2.4. Общие свойства модели

Рассмотрим, как отражаются в записи (2.1) основные общие свойства системы.

Первое такое свойство – линейность или нелинейность. Оно обычно расшифровывается как линейная (нелинейная) зависимость от входов операторов S (линейность или нелинейность параметров состояния) или  (линейность или нелинейность модели в целом). Линейность может являться как естественным, хорошо соответствующим природе, так и искусственным (вводимым для целей упрощения) свойством модели.

Второе общее свойство модели – непрерывность или дискретность. Оно выражается в структуре множеств (совокупностей), которым принадлежат параметры состояния, параметр процесса и выходы системы. Таким образом, дискретность множеств Y, Т, Х- ведет к модели, называемой дискретной, а их непрерывность – к модели с непрерывными свойствами. Дискретность входов (импульсы внешних сил, ступенчатость воздействий и др.) в общем случае не ведет к дискретности модели в целом. Важной характеристикой дискретной модели является конечность или бесконечность числа состояний системы и числа значений выходных характеристик. В первом случае модель называется дискретной конечной. Дискретность модели также может быть как естественным условием (система скачкообразно меняет свое состояние и выходные свойства), так и искусственно внесенной особенностью. Типичный пример последнего – замена непрерывной математической функции на набор ее значений в фиксированных точках.

Следующее свойство модели – детерминированность или стохастичность. Если в модели среди величин х+, а, у, х- имеются случайные, т. е. определяемые лишь некоторыми вероятностные характеристиками, то модель называется стохастической (вероятностной, случайной). В этом случае и все результаты, полученные при рассмотрении модели, имеют стохастический характер и должны быть соответственно интерпретированы. С точки зрения практики, граница между детерминированными и стохастическими моделями выглядит расплывчатой. Так, в технике о любом размере или массе можно сказать, что это не точное значение, а усредненная величина типа математического ожидания, в связи с чем и результаты вычислений будут представлять собой лишь математические ожидания исследуемых величин. Однако такой взгляд представляется крайним. Удобный практический прием состоит в том, что при малых отклонениях от фиксированных значений модель считается детерминированной, а отклонение результата исследуется методами оценок или анализа ее чувствительности. При значительных же отклонениях применяется методика стохастического исследования.

Четвертое общее свойство модели – ее стационарность или нестационарность. Сначала поясним понятие стационарности некоторого правила (процесса). Пусть в

рассматриваемом правиле присутствует параметр процесса, которым для удобства понимания будем считать время. Возьмем все внешние условия применения данного правила одинаковыми, но в первом случае мы применяем правило в момент t0, а во втором – в момент t0 +Q. Спрашивается, будет ли результат применения правила одинаковым? Ответ на этот вопрос и определяет стационарность: если результат одинаков, то правило (процесс) считается стационарным, а если различен – нестационарным. Если все правила в модели стационарны, то стационарной называется и сама модель. Чаще всего стационарность выражается в неизменности во времени некоторых физических величин: стационарным является поток жидкости с постоянной скоростью, стационарна механическая система, в которой силы зависят только от координат и не зависят от времени.

Для отражения стационарности в формальной записи рассмотрим расширенный вид правила S, в которое введена его зависимость от начальных условий процесса t0, y0 и зависимость входов от параметра t:

y = S(x+(t), a, t, t0, у0).

Тогда для стационарного процесса имеет место равенство

S(x+(t+Q), а,t+Q, t0+Q, y0) = S (x+ (t), а, t, t0 , y0).

Аналогично можно определить стационарность правил V и .

Другим общим свойством модели является вид составляющих кортежа (2.1). Простейшим будет случай, когда входы, выходы и параметры а в системе – это числа, а правило   – математическая функция. Широко распространена ситуация, когда входы и выходы есть функции параметра процесса. Правила S, V,  тогда являются либо функциями, либо операторами и функционалами. Функциями, скажем, от параметров состояния могут быть и те параметры системы, которые мы ранее называли постоянными. Описанная выше ситуация еще достаточно удобна для исследования модели на ЭВМ.

Последним упомянем свойство модели (2.1), состоящее в конечности или бесконечности числа входов, выходов, параметров состояния, постоянных параметров системы. Теория рассматривает и тот, и другой тип модели, однако на практике работают лишь с моделями с конечномерностью всех перечисленных составляющих.