仿真模型范例6篇

仿真模型范文1

关键词：人群运动模型；碰撞避免；运动控制；路径

中图分类号：TP391.9 文献标志码：A 文章编号：1006-8228（2016）11-61-03

Analysis of crowd movement simulation model

Zhang Xiuguo

（Qingdao Technological University Qindao College， Department of Computer Engineering， Qingdao， Shandong 266100， China）

Abstract： The simulation of pedestrian movement behavior has a wide range of applications in the crowd simulation， digital entertainment and security planning. The commonly used crowd motion simulation models include the rule-based model， the social force based model， the cellular automata model and Agent based model， etc. This paper introduces the advantages and disadvantages of various models in detail， and the crowd movement planning， including the global path planning， the local path navigation and interaction effect between individuals and so on. In order to realize the real crowd movement simulation effect， a suitable model needs to be adopted according to various environmental factors to improve the simulation fidelity of the crowd movement.

Key words： crowd movement model； collision avoidance； moment control； path

0 引言

近年来由于计算机技术的不断发展，模拟行人的运动行为在人群模拟、数字娱乐及安全规划等都有着广泛的应用。虽然人类在拥挤的地方能够顺利甚至毫不费力的移动，但对于计算机程序来说，模仿这种行为的现实性仍然是一个挑战性的任务。

人群运动仿真行为的研究大致有宏观和微观两种行为的研究。人群运动宏观行为研究一般针对大范围的人群流动场景，研究以组为单位的人群行为。而微观行为研究则关注于人群中个体行为研究，适合于人群不太密集的场合。虚拟人和虚拟环境的相互作用在人群运动模拟中非常关键，人群在运动的过程中不断感知周围环境信息并进行运动调整。

1 人群运动模拟模型

大量的学者在研究人群运动行为时，提出了一系列模型。具有代表性的模型有：基于规则模型、基于社会力模型、元胞自动机模型和基于Agent模型等。下面将分别介绍这些模型。

1.1 基于规则模型

在计算机图形学领域中，1987年Reynolds[1]对鸟群的开创性工作，提出了Boid（鸟群仿真运动模型）是最早的关于行为模拟的文章之一。该模型可以模拟鸟群的聚集飞行行为，描述了一种分布式的行为模型来模拟鸟群的运动。

基于个体规则的方法只能模拟较简单的群体运动。对于人类群体的运动行为由于规则数量的不断增加，从而使规则顺序大量增加，实验的难度也会增大。因此，基于个体行为规则的方法很难全面描述人群运动行为。基于规则的模型在实现避免碰撞时是根据预定义的规则状态[2]，视觉上吸引人的模拟是可以实现的。但是，对于特定场景情况规则可能是紧密耦合。因此这样的模型在一般情况下可能起不到很好的作用。

1.2 基于社会力模型

Drik Helbing等最初从人类社会心理学和力学两方面，模拟了人群在恐慌状态下的特点，假设行人受到社会力的作用，提出了社会力学模型[3]。由于该模型是以牛顿力和个体间相互的社会心理影响力为基础，可信度较高，因此被广泛应用和研究。在该模型里，行人在运动时会受到自身的期望速度大小和期望速度方向、人与人之间的作用力fij和障碍物对人的作用力fiw这三方面的影响。根据这三个因素，这些力的合力作用于行人，行人在时间t的速度改变量可由下面公式得到：

⑴

Helbing等通过真实实验测试了社会力模型的有效性，并对社会力模型进行校正，他们发现了多个不常见的安全措施。例如障碍的合理设置将有利于产生稳定的人流，之字形的通道有利于减轻恐慌人群拥挤的压力等。Brogan提出了用算法去控制受复杂动力学因素影响的个体运动，此模型适用对象是一些具有显著物理特征的特殊人群[4]。在建模过程中使用动力学原理来对人群的位置、前进速度和加速度变化进行量化。基于社会力模型的优点是其物理意义比较直观，模型中变量能够较好的模拟人群真实运动情况，但是由于有较多的作用力参数，使各种作用力之间较难平衡，计算的复杂度高，因此难以得到较平滑的运动轨迹。

1.3 元胞自动机模型

Von Neumann 和Stanislaw Ulam最早提出元胞自动机模型，目前主要广泛应用于模拟各种物理系统和自然现象[5]等。元胞自动机模型不需要经过复杂的运算，只要直接通过制定行为准则就可以来模拟非线性物理现象。由于人群是一个具有高度复杂性和不确定性的群体，人群行为的模拟远比车辆等按一定规则进行运动的物体模拟要困难得多，而元胞自动机模型则是用来模拟人群行为的一种高效的技术。Fruin对行人流进行了详细的分析。受他的影响，上个世纪九十年代初，国外研究者们开发出了一系列用于行人模拟的方法。

元胞自动机模型较明显的优点是通过少量简单的规则可以近似模拟实际中观察到的行人现象，并且这些规则在直觉上很容易理解，与复杂的行为模型相比，其计算过程简单且高效。这种模型也有很明显的缺点，比如把模拟空间离散成二维的网格时，模拟个体的运动通常受到限制，只能移动到相临近的四个空闲网格之一，另外当较大人群拥挤在一起时，模拟出的人群效果就像棋盘格一样均匀，人群之间的推挤和碰撞无法模拟出，因此会导致其结果严重失真。

