مواد روش‌شناختی در مورد حمایت سازمانی، روش‌شناختی، روان‌شناختی و آموزشی برای رشد حرفه‌ای، خودسازی معلمان و تشکیل شایستگی‌های کلیدی، نمایه شایستگی یک کارگر آموزشی توسط مرکز علمی و روش‌شناختی منطقه‌ای برای ارزیابی تخصصی فعالیت‌های آموزشی توسعه داده شد. موسسه آموزشی بودجه دولتی آموزش عالی حرفه ای منطقه مسکو "آکادمی مدیریت اجتماعی"

متن برای مرجع ارائه شده است.
الگوی مرجع شایستگی‌های معلم که در مرکز علمی و روش‌شناسی منطقه‌ای برای ارزیابی تخصصی فعالیت‌های تدریس توسعه یافته است، به دلیل ویژگی‌های آن، یک مدل هنجاری، پیش‌بینی‌کننده است که هدف آن نتایج است، بنابراین زیربنای مواد کنترلی و اندازه‌گیری مورد استفاده در هنگام صدور گواهینامه است. تعیین اهداف، اهداف و محتوای آنها.

ما یک مدل مرجع از شایستگی های معلم را به صورت گرافیکی و توصیفی ارائه می کنیم.

شکل 1- مدل مرجع شایستگی های کلیدی یک کارگر آموزشی

مدل مرجع شایستگی های کارگر آموزشی(شکل 1) یک مدل ایده آل، شفاهی، یعنی کدگذاری شده با علائم زبان طبیعی، مدل معلم است که نشان دهنده یک تصویر ایده آل، استاندارد یک متخصص است، که تمام الزامات کادر آموزشی را هنگام صدور گواهینامه برای اولین و بالاترین دسته های صلاحیت برآورده می کند. . 30، 31 روش صدور گواهینامه کارکنان آموزشی دولت و شهرداری موسسات آموزشی، الزامات تعیین شده در یک واحد دایرکتوری صلاحیتسمت مدیران، متخصصان و کارکنان (پیوست دستور وزارت بهداشت، درمان و توسعه اجتماعی). فدراسیون روسیهمورخ 26 آگوست 2010 شماره 761 n) و استانداردهای حرفه ای.

هنگام طراحی مدل مرجعشایستگی های یک کارگر آموزشی، ما به پیشرفت های نویسنده، مدارس علمی مختلف، به ویژه، از تحقیقات داخلی توسط I.A. استفاده کردیم. زیمنیایا، N.V. کوزمینا، آ.ک. مارکوا و مطالعات خارجی شورای اروپا.

شایستگی اصلیما آن را به عنوان یک ویژگی جدایی ناپذیر یک معلم می دانیم که به او امکان می دهد آزادانه در فضای اجتماعی و حرفه ای حرکت کند، فعالیت های حرفه ای را به طور موثر و مؤثر انجام دهد، وظایف استاندارد و غیر استاندارد حرفه ای و آموزشی را حل کند و فردی سازگار اجتماعی باشد و قادر به انجام مداوم باشد. خودسازی شخصی و حرفه ای

محدوده صلاحیت است پروفایل های شایستگی به عنوان مؤلفه هایی از دانش، مهارت ها و نگرش های آن که به طور معناداری شایستگی را تعیین می کند.

شکل 2- صلاحیت ویژه و حرفه ای

صلاحیت ویژه و حرفه ای (شکل 2)، یعنی تسلط بر خود فعالیت حرفه ای در سطح نسبتاً بالایی، توانایی برنامه ریزی برای پیشرفت حرفه ای بیشتر.

درک هدف و رسالت حرفه؛

تسلط بر استانداردهای حرفه ای، راندمان بالا؛

دستیابی به نتایج بالا و پایداری آنها؛ تعالی حرفه ای؛

آگاهی حرفه ای (آگاهی از حداکثر تعداد نشانه های فعالیت حرفه ای: محتوا، ابزار، نتایج کار).

تفکر حرفه ای، شهود حرفه ای، استقلال در حل مشکلات حرفه ای؛

قیمت روانی مطلوب نتیجه، عدم خستگی و اضافه بار.

در داخل صلاحیت ویژه و حرفه ای موارد زیر برجسته می شوند پروفایل های شایستگی :

1. صلاحیت موضوعی یعنی عمق، دانش سیستماتیک در مورد موضوع و کاربرد آن در عمل تدریس؛ توانایی اجرای برنامه درسی دروس پایه و انتخابی در سازمان های آموزشی مختلف.

2. شایستگی سازمانی و روش شناختی یعنی آمادگی برای استفاده از روش‌ها و فناوری‌های نوین آموزشی، از جمله فناوری اطلاعات، برای تضمین کیفیت فرآیند آموزشی. فعالیت‌ها، اقدامات، تکنیک‌ها، مهارت‌ها، روش‌های کار، تکنیک‌های مورد استفاده در یک حرفه خاص برای دستیابی به نتایج موفقیت‌آمیز؛ توانایی سازماندهی فعالیت های آموزشیدانش آموزان (دانش آموزان).

3. صلاحیت تشخیصی ، یعنی داشتن دانش روانشناختی و تربیتی، اقدامات روانشناختی و تربیتی، روش ها، تکنیک ها، مهارت ها، تکنیک ها، فن آوری ها؛ توانایی اعمال روش های مدرنتشخیص دستاوردهای دانش آموزان و دانش آموزان؛ ارائه پشتیبانی آموزشی برای فرآیندهای اجتماعی شدن و خودتعیین حرفه ای دانش آموزان، آماده سازی آنها برای انتخاب آگاهانه حرفه.

4. شایستگی های تحلیلی و ارزشیابی توانایی تجزیه و تحلیل و ارزیابی شکل گیری اقدامات آموزشی جهانی، عملیات ذهنی دانش آموزان، با در نظر گرفتن ویژگی ها و قابلیت های فردی آنها، هم از نظر کیفیت و هم در شاخص های کمی(امتیاز، دسته ها و غیره)؛ استفاده از روش های پردازش اطلاعات ریاضی و آماری؛ شرکت در آزمون های حرفه ای که نتیجه آن ارزیابی متمایز (کیفی و کمی) حرفه ای بودن است.

5. صلاحیت پیش آگهی ، یعنی توانایی تعیین چشم انداز رشد، مناطق توسعه نزدیک برای دانش آموزان و توسعه حرفه ای خود؛ توانایی های بالقوه دانش آموزان مدرسه و خود را درک کنید. آگاهی از چشم انداز توسعه و امکانات برای اجرای آنها (معیارهای پیش آگهی)؛ خود طراحی، خودآزمایی؛ ایجاد استراتژی رشد حرفه ای خود، ساختن و اجرای سناریو برای زندگی حرفه ای خود؛ سازگاری بین جنبه های انگیزشی و عملیاتی فعالیت.

6. صلاحیت تحقیق یعنی توانایی به کارگیری روش های تحقیق نظری و تجربی. برنامه ریزی، سازماندهی، انجام و تجزیه و تحلیل یک آزمایش آموزشی در زمینه معرفی نوآوری ها؛ توانایی تجزیه و تحلیل و سنتز؛ مهارت های پژوهشی؛ توانایی تولید ایده های جدید (خلاقیت)؛ نشان دادن درک کیفیت تحقیق مرتبط با رشته؛ نشان دادن درک آزمایش تجربی نظریه های علمی.

شکل 3 -

صلاحیت ارتباطی(شکل 3) - شایستگی تعامل اجتماعی به عنوان توانایی ایجاد درک متقابل مناسب برای موقعیت ها، اجتناب از درگیری ها و ایجاد جو اعتماد. شناسایی خود به عنوان عضوی از یک جامعه حرفه ای؛ آگاهی از هنجارهای ارتباطات حرفه ای، استانداردهای اخلاقی حرفه؛ جهت گیری نتایج حرفه ای به نفع سایر افراد، غنی سازی معنوی آنها با ابزار حرفه خود. توانایی همکاری، ایجاد تماس، سازگاری آسان؛ رقابت، توانایی برانگیختن علاقه در جامعه به نتایج فعالیت های حرفه ای فرد.

صلاحیت ارتباطی در ادامه خود را نشان می دهدپروفایل های شایستگی :

1. شایستگی اجتماعی - ارتباطی یعنی توانایی یافتن ابزارها و روش‌های کلامی و غیرکلامی برای شکل‌گیری و فرمول‌بندی یک فکر به نحوی مناسب برای موقعیت‌های تعامل در طول تولید و درک آن. توانایی استفاده از مهارت های سخنرانی عمومی، از جمله در زمینه پخش تجربیات خود (توانایی پخش تجربیات مثبت خود برای جامعه معلمان: مقالات، سخنرانی ها، شرکت در مسابقات، توانایی انجام بحث، بحث و گفتگو، آمادگی برای تعامل با همکاران).

