仿真分析模型

仿真分析模型（精选十篇）

仿真分析模型篇1

同时考虑多径和阴影遮蔽影响,国内外研究中常用的描述卫星信道模型有C.Loo模型、Corazza模型和Lutz模型。其中,C.Loo模型[1]适用于乡村环境,模型参数由直升机发射的信号进行测试得到,对卫星信道特性的反映不够真实且不能描述不同环境下的信道状态。Corazza[2]模型可以描述乡村、郊区和城市多种环境下的信道特性,但其单状态建模方式不能满足环境变化的情形。Lutz模型[3,4]将信道分为“好”、“坏”两种状态,可根据终端所处环境实时切换到不同状态。然而,上述3种信道模型适用于传输速率不高的情形,是窄带平坦性信道,针对高速率传输情况,提出了一种改进的Lutz信道模型,是一种频率选择性信道模型[5,6]。Lutz及改进的Lutz信道由Rayleigh、Rice和Lognormal的3种分布组成[7,8],因此,采用莱斯正弦和法[9,10]可实现3种分布及Lutz信道模型的仿真,并通过计算机仿真结果与理论公式所得曲线进行对比,曲线的拟合度较好,验证了此方法的正确性和有效性。同样,也可使用此方法对改进的Lutz信道模型进行仿真,对实际系统的建立有着参考价值。

1 卫星信道模型原理

Lutz信道模型属于窄带平坦性信道,其码元传输速率较低、信号带宽远小于信道相干带宽,信号经过信道传输后各频率分量的变化具有一致性。随着通信技术的快速发展,当基带码元传输速率较高,信号带宽不再远小于信道相干带宽,窄带平坦信道模型可能不适用于当前的传输环境,而变为频率选择性信道模型,可对Lutz信道进行改进,使之适合于传输速率较高的传输环境。

1.1 Lutz信道模型

Lutz信道模型根据传播环境的不同,分为“好”和“坏”两种状态,其中“好状态”假设接收端只受到多径而没有受到阴影效应影响,且多径分量中包含直射分量,因此,接收信号的包络r服从Rice分布[11],其概率密度函数为

令接收信号功率s=r2,则接收信号功率的概率密度函数表示为

其中,c=1/2σ12,这里将莱斯因子进行归一化(即令z=1)。

“坏”状态表示接收信号同时受到多径和阴影遮蔽效应影响,且此时的多径分量不包含直射分量,则多径效应服从Rayleigh分布,又知阴影遮蔽下信号服从Lognormal分布,因此接收信号的包络服从Rayleigh分布与Lognormal分布相乘[12],得到其功率的概率密度函数为

其中,fs(s|s0)表示的是阴影遮蔽确定,接收信号受到多径效应影响下功率的概率密度函数;ss0(s0)表示的是阴影遮蔽影响下的功率密度函数;μ和σ分别为信号受到阴影作用而服从Lognormal分布的均值和偏差。

将卫星与终端之间的信道环境分为“好”、“坏”两种状态,接收端根据自身所处地理环境和阴影遮蔽程度在两状态之间转换,实时模拟信道,模型如图1所示。反映用户在整个通信过程中信道状态的变化,令A为阴影遮蔽时间百分比,则由式(2)和式(3)得到Lutz模型的总的接收信号功率s的概率密度函数

1.2 改进的Lutz信道模型

改进的Lutz信道模型与Lutz信道模型类似,信道都受到多径和阴影效应影响,且阴影效应都服从Lognormal分布,而在多径传播下,接收信号会产生时延扩展,时延扩展值的大小决定信号经历平坦衰落或是频率选择性衰落。Lutz信道模型看作是时延扩展小于码元时间,属于平坦衰落,各路径之间的时延可近似相等或忽略。而改进的Lutz信道模型,其时延拓展大于码元时间,属于频率选择性衰落,此时不同路径之间的时延差值必须加以考虑,因此,由L个多径信道组合而成的信道时变冲激响应为

式(5)中,h(t,τ)表示的是关于时间和时延的频率选择性信道在多径传播时的信道冲击响应函数;ai(t)表示的是第i个多径的时变幅度;μi(t)表示第i条路径的衰落率,τi表示第i条路径的时延。对式(5)的框图描述如图2所示,对于每一个,可理解为是在某一时间间隔内从不同入射角到达的不可分辨的多径组合,视为一个平坦衰落,当这些多径分量组合包含直射分量时,信号的包络服从Rice分布,否则服从Rayleigh分布。

2 信道模型实现方法

Lutz信道模型和改进的Lutz信道模型由Rayleigh、Rice和Lognornal分布组合而成,而这3种分布都可通过色高斯分布转换得到,因此采用莱斯正弦和法来生成色高斯分布。

2.1 莱斯正弦和法

莱斯正弦和法是利用无穷多个具有相同增益,不同频率和相位的正弦波叠加,实现色高斯过程[13],其原理如图3所示。

色高斯随机过程ul(t)可表示为

其中,N表示正弦波信号的个数,正弦波系数ci,n、fi,n和θi,n分别称为多普勒系数、多普勒频率和多普勒相位。在仿真实现时,将正弦波的个数N截断为有限多个,根据研究,通常N>7时,ul(t)就可很好的接近高斯分布。正弦波系数的取值采用实现效果较好的精确多普勒扩展法(MEDS)来确定,其中θi,n服从[0,2π]上的均匀分布,其他系数取值如下[14]

其中,fmax表示多普勒最大频移;σ0指的是平均多径功率。

2.2 瑞利/莱斯分布

瑞利过程可由两个色高斯过程形成一个复随机过程,即u(t)=u1(t)+ju2(t),其中,ui(t)是不相关的色高斯过程,u(t)的模(包络)服从Rayleigh分布。在瑞利过程中引入一个实值常量的直射波Ac,即ε(t)=u(t)+Ac,ε(t)的包络服从莱斯分布。实现Rayleigh和Rice过程的仿真过程如图4所示。

2.3 对数正态分布

Lognormal过程是通过对色高斯过程的非线性变换得到,表达式为

其中,μ和σ分别是Lognormal分布的均值和标准偏差,需要注意的是,此时的色高斯过程u3(t)的均值为1,方差为0,即σ0取值为1,其他参数取值与上述方法一样,色高斯过程得到后,带入具体的参数μ值和σ得到相应均值和标准偏差的Lognormal过程[15],具体实现过程如图5所示。

3 仿真结果

Rayleigh、Rice及Lognormal分布的仿真结果如图6所示,横坐标表示的是信号的幅度包络,纵坐标表示对应的概率密度函数。根据上述仿真方法设置仿真参数值,最大多普勒频移fmax取值24 Hz,生成3种分布的正弦波个数N分别取值为7、8和8。Rayleigh分布的参数σ0取值0.5,Rice分布中直射分量Ac=1,Lognormal分布参数μ和σ取值为-12.9 d B和5 d B。

由图6可知,3个分布图中软件仿真所得曲线和理论值曲线的吻合度高,验证了仿真方法的正确性和可行性。并在此基础上,对总体Lutz信道模型进行仿真,仿真参数如表1所示,仿真结果,图7(a)和图7(b)分别表示城市(v=10 km/h)和公路环境下(v=60km/h)的曲线图,横坐标表示归一化功率,纵坐标是概率密度函数。

从图7可知,软件仿真得到Lutz模型功率曲线和理论式所得曲线拟合程度较好,因此,可使用本文的仿真方法来建立Lutz模型,同理也可用此方法来建立改进的Lutz信道模型。

4 结束语

仿真分析模型篇2

浅析制定仿真模型对库存管理的作用-以血液库存控制模型分析为例

血液库存系统的随机性特征使得采用数学方法求解其订货点、安全库存十分困难.而根据采血科和供血科提供的相关数据,对血液供需的.随机性进行分析,利用产品补给服务水平与安全库存的关系,建立了一个离散事件仿真模型,通过模型中相关参数的设置,运用witness仿真平台,研究各种情况下的血液库存状况,得到库存控制模型;使用函数关系和建立的仿真模型在需要争供给规律变化的情况下,只需要重新统计模型中参数,再次运行模型来确定新情况下的库存策略,则可以为管理者提供一个长期有效的科学方法.

作者：吕昕作者单位：南京农业大学,工学院管理工程系,江苏,南京,210031刊名：经济研究导刊英文刊名：ECONOMIC RESEARCH GUIDE年，卷(期)：2007“”(10)分类号：N945.12关键词：血液库存系统控制

仿真分析模型篇3

关键词：秃杉；Matlab；种群竞争模型；Simulink仿真

中图分类号： S718.54+1 文献标志码： A 文章编号：1002-1302（2014）07-0175-04

收稿日期：2014-03-25

基金项目：国家公益性行业科研专项（编号：201104053）。

作者简介：李骄（1982—），男，重庆合川人，硕士研究生，主要从事森林资源管理与评价研究。E-mail：48965058@qq.com。

通信作者：许彦红，男，云南易门人，硕士，副教授，主要从事森林测计学、森林资源经营管理与评价方面的研究。E-mail：xyhong64@163.com。秃杉（Taiwania flousiana）属裸子植物杉科台湾杉属，是中国特有的世界珍稀植物，现为我国一级保护植物，天然分布于我国湖北省西南部、贵州省东南部及云南省西部等地，垂直分布海拔高度800～2 500 m[1]。目前国内对于秃杉林竞争研究只是简单地通过Hegyi单木竞争方程计算其竞争指数，并未从宏观上对秃杉林与不同伴生树种间的种群竞争进行数学建模与分析，无法直观得出相应的竞争干扰程度结果，从而不能准确地对秃杉林进行经营策略指导。本研究引入 Lotka-Volterra 生态学数学竞争模型对秃杉林种群建模并进行Simulink仿真分析，采用系统、科学、客观的分析方法，利用Matlab平台对实地调查所得的原始数据进行因子指标分类，然后回归诊断分析得出秃杉与其竞争种群间在不同竞争平衡模式下的内在联系，为进一步确定合理的秃杉林经营密度，制定合理的经营管理措施，提高秃杉林经营管理水平提供科学的理论依据，对秃杉人工林的可持续经营具有十分重要的意义。同时，本研究是计算机建模仿真技术在林业领域应用的重要发展方向。