1.4 基于Agent模型

基于Agent模型中，每个Agent可以看作是有自适应性和智能性的实体，可以自主的感知其周围环境。在仿真模型中对个体单独建模，定义个体的运动规则和属性，而不对每个具体的行为下定义。通常一个Agent包括以下几个特征[6]：自主性，自动感知外部环境的信息；社会性，通过某种行为与其他Agent的相互作用；主动性，为了执行预先设定的目标而自主采取的行为规则。这些特点有利于研究群体当中单个个体的属性和行为，以及某种行为发生的原因。如图1所示，表示的是典型的Agent图。

通常单个的agent模型较少，常见的大多是Muti-agent模型。Muti-agent模型中包含多个单个agent模型，由多个agent相互合作来完成单个agent模型不能解决的复杂问题。

2 人群运动控制

人群运动的模拟是个极其复杂的问题，个体运动时需要全面考虑全局目标和局部环境的影响。人群运动模拟通过控制个体在保持碰撞避免的条件下顺利到达目标，这是人群运动控制的目的，个体自身的特性和限制在运动控制的过程中需要加以考虑。针对人群的运动规划，包括全局路径规划、局部路径导航、碰撞的避免和个体之间的交互作用等。

2.1 全局路径规划和局部路径导航

人群运动模拟中，个体从当前位置到达目标的大致路线可表示为全局路径规划和局部路径导航。元胞自动机模型常用于路径规划，将模拟区域划分为二维网格，其中每个网格都是一个基本单元。从计算模型的角度来看，复杂的运动行为通常来自agent两个方面的活动：路径规划和运动。路径规划可以被认为是更高级的行为，生成一个全局路径目标的agent。通常认为环境的静态方面比如墙和门。为了避免动态障碍，运动被认为是低级行为来促使agent的运动。这个双层的方法在有些程序中是有效的，但在生成实际人类运动时是不足的。使用更高级的认知信息来调整路线的动态性，这些调整是通过采取决策尽量减少碰撞的可能性。全局路径规划和局部路径导航相搭配的方法可以引导个体向目标运动。

2.2 碰撞的避免

避免碰撞是运动过程中需要考虑的一个重要方面。人群运动仿真过程中，由于虚拟环境中通常存在不同的障碍物。因此个体之间可能发生碰撞，个体与障碍物之间也可能发生碰撞。并且碰撞可能是静态物体与动态物体碰撞，也可能是动态物体的相互碰撞。人群运动模拟将行人看作移动的障碍，而将个体之间的碰撞避免的问题看作障碍物的避让。人与人之间碰撞的避免，需要在模拟过程中设计有效的策略。个体对自己当前环境认知后更新其状态，并尽快被其他个体所认知。

另一种考虑是，将碰撞问题集成在路径规划的框架下，通过进行设计和寻找无碰撞的路径来避免显式的碰撞处理。

行人使用路径规划指导来确保他们的运动是光滑和有效从而避免碰撞。但是，这样的现象不一定能反映任何智能机械确保碰撞及自由移动。事实上，我们认为行人在大多数情况下，不需要很复杂的决策。相反，他们很熟悉依靠简单的策略对应不同的情况。大多数基于agent的方法依靠各种机械或者转向规则阻止agent相互碰撞。这种方法有两个主要的缺点：①很难设计针对不同情况的规则，将这类规则与人类行为联系起来是很难的；②制造行为的实际情况很大程度上取决于设计者对优化参数的经验。

3 结束语

本文主要介绍了人群运动仿真中的常用模型，并通过个体间的相互作用对各个模型进行了详细分析，包括各个模型的优缺点。由此可以看出，选用合适的运动模型对提高人群运动的仿真度是至关重要的。除此之外，碰撞避免也是人群运动仿真中一个不可回避的问题。通过对碰撞避免的情况分析，决定出个体运动路径规划，从而更好的模拟出人群运动的方向及行为。

参考文献（References）：

[1] Reynolds， Flocks， birds， and schools a distributed behavior

model， Computer Graphics，1987.21：25-34

[2] HELB NG D， FARKAS I， V ISCSEK T V .Simulating

dynamical feature of escape panic[J].Nature，2000.407（28）：487-490

[3] Lamarche， F.， Donikian， S.： Crowd of Virtual Humans： a

New Approach for Real Time Navigation in Complex and Structured Environments. Computer Graphics Forum，2004.23：509-518

[4] Brrun， A.， Musse， S.R.， Oliveira， L.P.L. and Bodmann， B.

E.J.， Modeling Individual Behaviors in Crowd Simulation. In Proceedings of Computer Animation and Social Agents，2003：143-148

[5] John von Neumann. The general and logical theory of

仿真模型范文2

资料与方法

1.ProModel建模ProModel系统仿真软件具有操作简单，结果易懂、功能丰富等优越性，有助于解析系统结构及内部要素的活动输出，实现可行性论证分析的目的，最后为决策制定提供技术支持［12－13］。ProModel软件基本建模要素包括位置、实体、到达、处理逻辑、变量等，其仿真建模的基本流程依次为:设定的仿真目标、确定仿真范围、准确把握目标系统内部复杂逻辑关系、建立并完善模型、运行模型、输出结果及分析［13－15］。2.建模资料来源本研究基于对医保运行系统的整体了解，设置仿真运行所需位置、实体、路径及变量，构建仿真模型。研究选取黑龙江省作为样本地区，以2013年的相关数据作为支撑进行验证性分析和检验。2013年黑龙江全省人口数为3834万人，受限于学生版ProModel中某一任意位置的最大运行容量为999999，该仿真模型按照1∶40的比例，仿真黑龙江省958500人医保运行系统的真实情况，在取得较好验证性结果的基础上对变量进行调整。仿真模拟运行流程该模型中，观测变量为医保筹资总额、住院总费用、患者住院自付总费用、住院医保报销总费用、医保结余;调整变量为筹资标准、患者的不同级别医院流向比［16］、各类型医保参保人群比、起付线、封顶线、报销比。1.模型假设与设计由于医保报销系统相当复杂，系统的运行受到来自内外部的双重影响，因此，首先确定医疗卫生服务系统的起始状态，设定系统的原始输入作为初始值，并对该仿真系统进行系列假设，具体内容如下图1所示，人群在进入模型后仅存在两种状态，患病或健康;人群仅具有疾病属性及医保属性;患者在医院就诊仅且一次;患者的就诊选择为一级、二级或三级医院［17］，其它未涉及内容在模型中暂不予以考虑。本研究将此医保运行仿真模型设为四个阶段:(1)设定仿真模型中到达人群的总人数，明确人群中患者与健康人比例，充分考虑人群医保类型分布比，设计不同医保类型患者进入模型的路径;(2)通过各医保类型参保总人数及各自医保类型筹资标准确立各医保筹资总额;(3)个人在医院获得医疗服务并发生次均医疗费用，计算各医保类型人群在一级、二级、三级医院医疗总费用之和从而得出各级医院住院总费用;(4)按照各医保类型在各级医院的报销比、起付线、封顶线完成费用报销，计算其住院医保报销总费用。最后，得出各保险类型的自付费用之和为患者住院自付总费用，进而确立利用仿真建模得到的各医保类型人群在各级医院实际政策报销比。2013年不同医保制度在各级医院的报销比、起付线和封顶线，具体内容如表1。次均医疗费用低于起付线不予报销，高于封顶线按照封顶线限额进行报销，否则，按报销比例正常报销。2.模型构建首先，根据所设定的仿真目标建立人群到达、患病人群、健康人群、新农合患病人群、城镇居民患病人群、城镇职工患病人群、其他患病人群、各级医院报销等10个位置，设立模型中涉及的实体，即人、健康人、患者。收集2013年度黑龙江省相关数据资料，具体如下表2所示。结果在实际生活中，人群在医保报销体系中各种行为活动的产生都是随机的。依据仿真机理，仿真模型运行过程中，通过对已赋予某种概率分布的随机变量进行程序调用，进而产生随机数，实现模拟现实系统的随机特性。该模型运行过程中，人群在进入模型以后即遵从特定的路径分配，人群医保类型、健康人与患者比例、医院就诊流向分布均服从某一特定概率分布。模型构建完成后，以表2中相关实际数据输入模型进行仿真验证，通过ProModel仿真软件中Option选项完成模型运行时长、运行次数及统计数据的基本设置，最后选择Run选项实现模型运行。仿真共计运行十次，结果表3所示。仿真结果与真实情况进行比较，结果通过表3可以看出，仿真数据和真实数据的相对误差小于0.5%，模型验证性较好［18－19］。CharlesHarrell等学者［14］认为，基于精确数据资料的模型，如果能够准确反映真实系统，实现建模目标则认为该模型是有效的，即只有正确表达真实系统才能够认为仿真模型有效。本研究中，各医保相关要素的数据来源真实可信，同时，模型较好的反映了当前的医保报销系统运行流程，因此认为该仿真模型具有有效性。该仿真模型在医保费用报销过程中，未考虑不在医保报销目录及其他限制因素的影响，因此在疾病各级医疗费用部分，其实际的报销比相对于政策报销比低。政策制定者制定医保补偿政策是在理想政策实施环境下展开的，与政策制定者的出发点相同，仿真模型也未考虑医保报销制约因素的干扰，因此两者的仿真结果较为接近。但在真实的医保报销系统中，由于各种外界因素的干扰，相对于政策补偿水平，实际报销比会处于较低水平。

小结

仿真模型范文3

摘要文章主要对电力系统机炉协调控制模型工作效益进行研究。本文综合系统资料分析了电力系统机炉仿真模型的构建框架并在上述基础上对电力系统机炉仿真模型功能板进行探究。文章以孤立电网频率动态仿真为主，结合控制仿真模型对电力系统机炉控制模型效益进行分析，对仿真结果进行验证。本文对电力系统机炉控制模型的完善具有一定的贡献性作用。

【关键词】机炉控制模型全过程动态仿真

1 电力系统机炉仿真模型的构建

1.1 模型构建原则

电力系统机炉控制全仿真动态模型构建时需要对电力系统机电暂、动态进行全面分析，要严格依照系统电力仿真控制原则形成对应控制体系，其具体原则包括：

（1）动态过程：机炉工作中对负荷变化存在不同的响应，这种响应可以造成机炉工作延迟和滞后，常规仿真中无法对该延迟和滞后进行表现。因此，在进行电力系统机炉仿真模型构建时人员要对该内容进行考虑，要通过调配环节和汽机控制中心等对其暂态过程进行适当调节，把握好相应速度；

（2）常规设置：机炉仿真模型构建时常从正常运行状态出发，由该状态确定对应仿真模型结构。这种依照正常状态设置仿真模型可以明显提升系统设置的有效性、科学性和规范性，设置效益较为显著。与此同时，该设置时还要对常规性能进行把握，例如CCS控制时组态方式就需要从具体设备性能出发，与实际性能一致。

（3）接口设置：电力系统机炉控制全过程动态仿真设计时要对锅炉及汽轮机接口进行全面把握，要依照系统工作状态及模型惯性等对系统特征进行分析，由该系统性质设定对应接口，保证接口内容与工作需求一致。

