Учебная работа. Построение математических моделей линейных систем управления и их моделирование
Построение математических моделей линейных систем управления и их моделирование
Содержание
Введение
1. исследование систем управления
1.1 Вычисление и построение в Matlab временных характеристик систем
1.2 Построение асимптотических логарифмических частотных характеристик
1.3 Составление уравнений состояний в нормальной и канонической формах
1.4 Решение уравнений состояния в канонической форме
2. Линейное программирование
2.1 Расчет оптимального плана и экстремального значения функции цели
2.2 исследование двойственной задачи линейного программирования
2.3 Нахождение целочисленного решения задачи
3. Нелинейное программирование
3.1 Нахождение безусловного экстремума функции F(x)
3.2 Нахождение экстремума функции F(x) с учетом системы ограничений
Заключение
Список использованных источников
Ведомость документов
Введение
Методы оптимизации находят широкое применение в различных областях науки и техники. Эти методы успешно применяются в решении задач технического проектирования устройств и систем, организационно-экономических и других задач.
В наиболее общем смысле теория оптимизации представляет собой совокупность фундаментальных математических результатов и численных методов, которые позволяют найти наилучший вариант из множества альтернатив и избежать при этом полного перебора и оценивания возможных решений. Знание методов оптимизации является необходимым для инженерной деятельности при создании новых, более эффективных и менее дорогостоящих систем, а также при разработке методов повышения качества функционирования существующих систем [2].
При постановке задачи оптимизации необходимо осуществить выбор критерия, на основе которого будет выполняться оценке наилучшего варианта или условия. Такие критерии могут быть из разных областей науки, однако с математической точки зрения такие задачи сводятся к нахождению максимума (минимума) некоторой функции, соответствующего указанным требованиям.
Целью курсового проекта является построение математических моделей линейных систем управления и их моделирование, а также изучение методов оптимизации задач линейного и нелинейного программирования.
первый раздел посвящен анализу заданной с помощью передаточной функции системы. В этом разделе для этой функции построены переходные и логарифмические амплитудно- и фазочастотная характеристики, а также построены схемы модели в пространстве состояний в нормальной и канонической формах и решено уравнение состояния в канонической форме.
второй раздел посвящен решению задач линейного программирования. В этом разделе приведено решение прямой задачи линейного программирования и соответствующей ей двойственной задачи, а также целочисленной задачи с помощью симплекс-таблиц.
третий раздел посвящен решению задач нелинейного программирования. В этом разделе приведено решение такой задачи без ограничений методами Ньютона-Рафсона и наискорейшего спуска, а также с ограничениями методами допустимых направлений Зойтендейка, Куна-Таккера и линейных комбинаций. Результаты решения различными методами сравнены между собой.
1. Исследование систем управления
.1 Вычисление и построение в Matlab временных характеристик систем
Передаточная функция системы — отношение изображения выходного сигнала к входному сигналу при нулевых начальных условиях.
Передаточная функция имеет вид:
(1.1)
Характеристическое уравнение системы определяется знаменателем передаточной функции и имеет вид:
.(1.2)
Найдем корни характеристического уравнения:
.(1.3)
Передаточная функция в форме нулей и полюсов имеет вид:
(1.4)
Импульсная переходная характеристика — процесс изменения сигнала на выходе при подаче на вход -функции.
Определим как обратное преобразование Лапласа от передаточной функции:
.(1.5)
Разложим передаточную функцию (1.4) на сумму простых слагаемых:
(1.6)
Найдем коэффициенты по методу неопределенных коэффициентов:
Передаточная функция примет вид:
(1.7)
В соответствии с формулой (1.5), таблицами преобразования Лапласа, найдем импульсную переходную характеристику:
.(1.8)
Вид импульсной переходной характеристики, построенный в пакете Matlab, представлен на рисунке 1.1.
Переходная характеристика — процесс изменения сигнала на выходе при подаче на вход единичного ступенчатого воздействия.
