در اینجا 12 اصطلاح کلیدی مرتبط با طراحی مبتنی بر مدل (MBD) آورده شده است که هر مهندس باید با آنها آشنا باشد. این اصطلاحات به تفصیل توضیح داده شده‌اند تا درک عمیق‌تری از هر کدام به دست آید.

 

1.طراحی مبتنی بر مدل (MBD)

طراحی مبتنی بر مدل (MBD) یک روش مدرن در توسعه سیستم‌ها است که در آن از مدل‌ های شبیه‌ سازی شده برای طراحی و آزمایش سیستم‌های پیچیده استفاده می‌شود. در این روش، مهندسان یک نمایشی مجازی از سیستم ایجاد می‌کنند که امکان شبیه‌سازی و اعتبارسنجی قبل از آزمایش یا پیاده‌سازی فیزیکی را فراهم می‌آورد. این روش به کاهش زمان و هزینه‌های توسعه محصول کمک می‌کند، زیرا امکان آزمایش سریع و بهینه‌سازی طراحی‌ها بدون نیاز به ساخت پروتوتایپ‌های فیزیکی وجود دارد. MBD به‌ویژه در صنایعی مانند هوافضا، خودرو و رباتیک که پیچیدگی سیستم و نگرانی‌های ایمنی بسیار بالاست، بسیار مفید است.

2.مدل گیاه (Plant Model)

مدل گیاه یک انتساب ریاضی از یک سیستم واقعی است، مانند سیستم‌های مکانیکی، الکتریکی یا هیدرولیکی. مدل گیاه رفتار دینامیکی سیستم را منعکس می‌کند و ویژگی‌ها، تعاملات و محدودیت‌های فیزیکی آن را در بر می‌گیرد. به‌عنوان مثال، در کاربردهای خودرویی، مدل گیاه می‌تواند رفتار یک موتور یا سیستم تعلیق را شبیه‌ سازی کند و به مهندسان این امکان را می‌دهد که عملکرد را پیش از آزمایش فیزیکی بهینه‌سازی کنند. مدل‌های گیاه در طراحی مبتنی بر مدل اهمیت زیادی دارند، زیرا به عنوان “سیستم پایه” عمل می‌کنند که مدل کنترلر با آن تعامل دارد.

طراحی مبتنی بر مدل | مدل گیاه | انرژی خورشیدی

مدل گیاه از یک سیستم تولی برق از طریق جمع آوری انرژی خورشیدی

 

3.مدل کنترلر (Controller Model)

مدل کنترلر نمایشی از الگوریتم‌های کنترلی است که برای مدیریت رفتار مدل گیاه طراحی شده‌اند. این مدل شبیه‌سازی می‌کند که چگونه کنترلر باید به ورودی‌ها و اختلالات مختلف واکنش نشان دهد تا به خروجی مورد نظر دست یابد. کنترلر با مدل گیاه از طریق سیگنال‌های کنترلی مانند تنظیم سرعت موتور، تنظیم فشار یا مدیریت دما تعامل دارد. در طراحی مبتنی بر مدل، این مدل به مهندسان این امکان را می‌دهد که استراتژی‌های کنترلی را برای کارایی و ایمنی بهینه کنند، زیرا می‌توان آن را در محیط‌های مجازی قبل از پیاده‌سازی در سخت‌افزار آزمایش کرد.

 

4.شبیه‌سازی (Simulation)

شبیه‌سازی در طراحی مبتنی بر مدل شامل اجرای مدل‌ها به‌منظور پیش‌بینی رفتار سیستم تحت شرایط مختلف است. با شبیه‌سازی واکنش‌های سیستم به تغییرات ورودی‌ها، عوامل محیطی یا سناریوهای عملیاتی، مهندسان می‌توانند عملکرد سیستم را بدون نیاز به آزمایش فیزیکی ارزیابی کنند. شبیه‌سازی‌ها برای شناسایی مشکلات بالقوه در مراحل اولیه طراحی بسیار مهم هستند، مانند مشکلات عملکردی، بی‌ثباتی سیستم یا خطرات ایمنی. به‌عنوان مثال، یک مهندس خودرویی ممکن است سناریوهای تصادف را شبیه‌سازی کند تا ایمنی وسیله نقلیه را بدون انجام آزمایشات فیزیکی خطرناک ارزیابی کند.