2. شایستگی سازمانی و ارتباطی ، یعنی توانایی سازماندهی ارتباط و همکاری سازنده بین دانش آموزان توانایی برگزاری کلاس های آموزشی در قالب گفت و گو، مجادله، مناظره، بحث، تبادل نظر، منازعات علمی و غیره.

شکل 4- صلاحیت اطلاعاتی

صلاحیت اطلاعاتی(شکل 4) با دانش فناوری اطلاعات مرتبط است:

• دریافت، پردازش، صدور اطلاعات؛ تبدیل اطلاعات (خواندن، یادداشت برداری)؛
• رسانه های جمعی، فن آوری های چند رسانه ای، سواد کامپیوتری؛
• تسلط بر فناوری الکترونیک و اینترنت

شایستگی اطلاعات در پروفایل های زیر آشکار می شود:

1. صلاحیت بازیابی اطلاعات ، یعنی توانایی یافتن اطلاعات لازماز منابع مختلف

2. صلاحیت اطلاعاتی و تحلیلی ، یعنی مهارت های تجزیه و تحلیل و مدیریت اطلاعات؛ تمایل به استفاده از روش‌ها، روش‌ها و ابزارهای اساسی برای به دست آوردن، ذخیره و پردازش اطلاعات؛ تمایل به کار با رایانه به عنوان وسیله ای برای مدیریت اطلاعات؛ توانایی کار با اطلاعات در شبکه های کامپیوتری جهانی

3. شایستگی فناوری اطلاعات یعنی توانایی استفاده، بازتولید، بهبود وسایل و روش‌های کسب و تکثیر اطلاعات به صورت چاپی و الکترونیکی. دانش پایه برنامه های کاربردیو توانایی استفاده از آنها؛ مهارت های کامپیوتری

شکل 5- شایستگی شخصی

شایستگی شخصی، یعنی انگیزه حرفه ای پایدار، وجود خودپنداره مثبت، نگرش خلاق، خلاقیت حرفه ای آگاهانه، تغییر خود از طریق حرفه. فردیت در کار حرفه ای؛ گشودگی به یادگیری مستمر حرفه ای، انباشت تجربه، تغییر؛ تسلط بر تکنیک های خودسازی و توسعه فردی در حرفه، آمادگی برای رشد حرفه ای، توانایی برای حفظ خود. خود توسعه توانایی های حرفه ای؛ هدف گذاری قوی؛ آموزش حرفه ای؛ اتکا به تجربه حرفه ای گذشته، تداوم؛ افزایش فردیت و استقلال نسبی با رشد حرفه ای.

پروفایل ها صلاحیت شخصی:

1. شایستگی خودسازی و ابراز وجود - انگیزه پایدار، توانایی هدف گذاری، توانایی های حرفه ای، توانایی یادگیری حرفه ای، ارائه خود، احساسات مثبت; توانایی و آمادگی برای آموزش مادام العمر، تسلط بر روش های ابراز وجود و خودسازی، ابزارهای مقابله با تغییر شکل های حرفه ای فرد.

2. شایستگی بازتابی - یک مؤلفه تشکیل دهنده سیستم از فعالیت آموزشی حرفه ای و کیفیت شخصیتی که امکان تأمل مؤثر و کافی را فراهم می کند ، که توسعه و خودسازی را تضمین می کند ، رویکرد خلاقانه را در فعالیت های آموزشی و حرفه ای ترویج می کند و به حداکثر کارایی و اثربخشی آنها دست می یابد. پدیده acmeological که به دستیابی به بالاترین نتایج در فعالیت ها کمک می کند. ویژگی های حرفه ای و شخصی معلم، آمادگی و توانایی او برای فعالیت انعکاسی با استفاده از دانش، توانایی ها، مهارت ها، تجربه حرفه ای و زندگی. توانایی خود تحلیلی و عزت نفس

یک مدل با نقطه ایده آل شامل مقایسه یک محصول خاص یا شیء دیگر با برخی استانداردها است به عنوان یک تفاوت مطابق با مدل، هر ویژگی به عنوان فاصله ای از مقدار ایده آل یا مرجع ویژگی نرمال می شود. برای اعمال مدل، اول از همه، ایده ای از محصول ایده آل از نظر مصرف کنندگان شکل می گیرد - نقطه "ایده آل" X0 معرفی می شود.

این مدل درجه نزدیکی یک محصول خاص به "ایده آل" را مطابق با وابستگی مشخص می کند

کجا به من – ضرایب وزنی؛ X 0i – مختصات نقطه ایده آل توان تی توسط محقق انتخاب می شود و به عنوان یک قاعده، مقادیر را در سطح 1 یا 2 می گیرد. جمع بندی بر اساس انجام می شود. n خواص محصول مقادیر پایین بهترین هستند W، زیرا اگر نقطه ایده آل بهترین باشد، بدیهی است که حداقل فاصله از آن مطلوب است.

انتخاب یک نقطه ایده آل بسیار پیچیده و مبهم است. خواننده باید به رویکردهای ممکن زیر برای انتخاب نقطه ایده آل توجه داشته باشد.

• 1. بهترین امتیاز برای بیان: "همه پنج ها". اگر چنین ویژگی مصرف کننده را سهولت کنترل تجهیزات پیچیده مانند ماشین یا مرکز موسیقی در نظر بگیریم، مختصات نقطه ایده آل با مرز مقیاس انتخاب شده مطابقت دارد. با این حال، محصول فرضی مربوطه "بهترین از همه جهات" دور از واقعیت خواهد بود، زیرا بهترین محصول از همه جهات همیشه وجود ندارد. به ویژه، ترکیب خواص یک لیموزین و یک SUV در یک ماشین دشوار است. اگر محصول بهتری وجود داشته باشد، قیمت آن بسیار بالا خواهد بود.
• 2. اعمال پارامترهای واقعی ترین و یا "بهترین در بازار" محصول بر اساس اصل: "دختر رویاهای من" یا "یک مرد واقعی". ویژگی این رویکرد این است که انحراف از نقطه ایده آل در هر جهت، حتی به سمت بهبود رسمی، نامطلوب تلقی می شود.
• 3. کاربرد چنین ویژگی های عینی زمانی که سطح بهینه ای از ویژگی وجود دارد. در این صورت، سطوح ایده آل لزوماً بزرگ ترین یا کوچک ترین نخواهند بود. در چنین شرایطی استفاده از مدلی با دقت ایده آل بیشترین توجیه را دارد. نمونه هایی از پارامترهای بهینه: اندازه صفحه تلویزیون برای ماشین یا آشپزخانه، روشنایی تصویر تلویزیون. یک مثال خوب برای داشتن یک سطح بهینه در نور اتاق است، جایی که "خیلی روشن" و "خیلی تاریک" به همان اندازه نامطلوب هستند. در مورد لزوم مشخص کردن هدف محصول باید یادداشت شود. بنابراین، اگر نشان نمی‌دهید که تلویزیون برای آشپزخانه در نظر گرفته شده است، ممکن است بخواهید بزرگترین تلویزیونی را که به فروش می‌رسد ایده‌آل در نظر بگیرید.
• 4. بهترین املاک با قیمت معین. رویکرد زیر پیشنهاد شده است. برای اینکه "همه پنج" را ارائه نکنیم، که در اصل مورد نیاز نیست، و همچنین از نظر قیمت غیر واقعی است، لازم است یک مدل رگرسیونی از وابستگی قیمت به سطوح دارایی، که مطابق با قیمت گذاری پارامتری است، داشته باشیم. سپس کارشناس می‌تواند مجموعه‌ای از املاک را در هر سطح قیمتی که در دسترس اوست انتخاب کند. و این واقعی است، زیرا رویکرد "یک تلفن همراه نباید بیش از ده هزار هزینه داشته باشد" توسط بسیاری استفاده می شود.

بدیهی است که برای اعمال مدل با نقطه ایده آل، ابعاد همه مختصات باید منطبق باشد تا بتوان مقادیر مربوطه را در فرمول خلاصه کرد. یکی از راه های برون رفت از مشکل استفاده از امتیازدهی بدون بعد است. روش دیگری که در زیر مورد بحث قرار می گیرد، نرمال سازی است، زمانی که سطوح واقعی به مرجع یا هنجاری تقسیم می شوند که می توانند مختصات یک نقطه ایده آل نیز باشند.

مدل با سطوح عامل نرمال شده

استفاده از مدل هایی با فاکتورهای نسبی باعث می شود که عوامل با ابعاد مختلف در یک مدل ترکیب شوند. مدل مربوطه به شکل زیر است:

(16.2)

تمام نام‌گذاری‌ها مطابق با موارد معرفی‌شده در فرمول (16.1) است. Zi – شاخص های پارامتریک.

این مدل به طور گسترده در محاسبه شاخص های کیفیت محصول و به ویژه در ارزیابی رقابت پذیری استفاده می شود. هنگام محاسبه شاخص های کیفیت X i0 - سطوح نظارتی بیان ویژگی های محصول مشخص شده توسط استانداردها و شرایط فنی. به عنوان یک قاعده، مدل (16.2) زمانی استفاده می شود که به طور همزمان ویژگی های عینی (تولید و عملیاتی) یک محصول مانند سرعت، قدرت، اندازه، قابلیت اطمینان و غیره در نظر گرفته شود، اگرچه می توان ویژگی های عینی را نیز در نظر گرفت.

هنگام ارزیابی رقابت پذیری X i0 – پارامترهای محصول مورد مقایسه، که ممکن است محصول قوی ترین رقیب باشد. در ادبیات تجزیه و تحلیل رقابتی، نام های مختلفی برای این شاخص وجود دارد - خلاصه شاخص پارامتری خواص مصرف کننده، شاخص گروهی رقابت پذیری.

مدل مرجع

مدل مرجع(انگلیسی) مدل مرجع, مدل اصلی) نمایشی انتزاعی از مفاهیم و روابط بین آنها در برخی از حوزه های مسئله است. بر اساس مدل مرجع، مدل‌های دقیق‌تر و دقیق‌تری ساخته می‌شوند که در نهایت در اشیاء و مکانیسم‌های واقعی تجسم می‌یابند. مفهوم مدل مرجع در علوم کامپیوتر استفاده می شود.

نمونه هایی از مدل های مرجع

• مدل شبکه OSI (مدل مرجع اتصال سیستم های باز)،
• مدل کنسرسیوم فضایی باز،
• معماری فون نویمان - مدل مدل مرجع با محاسبات متوالی،
• مدل مرجع معماری شرکت دولتی،
• مدل اطلاعات مرجع (RIM HL7)،
• مدل مرجع openEHR (RM).

بنیاد ویکی مدیا

2010.

ببینید «مدل مرجع» در فرهنگ‌های دیگر چیست:- مدل سلسله مراتبی - [L.G.Sumenko. فرهنگ لغت انگلیسی-روسی در زمینه فناوری اطلاعات. M.: شرکت دولتی TsNIIS، 2003.] موضوعات فناوری اطلاعاتبه طور کلی مترادف مدل سلسله مراتبی EN مدل مرجع ...

ببینید «مدل مرجع» در فرهنگ‌های دیگر چیست:- etaloninis modelis statusas T sritis automatika atitikmenys: engl. مدل اصلی; مدل مرجع vok. Referenzmodell، n rus. مدل مرجع، f pranc. model de référence، m; مدل استاندارد، m … Automatikos Terminų žodynas

ببینید «مدل مرجع» در فرهنگ‌های دیگر چیست:- مدل مرجع 3.1.41: مجموعه ای ساختار یافته از نمایش های مرتبط با یکدیگر از یک شی (به عنوان مثال سیستم اطلاعاتی، پوشش دادن شی داده شده به عنوان یک کل، ساده کردن تجزیه اتصالات بر اساس موضوع، که می تواند... ... فرهنگ لغت - کتاب مرجع شرایط اسناد هنجاری و فنی

مدل مرجع VOS- مدل تعامل سیستم های بازکه توسط ISO در سال 1984 توسعه یافته است. توضیح جهانی منطق تبادل اطلاعات بین سیستم های به هم پیوسته و مشترکین را امکان پذیر می سازد. مدل کامل شامل هفت سطح است. در پایین ترین نقطه ... ... راهنمای مترجم فنی

مدل مرجع ISO/OSI- مدل مرجع هفت لایه پروتکل های انتقال داده. لایه ها را تعریف می کند: فیزیکی، پیوند، شبکه، انتقال، جلسه، ارائه و برنامه. در شبکه های CAN معمولا فقط لایه های فیزیکی، کانال و اپلیکیشن پیاده سازی می شوند... راهنمای مترجم فنی

مدل مرجع پروتکل شبکه باند پهن ISDN- مدل شامل چهار لایه افقی (فیزیکی، ATM، سازگاری ATM و لایه های بالایی) و سه سطح عمودی (کاربر، مدیریت و مدیریت) است. مکاتبات بین مدل های ISDN و OSI در زمینه فیزیکی ارائه می شود... ... راهنمای مترجم فنی

مدل مرجع BOC- EMVOS یک مدل توسعه یافته توسط MoS، شامل هفت سطح (لایه) از پروتکل ها و در نظر گرفته شده برای ارتباط بین دستگاه های موجود در شبکه. [E.S. Alekseev, A.A. Myachev. فرهنگ لغت توضیحی انگلیسی-روسی در مورد مهندسی سیستم های کامپیوتری. مسکو 1993] موضوعات... ... راهنمای مترجم فنی

مدل مرجع برای تعامل سیستم های باز- - مباحث مخابرات، مفاهیم اولیه مدل مرجع EN ISO/OSI ... راهنمای مترجم فنی

مدل مرجع پروتکل- - [L.G.Sumenko. فرهنگ لغت انگلیسی-روسی در زمینه فناوری اطلاعات. M.: State Enterprise TsNIIS، 2003.] موضوعات فناوری اطلاعات به طور کلی ماژول مرجع پروتکل ENPRM ... راهنمای مترجم فنی

مدل مرجع اتصال سیستم های باز- - [L.G.Sumenko. فرهنگ لغت انگلیسی-روسی در زمینه فناوری اطلاعات. M.: State Enterprise TsNIIS، 2003.] موضوعات فناوری اطلاعات به طور کلی مدل مرجع EN سیستم های باز ... راهنمای مترجم فنی

کتاب ها

• شبکه های کامپیوتری در 2 جلد. جلد 1. سیستم های انتقال داده، R. L. Smelyansky. مبانی نظری سیستم های انتقال داده، ویژگی های انواع اصلی رسانه های فیزیکی، روش های رمزگذاری و انتقال داده های آنالوگ و دیجیتال، مبانی سازماندهی...

طبقه بندی مدل

مشکل طبقه‌بندی مدل‌ها، مانند هر پدیده و فرآیند نسبتاً پیچیده‌ای، پیچیده و چندوجهی است. دلیل عینی این امر این است که محقق تنها به یک ویژگی (یا چند ویژگی) از سیستم (شیء، فرآیند، پدیده) علاقه دارد تا مدل ایجاد شده را نشان دهد. بنابراین، طبقه‌بندی می‌تواند بر اساس بسیاری از ویژگی‌های طبقه‌بندی مختلف باشد: روش توصیف، هدف عملکردی، درجه جزئیات، ویژگی‌های ساختاری، دامنه و غیره.

بیایید به برخی از رایج ترین کلاس ها (انواع) مدل ها نگاه کنیم (جدول 1.4.1).

جدول 1.4.1

علامت طبقه بندی	انواع مدل ها
اصل مدل	- مادی (فیزیکی) - ایده آل (تخیلی) - اطلاعاتی (نظری، انتزاعی)
ویژگی های شی مدل سازی	- مدل ظاهر- مدل ساختار - مدل رفتار
درجه رسمی شدن	- غیر رسمی - جزئی رسمی - رسمی
هدف از مدل	- تحقیق: . توصیف کننده ها شناختی مفهومی رسمی - آموزشی - کاری: . بهینه سازی مدیریتی
نقش در مدیریت شی مدل سازی	- ضبط - مرجع - پیش آگهی - شبیه سازی - بهینه سازی
عامل زمان	- ایستا - پویا

موادمدل‌های (فیزیکی، واقعی) - مدل‌هایی که با استفاده از دنیای مادی ساخته می‌شوند تا اشیا و فرآیندهای آن را منعکس کنند.

ایده آلمدل‌های (خیالی) - مدل‌هایی که با استفاده از تفکر بر اساس آگاهی ما ساخته می‌شوند.

اطلاعاتمدل‌های (انتزاعی، نظری) - مدل‌هایی که بر روی یکی از زبان‌ها (سیستم‌های نشانه) برای رمزگذاری اطلاعات ساخته شده‌اند.

مدل های موادساختارهای واقعی و مادی هستند که از لحاظ خاصی جایگزین اصلی می شوند. شرط اصلی برای ساخت این دسته از مدل ها، شرط تشابه (شباهت، قیاس) بین مدل و مدل اصلی است. چندین نوع شباهت وجود دارد - هندسی، فیزیکی، قیاس و غیره.

شباهت هندسینیاز اساسی برای ساخت مدل های هندسی است که نشان دهنده شی ای است که از نظر هندسی مشابه نمونه اولیه آن است و برای اهداف نمایشی کاربرد دارد. اگر نسبت تمام طول ها و زوایای متناظر یکسان باشد، دو شکل هندسی مشابه هستند. اگر ضریب تشابه - مقیاس - مشخص باشد، با ضرب کردن ابعاد یک شکل در مقدار مقیاس، ابعاد یک شکل دیگر مشخص می شود. در حالت کلی، چنین مدلی اصل عملکرد، آرایش نسبی قطعات، فرآیند مونتاژ و جداسازی قطعات، چیدمان یک شی را نشان می‌دهد و برای مطالعه خواصی است که از مقادیر مطلق ثابت (مستقل) هستند. از ابعاد خطی جسم نمونه هایی از مدل های هندسی عبارتند از: مدل ماشین، مانکن، مجسمه، پروتز، گلوب و غیره. آنها نمونه اولیه را نه در همه تنوع خواص آن، نه در هیچ مرز کیفی، بلکه در مرزهای فضایی صرف به تصویر می کشند. در اینجا شباهت (شباهت) نه بین چیزها به طور کلی، بلکه بین انواع خاصی از چیزها - اجسام وجود دارد. این محدودیت این دسته از مدل ها است. توجه داشته باشید که شباهت مستقیم در اینجا تحقق می یابد.

شباهت ظاهریبه مدل و نسخه اصلی با ماهیت فیزیکی یکسان اشاره دارد و شباهت آنها را در یکسانی روابط متغیرهای فیزیکی مشابه در نقاط مکانی-زمانی مربوطه منعکس می کند. دو پدیده از نظر فیزیکی مشابه هستند اگر از ویژگی های داده شده یکی، بتوان ویژگی های دیگری را با تبدیل ساده به دست آورد، که شبیه انتقال از یک سیستم واحد اندازه گیری به دیگری است. تشابه هندسی یک مورد خاص از شباهت فیزیکی است. با شباهت فیزیکی، مدل و مدل اصلی ممکن است در روابط هندسی پیچیده تری نسبت به تناسب خطی باشند، زیرا خواص فیزیکی مدل اصلی با ابعاد هندسی آن متناسب نیست. در اینجا مهم است که فضای متغیرهای فیزیکی مدل مشابه فضای متغیرهای فیزیکی مدل اصلی باشد. در این مورد، مدل فیزیکی در رابطه با اصلی، قیاسی از نوع هم ریختی (تطابق یک به یک) است. مشکل اصلی مشکل محاسبه مجدد صحیح نتایج یک آزمایش مدل به نتایج آزمایش نسخه اصلی در شرایط واقعی است. شباهت بر اساس تحقق معیارهای فیزیکی خاصی است.

ایده آلمدل‌های (خیالی) ساختارهای ایده‌آلی در ذهن ما به شکل تصاویر یا ایده‌هایی درباره پدیده‌های فیزیکی خاص، فرآیندها، اشیاء، سیستم‌ها (نقطه هندسی، بی‌نهایت و غیره) هستند.

چکیدهمدل‌های (نظری، اطلاعاتی) - مدل‌هایی که مدل‌سازی اشیاء را به شکل تصویری یا نمادین نشان می‌دهند.

نمونه هایی از مدل های انتزاعی شامل هر فرضیه 1 در مورد خواص ماده، فرضیات در مورد رفتار است. سیستم پیچیدهتحت شرایط عدم قطعیت یا یک نظریه جدید در مورد ساختار سیستم های پیچیده.

در مورد مدل های انتزاعی و در قیاس نظری (شباهت) بین مدل مو اصل اسمدلسازی انتزاعی (نظری) ساخته شده است.

نماینده برجسته مدلسازی انتزاعی و نمادین یک مدل ریاضی است.

مدل ریاضی– این مجموعه ای از فرمول های ریاضی، معادلات، روابط است که ویژگی های یک شی مدل سازی را توصیف می کند که مورد علاقه محقق است.

برای مطالعه هر یک از جنبه های مدل سازی (ظاهر، ساختار، رفتار) یا ترکیبی از آنها می توان از مدل های مناسب استفاده کرد: مدل های ظاهری, مدل های ساختار, الگوهای رفتاری.

مدل ظاهریاغلب به فهرست کردن ویژگی های خارجی شی مدل سازی می رسد و برای شناسایی (تشخیص) شی در نظر گرفته شده است.

مدل ساختارلیستی از عناصر تشکیل دهنده یک شی مدل سازی است که نشان دهنده ارتباط بین این عناصر است و برای نمایش بصری، مطالعه خصوصیات، شناسایی در نظر گرفته شده است. ارتباطات معنی دار، مطالعات پایداری شی مدل سازی.

مدل رفتارشرح تغییرات در ظاهر و ساختار یک شی مدل سازی در طول زمان و در نتیجه تعامل با اشیاء دیگر است. هدف از مدل‌های رفتاری پیش‌بینی وضعیت‌های آینده شی مدل‌سازی، کنترل اشیاء، برقراری ارتباط با سایر اشیاء خارج از شی مدل‌سازی است.

به طور عینی، سطوح ایده های ما، سطوح دانش ما در مورد پدیده ها، فرآیندها و سیستم های مختلف متفاوت است. این امر در روش هایی که پدیده های مورد بررسی را ارائه می کنند منعکس می شود.

به غیر رسمی مدل ها می توانند شامل نمایش (تصاویر) به دست آمده با استفاده از اشکال مختلف تفکر باشند: احساسات، شهود، تفکر تخیلی، ناخودآگاه، اکتشافی به عنوان مجموعه ای از تکنیک ها و قوانین منطقی برای یافتن حقیقت. در مدل‌سازی غیررسمی، مدل فرمول‌بندی نمی‌شود، اما در عوض از بازتاب ذهنی فازی (تصویر) واقعیت استفاده می‌شود که به عنوان مبنایی برای تصمیم‌گیری عمل می‌کند.

نمونه ای از ایده های مبهم (شهودی) در مورد یک شی، توصیف فازی از یک موقعیت بر اساس تجربه و شهود است.

به رسمی شد مدل ها را می توان به عنوان مدل های فیگوراتیو طبقه بندی کرد، زمانی که مدل ها از هر عنصر بصری (گلوله های الاستیک، جریان سیال، مسیر اجسام و غیره) ساخته می شوند.

مدل‌های انتزاعی رسمی شامل مدل‌های نمادین، از جمله ساختارهای ریاضی، زبان‌های برنامه‌نویسی، زبان‌های طبیعی، همراه با قوانین تبدیل و تفسیر آن‌ها هستند.

با توجه به هدف آنها، مدل ها برای حل بسیاری از مشکلات طراحی شده اند:

تحقیق کنیدمدل‌های (توصیفی، شناختی، مفهومی، رسمی) برای تولید دانش با مطالعه ویژگی‌های یک شی طراحی شده‌اند.

آموزشیمدل ها برای انتقال دانش در مورد شی مورد مطالعه طراحی شده اند.

کارگرانمدل های (بهینه سازی، مدیریت) برای تولید طراحی شده اند اقدامات درستدر روند دستیابی به هدف.

به تحقیق کنید مدل ها شامل پایه های نیمه طبیعی، مدل های فیزیکی، مدل های ریاضی. توجه داشته باشید که مدل‌های تحقیق در صورتی می‌توانند به عنوان مدل‌های آموزشی عمل کنند که برای انتقال دانش در مورد ویژگی‌های یک شی باشد. نمونه هایی از مدل های کار عبارتند از: ربات; خلبان خودکار؛ یک مدل ریاضی از یک شی ساخته شده در یک سیستم کنترل یا نظارت؛ قلب مصنوعی و غیره در عین حال، مدل‌های تحقیق و تدریس باید به واقعیت نزدیک‌تر باشند و مدل‌های کاری باید این واقعیت را منعکس کنند. هیچ مرز مشخصی بین این مدل ها وجود ندارد. به عنوان مثال، یک مدل تحقیقاتی که به اندازه کافی ویژگی های یک شی را منعکس می کند، می تواند به عنوان مدل کار استفاده شود.