1Matlab建模平台与Simulink仿真

Matlab是matrix与laboratory 2个词的组合，意为矩阵工厂（矩阵实验室），是主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。借助于Matlab强大的数据处理、图形处理能力，可以方便快捷高效地解决数学建模中的各种问题[2]。Simulink是Matlab中的一种可视化仿真工具，是一种基于Matlab的框图设计环境，被广泛应用于线性系统、非线性系统、数字控制及数字信号处理的建模和仿真中[3]。Simulink可以用连续采样时间、离散采样时间或2种混合的采样时间进行建模。Simulink与Matlab紧密集成，可以直接访问Matlab大量的工具来进行算法的研发、仿真的分析和可视化、批处理脚本的创建、建模环境的定制以及信号参数和测试数据的定义[4]。

2种群竞争数学模型与仿真结构图构建

2.1种群竞争模型建立原理

4秃杉种群竞争平衡模式对应的经营策略

通过研究秃杉种群竞争模型仿真与3种种群竞争模式得出了以下秃杉林人工经营策略。

（1）要达到最优竞争模式（P1平衡点），需要提升秃杉种群N1所占的份额。首先要做好秃杉幼林郁闭前的抚育工作，幼林抚育的内容主要应从土壤管理入手，通过松土、除草改善土壤的理化性质，排除杂草、灌木对幼林的竞争[19]；其次对林木本身进行必要的抑制调节，如除蘖、平茬、间苗等，使幼林成林，到提升N1的效果。

（2）针对最差竞争模式（P2平衡点）的情况，需要降低N2所占份额。在营林上可以考虑采用抚育间伐与合理混交2种措施。幼林郁闭后，林木的个体逐渐增大，主要表现在冠幅、树高、直径方面的增加，林木与林木、林木与灌木或草本的竞争随之逐渐增加，这时需要对密度较大的秃杉林分进行适度

抚育间伐。若间伐强度过大，虽然可以减轻秃杉种群与竞争种群之间的竞争，但林分单位面积的生长量会减少；若间伐强度过小，则达不到抚育效果，解决不了林木激烈竞争的趋势。此外，还要及时修枝，对不利于优良木生长的病腐木、被压木、生长畸型的林木及时清理[20]，使秃杉有一个良好的生长环境。造林密度和混交树种及比例影响林分生长发育全过程。造林密度不同，混交树种及比例不同，林分郁闭、林木开始激烈竞争的时间及激烈程度不同。密度过大，郁闭越早，竞争时间越提前，会影响林分生长；密度过小，林木个体在单位面积上株数较少，不能很好利用营养空间。而秃杉与伴生树种种群混交密度应该遵循参数优化后秃杉种群竞争方程组中的标准化种群密度u1和u2来确定。

（3）林地内环境的保护管理。在研究的数学模型中，秃杉种群与其他竞争种群竞争所需的前提环境资源如阳光、水源、土壤等为固定值，所以在林地内应保护好地被物，禁止人为干预枯枝落叶层，以免破坏森林内营养元素的循环。如果林内没有枯枝落叶，营养元素的循环得不到保证，林地涵养水源能力差，导致地表水大量流失，土壤含水量低；同时由于地表径流、土壤流失大，林木所需的养分和水分不足，从而加剧林木的竞争。

5结论

随着计算机技术的不断发展，计算机在林业领域中的应用已经从相对简单的多媒体计算机技术时代进入了更高层次的计算机建模仿真技术时代。本研究利用生态学数学模型研究秃杉种群与其他竞争种群空间资源争夺结果，并建立了3种竞争模式。本研究通过Matlab进行数值模拟与Simulink仿真分析，得出3个种群竞争平衡点模式，并基于模型参数数值模拟图给出了腾冲县秃杉人工林经营策略建议。

nlc202309012230

本研究是国家公益性行业科研专项“秃杉大径材人工培育关键技术研究（201104053）”的內容之一，研究成果已应用于试验示范区建设。随着数字化林业、林业信息化的推广，计算机仿真模拟技术将会在林业行业得到更加广泛的应用。

参考文献：

[1]陈强，袁明，刘云彩，等. 秃杉的物种确立、天然林种群特征、保护、引种和种源选择研究[J]. 西部林业科学，2012，41（2）：1-16.

[2]席伟，微分方程方向场MATLAB仿真工具箱设计[J]. 信息安全与技术，2012（11）：65-67.

[3]Vahidi B，Esmaeeli E. MATLAB-SIMULINK-based simulation for digital differential relay protection of power transformer for educational purpose[J]. Computer Applications in Engineering Education，2013，21（3）：475-483.

[4]刘斐. 基于Simulink的通信系统仿真[J]. 电脑知识与技术，2011，7（7）：1593-1594.

[5]李海峰，李秋英，陆民燕.基于Logistic测试覆盖率函数的软件可靠性建模研究[J]. 计算机研究与发展，2011，48（2）：232-240.

[6]黄光球，赵魏娟，陆秋琴.基于3种群Lotka-Volterra模型的种群动力学函数优化算法[J]. 计算机科学，2013，40（8）：214-219.

[7]常振海，刘薇. Logistic回归模型及其应用[J]. 延边大学学报：自然科学版，2012，38（1）：28-32.

[8]王金良，李慧凤. Logistic种群演化模型的渐近加权周期性[J]. 应用数学学报，2011，34（3）：496-501.

[9]李敏. 真实模型Matlab仿真的过程控制系统实验研究[J]. 浙江工业大学学报，2011，39（2）：168-173.

[10]张金铖，李传东，李超辈. 基于Matlab的忆感器建模仿真及应用[J]. 固体电子学研究与进展，2012（3）：239-245.

[11]Zuliani P，Platzer A，Clarke E M. Bayesian statistical model checking with application to Stateflow/Simulink verification[J]. Formal Methods in System Design，2013，43（2，SI）：338-367.

[12]郝连秀，王浩轩，张亮. 基于Matlab/Simulink的频率合成器模型设计[J]. 计算机与现代化，2013（5）：206-210.

[13]刘佩云. 秃杉人工林立地指数的研究[J]. 林业科技，2011，36（6）：16-18.

[14]李典，杨永. 点隐式龙格-库塔方法的应用研究[J]. 航空计算技术，2011，41（3）：66-70.

[15]韩慎友，钟青. 三阶龙格-库塔时间分裂显式算法的误差分析[J]. 气象学报，2012，70（1）：119-127.

[16]Medina A，Segundo-Ramirez J，Ribeiro P，et al. Harmonic analysis in frequency and time domain[J]. IEEE Transactions on Power Delivery，2013，28（3）：1813-1821.

[17]赵峰. 贵州雷公山秃杉优势种群的生态位特征[J]. 中国农学通报，2012，28（1）：17-23.

[18]Zhou M. Using logistic regression models for selection in non-replicated sugarcane breeding populations[J]. Euphytica，2013，191（3）：415-428.

[19]雒志学，郭金生. 具有扩散和年龄结构竞争种群的最优收获[J]. 数学进展，2009，38（2）：209-219.

[20]陈志阳，杨宁，姚先铭，等. 贵州雷公山秃杉种群生活史特征与空间分布格局[J]. 生态学报，2012，32（7）：2158-2165.

值机数学模型分析与仿真研究篇4

值机柜台行李导入等待时间主要受到收集皮带速度, 系统处理量设计以及其他机械设计等因素约束, 在本论文中主要是忽略行李物理滑移以及其他机械设施对行李运行的干扰的理想情况下, 分析值机柜台导入的数学模型。

Automod是Brooks自动化公司提供的的仿真软件。采用3D实时动画的形式模拟大型以及复杂的工程生产, 装配, 仓储以及机场等离散事件模型。它为分系统控制逻辑、功能以及行李提供有效的仿真解决方案。

1 速度模型

在参数中, 速度定义为V毫米/ 秒, 而位移运算的时候, 需要将速度进行离散化, 因为计算机的扫描时间不是连续的, 其最小时间单元为CPU的每一个扫描周期的执行时间, 其为毫秒, 在匀速运动的时候, 当前扫描周期的速度为v (k) 毫米/ 秒。所以在每一个扫描周期内, 输送机所走过的距离为

因为单位不同, 所以需要进行单位的转换。目标∆ s单位为厘米, 为了实现相同的单位, 实际运算为

其中, , 为上一个扫描周期模10000的余数。因为是一个很小的值, 比如扫描周期为10毫秒, 输送机速度为1000毫米/秒, 则得到的为1 厘米, 当速度小于1000 毫米/ 秒, 则得到的结果每次都为0, 每次累加的时候结果都为0。所以每次速度运算, 都是要加上前一个采样周期的余数, 以确保计算位移的时候, 没有累加误差。

电机运行需要经过加速和减速的过程, 对于需要经常启动和停止的输送机, 运算得到的位移会因为加减速过程中的累加误差, 使得运算得到的位移与实际值偏差很大。因此, 输送机的位移运算也要有加速和减速的过程。

减速过程:假设速度变化是线性的, 速度v从恒定值V减至0, 因此可以得知减速过程的速度变化为, 为减速时间, 为加速度, s是减速距离, 通过程序, 将行李遇到输送机末端光电开关的时候, 就立即发出停止的指令, 这样就得到减速距离s。忽略控制指令从发出, 至电机控制器之间的信号传递时间, 减速距离等于, 由此, 可以得知减速时间。也就得到了输送机的减速时间。

