Интернет магазин китайских планшетных компьютеров

Компьютеры - Гибридный компьютер - Применение

Гибридными системами эффективно решаются следующие основные группы задач:

• Моделирование в реальном масштабе времени автоматических систем управления, содержащих как аналоговые, так и цифровые устройства;
• Воспроизведение в реальном масштабе времени процессов, содержащих высокочастотные составляющие и переменные, изменяющиеся в широком амплитудном и частотном диапазоне;
• Статистическое моделирование;
• Моделирование биологических систем;
• Решение уравнений в частных производных;
• Оптимизация систем управления.

Моделирование в реальном времени

Одна из типичных задач первой группы — моделирование системы управления прокатного стана. В этом случае аналоговая вычислительная машина воспроизводит динамику процессов в самом стане, а управляющая машина моделируется ЦВМ общего назначения со специальной программой. Кратковременность переходных процессов в приводах станов и взаимосвязь большого числа величин при попытке смоделировать их целиком на ЦВМ в реальном масштабе времени потребовали бы применения сверхбыстродействующих ЦВМ, при этом точность моделирования наиболее критичных, быстрых процессов, определялась бы прежде всего погрешностями дискретизации.

Этот класс задач типичен для управления военными объектами, например, системами ПВО или военным соединением.

Управление движущимся объектом

Вторая группа включает в себя две подгруппы задач:

Задачи самонаведения

Для них характерно то, что траектория движения формируется в процессе самого движения как результат управляющих и внешних воздействий. По мере приближений объекта к цели скорость изменения некоторых параметров становится столь велика, что использование чисто цифровых решений требует сверхвысокого быстродействия, а чисто аналоговое решение не способно охватить большой динамический диапазон измеряемых величин с приемлемой точностью. Кроме того, аналоговая машина может корректно обработать не всякую «пограничную» ситуацию.

В этом случае гибридная система позволяет скомпенсировать недостатки обеих технологий и «выкрутиться» из нештатных состояний.

Комплексные тренажёры

Построение вычислительной части комплексных тренажёров показало, что наибольшая точность моделирования достигается, если уравнения движения вокруг центра тяжести возлагаются на аналоговую часть, а движением центра тяжести в пространстве и всеми кинематическими соотношениями занимается цифровая машина.

Стохастические процессы

К этой группе принято относить задачи, решаемые обработкой результатов многократной реализации случайного процесса.

Примеры:

• Решение многомерных уравнений в частных производных методом Монте-Карло
• Решение задач стохастического программирования
• Нахождение особых точек, экстремумов функций многих переменных.

Реализация случайного процесса аналоговой машиной во-первых, не требует пропорционального возрастания энергетических затрат при повышении быстродействия, а во-вторых, позволяет снизить повторяемость генерируемых последовательностей, особенно при очень большой их длине.

Быстродействующая АВМ работает при этом в режиме многократного повторения решения, а обработка полученных на её выходах результатов, обработка граничных условий, вычисление функционалов — возлагается на ЦВМ. Кроме того, именно ЦВМ задаёт критерии и по ним определяет окончание обсчёта.

Гибридные решения позволяют сократить время решения задач такого типа на несколько порядков по сравнению с чисто цифровыми алгоритмами, а также, в ряде случаев, без существенных затрат повысить надёжность получаемых результатов.

Биологические системы

Близкие по эффективности результаты достигаются при исследовании гибридными системами процессов распространения возбуждения в биологических системах. Специфика данного вида задач, даже в их простейшем варианте, моделирование такой среды состоит в построении сложной нелинейной системы уравнений в частных производных.

Оптимизация управления

Решение задач оптимального управления при применении к объектам выше третьего порядка сталкивается с принципиальными трудностями.

Особенно возрастают сложности моделирования и получения решения, если оптимальное управление требуется искать на работающей системе.

Именно гибридные вычислительные системы позволяют устранить или хотя бы минимизировать эти трудности. Для этого с помощью ГВМ реализуют такие методы, как принцип максимума Понтрягина, чрезвычайно сложные в вычислительном отношении.

Частные производные

ГВМ эффективно применяются также в задачах, где главным является построение и решения нелинейных уравнений в частных производных.

Это могут быть как задачи анализа, так и задачи оптимизации и идентификации.

Примеры задач оптимизации:

• Подбор теплопроводного материала для заданного распределения температур по нелинейности его характеристик;
• Выбор геометрии летательных аппаратов для получения требуемых аэродинамических характеристик;
• Вычисление необходимого распределения толщины испаряющегося слоя, предохраняющего космические корабли от перегрева при входе в плотные слои атмосферы;
• Оптимизация системы подогрева летательного аппарата, предотвращающей обледенение с минимальными затратами на собственно подогрев;
• Расчёт ирригационной сети и установление оптимальных расходов в каналах оной.

При решении этих задач ЦВМ соединяется с сеточной моделью, многократно используемой в процессе решения.