EMBS - Modellbildung
TU Dresden
TU Dresden
Kartei Details
| Zusammenfassung | Diese Lernkarten bieten einen umfassenden Überblick über die Modellbildung und Simulation in der Mechatronik auf Universitätsniveau. Sie behandeln zentrale Themen wie die Erstellung und Analyse von Modellen, verschiedene Simulationstechniken, darunter Echtzeitsimulationen, sowie die Nutzung von Software- und Hardware-in-the-Loop-Systemen. Die Lernkarten sind besonders nützlich für Studierende und Fachleute, die sich mit der Entwicklung und Anwendung von Modellen in der Mechatronik beschäftigen, um komplexe Systeme effizient zu simulieren und zu optimieren. |
|---|---|
| Karten | 51 |
| Lernende | 1 |
| Sprache | Deutsch |
| Kategorie | Mechatronik |
| Stufe | Universität |
| Erstellt / Aktualisiert | 21.01.2018 / 04.02.2018 |
| Weblink |
https://card2brain.ch/box/20180121_embs_modellbildung
|
| Einbinden |
<iframe src="https://card2brain.ch/box/20180121_embs_modellbildung/embed" width="780" height="150" scrolling="no" frameborder="0"></iframe>
|
Definieren Sie Simulation und bennen Sie Vor- und Nachteile.
Simulation ist das Nachbilden eines Systems mit seinen dynamischen Prozessen in einem experimentierfähigen Modell, um zu Erkenntnissen zu gelangen, die auf die Wirklichkeit übertragbar sind.
Vorteile der Simulation (virtueller Experimente):
•Geringer Kosten-, Zeitaufwand im Vergleich zu einem realen Objekt
•Wiederholbarkeit
•Geringeres/kein Gefährdungspotenzial vorhanden
Nachteile der Simulation (virtueller Experimente):
•Verletzung realer Zwangsbedingungen aufgrund Modellunvollständigkeit
•Falsche Interpretation der Simulationsergebnisse wegen Vernachlässigung der Modellabstraktionsebene bzw. Modelldetaillierungsgrad
→ Ausweg: Vergleich der Simulationsergebnisse mit den experimentell ermittelten Messdaten
Zeigen Sie schamtisch den Weg vom physikalischen Modell bis zur Simulation.
Zeigen Sie den Ablauf rechnergstützter Simulationen.
Erklären Sie Preprocessing und Postprocessing.
Warum werden in SImulationen Integrationsverfahren genutzt?
Die Lösung differentialalgebraischer Systeme, d. h. die Bestimmung der analytischen Lösung
bei vorgegebenen Anfangswerten erweist sich in der Regel als eine nichttriviale bis nicht
lösbare Aufgabe. Deshalb kommen numerische Integrationsverfahren zum Einsatz, bei
denen eine Approximation der analytischen Lösung zu jedem Zeitpunkt ti numerisch ermittelt
wird.
Was zeichnet das Euler-Integrationsverfahren aus?
•Einschrittverfahrenmit der Fehlerordnung 1 (nur eine Stützstelle)
•Feste Schrittweite oder variable Schrittweite
•Deterministischbei festen Schrittweite →Echtzeit-Kompatibel
Charakterisieren Sie Simulationen nach ihrer Integrationsart.
•Explizite Verfahren:
- Zuwachsfunktion hängt vom vorherigen Term und
Zeitpunkt ab.
- Für die Echtzeitsimulation geeignet.
•Implizite Verfahren:
- Zuwachsfunktion hängt vom aktuellen Term und
Zeitpunkt ab.
- Für die Echtzeitsimulation nicht geeignet, da die
Ermittlung der Zuwachsfunktion ein iteratives nicht
deterministisches Verfahren ist.
Klassifizieren Sie Simulationen nach Anzahl der Stützstellen.
•Einschrittverfahren:
-nur 1 Stützpunkt bei t=h (Euler)
-geringer Rechenaufwand
•Mehrschrittverfahren:
-basiert auf mehrere Stützstellen, z.B. bei Runge-Kutta3. Ordnung (RK3) basiert auf 3 Stützstellen
-erhöhter Rechenaufwand
-erhöhte Stabilität (höhere Stützstellenanzahl)
Was versteht man unter Echtzeitsimulationen.
