51
2.1.2. Підвищення швидкодії існуючих моделей
Дослідження методу кінцевих різниць показало, що незважаючи
на високі показники точності, основним їх обмеженням виступає час
розв’язання таких моделей. Враховуючи умови функціонування таких
моделей в реальному масштабі часу, необхідно шукати методи прис-
корення їх швидкодії для розв’язання цього класу задач.
Це може бути здійснене шляхом збільшення потужності апарат-
них засобів, що не завжди є можливим з технічних та економічних
причин або шляхом використання нових засобів побудови модел
ей
теплотехнологічних ОРП та опису цих процесів з використанням ін-
шого математичного апарату. Для цього розглянемо основні підходи
до побудови нових математичних моделей ТОРП.
Як показано в [7, 12, 16, 21, 30, 34] для побудови математичних
моделей ТОРП можуть використовуватися різні підходи, застосування
яких визначається мірою наявності статистичної інформації [48, 52,
53], її виг
лядом, вивченістю хімічних, фізичних, теплових явищ, що
лежать в їх основі [115], складністю об’єкта управління [22, 54, 104].
Як вже відзначалося раніше, задача побудови математичної мо-
делі ТОРП може бути розв’язана за допомогою аналітичних, чисель-
них і інтелектуальних методів. Крім того, ці моделі повинні врахову-
вати невизначеніс
ть, в якій функціонують складні об’єкти, що зумов-
лено неповнотою інформації, складністю спостережень, зміною внут-
рішньої структури об’єкта в часі й стохастичним характером впливу
динамічного зовнішнього середовища [38, 46, 71, 127, 141]. Так в ро-
боті [134] розглядається область використання методів побудови ма-
тематичних моделей складних об’єктів залежно від наявної інформації
про об’єкт управління та умови його функціонування. На рисунку 2.1
наведено умови
застосування традиційних, нечітких та нейромереже-
вих технологій на основі аналізу області найбільш ефективного вико-
ристання методів.
Як було показано в підрозділі 1.4.3, в останні десятиліття поши-
реного розвитку і застосування набули методи штучного інтелекту [1,
4, 13, 120], найбільш поширеними з яких є апарат нечітко
ї логіки [45,
68, 88, 99] та нейронних мереж [43, 87, 120].