همچنین بخوانید : انواع شبیه سازی های پرکاربرد در مهندسی

 

5.شناسایی سیستم (System Identification)

شناسایی سیستم فرایند ساخت یا بهبود یک مدل ریاضی از یک سیستم دینامیکی بر اساس داده‌ های دنیای واقعی است. این فرایند شامل جمع‌آوری داده‌های تجربی از سیستم فیزیکی و استفاده از تکنیک‌های آماری و محاسباتی برای استخراج مدلی است که بهترین تطابق را با رفتار مشاهده شده داشته باشد. در طراحی مبتنی بر مدل، شناسایی سیستم اغلب برای ایجاد مدل‌های دقیق گیاه استفاده می‌شود، به‌ویژه زمانی که مدل فیزیکی دقیق در دسترس نیست یا خیلی پیچیده است که نتوان آن را به‌صورت دستی استخراج کرد. به‌عنوان مثال، ممکن است از شناسایی سیستم برای مدل‌سازی رفتار یک توربین بادی بر اساس داده‌های خروجی اندازه‌گیری شده در شرایط عملیاتی مختلف استفاده شود.

 

6.مدل فضای حالت (State-Space Model)

مدل فضای حالت ابزاری ریاضی است که برای نمایش دینامیک یک سیستم استفاده می‌شود. این مدل ورودی‌ها، خروجی‌ها و متغیرهای داخلی سیستم را در مجموعه‌ای از معادلات دیفرانسیل یا تفاضلی از درجه اول که به‌صورت ماتریسی بیان می‌شود، به نمایش می‌گذارد. رویکرد فضای حالت برای تحلیل و طراحی سیستم‌های کنترلی بسیار مفید است. این روش سیستم‌های پیچیده مانند سیستم‌های چند ورودی، چند خروجی را به‌صورت استانداردی ساده‌سازی می‌کند که برای تحلیل پایداری، طراحی کنترل بهینه و برآورد حالت‌ها راحت‌تر است.

مدل فضای حالت | طراحی مبتنی بر مدل

 

7.تولید کد (Code Generation)

تولید کد در طراحی مبتنی بر مدل به تبدیل خودکار مدل‌های سطح بالا به کد اجرایی مانند C یا C++ اشاره دارد. این فرایند برای توسعه سیستم‌های جاسازی شده حیاتی است، جایی که کنترل سیستم‌های فیزیکی در زمان واقعی ضروری است. با تولید کد به‌طور مستقیم از مدل، مهندسان می‌توانند اطمینان حاصل کنند که سیستم پیاده‌سازی‌شده دقیقاً مانند شبیه‌سازی عمل می‌کند و از بروز خطاهای کدنویسی دستی جلوگیری می‌شود. به‌عنوان مثال، یک الگوریتم کنترل که در محیطی مانند MATLAB توسعه یافته است، ممکن است به کد C تبدیل شود تا بر روی یک میکروکنترلر جاسازی شده اجرا شود.

 

8.شبیه‌سازی سخت‌افزار در حلقه (HIL Simulation)

شبیه‌سازی سخت‌افزار در حلقه (HIL) یک تکنیک است که در آن سخت‌افزار فیزیکی، مانند کنترلر یا حسگر واقعی، با یک شبیه‌سازی لحظه ای از مدل گیاه ترکیب می‌شود. این کار به مهندسان این امکان را می‌دهد که عملکرد سخت‌افزار را در یک محیط مجازی قبل از پیاده‌سازی در دنیای واقعی آزمایش و اعتبارسنجی کنند. آزمایش HIL در صنایعی مانند هوافضا، خودرو و رباتیک که ایمنی و عملکرد بسیار حیاتی هستند، رایج است. این تکنیک بینش‌های ارزشمندی در مورد نحوه رفتار سخت‌افزار در شرایط واقعی به دست می‌دهد و کمک می‌کند که مشکلات در مراحل اولیه توسعه شناسایی شوند.