•Unter einer Echtzeitsimulation versteht man ein Simulationssystem, in welchem die Zeitbasis (Simulationszeit) der Simulationsmodelle mit einer externen Zeitbasis synchronisiert ist. In der Regel ist diese externe Zeitbasis die Realzeit.
•Echtzeitsimulation ist ein deterministischer Prozess. Der Determinismus wird durch numerische Integrationsverfahren
Wofür werden Echtzeitsimulationen genutzt? Nennen Sie Beispiele.
Anwendungen für Echtzeitsimulationen:
Echtzeitsimulationen werden überall dort angewendet, wo der Einsatz des zugrunde liegenden realen Systems oder aus ökologisch/ökonomischen Gründen nicht möglich ist.
Beispiel:
•Regelstrecke in der Testphase von Automatisierungssystemen
•Prüf-und Testzwecke
•Prozessbegleitende Simulation (Fehlererkennung bei ECU-Entwicklung)
•Ausbildungs-/Trainingsgeräte (Fahrsimulatoren, ...).
•HiLund SiL
Welche Herausforderungen stellen sich Echtzeitsimulationen?
Echtzeitfähigkeit der Rechenplattform (Hardware und Software):
•Plattform mit Echtzeitbetriebssystem (Echtzeitkernel, hardwarespezifischen Treibern)
•Erfüllung der Echtzeitprüfung (benötigte Rechenzeit für die Lösung des Modells innerhalb eines Simulationszeitschritts kleiner gleich der Integrationsschrittweite in Echtzeit), wenn Bedingung verletzt => Abbruch des Echtzeitbetriebs aus Sicherheitsgründen
Echtzeitfähigkeit der Simulationsmodelle:
•Verhaltensberechnung der Modelle erfolgt genau in der gleichen Zeit wie (bzw. schneller als) abgebildete Prozess in der Realität (Synchronität)
•Anforderungen:
-Freiheit von algebraischen Schleifen
-Stetigkeit
-Geringe Steifigkeit für das ausgewählte numerische Lösungsverfahren
Welche Anforderungen für Echtzeitmodelle ergeben sich hinsichtlich der algebraischen Schleifen?
Da die Berechnungsreihenfolge algebraischer Schleifen nicht eindeutig ist, sollen echtzeitfähige Modelle folgende Anforderungen erfüllen:
•Keine Schleifen aus Blöcken mit direkter Durchschaltung (gain, sum…)
•Keine direkte Abhängigkeit des Ketteneingangs vom Ausgang
•Ggf. Ausweg: Einfügen von Verzögerungsgliedern (z. B. 1/z)
Welche Anforderungen gibt es an die Steifigkeit von Echtzeitmodellen?
•Systeme mit stark unterschiedlichen Zeitkonstanten steif
•Orientierung an der geringsten erforderlichen Schrittweite
-->hoher Rechenaufwand
--> Lösung: Aufteilung des Systems und Berechnung der unterschiedlich schnellen Systeme in separate Simulationen (Co-Simulation, Kopplung)
•Systemsteifigkeit: Verhältnis aus dem betragsgrößten zum betragskleinsten Eigenwert
Was versteht man unter Software in the Loop?
• Nachweis, dass die Funktion (als Zielcode, z.B. C) auch durch
Einschränkungen (Fixkomma, Integerformate) des
Zielsystems funktioniert
• Simulation der (neuen) Software (Prüfling) gegen ein
Streckenmodell auf dem Entwicklungssystem
• Kommunikation über Modellschnittstellen
• Harte Echtzeitfähigkeit nicht zwingend erforderlich
Was versteht man unter Hardware in the Loop?
• Nachweis der Funktionalität der Funktion in Zielcode auf
dem Zielsteuergerät oder Rapid-Control-Prototyping-
System (ähnlich dem späteren Zielsteuergerät)
• Umgebungssimulation ggf. in Kombination mit
Realhardware (z.B. Gaspedal, Schaltkulisse,…)
• Reale Kommunikationsschnittstellen werden genutzt
(Bus, Verdrahtung)
• Harte Echtzeit (da reale Komponenten beteiligt)
Was versteht man unter Vehicle in the Loop?
Grundidee entstammt dem SIL und HIL
• Anwendung des HIL auf Gesamtfahrzeuge führt zu VIL
• Simulationssystem: Abbildung aller Fahrzeugfunktionen auf einem echtzeitfähigen
Rechensystem
→ hoher Rechenaufwand
→ hohe Echtzeitanforderung
Was ist der Zweck von verteilten, gekoppelten Simulationen? Welche Herausforderungen ergeben sich?