因为假设输送机的加减速过程, 速度为线性变化, 所以可以得知减速过程的减速度为。与匀速过程一样, 采用CPU的循环扫描时间为采样时间, 在前一个扫描周期, 输送机的速度为, 当前扫描周期的速度为根据积分公式可以得知, 在减速第一个扫描周期所走过的距离为:同样为了保持单位一致, 得到:

因为在速度达到稳定的时候, 所以可以得知式2与式3相同的。因此, 单个扫描周期内的位移为式3的结果。

同样, 将行李放置在输送机某一固定位置, 并测得行李前端与PE之间的距离l, 并启动输送机, 行李在输送机末端自动停止下来, 并记录从输送机运转至光电开关检测到行李之间的时间间隔t。该过程中行李从加速到匀速以及停止的过程, 但停止过程的时间已知, 所以是行李加速过程所走过的距离, 用表示。和减速过程一样, 由可以得知输送机的加速度为。

因此, 可以得知输送机的速度和位移模型。速度, 加减速时间为速度模型的关键性参数, 以确保参考模型与实际对象之间的偏差较小。

为了完成行李的导入, 那就要在输送机上采用数据跟踪, 也就是需要得知行李在收集输送线上的位置, 并将相关的信息赋予相应的行李数据。因为收集输送线较长, 且存在多个行李, 就需要采用脉冲发生器来精确定位行李的位置。

脉冲发生器是紧贴在输送机皮带上, 因此检测位置的皮带破损, 编码器的安装是否标准, 以及编码器表面是否存缺陷, 都将影响测量的结果。

脉冲编码器的脉宽对应的输送机的位移为ncm, 采样的周期为m, 在每次采样的时候比较该采样周期中, 由脉宽得到的位移n×mcm, 与程序中运算得到的位移∑∆ s (k) , 如果误差在允许的范围内, 则采用脉宽得到的位移作为基准, 否则视为编码器存在故障。

2 窗口导入及排队模型

2.1 窗口的生成

窗口是用来存放行李数据的虚拟位置, 前面已经得知输送机的位移, 在输送机的头部, 在系统的启动的时候, 也就是时间等于0, 在皮带的头部生成一个未被占用的窗口识别码, 这里定义为-1;该虚拟窗口会随着输送机的位移, 逐渐朝输送机的末端运行, 当其位置大于一个窗口长度的时候, 就会在皮带的头部再生成一个窗口, 空窗口的识别号是一样, 依次生成窗口。如图1 所示。

定义相应的向量空间, 每一个向量包含的元素有标识符和位置, 最大为20 个。

p为行李的位置信息;q为行李的状态信息;

当生成第一个窗口的时候其位置为P0, 该位置用来生成窗口的位置, 该位置一般为0, 有时候因为需要也会将其修改为不等于零的数。

之后该值会不断累加, 这样:

当第二个窗口生成的时候, 则为

同样:

假设一个窗口的长度为LWindow, 简写为LW其中, p2-p1=LW, 一个窗口距离皮带走过需要的时间为:TW=LW÷v1

2.2 窗口的依次生成

当窗口的位置达到光电开关的位置的时候, 数据被清零, 且位置复位。每一个值机柜台都有自己的编号cu, 并且要保证其编号是沿输送机转动的方向递增。总共有C个柜台。

当有一个行李在导入口等待预约导入的时候, 将向其上游的位置 (输送机头部) 查询, 是否有空窗口, 如果有空窗口, 就将其柜台编号加上100, 在乘以-1 之后, 为预约号码nu=- (100+cu) , 写入到查询到空窗口的位置。

窗口的数量为N= L ⁄ LW。柜台数减去窗口数量C-N, 就是初始无法导的行李的数量。这些行李都会在一个队列中排队, 先进入队列的预约号会先写入到收集皮带上, 也就是窗口生成的时候, 检查队列中是否存在数据, 如果有的话就把预约号写入到生成窗口的位置。

2.3 排队模型

排队等待队列的长度小于等于值机柜台的数量, 这样每一个柜台导入的等待时间就会因为其离窗口生成位置的距离、队列的位置以及窗口的大小等因素影响。在满负荷的情况, 即需要排队等待的时候。

最短等待时间为:0;

最大等待时间如下:

假设Pu为每一个柜台距离窗口生成位置的距离。

在队列中的位置ru, 这个值是随机的, 可能是1 至12 之间的某一个值。

因此一个行李导入的时候, 最大的等待时间为:

值机柜台导入的机制是先到达的行李先处理的基本原则。

在收集输送带上, 窗口的数量就是:29.7 ⁄ 3.7=8.02, 也就是8 个窗口。

一个行李在导入皮带上等待的时间范围是:

依次可以得到:如表1 所示。

3 计算机仿真

整个仿真环境由仿真计算机以及底层控制其组成, 主要包括:PLC控制器, Automod仿真计算机, SCADA工作站以及数据分析工作站组成。

其中:PLC控制器用于运行控制程序, 并将控制指令发送给仿真计算机的仿真模型, 仿真计算机模拟输送机以及行李的运行, 并将传感器的信号反馈给PLC控制器。SCADA工作站监视输送机的状态, 并发送控制指令, 事件记录工作站主要记录系统运行过程中的程序事件以供问题分析。

仿真得到行李在每个柜台的等待时间如图2 所示。

最大值为:1:28:50 (11号柜台) ;

最小值为:0:16:55 (1号柜台) ;

最大值与最小值时间的差值是:1:11:55。

平均每个行李的等待时间:

11 号柜台每个行李导入需要的平均时间为:27s;

1 号柜台每个行李导入需要的平均时间为:5s;

由此可知, 第23 号柜台处理行李的时长是13 号柜台处理时间的5.25 倍。

4 结论

由仿真结果可以看出, 在忽略值机操作时间和安检结果等待时间等外界条件的情况下, 系统满负荷运行, 因为排队距离的远近会导致值机服务时间的不同。使得乘客满意度会因为柜台的分布而不同。因此, 需要优化其控制算法模型, 使得行李导入等待时间最优。

摘要：机场值机过程是一个典型的队列系统, 需要采用流量分析和队列理论。本文首先分析值机过程, 并建立值机过程的速度、窗口生成、队列以及导入数学模型, 并将这些模型应用于程序。同时采用Auto Mod仿真软件建立其仿真模型。结合该仿真模型获取运行数据, 并分析运行数据, 优化数学模型为优化系统运营管理提供有力的方法。

关键词：值机,队列,窗口,生成,仿真

参考文献

物流枢纽中心沙盘仿真模型篇5

《物流枢纽中心仿真模型方案》是以需方的提供的制作要求、规格尺寸为基础，结合我公司实际生产经验和我公司独特的工艺技术编写而成。其显著特点是：①模型可部分结构实际仿真运行②结构齐全，综合性强，一体多用，接合自然，形象逼真。该模型是以我国已建成的单个工程实例为原型，从中选出一定的范围集中组合在一起，主要可反应目前世界上常见几种物流运输工具和几种组合仓储形式。

第二章基本构造

一、外形尺寸

根据需方实验室的合理布局，模型尺寸可作灵活变动，模型暂以矩形方式，主体面积为4m×6m总高度为0.9m，这种布局更能使学生能够看清每一区域的结构布置及其相互关系

二、沙盘

1、陆地。为整个沙盘的效果更接近真实，模型上在适当的位置设有山丘、平川、水域、公园等。山丘的范围虽不能大，但在沙盘中能起“画龙点睛”的作用。地形可严格按地形图上的等高线、标高及座标，按比例进行制作，模型整体设计成丘陵平原的布局效果。模型山体最高处为80mm,平原最低处20mm（不含底座高600mm）。

2、水域。为表现航运码头基本情况，模型上除具备码头的基本特征外，水域部分用九夹板托起，比基本平面低40mm，然后用化工复合材料在上面做成浅兰色底部，一次性成形，确保不开裂；宽约400mm，长约

1200mm，宽阔的水面上有一艘集装箱货轮正在装卸货物。

3、组装。为搬运与装卸的方便，模型分为多块组合式，组装时用螺栓把多段模型连为一体，使模型既能分体灵活，又能组成整体，不影响外貌，达到美观逼真的效果，且通过尖锤敲击试验，坚实可靠。

三、各部分的设施与布置

1、航运

航运码头，从面积上约占模型总面积的2/5，右面大部分地方。它主要包括一条万吨级的集装箱货运船只、两台可在专用轨道移动的集装箱吊车（吊车的水平吊臂可伸展）、装卸散货用的水平螺卸料机和传送带、分有放置两种规格集装箱的堆场及其编排场、堆放散货（如木材、煤等货）的堆场，还有用不同颜色区别的几种类型的仓库、四通八达的公路和汽车通道、隔离墙、绿化风光带。另外，办公楼、保卫传达室、控制了望塔、宿舍楼及其它附属设施也一应俱全。

所有建筑物均按统一比例进行缩放，采用一种新型进口塑胶材料，经过电脑精雕机雕刻，成型，专用油漆分色喷涂，使其在设施程度上达到更加精细和光洁，再配以灯光装饰，突出表现现代建筑的造型与质感。

2、空运

飞机是现代最快捷的物流运输工具，他的重要性越来越受到人们的关注，另外考虑到飞机跑道的长与宽比例基本协调，模型上将其布置在正前方，就模型长边以长条形布置，以突出其重要性和满足其布置条件。主要包括：五架以上多种类别的飞机、跑道、滑行道、引导车、停机坪、塔台（高约300）、航站楼、候机登机楼、航管楼、货运楼、航空集装箱堆场、邮件库和货场仓库等按其功能分块布置。其它附属设施设备如：