1.2 模型构建内容

本次电力系统机炉控制模型动态仿真模型系统量主要包括：

（1）发电机电磁功率PE、AGC控制功率PAGC、机组设定功率PREF、发电机转速参考值ωREF、发电机转速参考值ω、主蒸汽压力PT、汽轮机调节级压力P1、汽机主控的输出信号TD、汽机主控的输出信号BD。

（2）调差率R、机组负载指令ULD、主蒸汽压力设定值PT0。

（3）汽机主控的输入信号STC、锅炉主控的输入信号SBC。

该模型构建时对系统信号、功率进行了全面考虑，从比例、积分和微分三个环节对系统功能进行了全面仿真构建。尤其是在机组功率协调控制中，人员以CCS进行功率设定，通过纯转速体系实现控制执行，PID被旁路，一次调频功能得到全面提升。

2 电力系统机炉仿真模型分析

2.1 仿真模型功能分析

（1）单元控制：该部分通过CCS和汽轮机调速器一次调频功能实现系统调频控制，形成机炉需求指令。系统中输入包括功率信号、转速信号等，输出为ULD信号。

（2）机炉主控：汽轮机主要以TD信号实现，通过该信号对机炉运行状态进行调整，形成对应机组功率指标，实现系统功率输出，而锅炉主要以BD信号实现。两者主控原理一致，基本控制效益与系统控制效益相同，都与CCS组态具有密切的关系。但上述两种主控前者BF状态下主要偏重于单元主控和功率偏差主控，TF状态下主要偏重于汽压主控，而后者恰恰相反。

（3）前馈控制：系统为了与实际工作状态一致常需要设置对应前馈环节，由该环节对状态运行进行调整，提升仿真中大惯性时间常数与机炉的一致性。电力系统机炉控制模型动态仿真模型中的前馈控制主要采用机组负荷需求指令前馈，由该指令控制系统开关、燃料信号，从而提升CCS的控制效益和范围。

（4）能量控制：系统在进行能量控制的过程中主要通过能量平衡原理实现，由该原理构建了对应的直接能量控制体系。该控制结构以机炉能量需求为核心，将机炉能量供求关系作为主体，形成了对应的一体化能量协调机制，其控制信号为能量平衡指标。

（5）功率控制：系统在功率控制过程中主要以机组能量为标准，由该能量构建对应功率信号，如PT0、P1、PT等。系统由比例、微分系统中的前馈结构确定功率指标，依照该部分内容对功率进行叠加，最终形成燃烧指令。

（6）协调控制：系统在进行协调控制时主要通过以上几方面控制内容实现，由上述内容形成平衡体系，依照平衡结构变化状况发出协调指标。该控制过程中要先依照系统实际运行状态确定机炉组态方式，形成对应组态体系。

2.2 仿真模型效果分析

本次系统仿真过程中主要使用陕西电网数据，通过该电网对孤立网频率问题进行全面分析。电力系统机炉控制全过程仿真模型中依照本区域电网数据形成了对应机电暂态及中长期和常规机电暂态仿真两部分。

本次仿真故障环境为：电网送断面4回330kW输电线断开，电网30.0s时韩城机组运行状态发生转变，机组停止，陕西、甘肃、青海、宁夏电网解列。依照上述故障环境进行仿真分析，系统解列功率缺额大约为200MW，其具体出力变化状况见图1。

在上述仿真过程中系统32s前机组仿真状态基本没有发生转变，系统仿真状态持续稳定，而在该时间点后系统出现明显仿真状态转变：32.45s系统开始低周减载，负荷量逐渐减少，频率在一段时间后变化为49.4Hz左右，出力状况逐渐趋于稳定，系统功率特性与频率特性仿真效果非常显著。

3 总结

随着电力系统发展的不断深入，我国电网电机建设已经得到了本质发展，电力系统机炉控制效益已经得到了显著提升。我国电网电机中多为火电机组，该机组对电网频率较为敏感，在控制体系构建过程中需要把握好电网频率状况。只有真正适应电网调频需求，构建电网动态仿真，我国电力系统才能够得到长足进步和发展。如何通过全过程动态仿真确定电力系统机炉控制效益已经成为电力工作的重中之重。

参考文献

[1]宋新立，王成山，仲悟之，汤涌，卓峻峰，吴国，苏志达.电力系统全过程动态仿真中的自动发电控制模型[J].电网技术，2013，12：3439-3444.

[2]刘涛，叶小晖，吴国，苏志达，仲悟之，宋新立，黄永宁. 适用于电力系统中长期动态仿真的风电机组有功控制模型[J]. 电网技术，2014，05：1210-1215.

[3]吴国，宋新立，汤涌，仲悟之，刘涛，叶小晖.电力系统动态仿真中的安全稳定控制系统建模[J].电力系统自动化，2012，03：71-75.

[4]吴中芳.基于DSP的锅炉控制系统的研究[D].太原科技大学，2013.