Рисунок 1.1 — График импульсной переходной характеристики
Для получения аналитической формы переходной характеристики дополним систему интегратором:
(1.9)
С помощью метода неопределенных коэффициентов найдем коэффициенты :
Тогда выражение примет вид:
(1.10)
Определим как обратное преобразование Лапласа от :
. (1.11)
(1.12)
Вид переходной характеристики построенный в пакете Matlab представлен на рисунке 1.2.
рисунок 1.2 — График переходной характеристики
Система при воздействии на нее импульсного сигнала со временем возвращается в исходное состояние. При воздействии ступенчатого сигнала со временем система приходит в однозначное состояние. Следовательно, заданная по условию система является устойчивой [1].
1.2Построение асимптотических логарифмических частотных характеристик
Амплитудно-частотная характеристика (АЧХ) показывает, как изменяется отношение выходного сигнала к входному в зависимости от частоты. Фазочастотная характеристика (ФЧХ) показывает изменение сдвига фаз между входным и выходным сигналами в зависимости от частоты [1].
Преобразуем передаточную функцию к следующему виду:
(1.13)
Передаточная функция представляет собой произведение трех апериодических звеньев и одного форсирующего звена.
(1.14)
Найдем сопрягающие частоты звеньев и коэффициент усиления:
(1.15)
.(1.16)
Фазочастотная характеристика примет вид:
(1.17)
Используя найденные значения коэффициента усиления и сопрягающих частот, построим графики ЛАЧХ и ФЧХ. Графики ЛАЧХ и ФЧХ представлен на рисунке 1.3 и рисунки 1.4. Графики ЛАЧХ и ФЧХ, построенные в пакете Matlab представлены на рисунке 1.5.
Построенные вручную характеристики подобны построенным в пакете Matlab.
Рисунок 1.3 — Логарифмическая амплитудно-частотная характеристика
Рисунок 1.4 — Фазочастотная характеристика
Рисунок 1.5 — Графики частотных характеристик в Matlab
2. Линейное программирование
.1 Расчет оптимального плана и экстремального значения функции цели
К задачам линейного программирования относятся задачи нахождения условного экстремума функции нескольких переменных, при условии, что функция и ограничения линейны [2].
Общий вид задачи линейного программирования на поиск максимума:
где — матрица из коэффициентов при переменных ограничений;
— вектор-столбец свободных членов в ограничениях;
— вектор-строка коэффициентов при переменных функции цели.
Условие задачи:
(2.1)
Решим задачу (2.1) с помощью симплекс-метода.
Поскольку предстоит решить задачу на нахождение максимума функции цели, то все исходные ограничения должны иметь знак меньше или равно. Для этого все ограничения системы (2.1) со знаком «» умножим на :
(2.2)
Введем в систему (2.2) дополнительные переменные для ограничений вида неравенств, чтобы преобразовать их в равенства. Для ограничения вида равенства воспользуемся методом искусственного базиса и введем искусственную переменную :
(2.3)
В связи с вводом искусственных переменных функция цели примет вид:
, (2.4)
где M — коэффициент штрафа за введение искусственных переменных.
Выразим R из ограничения системы:
,
и подставим в выражение
(2.5)
При составлении первой симплекс-таблицы будем полагать, что исходные переменные являются небазисными, а введенные переменные — базисными. В задачах максимизации знак коэффициентов при небазисных переменных в — и M-строках изменяется на противоположный. Знак постоянной величины в M-строке не изменяется. Оптимизация проводится сначала по M-строке. Выбор ведущих столбца и строки, все симплексные преобразования осуществляются как в обычном симплекс-методе [2].
Шаг 1. Составим начальную симплекс таблицу:
Таблица 2.1 — Первая итерация
БПСвоб. членыНПx1x2x3R-33-4-5-2×4-15-1-40×5214-36×6151-15F04-21M33452
Решение не является допустимым, так как существуют свободные члены, которые меньше нуля.
Шаг 2. Выберем строку , в которой свободный член меньше нуля, и выберем в ней максимальный по абсолютному значению отрицательный элемент, который станет ведущим. строка будет исключена из базиса, а столбец будет включен в базис.
максимальный по абсолютному значению элемент строки соответствует столбцу . Столбец будет исключен из базиса. Ведущий элемент выделен полужирным шрифтом в таблице 2.1.