引航灯、助航灯、路标指示灯等也应有尽有。

如航站楼等所有建筑物均按统一比例进行缩放，采用一种新型进口塑胶材料，经过电脑精雕机雕刻，成型，专用油漆分色喷涂，使其在设施程度上达到更加精细和光洁，再配以灯光装饰，突出表现现代建筑的造型与质感。

3、铁路运输

在模型的上方，长边方向并列布置了四条形象逼真合金材料制作成的铁路，为更贴近真实，铁路有交叉、有分支，有聚有散。铁路上制作了一列）火车，火车可自动往返真实运行。可在专用轨道上移动的并横向跨越两条铁路的龙门吊车,区域中部有为货运中转的办公服务大楼，两端分别布置进出货检拣处、理货场、进出货仓库等。站内汽车可通往各个货物进出场和进出库。

另外，还配有相应的装载机械（正面吊等）、输电、照明、检修间等。

建筑物的制作办法与上述相应部分一致。

4、公路运输

公路运输是最灵活、最广泛的一种物流工具，最适宜于目标分散的，量小的货物运输。模型将公路运输部分布置在中间位置，并深入各个区域之内，有一条高速公路进入区间中心，一则说明现代公路运输的特色，二则可体现公路运输与其它几种运输方式的相互关系和其特有功能作用。

根据其具体需要，模型上也设有几种形式的货运汽车。货物堆放也

同样分门别类的按区域放置，散货区、集装箱区、仓库储藏区。适应汽车装卸的种装载机械尽行制出。配套的停车场，管理处、办公处、保卫处、理货场、生活服务楼等也必不可少。

5、仓储与管理

整个模型仓储已占据了很重要的位置，各个区域内都有不同形式的仓储区，它的布置很有讲究，合理的布置，精心的设计，对规范化的管理起着置关重要的作用。

6、其它设施

为进一步完善模型的功能，模型上还专设了一块区间，为海关。主要有海关大楼、出入境办事处、报关点、监管处、商检处、卫生检疫、船代、货代、保验、拼箱处及海关临时堆货场等。

模型底座也是一个不可勿视的部分，我们以高档双面铝塑板为主要外部装饰材料，四周都有典型的造型，既可衬托主题，又能独具风格。

人员应急疏散仿真模型比较篇6

关键词：应急疏散仿真；社会力模型；网络模型；网格模型；元胞自动机

中图分类号：TP391 文献标识码：A 文章编号：1671-864X（2016）01-0150-01

公共场所人员密集，突发险情时，人们本能地会尽快离开危险地带，可能导致相互挤压、踩踏，发生群死群伤事故；或者虽无险情，但有人失稳摔倒时，也易造成有序的人流出现紊乱，致使惨剧发生。对此，如何避免，能否事先预估，是学者们多年来研究的方向，并逐渐发展出一套理论。其中，关于人员应急疏散的理论称之为疏散动力学，而人群疏散行为的计算机仿真实现则是疏散动力学研究的一个主要内容，也是目前研究的热门，有多种仿真模型和相关的软件问世，有的已实现商业化。总体来看，人群疏散行为仿真模型可以分为连续型、离散型和复合型。

一、连续型疏散模型

主要有磁力模型和社会力模型。磁力模型把人员个体、障碍物、出口等视为磁体，被赋予正负极，同性相斥，异性相吸。社会力模型是目前研究最多的模型，由Dirk Helbing等在Kurt Lewin的研究基础上提出。Kurt Lewin将格式塔心理学的理念扩大到社会情境，提出了著名的行为公式：B=f（PE），表示行为（B）是随人（P）与环境的变化（E）而变化的。基于此，Dirk Helbing等提出的社会力模型[1]给出了个体之间、个体和物体之间相互作用力的计算式和在恐慌时人流的动态特征模型。其他学者又进行了不断完善，如F. Zanlungo等研究了人们为避免碰撞而不断调整自己的运动轨迹[2]。只要考虑足够多的因素，社会力模型就能对人群疏散中个体动力学特征作出近似真实的刻画，据此编写的计算机程序甚至能够模拟出人群运动呈现的复杂自组织现象，但计算的复杂性也是显而易见的。

二、离散型疏散模型

主要采用网络模型和网格模型。网络模型将疏散空间抽象为多个网络节点，如通道、楼梯间、出口等，节点之间连接是既无距离、又无面积的假象空间，人员在各个网络节点的移动按排队模型处理。网格模型则将人员集聚的空间划分为许多网格，人员的移动以对网格的占据和释放来表示。在模型空间的划分方法上有粗网格和细网格两种，粗网格类根据建筑物的格局进行划分，在同一模型中网格的面积、形状会有所不同，如EVACNET +软件[3]；而细网格类则是用正方形、六边形等网格把整个建筑平面分割成同样形状和面积的网格，如著名的Building EXODUS过程模拟软件。在处理人员特性和行为特征方面，一种是把人群看作均质整体，个体特性相同，采取同样的移动策略；另一种则是考虑了个体差别，不同特质的个体有不同的移动策略。显然，前一种有更快的运算速度，后一种则更为精确。

三、复合型疏散模型

何大治等基于粗糙网络建立了一种基于多层次子空间的人员疏散仿真模型[4]，将整个模型空间划分为多个独立的子空间，按照位置和安全程度的不同子空间被赋予不同的等级，人员疏散就是一个从低等级子空间向高等级子空间移动的过程。这种模型吸收了粗糙网络模型和连续模型的一些优点，具有进一步研究的价值。袁建明等还提出了人员疏散的网络网格复合模型[5]，将整个模型空间分为网格模拟区域和网络模拟区域，网格模拟区域中的每个单元划分成了许多网格，每个疏散个体在建筑单元内的位置用平面坐标表示；而网络模拟区域中的每个单元则被划分成一个网络节点；引入特征长度这个概念参数将网络空间和网格空间联系起来。该模型集中了网格方法和网络方法的优势。

四、主要疏散仿真方法

元胞自动机是人群应急疏散仿真的一种重要方法。元胞自动机（CA）由冯诺依曼发明，是时间和空间都离散的动力系统。散布在规则格网中的每一元胞（Cell）取有限的离散状态，遵循同样的作用规则，依据确定的局部规则作同步更新。大量元胞通过简单的相互作用而构成动态系统的演化。Burstedde C等将二维元胞自动机应用于对行人运动状态的模拟，网格中人员向周围移动的概率是动态变化的。Ruggiero Lovreglio等还提出了一种基于似然函数优化的场域元胞自动机模型。鉴于二维的元胞自动机模型无法表现地面高程的变化，国内学者提出一种基于2.5维的元胞自动机的人群疏散模型，可以使用二维平面来描述三维空间状态。

格子气模型基于元胞自动机原理将流体在时间、空间的流动进行离散化处理，使其被考虑成只有质量而没有体积大小的粒子，粒子在各格子之间按预先给定的相互作用规则移动，并符合三大守恒定律。格子气模型具备并行性和时空局部性的优点，可通过一些简单的规则演化出高度复杂的结果。传统的格子气模型中，每个格子的尺寸大小与每个人员的大小相当。在此基础上，发展了非均匀移动的格子气模型，每个人员周围的格子是动态的，和人员的实际运动紧密相关，更加符合高密度人群的疏散。还有学者提出了一种多格子模型，进一步细化了空间网格，行人可同时占据多个网格，以格子的重叠来量化行人间的挤压与受力，当格子无限细化时，行人的移动接近于连续。

五、展望

人员应急疏散仿真是多学科的综合运用，计算机学、社会学、心理学、安全学、行为学和系统学等原理和方法与之深度融合将促其向深度发展，而在更多的具体场景中的应用将促使向广度发展。在具体的模型构建方面，一是从心理学、社会学和行为学等角度进一步探索个体、群体在受限空间内应急条件下的心理状态和行为规律；二是构建更为精确的数学表达式来刻画人的行为和运动过程，由于连续型模型比网格模型更准确地描述了人的行为和运动过程，随着计算机运算速度的提高，基于社会力模型的连续型仿真模型将获得重视；三是研究更为优良的算法，在同样的计算代价情况下考虑更多的影响因素。

参考文献：

[1]D. Helbing and P. Molnár. Social force model for pedestrian dynamics[J].Phys. Rev. E， 51： 4282-4286，1995.

[2]F. Zanlungo， T. Ikeda and T. Kanda. Social force model with explicit collision prediction[J]. EPL， 93 （2011） 68005.

[3] Kisko T M ， Francis R L.EVACNET +：A Computer Pr og ram to Determine Optimal Evacuation Plans [ J ] .FireSafe ty Journal， 1985 （9）：211-222.

[4]何大治，谢步瀛. 基于子空间网络的人员疏散模型[J]. 工程图学学报， 2009年第2期：96-100

车辆轮胎动力学仿真模型分析篇7

轮胎是车辆与与地面之间力传递的媒介,轮胎的力学特性直接关系到汽车的行驶稳定性及转向性能。轮胎是一个非线性力学部件,轮胎的侧偏特性在很大程度上决定着车辆的操纵稳定性,行驶过程中轮胎所受的回正力矩、纵向力、侧向力与轮胎侧偏角、横向滑移率、纵向滑移率之间的力学关系都是需要研究的对象。因此,对轮胎动力学模型的研究对汽车整车动力学性能的分析以及轮胎新产品的开发都有实际意义。轮胎试验台(tire testing)是ADAMS2007版本开始新增的一个轮胎特性参数可视化工具,常用于轮胎特性的研究以及不同模型间的比较。

1、轮胎力学理论及其数学模型

建立轮胎模型的方法分为三种:

(1)物理模型在分析轮胎的力学特点后,通过合理的物理简化,轮胎结构被近似看成由若干物理结构组成的模型,并且用该物理模型的变形代替轮胎的变形。此类轮胎物理模型的特点是比较复杂,优点是此类模型具有明确的解析表达式,可用于轮胎常规特性的探讨,但由于轮胎的实际结构很难用物理模型精确表示,所以此类模型精度较差,且计算繁复。

(2)经验—半经验模型这种模型是基于试验数据的一类模型。目前广泛应用的有H.B.Pacejka教授提出的Magic Formula (魔术公式)公式,利用魔术公式已经发展出多种使用模型,比如Pacejka89、Pacejka94以及MF-Tyre和MF-Swifi,此类模型还有吉林大学郭孔辉院士利用指数函数建立的统一轮胎半经验模型UniTire,目前这类模型应用最广泛且精度较高,主要应用于车辆的操纵动力学方面的研究。

(3)有限元模型首先需要轮胎结构详细的物理描述,包括轮胎的几何参数和材料特性。在精确地建模后,可以较准确地反映出轮胎的稳态以及动态响应特性。但是轮胎与地面的接触模型很复杂,建立轮胎模型的同时还需要建立不平路面模型,数据比较庞大,仿真占用计算机内部运算资源较大,在现阶段利用此种模型进行轮胎力学仿真还不实际,还处于研究阶段。目前主要应用于轮胎的设计与制造阶段。

1.1 Fiala轮胎模型

Fiala模型是德国汽车专家Fiala提出,是一种物理解析模型。在Fiala模型中,轮辋、胎冠、胎体分别被简化成刚性圆板、一个由弹簧支承的圆环梁、由支撑于圆板上的弹簧。然后作如下假设:轮胎外倾角不影响轮胎力;轮胎接触印记为矩形;接触印记内压力分布均匀;轮胎的松弛效应忽略。利用此类轮胎模型仿真时,一般不把内倾角作为主要影响因数,同时认为纵向滑移和横向滑移不会同时发生,对于简单的汽车操稳性分析可得到较为理想的结果。

1.2 魔术公式轮胎模型

本论文介绍了两张魔术公式轮胎模型,Pacejka89和Pacejka94轮胎模型。这两种模型是魔术公式的主要提出者H.B.Pacejka教授根据其发布的年限命名。目前ADAMS已经把Pacejka89和Pacejka94两种轮胎模型收录在它的轮胎文件库中。魔术公式是用三角函数的组合公式拟合轮胎试验数据,用一套形式相同的公式就可以完整地表达轮胎的纵向力Fx、侧向力FY、回正力矩Mz、翻转力矩MX、阻力矩MY以及纵向力、侧向力的联合作用工况,故称为“魔术公式”。魔术公式的一般表达式为:Y (x)=D{Dsin[Carctan(Bx-E(Bx-arctan(Bx))]}式中Y(x)可以是侧向力,也可以是纵向力或者回正力矩,自变量x可以在不同的情况下可分别表示轮胎的侧偏角或纵向滑移率,式中的系数B、C、D依次由轮胎的垂直载荷和外倾角来确定。由于魔术公式是基于试验数据的经验-半经验模型,除了在常规试验范围内拥有较高精度的拟合度外,在一些极限工况下仍可以使用,因为可以通过对有限工况进行外推得到并且拥有一定的置信度。魔术公式轮胎模型目前在研究机构和企业中利用范围很广,有成为轮胎工业标准的趋势。

1.3 轮胎坐标系与地面作用于轮胎的力和力矩

2、仿真试验

在MSC.ADAMS/CAR中,集成了一个用于评估单个轮胎在各种激励和其他条件下特性的试验台(tire testring)。轮胎试验台在某种程度上可以说是轮胎属性文件图形化工具,轮胎试验台是ADAMS新版本中新加的一个轮胎特征参数可视化工具,常用于轮胎特性的研究和不同模型的比较。

2.1 单轮模型仿真

使用如图1所示的单轮测试台,单轮试验的优点是避免车身和其他车轮的运动影响,从而可以忽略次要矛盾突出主要矛盾,有利于更直观地考察轮胎模型本身的仿真能力和试验结果。虚拟的轮胎试验台中有一个包括轮胎的车轮,车轮安装在心轴上并通过弹簧、预加载的单作用力、固定高度心轴与试验台的平台轮面接触。

2.2 两种不同轮胎模型的比较分析

启动ADAMS/Car,单机Simulate菜单,选择component analysis/tire testing启动轮胎试验台。单击File/Open,在共享数据库中选择分析文件选择combined_slip_test文件,展开后如图2-3所示。

试验数据设置:轮胎模型选用的Fiala和一种魔术公式轮胎模型(pacejka'89)。

路面类型设置为flat_road (平路),初始纵向速度设置为20m/s,轮胎自旋运动设置为long_slip_sweep,车轮静载荷为3000N,在Fiala和pacejka'89模型下的两组数据的试验台摆动角分别设置为2,5 degree。

在tire testing中,可以通过轮胎文件设置轮胎的侧偏角、轮心的纵向速度、侧倾角及轮胎的滑移率等数据,从而模拟轮胎的复合使用工况。本文关注于这两种轮胎对汽车操作稳定性的影响,所以对侧向力与纵向力、纵向力与纵向滑移率、回正力矩与纵向滑移率等力学之间的力学关系进行仿真。仿真曲线如图2～图7所示。

结果分析:

在图2-3侧向力与纵向力试验中,魔术公式模型的曲线更接近实际情况,纵向力愈大侧向力愈小且图形呈明显的半椭圆形,Fiala模型不能很好地反映椭圆曲线的趋势;在图2-4中,魔法公式模型在滑移率在15%～20%处纵向力最大,很好地验证了ABS的工作原理(滑移率在15%～20%,制动效果可以达到最佳),Fiala模型曲线无法说明ABS的原理;在图2-5中,当纵向滑移率接近100%即车轮抱死情况下,pac89模型的曲线回正力矩接近于0,且曲线在零纵向滑移率两边对称,符合实际情况,而Fiala模型不能很好地反映实际情况。Pac89模型的力学曲线在各设置参数下仿真结果较为接近实现结果,Fiala是一种解析模型,所需的试验测试数据也较少,模型的精度相对于魔法公式模型差。

2.3 pacejka’89模型在载荷不同情况的动力学分析

在此仿真是试验中,选用pacejka'89,把static load分别设置成2500,3000、3500和4000N,分析在这在不同载荷下的动力学特征。

从仿真结果可以看出,在低静态载荷下,滑移率条相同时,载荷越大,侧向力也愈大;随着滑移率的增大,侧向力减小直至趋于0。当载荷较大时,也就是超载,当车轮出现滑移时,侧向力和回正力矩均变得很不平稳:超载条件下,在很小的滑移率条件下,侧向力和回正力矩几乎为0,此时汽车抱死并且汽车失去回正能力。

3、结论

与Fiala轮胎模型相比,在侧向力与纵向力、纵向力与纵向滑移率、回正力矩与纵向滑移率等力学仿真试验中,魔法公式模型与实际使用情况更接近,说明魔术公式轮胎模型适用性良好,与普通轮胎的力学性能拟合度高。并验证了汽车在超载情况下,汽车侧向力和回正力矩变得很不稳定,在很小的纵向滑移率下,汽车就容易达到抱死状态。

摘要：分析了各种常用轮胎模型的特点和利用范围,介绍了ADAMS中轮胎试验台(tiretesting)这一轮胎参数可视化工具,利用这一工具分析比较一种物理轮胎模型与一种经验-半经验轮胎模型间关于侧向力与纵向力、纵向力与纵向滑移率、回正力矩与纵向滑移率的力学特性,针对一种魔术公式轮胎模型验证了侧向力和纵向滑移率、纵向力和纵向滑移率在不同载荷下的力学关系特性。

关键词：轮胎,tire testing,力学仿真

参考文献

[1]余志生.汽车理轮[M],北京:机械工业出版社,2002.

[2]陈荫三,余强.汽车动力学[M],清华大学出版社,2009.

[3]王洪礼,任炜,乔字.汽车轮胎动力学特性研究[J],机械强度,2002.

[4]MSC.ADAMS/CAR培训教程MSC.Software公司北京办事处2008.01.

[5]范成建,用于车辆动力学仿真的轮胎模型2009.

车辆间通信信道的仿真模型分析篇8

随着无线通信技术的发展, 人们对无线通信应用的范围和需求也随之扩展。作为智能交通系统研究中关键性的热点, 车辆间通信越来越受到关注。车终端之间的通信带来了许多新的应用, 如在加强道路交通安全上和减少交通对环境影响的应用[1]和商业服务以及车载娱乐中的应用[2,3,4]等。传统的车辆间通信系统需要架设交通信息中心来实现用户的接入, 这不仅需要较大的基站辐射功率, 而且网络中可能会存在传输的盲点, 组网不够灵活。近年来人们试图将协作中继技术用于车辆间通信系统, 以期望实现车辆间通信在没有交通信息中心的情况下灵活可靠地运作[5]。要研究快速变化信道中的车辆间通信, 需要一个良好的在真实环境里测试过的物理层信道模型。

车辆间通信系统中的车终端与路边设施之间的信道属于平坦衰落信道, 信道模型可采用传统平坦衰落信道模型, 如瑞利信道、Nakagami信道、莱斯信道等。而由于车终端间环境和通信方式的特殊性, 如信道的快速时变性、收发终端同时移动性和车终端天线较低等, 车辆间的信道统计特性与传统的蜂窝无线网络有非常大的区别[6,7,8]。因此, 找到合适的车辆间自组织网络信道模型仍然是一个研究的热点。文献[1]致力于网络层仿真与物理层仿真的结合研究, 介绍了3种车辆间通信信道。文献[6]基于测试结果, 提出了对5 GHz带宽的车辆间信道的技术规范。文献[7]描述了比较常用的信道模型方法, 并侧重描述了统计性模型和基于地理信息的信道模型。