仿真模型范文4

关键词：光伏电池；输出特性；Matlab/Simulink；数学模型

随着低碳经济和低碳技术的发展，太阳能作为一种洁净可再生能源已成为各国研究的热点，各国政府也相继出台各类政策支持太阳能光伏产业的研究和发展。然而，由于其较高的研发费用和受实际环境因素限制，使太阳能光伏技术的发展远不能满足社会发展需求。所以实验室仿真分析成为光伏电池设计与研究的有效手段。本文在Matlab/Simulink的仿真系统中，基于光伏电池输出特性的基础上对光伏电池进行建模，仿真结果表明，该数学模型的输出特性与实际太阳能电池板输出特性非常接近，验证了设计的正确性。

1 光伏电池实用仿真数学模型

光伏电池是利用半导体材料的光伏效应制成的，所谓的光伏效应是指半导体材料吸收光能后产生电动势的现象。所以光伏电池本身是一个P-N结，基本特性与二极管类似，其等效电路由光生电流源和一些电阻组成。仿真模型的特点是采用简单且易获取的参数拟合出光伏电池的输出特性，适用于对电池外部特性进行的仿真研究。根据光伏电池的V-I特性曲线可以得到基本输出特性公式：

I=ISC[1-C1(e-1)](1)

C1=(1-Im/Isc)e(2)

C2=(Um/Uoc-1)/ln(1-Im/ISC)(3)

式中：U、I为电池输出电压和电流；C1，C2为修正系数。

上述数学模型还与实际环境存在一定偏差，所以应该进行修正。采用性能参数修正法建立的数学模型，在环境条件变化时，如温度，光照强度等因素，可以对光伏电池的4个性能参数进行修正，得到接近实际环境下的光伏电池实用模型，修正系数如下所示：

DI=S/Sref[1+a(T-Tref)](4)

DU=[1-c(T-Tref)]ln[e+b(S-Sref)](5)

I′sc=IscDII′m=ImDI(6)

U′oc=UocDIU′m=UmDI(7)

式中：a和c为温度补偿系数，b为光强补偿系数。

2 Matlab/Simulink仿真建模

从上面公式得到的光伏电池实用仿真模型不需要复杂的参数，只需要4个基本性能参数就模拟光伏电池输出特性。利用Matlab对上述光伏电池模型进行仿真，以式(1)为数学模型基础，在simulik里建立仿真模型。图1为光伏电池数学模型内部结构，图2为该模型的封装模块，并在内封装Um，Uoc，Im，Isc以及Tref，Sref参数，太阳能电池模型参数设置图3所示。其中V，I为模型实际电压和电流，S，T分别为实际日照强度和环境温度。

2 光伏电池实验与结果及输出特性分析

光伏电池输出功率是光伏电池一个很重要的参数，且在一定光照强度和温度下都有最大功率点，它由式(8)决定：

P=UI=UISC[1-C1(e-1)](8)

在环境温度25℃时，光照强度分别为0.8kW/m2，1kW/m2，1.2kW/m2时光伏电池P-U，I-U曲线如图4，图5所示。

在光照强度为1kW/m2，环境温度分别为15℃，25℃，35℃时光伏电池P-V，I-V曲线如图6，图7所示。

从仿真实验结果中我们可以看到太阳能电池由于受温度和光照强度等环境因素影响很大，其输出具有明显的非线性。光照强度相同时，随着温度上升光伏电池开路电压下降，短路电流有所增加，最大输出功率也减小；温度相同时，随着光照强度的增加开路电压几乎不变，短路电流有所增加，最大功率也有所增加。基于光伏电池输出特性具有非线性和最大功率点特点，而且最大功率点也随着光照强度和环境温度等因素变化，为提高能量转换效率，在实际应用中光伏电池需采用适当的最大功率点跟踪算法控制光伏系统，保证光伏电池总是运行在最大功率点。

3 结束语

光伏电池输出特性不仅与自身参数有关，还与外界光照强度和环境温度有关。本文在分析光伏电池输出特性的基础上，利用Matlab/Simulink搭建实用仿真模型。仿真结果表明，与光伏电池理想等效模型相比，该模型不需要复杂的参数，只需生产厂家提供的4个基本参数就可实现接近实际环境下的光伏电池输出特性曲线，且模块构造简单易于理解，参数容易调整，通用性强、可靠性和精度明显优于其他模型，能够满足光伏系统设计要求，为光伏电池理论分析和实际工程设计提供很大便利。

参考文献

[1] 赵福鑫，魏彦章，太阳电池及其应用[M].北京：国防工业出版社，1985

[2] 苏建徽，余世杰，赵为等.硅太阳电池工程用数学模型[J].太阳能学报，2001，22 (4): 409-412.

[3] 王长江.基于MATLAB的光伏电池通用数学模型[J].电力科学与工程，2009，25(4): 11-14.

[4] 周德佳，赵争鸣．基于仿真模型的太阳能光伏电池阵列特性的分析［J］．清华大学学报，2007，47(7)：1109-1102.

[5] 沈玉.跟随样品太阳电池的光伏阵列模拟器[J].太阳能学报，1997，20(4):23-27.

[6] 赵争鸣，刘建政.太阳能发电及其应用[M].北京：科学出版社，2005:237-243.