•Simulation von Gesamtsystemen, dessen Teilsysteme in mehreren Modellierungstools modelliert wurden (Co-Simulation).
•Simulation von Multidomänen-Gesamtmodellen, die aufgrund ihrer heterogenen Eigenschaften (Steifigkeit) oder aufgrund der hohen Rechenaufwand in mehrere Modelle geteilt wurden (Modellteilung und Kopplung).
Herausforderung:
•Numerische Fehler (Simulations-genauigkeit) durch Modellkopplung.
•Modell-und Simulatorsynchronisation
•Algebraische Schleifen bei stark gekoppelten Teilmodellen
Zeigen Sie an einem geeigneten Schaubild die Einordung geteilter und gekoppelter Simulationen?
Welche drei Kopplungsansätze kennen Sie?
Ordnen Sie den Domänen Mechanik, Elektrik, Hydraulik, Pneumatik und Thermik je eine Potentialgröße und eine Flussgröße zu.
Welche Vorteile bieten Modellbildung und Simulation?
•Beobachtbarkeit innerer, sonst unzugänglicher Größen
•Hohe Reproduzierbarkeit infolge der Elimination von willkürlichen Störeinflüssen
•Beliebige Anregung des Systems
•Beliebige Variation von Systemparametern (Sensitivitätsanalysen, Variantenvergleich)
•Hohe zeitliche Skalierbarkeit der Simulation (z.B. Variationsrechnungen)
•Ungefährlichkeit
•Hohe Verfügbarkeit und geringe Kosten, insbesondere bei noch nicht existenten Systemen oder Prototypen sowie aufwendigen Untersuchungen
Welche Nachteile bieten Modellbildung und Simulation?
•Modelle immer domänenspezifisch (mechanisches, thermisches, elektrisches,…, multiphysikalisches Modell der Realität) mit beschränkter Aussagekraft (Randbedingungen)
•Beschränkte Genauigkeit (Schrittweite, abgebildete Effekte)
•Modellierungs-/ Simulationsaufwand (Systemkenntnis, Verfügbarkeit der Daten, Kosten für Rechner, Software, Material, etc.)
Unterscheiden Sie System und Modell.
System
(griechisch: „das Gebilde, Zusammengestellte, Verbundene“)
•Abgrenzbare Einheit (Systemgrenzen als Trennung zwischen System und Umgebung)
•Ansammlung von Elementen (Subsysteme, Komponenten)
•Informations-/ Energie-/ Stoffaustausch mit Umgebung über Systemgrenzen via Schnittstellen (Ein-und Ausgänge)
Modell
BeschränkteAbbildung der Wirklichkeit (eines Systems) d.h.
•Wiedergabe bestimmter Eigenschaften des Originals (Abbildung)
•Vernachlässigung (Reduktion) von Eigenschaften des Originals (Verkürzung)
•Ersatz des Originals nur für bestimmte, beschränkte Fragestellungen / Aspekte (Pragmatismus)
Nennen Sie Beispiele für physische und abstrakte Modelle.
Physische Modelle
Beispiele: Prototypen, maßstäbliche Modelle, Rapid-Prototyping
Abstrakte Modelle
Beispiele: Skizzen, Konstruktionszeichnungen, Digitale Modelle, …
Tonmodell für Aerodynamikuntersuchungen
Wie lassen sich Modelle klassifizieren.
Definieren Sie Modellierungsobjekt.
Definieren Sie Modellierungsaspekt und nennen Sie vier Beispiele.
Modellierungsaspekt
Der Modellierungsgegenstand beschreibt, unter welchem Gesichtspunkt die Abbildung erfolgt.
•Architektur-/ StrukturmodelleGeometrische Abbildung (z.B. CAD, Technische Zeichnungen, Verkehrswegeplan)
•Verhaltens-/ FunktionsmodelleMathematische Abbildung (z.B. Übertragungsfunktionen, Systemgleichungen,…)
•ObjektmodelleAbbildung der Beziehungen zwischen Objekten (z.B. Klassendiagramme, Vererbungshierarchien (vgl. Objektorientierung))
•ProzessmodelleAbbildung von Prozessen, Abläufen und Vorgehensweisen (z.B. Materialfluss in einer Fabrik, Taktbearbeitung am Fließband, Fertigungsabläufe, Erstellen eines Modells)
Reale Fragestellungen erfordern häufig die Kombination mehrerer Aspekte
(siehe Wechselwirkungen Fahrer-Fahrzeug-Umwelt)
Charakterisieren Sie qualitative und quantitative Modelle hinsichtlich von Zweck, Größen und Darstellung und nennen Sie jeweils ein Beispiel.