本文对在仿真中常用的3种车辆间信道的模型进行介绍, 对其统计模型、适用场景等进行分析, 并给出误码率的性能仿真结果。

1 无线信道的特征

在无线通信系统中, 信源发射的电磁波经过不同的路径到达目的接收端, 会产生“多径效应”。多径效应是发送电磁波与环境中的物体相互影响所造成的结果。在多径传播的条件下, 由于不同路径的信号到达接收天线的时间不一样, 因此接收的信号是由多个时延信号构成, 会产生时延扩展。时延扩展是衡量多径传播信道质量的一个重要指标, 具体定义为最大传输时延与最小传输时延的差值。在多径信道中, 均方根 (RMS) 时延扩展τRMS是量化时延扩展最常用的参数, 其定义为

$τ_{R Μ S} = \sqrt{\overset{—}{τ^{2}} - (\bar{τ})^{2}} (1)$

式中:τ为信道的多径时延; $\bar{τ} = \frac{\sum_{k} Ρ (τ_{k}) τ_{k}}{\sum_{k} Ρ (τ_{k})}$ 为平均附加时延且为功率延迟分布的一阶矩; $\overset{—}{τ^{2}} = \frac{\sum_{k} Ρ (τ_{k}) τ_{k}^{2}}{\sum_{k} Ρ (τ_{k})}$ , k为路径数, P为功率延迟分布。

时延扩展是由多径传播引起的现象, 而相干带宽Bc是由均方根时延扩展得出的一个确定关系值。相干带宽是在一定范围内的频率的统计测量值, 该频率范围内的任意两个频率分量受到的信道影响具有很强的相关性。若相干带宽内的各频率分量的相关函数值大于0.5, 则相干带宽Bc与RMS时延扩展τRMS有如下关系[9]

$B_{c} \approx \frac{0.2}{τ_{R Μ S}} (2)$

如果发送信号带宽小于无线信道的相干带宽, 那么接收信号经历的衰落过程就属于平坦衰落过程。在平坦衰落下, 信道的多径特性会使发送信号的频谱结构在接收端保持不变, 而多径信道增益的起伏, 会使接收信号的强度随着时间变化。如果发送信号带宽大于信道的相干带宽, 那么该信道特性会使得接收信号产生频率选择性衰落, 并带来符号间干扰。

以上考虑的都是没有移动性的无线信道特性。当移动台与基站之间存在相对运动或信道路径中的物体处于运动中时, 多径信道就会表现出时变特性。这种时变特性由多普勒扩展[10]和相干时间进行描述。

多普勒扩展BD是由移动通信信道的时变速率引起的频谱展宽程度的度量值[11,12,13]。如当发送信号频率为fc时, 若收发端间存在相对运动, 则接收信号频率会发生偏移, 即多普勒频移。多普勒频移是移动台的相对速度v、移动台运动方向与散射波到达方向之间夹角θ的函数, 即fd=vcosθ/λ, 其中λ为载波波长。接收信号频谱展宽的大小依赖于多普勒频移fd。

相干时间Tc是在时域对多普勒扩展的表示, 其与最大多普勒频移成反比, 即

$Τ_{c} \approx \frac{1}{f_{D_{\max}}} (3)$

式中, fDmax是最大多普勒频移。相干时间是信道脉冲响应维持不变的时间间隔的统计平均值。在此时间间隔内, 两个到达信号所受到的信道的影响具有很强的相关性。如果信号符号周期大于信道相干时间, 那么在信号的传输中, 信道特性会发生改变, 产生时间选择性衰落。

2 车辆间信道分析

车辆间通信主要有两种方式:一种是车终端与路边设施的通信;另一种是车终端之间的通信。如图1所示, 其中S为路边设施, M1, M2为两个不同的车终端。车终端与路边设施的通信信道可采用传统的衰落信道模型, 如Nakagami信道、瑞利信道或莱斯信道模型来描述, 本文不再进行介绍。本文主要对车终端之间通信的信道模型进行介绍。

车辆间通信的环境主要有城市环境和郊区高速环境两种, 车辆间通信系统可分为窄带通信系统和宽带通信系统。在城市环境中的交通拥挤路段, 由于车辆行驶速度较慢, 可假设车终端间通信系统为准静态的窄带系统;而在城市环境交通非拥挤路段或在郊区高速环境中, 车辆以较高速度行驶, 车辆间信道时变较快, 多普勒频移现象较明显, 车终端间通信系统为宽带系统, 车辆间信道可看成是双选择 (即同时具有时间选择性和频率选择性) 衰落信道。

2.1 车辆间通信的窄带系统

在城市环境中的交通拥挤路段, 车辆行驶较为缓慢, 而又比传统的移动终端快, 当移动终端的覆盖范围在几十个载波波长之内时, 信道状态可认为是准静态的[14]。一般性的车辆间通信散射模型[15]如图2所示。源终端S和目的终端D都处于移动状态, 并且装配的天线高度水平位置较低。周围环境中不同物体会使源终端发送的信号发生散射, 目的端接收到不同时延和衰落的信号。图2中, 相互通信的两个车终端的周围各有一组各向同性分布的散射体, ss1, ss2, …, ssN表示源终端周围的散射体集, ds1, ds2, …, dsM表示目的终端周围的散射体集, dsd为源终端S和目的终端D之间的距离, Rs和Rd分别为源终端和目的终端的平均散射半径。假设Rs和Rd相对于dsd都很小, 当两车终端之间的距离足够大, 即Rs+Rd≪dsd时, 可认为两组散射体之间相互独立。这样就在发送端和接收端分别产生N个和M个衰落过程, 即发送终端到其周围散射体ss1, ss2, …, ssN的衰落过程和接收终端周围的散射体ds1, ds2, …, dsM到接收终端的衰落过程, 当这两组衰落过程都分别合成为Nakagami衰落过程, 那么发送端和接收端之间的信道为级联Nakagami信道[16,17];当发送端和接收端的衰落过程分别合成为瑞利衰落过程, 那么它们之间的信道为级联瑞利衰落信道[18]。

2.1.1 级联Nakagami衰落信道

在城市环境中的交通拥挤路段, 车终端周围均匀分布着散射体, 若在源车终端周围和目的车终端周围分别产生两组Nakagami衰落过程, 那么发送端和接收端之间的信道为级联Nakagami信道。

如图3所示, 级联Nakagami信道衰落因子hSD服从级联Nakagami分布。该衰落因子为两个统计独立服从Nakagami分布的随机变量的乘积, 即对于源端S到目的端D链路有hSD=hSD1hSD2, 其中hSD1和hSD2服从参数不同的Nakagami分布。

hSD的概率密度函数为

$f_{h} (h) = \frac{2}{h Γ (m_{1}) Γ (m_{2})} G_{0, 2}^{2, 0} (\frac{m_{1} m_{2} h^{2}}{Ω_{1} Ω_{2}} |_{m_{1}, m_{2}}^{-}) (4)$

式中:ml是与信道衰落程度有关的参数, 且l=1, 2, 当ml=1时, 式 (4) 就简化为级联瑞利分布, 方便起见省略了下脚标SD;Γ (·) 是伽马函数;G $_{0, 2}^{2, 0}$ 是Meijer G函数, Meijer G函数是一种特殊函数, 其一般性定义为

$\begin{array}{l} G_{p, q}^{m, n} (\begin{matrix} a_{1}, \dots, a_{p} \\ b_{1}, \dots, b_{q} \end{matrix} | z) = \\ \frac{1}{2 π i} \int_{L} \frac{\prod_{j = 1}^{m} Γ (b_{j} - s) \prod_{j = 1}^{n} Γ (1 - a_{j} + s)}{\prod_{j = m + 1}^{q} Γ (1 - b_{j} + s) \prod_{j = n + 1}^{p} Γ (a_{j} - s)} z^{s} d s (5) \end{array}$

式中:0≤m≤q, 0≤n≤p且m, n, p和q都是整数;对于k=1, 2, …, n和j=1, 2, …, m, 有ak-bj≠1, 2, 3, …, n;z≠0[19]。

2.1.2 级联瑞利衰落信道

在城市环境中的交通拥挤路段, 车终端周围均匀分布着散射体, 若在源车终端和目的车终端分别形成两组瑞利衰落过程, 那么发送端和接收端之间的信道为级联瑞利信道[17,18,19,20,21,22]。

在非视距通信的前提下, 假设发送端和接收端周围的散射体数目足够大, 即N和M的值都远大于1, 级联瑞利信道的转移函数可表达为两个复高斯独立随机过程的乘积[23,24], 即

$h (t) = α \cdot γ (6)$

式中:α和γ是均值为0的复高斯随机变量。该转移函数的模值的概率密度函数为

$p (| h |) = 4 | h | Κ_{0} (2 | h |) (7)$

式中:K0 ( ) 是修正后的第二类零阶贝塞尔函数[25]。修正后的第二类零阶贝塞尔函数积分表达式为

K0 (x) =∫∞0exp (-xcosh t) cosh (αt) dt (8)

式中:cosh为双曲余弦函数。

2.2 车辆间通信的宽带系统

在城市环境中的非拥挤路段或在郊区高速环境中, 两车终端周围各向同性地均匀分布着散射体, 车上的天线高度是处于较低水平位置的。一方面, 在该环境下车终端的高速移动性, 使得传输信道特性快速变化, 在一个符号周期内信道的快速变化, 会产生信道的时间选择性衰落。发射机和接收机之间的相对运动会导致信道快速时变, 且移动速度越快, 信道的时变特性越显著。另一方面, 由于数据率越高, 符号周期越短, 信号带宽越宽, 当信号带宽大于信道的相干带宽时, 将产生频率选择性衰落。当车辆高速移动时, 目前的通信系统往往只能提供低速率传输服务, 难以实现高速率的数据传输[26]。如果此时信道满足2fdτd<1, 那么该信道可被认定为双选择衰落, 其中fd为多普勒扩展, τd为时延扩展[27,28,29,30]。在此情况下, 时频双选择性衰落对车辆间通信的影响较大。