仿真模型范文5

关键词：层次分析法；发现目标模型；发现目标概率；仿真试验；模型可靠性

DOI：10.16640/ki.37-1222/t.2017.02.218

1 引言

当今世界，面临着高技术战争和非传统安全双重威胁，提高部队战斗能力是有效应对各种威胁和挑战的前提，军事训练是提供部队战斗能力重要途径，世界各国军队都在加强现代军事训练的探索和研究。由于处在和平时期，我们很难像过去那样“从战争中学习战争”，同时传统的大规模军事演习不仅要受到政治环境和经济条件的约束，而且对演习场所、管理调度和安全保密等方面提出了较高的要求。随着计算机网络等仿真技术的兴起，仿真训练已逐渐成为训练部队、提高军队战斗力的重要工具，利用计算机仿真技术对系统建模仿真模拟训练和对抗，已成为一种经济、有效的部队训练方式。“从系统中构建出数学模型，在仿真中模拟训练”已成为现实中常用的方法。因此一个新兴的研究领域--计算机生成兵力（Computer Generate Force，以下简称CGF）应运而生。计算机生成兵力通过对武器装备和人员的建模，增强参训人员的参与感、体验感，提高训练效果，减少训练费用和时间场地限制，并为军队的装备训练、战术开发、武器系统先期概念、需求论证及研制等提供支持。

地面活动目标在我们的生活中普遍存在，例如人与车辆等目标都属于此类。在战场上的敌军、卡车、坦克等目标也属此类，它们的识别都具有重要的作用和意义。在战场上，实时识别探测到的目标属性，对战场的作战指挥显然极为有利。现代战争具有态势变化快，作战环境复杂等特点。在陆地战场上，坦克是的主要的突击作战武器之一，它具有强大的直射火力，它的主要任务是用于与对方的坦克和其他装甲车辆作战，用于压制和消灭反坦克武器，摧毁敌野战工事。坦克主要以火力完成任务，要想摧毁敌目标，首先必须要侦查目标进而发现目标。目标识别是战场作战的基本前提，指挥员在识别敌我目标之后，确定目标的类型和目标位置等参数，继而下达攻击命令，火力系统在得到各种目标参数后才能准确的击中目标。

在现代作战仿真中，坦克是重要的建模对象，其行为复杂导致有多种建模方式。从坦克的构造及功用来看，坦克模型主要由发现目标模型、目标特征识别模型、行动模型、火力模型和通信模型等组成。发现目标是坦克火力打击的前提，发现目标模型是坦克模型中需要考虑的首要模型。建立发现目标后对目标进行识别和特征分析是在发现目标模型的基础上建立的。如何建立可行的发现目标模型是核心的问题。实际战场环境中存在的各种各样的不可控的影响因素，如地形地貌，天气气候等，哪些因素对我们的建立的模型影响较大，哪些因素影响较小？如何去评价和判断？根据战场的实际对抗系统，我们又需要建立怎样的数学模型，使得复杂的战场因素量化，得到可分析的处理数据？另外，如何识别目标特征并确认目标身份，识别敌我？

2 问题的分析

针对上述问题，我们根据提供的命题对其目的进行分析。命题的目的是建立两辆坦克相互观察发现目标模型，而后建立计算机程序，使其能进行侦察发现目标的仿真试验，最后对试验结果进行分析。

通过观察目的，得出影响坦克发现目标的相关因素。坦克发现目标的影响因素主要有环境影响因素、观察仪器设备性性能因素、目标特性、侦查条件等等。通过层次分析法，罗列出在坦克发现目标的模型中各种因素的条件和变化情况，并对各影响因素进行比较、判断、评价、作出决策，得出各影响因素在建立发现模型中所占的比例，进而分析出主要影响因素，为后面建立的模型需要考虑的要素提供理论基础。得出主要影响因素后，我们从主要因素出发，建立相应的数学模型。本文建立与坦克车内利用瞄准镜搜索发现目标率和发现目标的概率数学模型，进而研究影响发现率的因素。发现目标后，通过基于微多普勒特征的坦克目标参数估计对目标进行身份识别，判断目标类型和敌我属性。最后将建立的坦克发现模型进行仿真实验，并结合“人在环”实验数据相验证，得出其可靠性。

本文研究在坦克车内用瞄准镜发现目标的概率，从而建立发现率，发现目标概率的数学模型。通过建立的数学模型，模拟坦克在实际战斗中搜索目标，识别目标的过程，以相同的某型坦克参数为输入条件，在不同植被和不同能见度的条件下，使用不同倍率的观察镜进行仿真实验，在机动中观察搜索进行仿真实验评估，验证模型建立的准确性，进而为火力打击摧毁目标，完成战斗任务提供支持和保证。

3 模型的假设

（1）假设坦克高3米

（2）瞄准镜距水平面高为h，与目标水平距离为d；

（3）目标尺寸较d小；

（4）发现率与目标在观察点所成的立体体角成正比，则发现率为f，f=。

4 模型的建立及求解

根据以上分析，两坦克相互观察发现目标模型建立总体设计思路如下：为了完整仿真发现目标的全过程，将模型分为四个部分。

（1）影响坦克搜索发现识别目标的因素很多，为了寻找各因素统计分析的价值，使用层次分析法进行一致性检验。

（2）针对坦克是否能识别及发现可疑目标，建立坦克车内用瞄准镜搜索发现目标率和发现目标判断概率的数学模型。

（3）在发现目标后，对目标进行类别，特征分析，建立基于微多普勒数学模型的坦克身份识别。

（4）总结分析上诉三个模型，建立两坦克相互观察发现目标模型，使其能够满足侦查发现目标的仿真试验。

4.1 基于层次分析法的坦克搜索识别目标影响因素分析

坦克发现目标的影响因素很多，有环境影响因素，观瞄装置及战术技术性能指标，目标的特征，侦查的条件。因素中还有多种条件，环境因素中有地形，植被，能见度。每个因素的变化情况也不同，例如环境因素中的地形有城市，丛林等。

