erittäin tärkeitä. Evoluutiomallinnusmenetelmä syntyi, kun yritettiin toistaa ihmisen käyttäytymistä tietokoneella. Evoluutiomallinnusta ehdotettiin vaihtoehdoksi heuristiselle ja bioniselle lähestymistavalle, joka mallinsi ihmisen aivoja hermorakenteissa ja -verkostoissa. Samaan aikaan pääidea kuulosti tältä: älykkyyden mallinnusprosessin korvaaminen sen evoluutioprosessin mallintamisella.
Näin mallintamisesta tulee yksi yleismaailmallisista kognition menetelmistä yhdessä tietokoneen kanssa. Haluaisin erityisesti korostaa mallintamisen roolia - loputonta sarjaa hienostuneita ideoita luonnosta.
Yleensä mallinnusprosessi koostuu seuraavista vaiheista:
1. Ongelman selvitys ja tutkittavan alkuperäisen ominaisuuksien määrittäminen.
2. Ilmoitus alkuperäisen materiaalin tutkimisen vaikeudesta tai mahdottomuudesta.
3. Mallin valinta, joka taltioi riittävän hyvin alkuperäisen olennaiset ominaisuudet ja on helposti tutkittava.
4. Mallin tutkiminen tehtävän mukaisesti.
5. Siirrä mallin tutkimuksen tulokset alkuperäiseen.
6. Näiden tulosten todentaminen.
Päätehtävät ovat: ensinnäkin mallien valinta ja toiseksi mallien tutkimuksen tulosten siirtäminen alkuperäiseen.