Пересчитаем таблицу в соответствии с правилами.
Искусственные переменные, исключенные из базиса, в него больше не возвращаются, поэтому столбцы элементов таких переменных опускаются.
Таблица 2.2 — Вторая итерация
БПСвоб. членыНПx1x3M000
Решение является допустимым, так как нет отрицательных свободных членов. Решение является оптимальным, так как нет отрицательных элементов в -строке.
Из симплекс таблицы 2.2 получим:
В исходную функцию цели и ограничения входят только переменные , поэтому оптимальный план решения задачи:
(2.6)
Экстремальное
2.2Исследование двойственной задачи линейного программирования Предположим, что у нас есть прямая задача вида:
Тогда двойственной задачей к этой прямой задаче будет задача вида: (2.7) Составим двойственную задачу для задачи (2.1):
(2.8) Преобразуем ограничения неравенств в равенства: (2.9) поскольку введенные в систему дополнительные переменные записаны со знаком минус, то в симплекс-таблицу коэффициенты ограничений войдут с противоположными знаками [2]. Составим симплекс таблицу, используя выражения (2.8) и (2.9): Таблица 2.3 — первая итерация БПСвоб. членыНПy1y2y3y4y5441-4-1y6-25431y7120-6-50-33-152115 Решение не является допустимым, так как существуют свободные члены меньше нуля. Поскольку в строке с отрицательным свободным членом нет отрицательных элементов, то нельзя выбрать ведущий элемент в этой строке. поскольку на переменную не наложено ограничение на знак, то выведем из базиса , а в базис введем [3]. выбранный ведущий элемент выделен полужирным шрифтом в таблице 2.3. Пересчитаем таблицу в соответствии с правилами. Таблица 2.4 — Вторая итерация БПСвоб. членыНП Решение является допустимым (допуская ), и является оптимальным. Из симплекс таблицы 2.4 получим:
В исходную функцию цели и ограничения входят только переменные , поэтому оптимальный план решения задачи: Экстремальное
Переменным прямой задачи поставим в соответствие переменные двойственной задачи:
В-строке симплекс таблицы 2.4 двойственной задачи расположены коэффициенты при небазисных переменных . Используя соответствие, найдем оптимальное решение прямой задачи: Тогда оптимальный план прямой задачи: Оптимальный план прямой задачи, найденный путем решения двойственной задачи, совпадает с оптимальным планом в выражении (2.6), полученным при решении прямой задачи. Экстремальные значения функции цели прямой и двойственной задачи совпадают. таким образом, переход к двойственной задаче в некоторых случаях может упростить решение за счет уменьшения количества ограничений, а также возможно уменьшение числа шагов при решении двойственной задачи симплекс-методом. 2.3Нахождение целочисленного решения задачи Задача, в которой некоторые переменные могут принимать только целые значения, называется частично-целочисленной. Для задачи (2.1) найдем частично-целочисленное решение, считая, что переменная должна быть целой. Дополнительное ограничение должно быть составлено по строке симплекс-таблицы с переменной, дополнительное ограничение имеет вид: (2.10) где — коэффициенты при небазисных переменных в данной строке; — дробная часть свободного члена. С учетом выражения (2.10) для переменной получим: (2.11) Добавим условие (2.11) в симплекс-таблицу: (2.12) Учтем (2.12) путем добавления дополнительной строки в симплекс-таблицу (таблицу 2.2). Тогда симплекс-таблица примет вид: Таблица 2.5 — Первая итерация БПСвоб. членыНПx1x3 Решение не является допустимым, так как существует свободный член меньше нуля. В строке с отрицательным свободным членом найдем максимальный отрицательный по абсолютному значению элемент. Этот элемент станет ведущим. Ведущий элемент выделен полужирный шрифтом в таблице 2.5. Симплекс таблица после пересчета имеет вид, представленный в таблице (2.6). Таблица 2.6 — вторая итерация БПСвоб. членыНПx7x3x2610F97-1 Решение является допустимым, но не является оптимальным. Выберем столбец, в котором функция цели имеет отрицательный коэффициент. Для выбора строки с базисной переменной, которую необходимо сделать небазисной, найдем симплексные отношения. Ведущий элемент выделен полужирный шрифтом в таблице 2.6. Пересчитаем таблицу в соответствии с правилами. Таблица 2.7 — Третья итерация БПСвоб. членыНПx7X1x2610x494-1×53018-8 Решение является оптимальным и допустимым. Из симплекс-таблицы 2.7 получаем: (2.13) В исходную функцию цели и ограничения входят только переменные , поэтому оптимальный план решения задачи: (2.14) Экстремальное
Таким образом, найденное оптимальное решение соответствует требованию целочисленного значения переменной . 3. Нелинейное программирование .1Нахождение безусловного экстремума функции F(x) исходная задача имеет вид: (3.1) Начальная точка имеет координаты: График функции, построенный в Matlab, представлен на рисунке 3.1.