各种因素的每种条件和变化情况在坦克发现目标的模型中都要考虑，例如考虑5个因素的4种可变情况，将有中组合，每个组合需要数百乃至数千次的试验，才能得到可靠有价值的统计数据，再根据数据反映出数据的规律性。考虑到现实因素，每种情况都试验较为复杂，也难以完成。为了减少试验次数，对各影响因素进行比较、判断、评价、作出决策。提高模型建立的准确性和快速性，使用层次分析法（Analytic Hierarchy Process， AHP）进行模型建立、求解及评定分析影响因素，规划设计有重点，有主次，有针对性的试验。坦克发现目标的影响因素集：

，其中，：环境影响因素，：观瞄装置及战术技术性能指标，：目标特征，：侦察条件。

现针对目标与各影响因素的关系，进行分层，确定目标层与准则层，构造层次分析结构。图1如下：

通过经验判断四个影响因素的相对重要程度，根据判断矩阵元素标度方法表将四类因素对坦克发现目标的影响构成成对比较矩阵：

因此，坦克发现目标的影响因素与环境影响因素、观瞄装置及战术技术性能指标、目标特征、侦察条件的关系可以表示为：

由上式可以看出，坦克发现目标的影响因素与环境影响因素、观瞄装置及战术技术性能指标、目标特征、侦察条件成线性关系，且目标特征影响最大，观瞄装置及战术技术性能指标较大，侦察条件次之，环境影响因素最小。

4.2 发现目标概率模型

将一个地区内地形的变化对视线覆盖率的影响表示为随机过程，根据此随机目标视线覆盖率判断过程的特性参量，求出该地区的平均视线覆盖率，平均视线覆盖率是典型地形视线覆盖率的统计平均值，如表2所示。

坦克在战斗过程中，坦克内战斗人员通过望远镜，红外夜视仪等装置搜索发现目标，目标的概率有很多因素。第n次观测的发现目标概率为为：

其中为单独第i次观测发现目标率。假设目标偏离视线的角度在垂直方向的偏向角为、水平方向的偏向角为。则每次观测的有效立体角为。

假设搜索时观察者眼睛处所的立体角为，搜索者不了解目标具体的位置，且目标的有效观察立体角与视线方向无关。则随机指向内的单次观测目标发现概率将是一个常数，大小由确定。

由于上述各种因素对发现概率的影响，要判断目标成功被发现还要考虑地形视线覆盖率和战场环境系数等。则坦克发现目标的概率，其中，为观察系统对目标的视线覆盖率，可表示为：

其中K为战场环境系数体现了环境、烟雾、灰尘等因素的综合影响，不同的战场环境，K的取值是不同的；Q为地形视线覆盖率；L为能见度限定值；X为观察者与目标间的距离。由此，当时（为某一定值）则认为目标被发现。

5 仿真结果与模型验证

5.1 基于层次分析法的坦克搜索识别目标影响因素分析

仿真界面如图2所示，在该仿真界面中有两个输入要素：地形因素，扫描距离因素。地形因素分析主要分为四种，当输入s=1时，表示环境地形为平坦地形；当输入s=2时，表示环境地形为丘陵地形；当输入s=3时，表示环境地形为较低山地；当输入s=4时，表示环境地形为中等山地。输入地形参数的框格中只能输入1、2、3、4四个数字。扫描距离为坦克观察设备的扫描半径，即扫描视场范围。输入地形参数和输入距离后，根据论文中的数据和编写的matlab程序，点击开始按钮，得出发现概率及是否能够发现目标两个输出结果。

该次仿真表示在平坦的地形环境中，扫描距离为500m的仿真结果，得到坦克发现概率为0.63837，大于预设的概率p0，p0是根据数据表中的多次统计数据得来的，所以本次仿真结果为可以发现目标。

通过多次输入数据仿真，我们可以得到大量的数据，统计并分析，可以得出在平坦的地面上能发现目标的临界距离约为2500m，在丘陵的地形上能发现目标的临界距离约为1900m，在较低山地的地形上能发现目标的临界距离约为1300m，在中等山地的地形上能发现目标的临界距离约为1000m。

5.2 坦克发现目标仿真试验与模型验证

（下转第256页）（上接第250页）

根据汤再江教员在系统仿真学报中发表的文献《坦克CFG发现目标过程的建模和仿真》，利用坦克对抗仿真系统进行仿真试验。

试验以相同的坦克参数为输入条件，在不同植被、不同能见度条件下，使用不同倍率的观察镜进行试验。通过对抗1000次试验的发现目标距离结果数据，再用spass软件统计，实验得到平坦地形中坦克发现目标的平均距离为2130m，即在平坦的地形中能够发现目标的临界距离为2130m。和仿真结果相比，在平坦的地面上能发现目标的临界距离约为2500m，试验和仿真数据较为吻合。同样在丘陵、较低山地、中等山地的地形上进行试验，同时和仿真数据对比，发现数据都较为吻合。

通过“人在环”坦克模拟器对抗试验系统，试验和前面相同或相当进行试验。坦克型号相同，在较平坦地、丘陵、较低山地、中等山地等地形上进行对抗试验，模拟100次，平坦地地形发现目标平均距离2311m，均方差550.73m；丘陵地地形发现目标平均距离为1943m，均方差为340.47m；较低山地地形发现目标平均距离1504m，均方差为427.65m；中等山地地形发现目标平均距离978m，均方差为387.65m。两者实验数据结果较为吻合。

参考文献：

[1]黄健，李欣，黄晓涛等.基于微多普勒特征的坦克目标参数估计与身份识别[J].电子与信息学报，2012，32（05）：1050-1055.

