Ograniczanie wyników
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 1

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
The consideration of uncertainties in numerical simulation is generally reasonable and is often indicated in order to provide reliable results, and thus is gaining attraction in various fields of simulation technology. However, in multibody system analysis uncertainties have only been accounted for quite sporadically compared to other areas. The term uncertainties is frequently associated with those of random nature, i.e. aleatory uncertainties, which are successfully handled by the use of probability theory. Actually, a considerable proportion of uncertainties incorporated into dynamical systems, in general, or multibody systems, in particular, is attributed to so-called epistemic uncertainties, which include, amongst others, uncertainties due to a lack of knowledge, due to subjectivity in numerical implementation, and due to simplification or idealization. Hence, for the modeling of epistemic uncertainties in multibody systems an appropriate theory is required, which still remains a challenging topic. Against this background, a methodology will be presented which allows for the inclusion of epistemic uncertainties in modeling and analysis of multibody systems. This approach is based on fuzzy arithmetic, a special field of fuzzy set theory, where the uncertain values of the model parameters are represented by so-called fuzzy numbers, reflecting in a rather intuitive and plausible way the blurred range of possible parameter values. As a result of this advanced modeling technique, more comprehensive system models can be derived which outperform the conventional, crisp-parameterized models by providing simulation results that reflect both the system dynamics and the effect of the uncertainties. The methodology is illustrated by an exemplary application of multibody dynamics which reveals that advanced modeling and simulation techniques using some well-thought-out inclusion of the presumably limiting uncertainties can provide significant additional benefit.
PL
Uwzględnienie niepewności w symulacji numerycznej jest generalnie rzeczą rozsadną. Podejście to często prowadzi do wiarygodnych rezultatów, toteż zyskuje na atrakcyjności w wielu dziedzinach technik symulacyjnych. Niemniej, w analizie systemów wieloczłonowych – inaczej niż w innych dziedzinach – niepewności były dotąd brane pod uwagę jedynie sporadycznie. Termin ”niepewność” jest często kojarzony z czynnikami o charakterze przypadkowym, tzn. niepewnościami aleatorycznymi, z którymi można z powodzeniem radzić sobie metodami teorii prawdopodobieństwa. W rzeczywistości, znaczna część niepewności występujących w systemach dynamicznych, a w szczególności w systemach wieloczłonowych, jest powiązana z tzw. niepewnościami epistemologicznymi, które obejmują m.in. niepewności spowodowane brakiem wiedzy, subiektywnością w implementacji modelu numerycznego, a także niepewności wynikajace z uproszczeń i idealizacji. Tak więc, by modelować niepewności epistemologiczne w systemach wieloczłonowych wymagana jest odpowiednia teoria, która wciąż stanowi poważne wyzwanie. Na tym tle, autorzy przedstawiają metodologię, która pozwala na włączenie niepewności epistemologicznych w proces modelowania i analizy systemów wieloczłonowych. Prezentowane podejście jest oparte na arytmetyce rozmytej, specjalnej dziedzinie teorii zbiorów rozmytych, gdzie niepewne wartości parametrów modelu są reprezentowane przez tzw. liczby rozmyte, które odzwierciedlają, w sposób raczej intuicyjny lecz przekonywujący, nieostry zakres możliwych wartości parametrów. W rezultacie użycia tej zaawansowanej techniki modelowania uzyskuje się bardziej wszechstronny model systemu, który daje lepsze wyniki niż modele tradycyjne, o sztywnej parametryzacji. Wyniki symulacji, uzyskane przy zastosowaniu takiego modelu, odzwierciedlają zarówno dynamikę systemu, jak i efekty związane z niepewnościami. Prezentowana metodologia jest zilustrowana przykładowym zastosowaniem do dynamiki systemu wieloczłonowego. Przykład pokazuje, że użycie zaawansowanych technik modelowania i symulacji, w których w sposób dobrze przemyślany uwzględniono prawdopodobne niepewności graniczne, może dostarczyć znacznych korzyści dodatkowych.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.