مدل های پژوهشی حامل دانش جدید هستند، مدل های آموزشی دانش قدیم را با جدید پیوند می دهند.

مدل‌های کاری، دانش انباشته‌شده را در قالب اقدامات ایده‌آل برای انجام عملکردهای معینی ایده‌آل می‌کنند که اجرای آن‌ها مطلوب است.

مدل های توصیفگرمدل‌های توصیفی برای ایجاد قوانین تغییر در پارامترهای این فرآیندها در نظر گرفته شده و پیاده‌سازی مدل‌های معنادار توصیفی و توضیحی در سطح رسمی مدل‌سازی هستند.

نمونه ای از چنین مدلی، مدل حرکت یک نقطه مادی تحت اثر نیروهای اعمال شده با استفاده از قانون دوم نیوتن است. با تعیین موقعیت و سرعت نقطه در لحظه اولیه زمان (مقادیر ورودی)، جرم نقطه (پارامتر مدل) و قانون تغییر نیروهای وارده (تأثیر خارجی)، می توانید سرعت و مختصات را تعیین کنید. نقطه در هر زمان بعدی (مقادیر خروجی).

شناختی(ذهنی، شناختی) مدل ها - مدل هایی که تصویر ذهنی خاصی از یک شی را نشان می دهند، مدل ایده آل آن در سر محقق که در نتیجه مشاهده شی اصلی به دست می آید.

هنگام تشکیل چنین مدلی، محقق، به عنوان یک قاعده، به دنبال پاسخ دادن به سؤالات خاص است، بنابراین، برای به دست آوردن توصیف فشرده تر و مختصرتر، همه چیز غیر ضروری از ساختار بی نهایت پیچیده شی قطع می شود.

مدل‌های شناختی ذهنی هستند، زیرا بر اساس تمام دانش و تجربه قبلی محقق شکل می‌گیرند. شما می توانید ایده ای از یک مدل شناختی را تنها با توصیف آن به شکل نمادین بدست آورید. بازنمایی یک مدل شناختی در زبان طبیعی نامیده می شود مدل معنادار .

مدل‌های شناختی و محتوایی معادل نیستند، زیرا اولی ممکن است حاوی عناصری باشد که محقق نمی‌تواند یا نخواهد آن‌ها را فرموله کند.

مدل مفهومیمرسوم است که یک مدل معنادار نامیده می شود که در فرمول بندی آن از مفاهیم و بازنمایی حوزه های موضوعی دانش درگیر در مطالعه شی مدل سازی استفاده می شود.

در یک مفهوم گسترده تر، یک مدل مفهومی یک مدل معنادار است که بر اساس یک مفهوم یا دیدگاه خاص است.

مدل رسمینمایشی از یک مدل مفهومی با استفاده از یک یا چند زبان رسمی (به عنوان مثال، زبان های نظریه های ریاضی، یک زبان مدل سازی جهانی، یا زبان های الگوریتمی).

در علوم انسانی، فرآیند مدل‌سازی در بسیاری از موارد با ایجاد یک مدل مفهومی از شی به پایان می‌رسد.

در علوم طبیعی و رشته های مهندسی، به عنوان یک قاعده، می توان یک مدل رسمی ساخت.

بنابراین، مدل‌های شناختی، محتوایی و رسمی سه سطح مرتبط با هم از مدل‌سازی را تشکیل می‌دهند.

مدل های بهینه سازی- مدل‌هایی که برای تعیین پارامترهای بهینه (بهترین) یک شی مدل‌سازی شده از نظر معیاری طراحی شده‌اند یا برای جستجوی حالت کنترل بهینه (بهترین) برای یک فرآیند خاص.

به عنوان یک قاعده، چنین مدل هایی با استفاده از یک یا چند مدل توصیفی ساخته می شوند و شامل معیارهایی هستند که امکان مقایسه گزینه های مختلف برای مجموعه مقادیر خروجی را با یکدیگر به منظور انتخاب بهترین آنها ممکن می سازد. محدودیت‌هایی در قالب برابری‌ها و نابرابری‌های مربوط به ویژگی‌های شی یا فرآیند مورد بررسی را می‌توان بر روی دامنه مقادیر پارامترهای ورودی اعمال کرد.

نمونه ای از مدل بهینه سازی، مدل سازی فرآیند پرتاب موشک از سطح زمین با هدف بالا بردن آن به ارتفاع معین در حداقلزمان با محدودیت در بزرگی ضربه موتور، زمان کارکرد آن و جرم اولیه و نهایی موشک. روابط ریاضی مدل توصیفی حرکت موشک در این مورد به شکل محدودیت‌هایی از نوع برابری ظاهر می‌شود.

توجه داشته باشید که برای اکثر فرآیندها و ساختارهای واقعی، لازم است پارامترهای بهینه بر اساس چندین معیار به طور همزمان تعیین شود، یعنی. ما با مسائل بهینه سازی چند معیاره سروکار داریم.

مدل های مدیریت- مدل هایی که برای اتخاذ تصمیمات مدیریتی مؤثر در زمینه های مختلف فعالیت هدفمند انسانی استفاده می شوند.

به طور کلی، تصمیم گیری فرآیندی است که از نظر پیچیدگی با فرآیند تفکر به طور کلی قابل مقایسه است. با این حال، در عمل، تصمیم گیری معمولاً به عنوان انتخاب برخی از گزینه ها از مجموعه معینی از آنها درک می شود و فرآیند کلی تصمیم گیری به عنوان دنباله ای از این گزینه ها نشان داده می شود.

برخلاف مدل‌های بهینه‌سازی، که معیار انتخاب قطعی در نظر گرفته می‌شود و راه‌حل مورد نظر از شرایط افراطی آن مشخص می‌شود، در مدل‌های مدیریتی لازم است معیارهای بهینه‌سازی خاصی معرفی شوند که امکان مقایسه گزینه‌ها را تحت عدم قطعیت‌های مختلف مسئله فراهم می‌کند. نوع معیار بهینه در مدل های مدیریتی از قبل مشخص نیست. این دقیقاً ویژگی اصلی این مدل ها است.

مدل های ضبطمدل‌هایی هستند که برای ثبت ویژگی‌ها و کیفیت‌های مورد علاقه محقق طراحی شده‌اند که برای ثبت مستقیم روی شی مدل‌سازی در دسترس نیستند.

هنگام حل مشکلات مدیریت اشیاء پویا پیچیده، از مدل های مرجع و پیش بینی استفاده می شود که نمایش رسمی ویژگی های مورد نظر یک شی کنترلی برای اهداف کنترل فعلی یا آتی شی است.

مدل مرجعمدلی است که به یک شکل ویژگی های مورد نظر (ایده آلی شده) شی مدل سازی (کنترل) را توصیف می کند.

مدل های پیش بینی- مدل های طراحی شده برای تعیین آیندهایالت ها ( آیندهرفتار) شی مدل سازی.

مدل های شبیه سازی- این مجموعه ای از توصیفات عناصر سیستم، روابط عناصر با یکدیگر، تأثیرات خارجی، الگوریتم های عملکرد سیستم (یا قوانین تغییر حالات) تحت تأثیر اختلالات خارجی و داخلی است.

مدل‌های شبیه‌سازی زمانی ایجاد و استفاده می‌شوند که ایجاد یک مدل یکپارچه از یک سیستم پیچیده غیرممکن باشد یا مستلزم مشکلات بسیار زیاد باشد. اما وجود توضیحات عناصر و الگوریتم های عملکردی امکان شبیه سازی فرآیند عملکرد سیستم و تولید را فراهم می کند. اندازه گیری هاویژگی های مورد علاقه

همچنین می توان اشاره کرد که مدل های شبیه سازی را می توان برای کلاس بسیار گسترده تری از اشیا و فرآیندها نسبت به مدل های تحلیلی و عددی ایجاد کرد. علاوه بر این، از آنجایی که معمولاً از ابزارهای محاسباتی (رایانه ها و سایر ابزارها) برای پیاده سازی استفاده می شود، زبان های الگوریتمی جهانی یا خاص به عنوان ابزاری برای توصیف رسمی مدل های شبیه سازی عمل می کنند.

مدل سازی شبیه سازی در مطالعه سیستم های بزرگ (پیچیده).