文献[26,27,31]提出基扩展模型 (BEM) 适合作为双选择衰落信道的仿真模型, 该模型由式 (9) 给出。对于接收到的信息序列, 将其以Ts为采样周期进行采样, PTs为数据块间隔, 即每个数据块包括P个采样符号。利用实际信道的多普勒频率扩展的有限带宽性质, 把一个数据块内的时变多径信道变化, 用数量很少的块内时不变的参数来描述。基扩展模型表达式为

h (i; $l) = \sum_{q = 0}^{Q} h_{q} (p$ ;l) ejωqi, 0≤l≤L, 0≤p≤P (9)

式中:h (i;l) 表示第i个符号每一径上的信道增益;ωq=2π (q-Q/2) /P;L=└τmax/Ts」, τmax是最大时延扩展;Q=「fmaxPTs┐, fmax为最大多普勒频移。式 (9) 用Q+1个Fourier基来捕获每一径上的时变特性, 也就是说每一径的时变信道, 用Q+1个基的系数表示, 通常Q的取值很小 (2或4) , 那么用较少数量的 (Q+1) (L+1) 个系数hq, l就可以描述整个块内时变多径信道。

3 各信道性能的仿真

3.1 Nakagami信道、瑞利信道与级联Nakagami信道、级联瑞利信道性能

仿真时, 发送信号均采用BPSK调制, 假设接收端已知信道状态信息, 信道噪声为高斯白噪声。Nakagami信道仿真时, 参数m分别取值0.5和2, 方差为1[32];级联Nakagami信道衰落因子由两个服从Nakagami分布的变量相乘得来, 这两个变量的均值m同取0.5和2。瑞利信道即m=1时的Nakagami信道, 级联瑞利信道即两个m值同时取1时的级联Nakagami信道。仿真结果如图4所示。

由图4中曲线对比可知, 随着参数m的增大, 级联Nakagami信道误码率逐渐降低。级联Nakagami (m=2) 信道的误码率比级联瑞利信道低, 而级联Nakagami (m=0.5) 信道误码率比级联瑞利信道的高, 并且随着m值和信噪比值的增加, 误码率之间的差别都在逐渐增大。由此说明, 随着参数m值的增加, 级联Nakagami信道的衰落程度在减小。在m值取相同值时, 级联Nakagami信道的误码率性能比Nakagami信道的要差, 说明此时级联Nakagami信道比Nakagami信道的衰落程度更深, 车辆间通信信道比传统的移动通信信道有更严重的衰落。

3.2 双选择信道性能分析

针对双选择信道的情况, 文献[26]提出了一种用于信道估计的优化训练序列的设计方案, 随后仿真了该信道的误码率性能, 并与理想信道特性估计时的误码率进行了比较, 如图5所示。仿真中采用的系统:信道估计的数据块长度为300个符号, 每个传输数据块进行1次信道估计, 载波频率fc=2 GHz, 符号采样周期为10 μs, 最大移动速率为160 km/h, 根据Q=2「fmaxPTs┐, 计算得到Q=2。假设信道经过7条径 (L=6) 的瑞利衰落信道, 信道各径延迟功率相同, 信道总能量归一化, 系统采用QPSK调制, 采用MMSE均衡算法进行均衡。

由图4和图5对比可知, 信道理想且已知时的双选择信道的误码率性能优于级联瑞利信道。这是由于对于双选择衰落信道模型, 在信道信息为理想已知的前提下, 发送的信号经过7条瑞利信道到达接收端, 在接收端进行均衡出来后, 可形成分集效果, 使得接收到的信号得到加强, 因此信道理想且已知时的双选择信道性能要优于级联瑞利信道。另外, 从图5可知, 利用优化训练序列估计得出的信道信息进行均衡, 与利用理想信道信息进行均衡的系统间在误码性能上有3 dB以上的差距, 表明信道估计的性能对双选择信道系统性能有较大的影响。而在实际应用中, 由于信道衰落的快速变化, 信道估计困难, 会存在较大的估计误差, 因而双选择信道环境下的车辆间通信系统的误码性能实际上要远比图5中理想已知信道信息时的性能差。

4 小结

本文介绍了无线信道的特征和移动无线信道的特点以及它们主要的物理层影响, 重点描述了3种常用的车辆间通信信道的特征, 并对其进行了误码率的性能仿真。仿真结果表明, 相比较一般的无线信道, 车辆间通信信道的衰落更为严重。另一方面, 车辆间通信环境不同时, 信道的性能也存在很大的差别。因此, 对于车辆间通信进行研究时, 应根据不同的环境选用适合的信道模型。

无人机通信信道模型仿真分析篇9

无人机[1](UAV,Unmanned Aerial Vehicle)是一种机上无人驾驶、可重复使用的航空器简称。与传统卫星通信和移动通信相比,无人机通信具有三个特点:

1)信号动态变化范围大;

2)多普勒频移大;

3)电磁干扰比较强。

无人机通信系统属于无线通信,其电波在无线信道中的反射、散射和绕射等特点,使得发射机和接收机之间存在多条传播路径,并且每条路径的传播时延和衰落因子都是时变的,造成了接收信号的衰落,因此多径衰落是无人机通信信道的主要特点。

无线信号随接收机与发射机之间的距离不断变化即产生了衰落,根据发送信号与信道变化快慢程度的比较,信道可分为快衰落信道和慢衰落信道。其中信号强度曲线的中直呈现慢速变化称为慢衰落,曲线的瞬时值呈快速变化,称快衰落。

快衰落与慢衰落并不是两个独立的衰落,快衰落反映的是瞬时值,慢衰落反映的是瞬时值加权平均后的中值。无人机与主控站间的通信信道可以分成两种情况:当无人机通信仰角较小时,信道为快衰落信道,直射径功率较小;当无人机通信仰角较大时,信道为慢衰落信道,直射径功率较大。

在无人机通信中,无人机与主控站之间属于莱斯(Rice)衰落信道[2],莱斯衰落信道的特点是信道中存在直视波分量,接收信号是由直视波分量和散射分量叠加而成的一种情况,散射信道是由许多相互独立且服从正态分布的随机信号组成,属于一种统计模型。

下面将从统计模型和非统计模型两个角度对无人机的信道进行分析。

二、信道模型建立与分析

2.1统计衰落模型建立

一般传统的莱斯衰落信道模型具有广义非静态特性,导致仿真结果与理论结果出现较大偏差,模型计算量和存储空间要求比较大,硬件实现困难,因此本节提出了一种新的莱斯衰落信道仿真模型,使其更加高效,并具有广义静态特性。

基于文献[4]中给出的Rayleigh衰落信道的仿真模型[4],Rice仿真模型可以表示为:

其中,N表示传播路径数,E0为常数,Cn表示第n条路径的传播增益,αn表示第n条路径的方向角,φn表示第n条路径的初始相位,ωd表示最大Doppler角频移。对于所有n=1,2,...,N,αn,φn独立同分布,服从[-π,π)上的均匀分布,gLOS(t)表示镜像分量,gDIF(t)表示散射分量,假设gDIF(t)服从参数为σ02的Rayleigh分布,在仿真模型中为常数,A、σ0为镜像分量的路径增益、方向角为常数,φ0为镜像分量的初始相位,为[-π,π)上均匀分布的随机变量。

为了克服仿真模型的广义非静态等问题,进一步简化仿真模型的运算量,提高仿真效率,对(1)的散射分量gDIF(t)中的变量进行随机化,gDIF(t)散射分量可以重新写成

不妨设

对比式(1)和式(3)可以发现,随机变量的个数由3N+1减少到N/4+3,而求和次数也由N+1减少到N/4+1,运算效率大大提高。

2.2非统计衰落模型建立

多径传输可归纳为两种类型:一种是直射波与反射波形成的多径;另一种是低空大气层大气效应造成的多径,一般第一种是主要因素,但当地面反射波强度很微弱时,第二种多径影响就将成为主要因素。

下图1是无人机通信的模型。

在图1中,A为主控站位置,B2、B3…Bn为散射点位置,C为接收机位置,辐射功率P经过散射点分n路输出,各自的辐射功率是P1、P2…Pn,接收端处的接收功率分别为P1'、P2'…Pn',发射机功率和发射天线增益分别为P、Gt,接收机功率和接收天线增益分别为P0、Gr,R1为直射路径长度,R2,R3…Rn是发射机与散射点之间的距离,R2',R3'…Rn'是散射点与接收机之间的距离,delt2,delt3…deltn为散射点的散射系数,Ar为接收天线的有效接收面积,Se2,Se3…Sen为散射点有效接收面积。

根据图1中的信道多径传输模型,对时延、衰落、多普勒频移三个多径参数,进行解算,在接收端出的总合成功率P0为

其中Фi为第i-1条散射路径信号与直射信号的相位差,P0-i第i路散射路径信号合成后的合成功率。

三、仿真分析及结论

基于图1的无人机通信的模型,以两径为例进行仿真。假设辐射功率为50d B,分两路输出,收发天线增益均为30d B,频率为1.25GHz,散射点的散射系数为1,散射点有效接收面积为1。

发射机的位置为(0,0,0),散射点的位置(10000,2000,1000),接收机用的坐标随时间变化(18000+i,6000+0.5*i,1000+0.2*i)。

利用MATLAB对两径传播模型进行仿真,图2是无人机飞行高度为2000m时,地面发射天线高度分别为1.5m、3m和4.5m时无人机系统在两径传播模型空间传播损耗曲线。图3是地面发射天线天线高度3m时,无人机飞行高度分别为1500m、2500m和3500m时无人机系统在两径传播模型空间传播损耗曲线。