Erklären Sie Black-Box-, Grey-Box- und White-Box-Modell.
Welche beiden Methoden zur Modellgewinnung kennen Sie? Erklären Sie diese.
Theoretische/analytische Modellbildung
• Erstellung von Modellen aus vorhandenem Wissen zu Systemen (Domänenbezogen)
• Mathematische Beschreibung von Objekten/Prozessen
• Meist Abstraktion des Systems notwendig
• Beschreibung sehr aufwendig
Experimentelle Modellbildung
•Modelle basieren auf Experimenten und dabei gewonnenen Informationen
•Wissen über Struktur und Parameter eines Systems kaum/teilweise vorhanden (oder theoretische Modellbildung mit starken Vereinfachungen)
•Betrachtung des Ein-Ausgangsverhaltens (z.B. über Tabellen)
•Qualitative Beschreibung des Signals mit Hilfe der Messdaten
•Methoden z.B. Regressionsanalyse, Ausgleichsrechnung
Klassifizieren Sie Modelle hinsichtlich der räumlichen Auflösung.
Klassifizieren Sie Modelle hinsichtlich der zeitlichen Auflösung.
Zeitliche Auflösung des Modellverhaltens
Je nach Detaillierungsgrad der Modelle bezüglich der zugrunde liegenden physikalischen Effekte unterscheidet man Momentan-und Mittelwertmodelle
Momentanwertmodell
•Exakte Abbildung des Modellverhaltens im Zeitbereich, inklusive hochfrequenter Effekte mit kleinen Zeitkonstanten
•Kleinere Zeitschrittweiten bei Simulation erforderlich (höhere Rechendauer)
•Meist zur Komponentendimensionierung und Auslegung der Komponentenregler
Mittelwertmodell
•Vereinfachte Abbildung der das Modellverhalten dominierenden Effekte im Zeitbereich (Vernachlässigung bzw. Vereinfachung hochdynamischer Effekte)
•Größere Zeitschrittweiten bei Simulation möglich (kürzere Rechendauer)
•Meist zur Gesamtsystemsimulation (Energiebetrachtungen, etc.)
Klassifizieren Sie Modelle hinsichtlich des Zeitverhaltens.
Wie lassen sich Modelle hinsichtlicher der zeitlichen Abstastung klassifizieren?
Wie lassen sich Modelle hinsichtlich der Vorhersagbarkeit klassifizieren?
Deterministisch
•Exakt vorhersagbares Modellverhalten bei Kenntnis der Eingänge und Systemzustände
•Mathematische Abbildung von physikalischen Zusammenhängen mittels Differentialalgebraischer Gleichungen, Logischer Bedingungen, etc.
Beispiel: Fahrzeuglängsdynamikmodell, Ballistikmodellfür Wurfparabel
Stochastisch
•Nicht exakt vorhersagbares Verhalten trotz Wissens über Eingänge und Zustände
•Abbildung von Zufall, Unsicherheiten und Wahrscheinlichkeiten mittels MarkovModellen bzw. Ketten, BayesscheNetze, Verteilungsfunktionen, etc.
Beispiel: Verkehrsflussmodell, Fahrzeuganregung auf Fahrbahn, Fahrerverhalten, Buslastmodelle, Modelle zum Ausfallverhalten von Fahrzeugsystemen
Vergleichen Sie deterministisches und stochastisches Fahrermodell.
Wie lassen sich Modelle hinsichtlich ihrer Modellierungsparadigma einteilen?
Wie lassen sich Modelle hinsichtlich ihrer Modellierungsart einteilen?
Welche Möglichkeiten zur Modellnotation gibt es?
•Strukturdarstellungen
•Bondgraphen
•Signalflusspläne
•Zustandsautomaten
•Netze (Petri, Bayes)
•…
•Mischformen
Welche EInteilung lässt sich hinsichtlich der Modularität von Modellen treffen?
-
- 1 / 51
-