عملا تنها روش موجود برای به دست آوردن اطلاعات در مورد رفتار یک سیستم در شرایط عدم قطعیت است که به ویژه در مرحله طراحی آن اهمیت دارد. با استفاده از این روش می‌توانید ساختار، پارامترها و الگوریتم‌های کنترلی سیستم سنتز شده را انتخاب کنید، اثربخشی آنها را ارزیابی کنید و همچنین رفتار سیستم را در شرایطی شبیه‌سازی کنید که امکان بازتولید آن بر روی یک نمونه واقعی وجود ندارد (مثلاً تصادفات، خرابی‌ها، موارد اضطراری). و غیره). هنگامی که رفتار یک سیستم تحت تأثیر عوامل تصادفی در طول مدل‌سازی شبیه‌سازی با پردازش آماری بعدی اطلاعات مورد مطالعه قرار می‌گیرد، توصیه می‌شود از روش مدل‌سازی استاتیک به عنوان روشی برای پیاده‌سازی ماشینی یک مدل شبیه‌سازی استفاده شود. در این مورد، روش آزمون آماری (روش مونت کارلو) به عنوان یک روش عددی برای حل مسائل تحلیلی در نظر گرفته می شود.

یک کلاس خاص از مدل ها تشکیل شده است سایبرنتیکمدل هایی که جنبه های مدیریتی رفتار سیستم های پیچیده را بر اساس تبادل اطلاعات بین عناصر آن منعکس می کنند. ماهیت فیزیکی مدل های سایبرنتیک با ماهیت فیزیکی نمونه اولیه و عناصر آن متفاوت است. یکی از ویژگی های مدل های سایبرنتیک وجود احتمالی در آنها، علاوه بر مکانیزم کنترل، مکانیسم های خودسازماندهی، یادگیری، سازگاری و غیره و در سیستم های پیچیده تر - هوش مصنوعی است.

در نظر گرفتن ضریب زمان در مدل سازی منجر به استفاده از مدل های ایستا و پویا می شود.

مدل های استاتیکمنعکس کننده حالت های عملکردی حالت پایدار (تعادل) سیستم.

حالت‌های عملیاتی استاتیک عناصر، اشیاء، سیستم‌ها در ویژگی‌های استاتیکی آنها (خطی، غیرخطی) منعکس می‌شوند و با وابستگی‌های عملکردی جبری مربوطه توصیف می‌شوند.

مدل های پویامنعکس کننده حالت های عملکرد ناپایدار (غیر تعادلی، گذرا) سیستم.

برای توصیف حالت های عملکرد غیرتعادلی (گذرا) یک سیستم، بیشتر از معادلات دیفرانسیل یا سیستم های معادلات دیفرانسیل استفاده می شود.

بیایید برخی از ویژگی‌های مدل‌ها را در نظر بگیریم که به یک درجه یا دیگری امکان تشخیص یا شناسایی مدل را با اصلی (شیء، فرآیند) می‌دهند. مرسوم است که ویژگی های زیر را از مدل ها متمایز کنید: کفایت، پیچیدگی، محدود بودن، حقیقت، تقریب.

کفایت.زیر کفایتمدل‌ها معمولاً به‌عنوان توصیف کمی و کیفی صحیح یک شی (فرایند) با توجه به مجموعه‌ای از ویژگی‌های انتخاب شده با درجه معقولی از دقت درک می‌شوند.

کفایت مهم‌ترین نیاز یک مدل است. در این مورد، منظور ما از کفایت به طور کلی نیست، بلکه کفایت بر حسب ویژگی هایی از مدل است که برای محقق ضروری است. کفایت کامل به معنای هویت بین مدل و نمونه اولیه است.

یک مدل ریاضی ممکن است با توجه به یک دسته از موقعیت ها (وضعیت سیستم + وضعیت محیط خارجی) کافی باشد و در مورد دیگری کافی نباشد. استفاده از یک مدل ناکافی می تواند منجر به اعوجاج قابل توجهی در فرآیند واقعی یا خصوصیات (ویژگی ها) شی مورد مطالعه شود یا به مطالعه پدیده ها، ویژگی ها و ویژگی های غیر موجود منجر شود.

می توانید مفهوم درجه کفایت را معرفی کنید که از 0 (عدم کفایت) تا 1 (کفایت کامل) متغیر خواهد بود. درجه کفایت نسبت صدق مدل را نسبت به مشخصه (ویژگی) انتخاب شده شی مورد مطالعه مشخص می کند. توجه داشته باشید که در برخی شرایط ساده، ارزیابی عددی درجه کفایت چندان دشوار نیست. دشواری ارزیابی درجه کفایت در حالت کلی به دلیل ابهام و مبهم بودن خود معیارهای کفایت و همچنین به دلیل دشواری انتخاب آن علائم، ویژگی ها و ویژگی هایی است که کفایت توسط آن ها ارزیابی می شود.

مفهوم کفایت یک مفهوم عقلانی است، بنابراین افزایش درجه آن نیز باید در سطح عقلانی انجام شود. کفایت مدل باید به طور مداوم در طول فرآیند تحقیق با استفاده از مثال‌ها، قیاس‌ها، آزمایش‌ها و غیره مشخص شود. در نتیجه بررسی کفایت، آنها متوجه می شوند که مفروضات ایجاد شده به چه چیزی منجر می شود: یا از دست دادن قابل قبول دقت، یا از دست دادن کیفیت. هنگام بررسی کفایت، می توان مشروعیت کاربرد فرضیه های کاری پذیرفته شده را در حل تکلیف یا مشکل مورد بررسی نیز توجیه کرد.

سادگی و پیچیدگی.الزام همزمان سادگی و کفایت مدل متناقض است. از نظر کفایت، مدل های پیچیده به مدل های ساده ارجحیت دارند. در مدل های پیچیده می توان آن را در نظر گرفت تعداد بزرگترعوامل موثر بر ویژگی های مورد مطالعه اشیاء. اگرچه مدل‌های پیچیده با دقت بیشتری ویژگی‌های شبیه‌سازی‌شده نسخه اصلی را منعکس می‌کنند، اما دست‌وپاگیرتر، دیدن آن‌ها دشوار و استفاده ناخوشایند است. بنابراین، محقق در تلاش است تا مدل را ساده‌تر کند، زیرا مدل‌های ساده کارکرد آسان‌تری دارند. هنگام تلاش برای ساخت یک مدل ساده، اساسی است اصل ساده سازی مدل:

تا زمانی که ویژگی‌ها، ویژگی‌ها و الگوهای اصلی موجود در نسخه اصلی حفظ شود، مدل را می‌توان ساده کرد.

این اصل به حد ساده سازی اشاره می کند.

در عین حال، مفهوم سادگی (یا پیچیدگی) یک مدل مفهومی نسبی است. اگر ابزارهای تحقیقاتی مدرن (ریاضی، اطلاعات، فیزیکی) امکان انجام تجزیه و تحلیل کمی و کیفی را با دقت لازم فراهم کنند، این مدل بسیار ساده در نظر گرفته می شود. و از آنجایی که قابلیت‌های ابزارهای تحقیقاتی دائماً در حال رشد است، آن دسته از وظایفی که قبلاً پیچیده تلقی می‌شدند، اکنون می‌توانند به عنوان ساده طبقه‌بندی شوند.

کار دشوارتر، اطمینان از سادگی/پیچیدگی یک مدل از یک سیستم پیچیده متشکل از زیرسیستم‌های جداگانه متصل به یکدیگر در ساختار سلسله مراتبی و چند متصل است. علاوه بر این، هر زیر سیستم و هر سطح دارای معیارهای محلی پیچیدگی و کفایت خود است که با معیارهای جهانی سیستم متفاوت است.

به منظور کاهش از دست دادن کفایت، ساده کردن مدل‌ها توصیه می‌شود:

1) در سطح فیزیکی با حفظ روابط فیزیکی اولیه،

2) در سطح ساختاری با حفظ ویژگی های اساسی سیستم.

ساده سازی مدل ها در سطح ریاضی می تواند منجر به از دست دادن قابل توجه کفایت شود. به عنوان مثال، کوتاه کردن یک معادله مشخصه مرتبه بالا به مرتبه 2 - 3 می تواند منجر به نتیجه گیری کاملاً نادرست در مورد ویژگی های دینامیکی سیستم شود.

توجه داشته باشید که برای حل مسئله سنتز از مدل های ساده تری استفاده می شود و هنگام حل مسئله تجزیه و تحلیل از مدل های دقیق تری استفاده می شود.