همچنین بخوانید : نمونه سازی دیجیتال و اصول اولیه آن در تولید

 

9.اعتبارسنجی مدل (Model Validation)

اعتبارسنجی مدل فرایندی است که در آن اطمینان حاصل می‌شود که یک مدل شبیه‌سازی دقیقاً نمایانگر سیستم واقعی است که قرار است شبیه‌سازی کند. این کار شامل مقایسه خروجی مدل با داده‌های واقعی سیستم است تا اطمینان حاصل شود که پیش‌بینی‌های مدل قابل اعتماد و دقیق هستند. اعتبارسنجی یک مرحله ضروری در طراحی مبتنی بر مدل است، زیرا مدلی که اعتبارسنجی نشود ممکن است منجر به نتایج نادرست و طراحی‌های ناکارآمد شود. به‌عنوان مثال، مهندسان ممکن است مدل یک موتور خودرو را با مقایسه مصرف سوخت شبیه‌سازی شده آن با داده‌های تست دنیای واقعی اعتبارسنجی کنند تا از دقت مدل اطمینان حاصل کنند.

همچنین بخوانید: بهینه سازی سیستم قبل از ساخت

 

10.حساب ریاضی ثابت نقطه و شناور نقطه (Fixed-Point and Floating-Point Arithmetic)

حساب ریاضی ثابت نقطه و شناور نقطه دو روش مختلف برای نمایش اعداد در سیستم‌های کامپیوتری هستند. حساب ثابت نقطه از تعداد ثابتی از ارقام اعشاری استفاده می‌کند که باعث می‌شود در محاسبات و استفاده از حافظه کارآمدتر باشد. که برای سیستم‌های جاسازی‌شده با منابع محدود مناسب است. از سوی دیگر، حساب شناور نقطه می‌تواند دامنه وسیع‌تری از اعداد را نمایش دهد. بیشتر برای محاسباتی که دقت بالا نیاز دارند، مناسب است. هرچند که منابع محاسباتی بیشتری مصرف می‌کند. در طراحی مبتنی بر مدل، درک تفاوت‌های این دو نوع حساب ضروری است، زیرا انتخاب بین آنها می‌تواند بر دقت و عملکرد سیستم تأثیر بگذارد.

 

11.گسسته‌سازی زمان (Sampling)

گسسته‌سازی زمان فرایند تبدیل مدل‌های زمان پیوسته، که سیستم‌هایی را که به‌طور پیوسته در زمان تکامل می‌یابند، به معادل‌های زمان گسسته است. در سیستم‌های زمان گسسته، زمان به فواصل کوچک (دوره‌های نمونه‌برداری) تقسیم می‌شود و رفتار سیستم در این فواصل مدل می‌شود. این مرحله در طراحی مبتنی بر مدل بسیار حیاتی است. زیرا بیشتر سیستم‌های کنترلی دنیای واقعی در محیط‌های زمان گسسته، مانند کنترلرهای دیجیتال و کامپیوترها، عمل می‌کنند. گسسته‌سازی صحیح زمان اطمینان حاصل می‌کند که شبیه‌سازی رفتار سیستم را به دقت منعکس کند و الگوریتم‌های کنترلی بتوانند در نرم‌افزار پیاده‌سازی شوند.

 

12.طراحی مبتنی بر نیازمندی‌ها (Requirement-Based Design)

طراحی مبتنی بر نیازمندی‌ها رویکردی در توسعه سیستم است که در آن بر اساس نیازمندی‌های مشخص و شفاف در طول فرایند طراحی عمل می‌شود. در طراحی مبتنی بر مدل، این فرآیند شامل اطمینان از این است که تمام مدل‌ها، شبیه‌سازی‌ها و پیاده‌سازی‌های نهایی بر اساس نیازمندی‌های مشخصی، مانند اهداف عملکردی، استانداردهای ایمنی یا رعایت مقررات طراحی شده باشند.

این فرآیند کمک می‌کند تا طراحی سیستم هم نیازهای عملکردی و هم محدودیت‌های پروژه را برآورده کند. و مسیری روشن برای اعتبارسنجی و بررسی طراحی فراهم آورد. به‌عنوان مثال، طراحی یک دستگاه پزشکی می‌تواند بر اساس نیازمندی‌های خاص ایمنی انجام شود تا سیستم هم‌زمان با ارائه عملکرد مطلوب، استانداردهای ایمنی را رعایت کند

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *