Структурно-ориентированное моделирование – это компьютерное моделирование, основной целью которого является максимально возможное сохранение физической структуры реальной системы (ее топологии) в модели. Этот подход успешно реализуется с помощью объектно-ориентированных инструментов, использующих язык моделирования Modelica, и позволяющих в одной среде моделировать объекты различной физической природы. Показаны преимущества таких инструментов по сравнению с традиционными блочно-ориентированными подходами к моделированию. Представлены образовательный проект (лабораторная установка - «вертолет») и промышленный проект («тепловые потоки и потоки излучения в зданиях»), реализованные в среде, использующей язык Modelica, позволившие оценить этот подход. Недостатком рассматриваемого подхода является сложность моделей, написанных на языке Modelica, порождающая трудно диагностируемые проблемы численного характера. Поэтому актуальна задача упрощения и/или сокращения моделей. Предложены решения по упрощению моделей для двух уровней описания – на языке уравнений и на языке структурных диаграмм.

Ключевые слова: структурно-ориентированное моделирование, объектно-ориентированное моделирование, компоненты с неориентированными связями, «физическое» моделирование, компоненты различной физической природы, упрощение моделей.

REFERENCES

1. Borutsky, W. Bond graph methodology, development and analysis of multidisciplinary

dynamic system models. 2010, Germany: Springer.

2. Cellier, F.E. Continuous system modeling. 1991, USA: Springer Verlag.

3. Dymola, Multi-engineering modelling and simulation. 2010, Users manual, Ver. 7.3.

4. Ersal, T. Realization-preserving simplifi cation and reduction of dynamic system

models at the graph level (PhD Thesis). 2007, University Of Michigan.

5. Fritzson, P. Principles of object oriented modelling and simulation with Modelica

2.1. 2004, USA: IEEE Press, John Wiley&Sons Inc.

6. Humusoft, CE 150 Helicopter model. 2002, User’s manual, Prague: Humusoft.

7. Karer, G., & Zupančič, B. Modelling and identifi cation of a laboratory helicopter.

In Proceedings of the 5th MATHMOD conference (Vol. 2), 2006, Vienna.

8. Lee, K., & Braun, J.E. Model-based demand-limiting control of building thermal

mass. Building and Environment, 2008, Vol. 43, 1633−1646.

9. Logar, V., Kristl, Ž., & Škrjanc, I. Using a fuzzy black-box model to estimate the

indoor illuminance in buildings. Energy and Buildings, 2014, Vol. 70, 343−351.

10. Louca, L.S. An energy-based model reduction methodology for automated

modeling (PhD Thesis). 1998, University of Michigan.

11. Modelica association. Modelica specifi cation, v. 3.1. 2009, Retrieved December

20, 2014, from https://www.modelica.org/documents/ModelicaSpec31.pdf/at_download/

fi le

12. Sheehan, B.N. TICER: Realizable reduction of extracted RC circuits. In IEEE/

ACM International Conference on Computer-Aided Design, Digest of Technical Papers,

1999, pp. 200−203.