متناهی بودن مدل هاشناخته شده است که جهان، مانند هر شیئی، نه تنها در مکان و زمان، بلکه در ساختار (ساختار)، خواص، روابط با اشیاء دیگر، نامتناهی است. بی نهایت در ساختار سلسله مراتبی سیستم هایی با ماهیت های فیزیکی مختلف آشکار می شود. با این حال، هنگام مطالعه یک شی، محقق به تعداد محدودی از خواص، اتصالات، منابع مورد استفاده و غیره آن محدود می شود. گویی از دنیای نامتناهی قطعه متناهی را به شکل یک شیء، سیستم، فرآیند و غیره خاص «بریده است». و سعی می کند از طریق مدل متناهی این قطعه، جهان نامتناهی را درک کند.

محدود بودن مدل‌های سیستم، اولاً در این واقعیت نهفته است که آنها نسخه اصلی را در تعداد محدودی از روابط منعکس می‌کنند، یعنی. با تعداد محدودی از اتصالات با اشیاء دیگر، با ساختاری محدود و تعداد محدودی از خواص در سطح معینی از مطالعه، تحقیق، توصیف و منابع موجود. ثانیاً، منابع (اطلاعات، مالی، انرژی، زمان، فنی و غیره) مدل‌سازی و دانش ما به عنوان منابع فکری متناهی است و بنابراین به طور عینی امکانات مدل‌سازی و خود فرآیند درک جهان از طریق مدل‌ها را محدود می‌کند. بنابراین، محقق (به استثنای موارد نادر) با مدل های محدود بعدی سر و کار دارد.

انتخاب بعد مدل (درجه آزادی آن، متغیرهای حالت) ارتباط نزدیکی با کلاس مسائل حل شده دارد. افزایش ابعاد مدل با مشکلات پیچیدگی و کفایت همراه است. در این صورت باید دانست که چه رابطه عملکردی بین درجه پیچیدگی و بعد مدل وجود دارد. اگر این وابستگی قانون قدرت باشد، می توان با استفاده از سیستم های کامپیوتری مشکل را حل کرد. اگر این وابستگی به صورت تصاعدی باشد، «نفرین ابعاد» (R. Kalman 1) اجتناب ناپذیر است و رهایی از آن عملاً غیرممکن است.

همانطور که در بالا ذکر شد، افزایش ابعاد مدل منجر به افزایش درجه کفایت و در عین حال پیچیدگی مدل می شود. در این مورد، درجه پیچیدگی توسط توانایی کار با مدل محدود می شود، یعنی. ابزارهای مدلسازی در دسترس محقق نیاز به حرکت از یک مدل ساده خشن به یک مدل دقیق تر با افزایش ابعاد مدل با معرفی متغیرهای جدیدی که از نظر کیفی با متغیرهای اصلی متفاوت هستند و در ساخت مدل خشن نادیده گرفته شده اند، محقق می شود. این متغیرها را می توان به یکی از سه کلاس زیر طبقه بندی کرد:

1) جریان سریعمتغیرهایی که گستره آنها در زمان یا مکان به قدری کم است که در یک بررسی تقریبی با ویژگی های یکپارچه یا میانگین آنها در نظر گرفته شده است.

2) کند حرکتمتغیرهایی که میزان تغییر آنها به قدری زیاد است که در مدل های تقریبی ثابت در نظر گرفته می شوند.

3) متغیرهای کوچک(پارامترهای کوچک) که مقادیر و تأثیرات آنها بر ویژگی های اصلی سیستم به قدری کم است که در مدل های خشن نادیده گرفته می شوند.

توجه داشته باشید که تقسیم حرکت پیچیده یک سیستم بر اساس سرعت به حرکت سریع و آهسته امکان مطالعه آنها را در یک تقریب تقریبی مستقل از یکدیگر فراهم می کند که حل مسئله اصلی را ساده می کند. در مورد متغیرهای کوچک، معمولاً هنگام حل یک مسئله سنتز از آنها غفلت می شود، اما آنها سعی می کنند تأثیر آنها را بر ویژگی های سیستم در هنگام حل یک مسئله تجزیه و تحلیل در نظر بگیرند.

هنگام مدل‌سازی، در صورت امکان، سعی می‌کنند تعداد کمی از عوامل اصلی را شناسایی کنند، که تأثیر آنها به یک ترتیب است و توصیف ریاضی آن چندان دشوار نیست، و تأثیر عوامل دیگر را می‌توان با استفاده از میانگین در نظر گرفت. ویژگی های یکپارچه یا "یخ زده".

تقریب مدل هااز موارد فوق نتیجه می گیرد که محدود بودن و سادگی (ساده بودن) مدل مشخص می شود کیفیتتفاوت (در سطح ساختاری) بین اصلی و مدل. سپس تقریب مدل مشخص خواهد شد کمیطرف این تفاوت

شما می توانید با مقایسه، به عنوان مثال، یک مدل تقریبی با یک مدل مرجع دقیق تر (کامل، ایده آل) یا با یک مدل واقعی، یک معیار کمی از تقریب را معرفی کنید. نزدیک بودن مدل به اصل اجتناب ناپذیر، به طور عینی وجود دارد، زیرا مدل، به عنوان یک شی دیگر، تنها ویژگی های فردی اصلی را منعکس می کند. بنابراین، درجه تقریب (نزدیک بودن، دقت) مدل به مدل اصلی با بیان مسئله، هدف از مدل سازی تعیین می شود.

تمایل بیش از حد به افزایش دقت مدل منجر به پیچیدگی قابل توجه آن و در نتیجه کاهش ارزش عملی آن می شود. بنابراین، ظاهراً اصل ل. زاده 1 این است که هنگام مدل‌سازی سیستم‌های پیچیده (انسان- ماشین، سازمانی)، دقت و معنای عملی ناسازگار بوده و یکدیگر را مستثنی می‌کنند. دلیل ناهماهنگی و ناسازگاری الزامات برای دقت و عملی بودن مدل در عدم قطعیت و مبهم بودن دانش در مورد خود اصلی - رفتار آن، ویژگی ها و ویژگی های آن، رفتار آن است. محیط زیست، در مورد مکانیسم های شکل گیری هدف، راه ها و روش های دستیابی به آن و غیره.

حقیقت مدل هاهر مدل حقیقتی دارد، به عنوان مثال. هر مدلی به نوعی اصل را به درستی منعکس می کند. درجه صدق مدل تنها با مقایسه عملی آن با مدل اصلی آشکار می شود، زیرا فقط

عمل ملاک حقیقت است.

از یک طرف، هر مدلی حاوی حقیقت بدون قید و شرط است، یعنی. قطعا شناخته شده و صحیح از سوی دیگر، مدل همچنین حاوی صحیح شرطی است، یعنی. فقط تحت شرایط خاص درست است. یک اشتباه معمول در مدل سازی این است که محققان از مدل های خاصی استفاده می کنند بدون بررسی شرایط صحت آنها، محدودیت های کاربرد آنها. این رویکرد به وضوح منجر به نتایج نادرست می شود.

توجه داشته باشید که هر مدلی همچنین حاوی صحیح (قابل قبول) است. چیزی که در شرایط عدم قطعیت می تواند درست یا نادرست باشد. فقط در عمل رابطه واقعی بین درست و نادرست در شرایط خاص مشخص می شود. بنابراین، هنگام تجزیه و تحلیل سطح صدق مدل، لازم است که دریابیم:

1) دانش دقیق و قابل اعتماد؛

2) دانشی که تحت شرایط خاص قابل اعتماد است.

3) دانش با درجه ای از عدم قطعیت ارزیابی شده است.

4) دانشی که حتی با درجاتی از عدم قطعیت قابل ارزیابی نیست.

5) جهل، یعنی. آنچه ناشناخته است

بنابراین، ارزیابی حقیقت یک مدل به‌عنوان شکلی از دانش، به شناسایی محتوای موجود در آن دانش قابل اعتماد عینی که به درستی اصل را منعکس می‌کند، و دانشی که به طور تقریبی اصل را ارزیابی می‌کند، و همچنین آنچه که نادانی است، منتهی می‌شود.

تئوری سیستم های تطبیقی ​​در ارتباط با نیاز به حل دسته وسیعی از مسائل کاربردی که روش های سنتی نیاز به دانش کافی برای آنها دارد، پدید آمد. مدل ریاضیشی هرچه کیفیت روش های مدیریت سنتی (غیر تطبیقی) بالاتر باشد، اطلاعات پیشینی در مورد خود شی و شرایط عملکرد آن بیشتر می شود. در عمل، ارائه دقیق بسیار دشوار است توضیحات ریاضیشیء کنترلی به عنوان مثال، ویژگی های دینامیکی هواپیما به شدت به حالت پرواز، تغییرات تکنولوژیکی و شرایط جوی بستگی دارد. تحت این شرایط، روش های سنتی اغلب غیر قابل اجرا هستند یا کیفیت سیستم مورد نیاز را ارائه نمی دهند کنترل خودکار.