[2]徐大杰，宋贤龙，赵端波.坦克车内发现目标概率的研究[J].火力与指挥控制，2003（28）：79-80.

[3]汤再江，石勇，薛青等.坦克CGF发现目标过程的建模与仿真[J]系统仿真学报，2013，25（05）：957-961.

[4]岑凯辉，杨克巍，谭跃进.基于状态图的坦克行为建模研究[J].计算机仿真，2007，24（01）：17-20.

[5]王宗祥，张仁友，杨道驰等.坦克智能体的感知行为建模[J].数学建模及应用，2014，03（02）：18-23.

仿真模型范文6

关键词： Verilog-A；行为级建模；流水线型ADC

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2016）24-0236-03

行为级建模的方法有很多，Matlab/Simulink建模 [1]，模型通用性和可移植性差。采用VHDL-AMS（VHDL Analog and Mixed-Signal Extensions）建模[2]，但并没有创建出针对流水线的实际非理想因素进行特定的流水线结构ADC模型。利用Pspice和Simulink进行联合仿真[3]，但是普通用户无法得知系统内部详细的电路结构和参数。

基于Verilog-A对多位每级流水线ADC做行为级建模，Verilog-A可以使用电路仿真工具Spectre仿真，而且可以精确描述模拟电路中的各种性能参数，Verilog-A主要通过基尔霍夫电流定律和基尔霍夫电压定律，描述输入输出信号之间的电路行为，verilog-A可以描述时钟抖动、运放增益等非理想因素。

本文通过Verilog-A对子ADC、MADC电路、数字校正电路等关键单元进行建模，最后得到12比特100MHZ的流水线型ADC模型，采用Cadence的Spectre仿真器进行仿真验证。通过仿真结果验证得到SNDR为72.9465dB，SNR为72.9484dB距离理想的12比特ADC模型的SNR只差1.0516dB，ENOD为11.8155距离理想的12比特ADC的ENOD只差0.1845，以此验证了本文的ADC是高速有效的ADC模型。

1 ADC总体设计方案

本文的12比特流水线型ADC 采用1.5bit/stage的10级流水线，最后一级采用2bit闪存模数转换器，还有数字校正电路[4]，流水线型ADC的核心是1.5bit/stage的流水线结构，每级的流水线包括一个MDAC（Multiplying Digital-to-Analog Converter）和子ADC，子ADC对采样信号进行模数变换得到1.5bit数字输出，MDAC的作用包括数模转换，减法器和放大倍数为2的SHA（sample-hold amplifier），图1为流水线结构ADC结构框图。

工作原理如下，首先模拟信号第一级的SH（sample-hold），完成采样保持功能，采样信号送到本级的1.5bit子ADC和下一级MDAC，1.5bit子ADC得到1.5bit数字输出码，同时送到本级数字逻辑电路和下一级MDAC； MDAC中包含1.5bit子DAC，减法器和放大倍数为2的放大器，子DAC将第一级的1.5bit数字码变换得到模拟信号，再送入减法器和第一级的采样保持的输出信号相减，所得余量由放大器放大两倍作为下一级MDAC的输入信号，同样本级的SH采样信号送到本级的1.5bit子ADC和下级MDAC；第3-10级结构与第2级完全相同，第11级唯一不同的该级是一个2bit比较器，最后送到数字校正电路进行校正，得到12bit的数字输出。

2 SH（Sample-Hold）的建模

SH电路是流水线ADC的重要组成部分，其作用是对输入的模拟信号进行采样，得到离散的模拟信号，供本级的子ADC对该信号进行模数转换得到数字码，因为子ADC对采样信号的转换需要时间，所以SH还需要对采样信号保持一段时间，所以SH电路的作用就是对模拟信号进行采样和保持。

3 Sub-ADC建模

子ADC对SH的采样信号进行模数转换，采用1.5bit子ADC的原因是：只需要两个比较器，可以降低功耗关于1.5位Sub-ADC的参考电压和输出码之间的关系见表1。

4 MDAC（Multiplying Digital-to-Analog Converter）建模

MDAC电路包括1.5bit子DAC、减法和级间增益三部分，1.5bit子DAC将前面的子ADC电路转换的数字码经过数模转换为模拟信号，经过减法器被上一级S/H的保持的模拟信号减去后得到的余量Vres（i），经过级间增益发达2倍后作为下一级的输入信号。

在采样阶段，根据Sub-DAC的输出实现减法的功能，在保持阶段，用余量放大器实现余量的放大，并作为下一级电路的输入。

5 Flash ADC的建模

Falsh ADC 作为代码产生电路的最后一级直接输出两位的数字代码。由三个比较器构成，他们的阈值电压分别是Vref/2，0，-Vref/2，三个阈值将区间分为四段，在-Vref到Vref之间对应的数字码输出依次是00，01，10，11。

6 数字校正电路的建模

流水线ADC相邻子级之间是串行工作的，相邻两级之间具有1/2个时钟周期的延迟，为了能够同步输出，12级的数字输出码经过延迟对准寄存器才能输出，D触发器可以实现寄存数据，因此延迟对准寄存器用D触发器实现，由于采用1.5bit/stage的结构，输出码字存在冗余，采用重叠相加的方式消除冗余，最后产生12位的输出码字。

7 仿真及验证

动态性能最能反映流水线ADC模型工作的性能状态[5]，其中主要包括信噪比SNR（Signal to Noise Ratio），信噪比是输入信号和噪声的功率比，是定义器件内部噪声大小的基本参数，SNR定义的详细描述如下所示：

8 结束语