由图2和3可知,在无人机飞行过程中,无人机与地面天线不同距离时存在不同程度的深衰落区域,无论改变地面天线高度还是改变无人机飞行高度,只能改变深衰落区的位置,并不能避免深衰落的发生。

摘要：本文首先分析了无人机通信的特点,然后从统计模型和非统计模型两个角度对无人机的信道进行分析,研究了以莱斯衰落模型为代表的统计衰落模型,提出了一种新的莱斯仿真模型的算法;最后对无人机通信信道进行非统计模型建模分析,并以两径模型为例进行仿真,结果表明不管是改变地面天线高度还是改变无人机飞行高度,只能改变深衰落区的位置,不能避免深衰落的发生。

关键词：莱斯衰落,瑞利衰落,散射

参考文献

[1]Paul,Thomas著,吴汉平等译,无人机系统导论(第二版),北京:电子工业出版社,2003

[2]Niji Youssef,Chengxiang Wang,Matthias Patzoldt,etc.On the Statistical Properties of Generalized Rice Multi-path Fading Channels[C].IEEE Conference on Vehieular Technology,2004,l:162~165

软件工程过程的定性仿真模型分析篇10

在八十年代末, Abdel-Hamid提出了用定量系统的动态模型去仿真一个软件项目的动态方面的方法。这种方法预计会对项目行为有一个更好的理解并能够改进项目计划和项目控制。

Ramil和Smith通过参考定量方程式开发了一种定性模型以汲取软件演变的定性趋势。它们使用定性仿真去推理演变过程而不是去推理一系列的特殊行为。

在这篇文章中, 通过介绍一个在软件发展过程中安置职工过程的定性仿真模型已建立的例子, 我们了解到仿真还可以产生了一系列的可能性行为, 这些行为可能在发展过程中队伍规模发生变化时产生。这些都将有利于我们更深刻的了解软件工程过程的定性仿真模型。

2 定性仿真

2.1 概念与应用

定性仿真 (Qualitative Simulation) 是通过定性模型推导系统, 以非数字手段处理信息输入、建模、行为分析和结果输出等仿真环节的定性行为描述。现在, 定性仿真技术与物理、化工、生态、生物、社会等学科相互渗透、结合, 在系统监测、故障诊断、系统行为分析、解释以及预测等方面发挥着越来越重大的作用。

2.2 定型仿真的步骤

在这部分里, 我们简要的介绍了开发一个定性仿真模型的步骤并确定了要求的输入和输出。

定性模型程序和仿真一般包括以下几个步骤:

自然想定的模型假设→抽象结构的模型建造→快速分离的定性仿真→定性行为的定量精炼→产生定量模型

一个系统通常被描述为一系列的普通微分方程式 (ODE) , 这些方程式包括了具有定量功能的变量的派生。在一个更高的水平上, 一个定性微分方程式 (QDE) 代表了一个很大系列的微分方程, 例如, 一个M+ (M-) 能代表了所有的单调增加 (减少) 函数系列。当只有有限的知识可被利用时, 我们就能够建立定性微分方程式而不是普通微分方程式, 利用它去描绘变量的定性关系和值。

2.3 QSIM模型

软件安置职工过程的QSIM (定性仿真) 模型是遵循了上图中的定性模型步骤开发出来的。“自然想定”即是增加新职员到软件项目中去。

2.3.1 定性抽象元素

在我们的研究中, 基于一个最小系列的软件安置人员过程的假定我们创建了定性模型, 以此来避免软件项目中的特殊类型的定量联系。

定性模型源于一些基本假定, 这些包括了在先前模型中未被声明的假定:

1.在项目生命周期内软件要求 (项目大小:SP) 不会改变;

2.SP包括了项目执行中必要的重操作;

3.软件要求 (SP) 以软件发展的速度从剩余大小 (SR) 转换为完整大小 (SC) , 剩余大小最初是和项目大小相等的;

4.项目组 (WFT) 包括富有经验的劳动力 (WFEX) 和新被雇用的劳动力 (WFNW) ;

5.名义发展率 (RND) 与劳动力 (WF) 及其生产力 (PD) 存在着线性关系;

6.在项目中增加更多的人将增加通信费用 (RCO) ;

7.对RND来说RCO是唯一的负面影响;

8.一般上来说, 最初一个新职工的生产力 (PDNW) 是比有经验职工的生产力低的;

9.一般来说PDEX在项目期间是不会改变的;

10.一名新雇员在达到他们预期的生产力水平之前是必须由富有经验的职工培训的。

基于以上假定, 在表中列出了我们提炼出的相应的定性约束条件。

Brooks建议通信费用以n (n-1) /2的因数增加, 其中n是项目组的大小。它暗示了软件项目组增长的大小增加通信费用的程度 (假定6) 。进一步, 建造了定性抽象结构以形象化软件安置职工过程的定性约束。

最初, 剩余项目的大小 (SR) 和要求的大小 (SP) 是相等的。随着时间的推移, 剩余的大小将继续减少而且将被加工成一个完整软件的大小 (SC) , 这个过程描述了软件开发的进度。当全部的大小和最初要求的大小相等时或剩余大小下降到零时项目将会完成了。

在这个模型中有二个主要的组成部分。第一个部分是软件开发率 (RSD) 即是软件项目的开发速度。它由二个因素决定:名义发展率 (RND) ;等值的通信费用率 (RCO) 。

全体职工 (WFT) 等于富有经验的劳动力加上新被雇用的劳动力, 每一组以不同的生产率工作。因为新雇员参与了项目, 一部分富有经验的职工就不得不离开他们的开发任务去培训新的雇员。一个单调增加函数 (M+) 的作用存在于劳动力与通信发展率之间。它意味增加项目中的人力将导致一个更高的名义发展率。

但是, 为了确定项目中的实际发展率, 我们同样需要考虑通信费用率 (RCO) , 这将导致实际发展率在名义增长率上的下降。它用一个全体劳动力的非线性函数来表示 (WFT) 。

第二种微分关系是新劳动力注入后的同化率 (RAS) , 它描述了通过培训后的新职员的生产力较富有经验的职员的生产力增加的有多快。

2.3.2 QDE编程

两种QDES被开发出来以求把定性抽象模型 (图二) 转换为约束程序。一种QDE用于描述普通软件的开发过程, 另一种则用于描述职员同化过程中他们之间的相互作用和关系。

开发普通软件的QDE:

下面描述了软件开发QDE的约束条件。这个QDE阐明了没有新雇员被聘用时普通软件的开发过程。所有的约束是基于2.2.1部分的前四个假定。

约束:增加SC SR SP;约束SP ASG-SIZE;d/dt SC RSD;d/dt SR mRsd;减少RSD mRsd;约束WFNW;约束WFT;增加WFEX WFNW WFT;增加REXD RNWD RND;约束PDEX NMLEX-PD;相乘PDEX WFEX REXD;约束RCO;增加RSD Rco RND;相乘WFT WFT WFsq;M+WFsq Rco。

同化过程的QDE:

Abdel-Hamid只把同化过程阐述为优先处理的指数延迟。这个过程的模型精炼方法如下:

当同化过程结束时新被雇用的职员将转移到富有经验的职员中。但是, 在程序期间他们的平均生产力将会增加, 而且在这个程序结束时他们的生产力将和富有经验的职员的生产力相同。需要的富有经验的培训者的数量必须是一定的直到同化结束, 然后所有的职员将返回到开发过程中。

这和Abdel-Hamid模型不同。与第一种QDE相比, 约束条件的主要区别在下表中已经突出出来了 (黑体) 。

约束:增加SC SR SP;约束SP ASG-SIZE;约束WFT TAOTAL-WF;约束WFNW;约束WFEW;增加WFEX WFNW WFT;增加WFED WFNT WFX;M+WFNW WFNT;d/dt SC RSD;d/dt SR mRsd;减少RSD mRsd;增加RSD Rco RND;增加REXD RNWD RND;约束PDEX NML-EX-PD;相乘PDEX WFEX REXD;相乘PDNW WFNW RNWD;d/dt RDNW Ras;d/dt RDNW Ras;相乘WFT WFT WFsq;M+WFsq Rco。

3 项目完成

这个模型输出了通过检查后确定的三个状态, 替代了一个由定量模型输出的特殊结果, 在这个检查中, 想定项目达到了 (ASG_SIZE) 要求:

1) 应用了同化方法的项目比最初设定的日程表完成得更晚;

2) 应用了同化方法的项目比最初设定的日程表完成得更早;

3) 应用了同化方法的项目的持续时间与最初设定的日程表相等.

4 结论

此模型采用了一个最小系列的假定。它演示了通过定性模型仿真Brooks定律的操作。在相同的问题上这些输出已与先前模型的结果做了对比。

这些分析揭示了一个"何时在项目增加新劳工"以及"需要被注入多少新职员"之间关系的复杂结构, 这些已经在先前的模型中声明了。

定性建模和仿真在本文里作为强有力的技术被提出, 通过参考有限的信息和知识这些技术是可以应用到开发模型的过程中。定性技术可以进一步延伸到软件安置职员过程中和其它方面的软件过程的研究中。

参考文献

[1]Madachy, R., Boehm B., ed.Software Process Dynamics.Computer Society Press:Washington D.C.2005, IEEE

[2]Platzner M, Rinner B.Toward Eml～dded Qualitative Simulation:A Specialized Computer Architecture for QSIM[J].IEEE Intelligent System, 2000, 15[March/April]:62-68.

[3]胡斌, 董升平.管理者.人群心理归顺博弈定性模拟原理[J].系统仿真学报, 2005, 17[2]:2813-2816.

本文来自古文书网(www.gwbook.cn)，转载请保留网址和出处

风险分析模型01-06