در این راستا، در مرحله اولیه توسعه تئوری کنترل خودکار، یک روش بسیار مؤثر برای ساختن سیستم های کنترلی که نیازی به اطلاعات پیشینی کامل در مورد شی و شرایط عملکرد آن نداشت، بسیار مؤثر به نظر می رسید.

تأثیر انطباق با شرایط عملیاتی در سیستم‌های تطبیقی ​​با جمع‌آوری و پردازش اطلاعات در مورد رفتار یک شی در طول عملیات آن تضمین می‌شود، که این امکان را فراهم می‌آورد تا تأثیر عدم قطعیت بر کیفیت کنترل را به میزان قابل توجهی کاهش دهد و کمبود یک شیء را جبران کند. اطلاعات قبلی در مرحله طراحی سیستم

سیستم کنترلی که به طور خودکار قانون کنترل مورد نیاز را با تجزیه و تحلیل رفتار یک شی در طول کنترل جریان تعیین می کند، نامیده می شود تطبیقی .

سیستم های تطبیقی ​​را می توان به دو دسته بزرگ تقسیم کرد: خود سازماندهی و خود تنظیمی.

ب با سیستم های خود سازماندهی در فرآیند عملیات، یک الگوریتم کنترل (ساختار و پارامترهای آن) تشکیل می شود که امکان بهینه سازی سیستم را از نقطه نظر هدف کنترل تنظیم شده (CO) فراهم می کند. این نوع مشکل، به عنوان مثال، در شرایط تغییر در ساختار و پارامترهای شی کنترل بسته به حالت عملیاتی، زمانی که اطلاعات پیشینی برای تعیین حالت فعلی کافی نیست، ایجاد می شود. با توجه به کلاس وسیعی از ساختارهای شیء ممکن، امید به انتخاب یک ساختار الگوریتم کنترلی واحد که قادر به اطمینان از دستیابی سیستم بسته به هدف کنترل در همه حالت‌های عملیاتی باشد، دشوار است. بنابراین، ما در مورد سنتز با یک ساختار تنظیم کننده آزاد صحبت می کنیم. پیچیدگی آشکار بیان مسئله به ما اجازه نمی دهد که به الگوریتم های ساده برای حل آن، و در نتیجه، برای معرفی گسترده سیستم ها به عمل در حال حاضر امیدوار باشیم.

اگر ساختار شیء کنترلی شناخته شده و غیرقابل تغییر باشد، کار بسیار ساده می شود و رفتار به تعدادی پارامتر غیرقابل تغییر بستگی دارد. مشکل در کلاس سیستم های خود تنظیم (SNS) حل شده است که در آن ساختار کنترل کننده داده شده است (از پیش انتخاب شده) و فقط باید الگوریتم تنظیم ضرایب آن را تعیین کرد (الگوریتم تطبیق).

سیستم خود تنظیم کنترل خودکار سیستمی است که به طور مستقل ویژگی های دینامیکی خود را مطابق با تغییر شرایط خارجی تغییر می دهد تا به خروجی بهینه سیستم برسد. در مورد سیستم های کنترل پرواز خودتنظیمی، چنین خروجی بهینه ای از سیستم پاسخ بهینه به اختلالات خارجی خواهد بود.

CNN ها به دو زیر کلاس تقسیم می شوند: جستجو و غیر جستجو. در CNNهای جستجو، حداقل (یا حداکثر) اندازه گیری کیفیت (عملکرد کارخانه، مصرف سوخت و غیره) با استفاده از سیگنال های جستجوی سازماندهی شده ویژه جستجو می شود. ساده ترین موتورهای جستجواکثر سیستم های افراطی هستند که در آنها کمبود اطلاعات پیشینی با اطلاعات فعلی به دست آمده در قالب واکنش یک شی به تأثیرات جستجو (آزمایش، آزمایش) مصنوعی جبران می شود.

در CNN های غیرجستجو، یک مدل صریح یا ضمنی با ویژگی های دینامیکی مورد نظر وجود دارد. وظیفه الگوریتم تطبیق تنظیم ضرایب کنترلر به گونه ای است که عدم تطابق بین شی کنترل و مدل را به صفر برساند. چنین کنترلی کنترل تطبیقی ​​مستقیم نامیده می شود و سیستم ها - سیستم های تطبیقی ​​با مدل مرجع .

در مورد کنترل تطبیقی ​​غیرمستقیم، ابتدا شی شناسایی می شود و سپس ضرایب کنترل کننده مربوطه تعیین می شود. چنین تنظیم کننده هایی خود تنظیم نامیده می شوند.

با کنترل تطبیقی ​​مستقیم، حلقه‌های تطبیق در یک چرخه بسته عمل می‌کنند که این امکان را برای مقابله با تغییرات پارامترهای شی و کنترل‌کننده در حین کار فراهم می‌کند. با این حال، هر حلقه خود تنظیم، ترتیب سیستم را حداقل یک عدد افزایش می دهد و در عین حال به طور قابل توجهی بر پویایی کلی سیستم بسته تأثیر می گذارد.

در مورد کنترل تطبیقی ​​غیرمستقیم، حلقه‌های خود تنظیم در یک حلقه باز عمل می‌کنند و بنابراین بر پویایی سیستم تأثیر نمی‌گذارند. با این حال، تمام خطاهای شناسایی، انحراف در پارامترهای کارخانه و کنترل کننده به طور قابل توجهی بر دقت کنترل تأثیر می گذارد. در سیستم‌های خودتنظیم غیرجستجو، مدل مرجع می‌تواند در قالب یک پیوند دینامیکی واقعی (مدل صریح) پیاده‌سازی شود یا در قالب یک معادله مرجع که متغیرهای کنترل‌شده و مشتقات آنها را به هم متصل می‌کند (مدل ضمنی) ارائه شود. در مدل ضمنی، ضرایب معادله مرجع پارامترهای الگوریتم تطبیق هستند.

شکل 1 یکی از گزینه‌های کنترل تطبیقی ​​را نشان می‌دهد که اغلب در درایوهای محرک استفاده می‌شود، جایی که پارامترهای کنترل‌کننده توسط کامپیوتر کنترل بر اساس مدل مرجع تنظیم می‌شوند.

مدل مرجع پاسخ مطلوب مطلوب سیستم را به سیگنال فرمان g(t) نشان می دهد. پیوندهای معمولی سیستم های کنترل خودکار (به عنوان مثال، یک پیوند غیر دوره ای) به عنوان مدل مرجع استفاده می شود. پارامترهای کنترل کننده PID (مشتق انتگرال متناسب) برای به حداقل رساندن عدم تطابق بین خروجی مدل و سیستم واقعی تنظیم می شوند.

وظیفه حلقه تنظیم این است که این عدم تطابق را در یک زمان معین به صفر برساند و در عین حال پایداری فرآیند گذرا را تضمین کند. این مشکلدور از اهمیت است - می توان نشان داد که با روابط خطی "ضرایب خطا - کنترل کننده" قابل حل نیست. به عنوان مثال، الگوریتم زیر برای تنظیم پارامترها در ادبیات ارائه شده است:

که در آن k ضرایب قابل تنظیم کنترلر PID هستند. A یک ضریب ثابت است که سرعت انطباق را مشخص می کند.

برنج. 1. بلوک دیاگرام یک سیستم تطبیقی ​​با مدل مرجع

تابع گرادیان حساسیت خطای c(t) را نسبت به تغییرات ضرایب کنترل کننده تعیین می کند. پایداری مطلق یک سیستم حلقه بسته، که اساسا غیرخطی است، با انتخاب پارامتر A در برنامه راه اندازی تضمین می شود. بنابراین، برای اجرای کنترل تطبیقی ​​طبق این طرح، کامپیوتر کنترل باید مشکلات زیر را در زمان واقعی حل کند:

• یک سیگنال اصلی برای سیستم کنترل شده تولید کنید.
• پاسخ ایده آل را با استفاده از مدل مرجع محاسبه کنید.
• ضرایب کنترلر را مطابق با برنامه راه اندازی محاسبه کنید، خطای فعلی را تعیین کنید و سیگنال کنترلی را به ورودی ماژول مکاترونیک صادر کنید.

علاوه بر بلوک دیاگرام در نظر گرفته شده با مدل مرجع، روش های دیگری نیز شناخته شده است تنظیمات خودکارپارامترها و ساختار رگولاتورها

چگونه کار کنیم