рисунок 3.1 — График функции в Matlab Решим задачу различными методами и сравним полученные результаты. метод Ньютона-Рафсона. В данном методе решение заданной нелинейной задачи, как правило, происходит за один шаг, т.е. будет решением данной задачи.
здесь — матрица Гессе (матрица, составленная из вторых частных производных), — значение градиента функции в начальной точке. Найдем вид вектора градиента:
(3.2) В точке вектор градиента примет значение: Составим матрицу Гессе:
Найдем обратную матрицу для матрицы Гессе.
Координаты следующей точки будут определятся по выражению:
Найдем
следовательно в точке функция достигает своего максимального значения:
Метод наискорейшего спуска В данном методе на каждой итерации в текущей точке определяется направление движения (вектором градиента для задачи на максимум) и величина шага в данном направлении [2]. Шаг 1. Координаты точки будут определяться выражением:
где — — величина шага в данном направлении. Найдем Найдем направление вектора градиента по выражению (3.2) в точке : Подставим известные значения в выражение для определения координаты следующей точки:
Найдем величину шага . Для этого подставим в функцию (3.1) найденные выражения для , т.е. получим функцию зависящую от величины шага. затем исследуем полученную функцию на экстремум, для чего возьмем производную от полученной функции и приравняем к нулю:
Тогда координаты точки будут равны:
Найдем Шаг 2. Координаты точки будут определяться выражением:
Найдем направление вектора градиента по выражению (3.2) в точке :
Подставим известные значения в выражение для определения координаты следующей точки:
Найдем величину шага . Для этого подставим в функцию (3.1) найденные выражения для , т.е. получим функцию зависящую от величины шага. затем исследуем полученную функцию на экстремум:
Тогда координаты точки будут равны:
Найдем
Шаг 3. Координаты точки будут определяться выражением:
Найдем направление вектора градиента по выражению (3.2) в точке :
Подставим известные значения в выражение для определения координаты следующей точки:
Найдем величину шага :
Тогда координаты точки будут равны:
Найдем
Шаг 4. Координаты точки будут определяться выражением:
Найдем направление вектора градиента по выражению (3.2) в точке :
Подставим известные значения в выражение для определения координаты следующей точки:
Найдем величину шага :
Тогда координаты точки будут равны:
Найдем
Графическая интерпретация метода найскорейшего спуска представлена на рисунке 3.2.
рисунок 3.2 — Графическая интерпретация метода наискорейшего спуска метод наискорейшего спуска для данной функции медленно сходится к точному решению, что видно из расчетов и рисунка. 3.2Нахождение экстремума функции F(x) с учетом системы ограничений На задачу (3.1) наложим ограничения на значения переменных в соответствии с условием. Полученная задача примет вид: (3.3) Для графического построения области определения преобразуем неравенства:
Область определения построена на рисунке 3.3. метод допустимых направлений Зойтендейка. Метод Зойтендейка является расширением метода наискорейшего спуска, позволяющий учитывать ограничения. На каждом шаге строится возможное допустимое направление шага, и выбирается величина шага в соответствии с ограничениями [1]. Рисунок 3.3 — Область допустимых значений переменных Шаг 1. Координаты точки будут определяться выражением:
Найдем направление вектора градиента по выражению (3.2) в точке :
Подставим известные значения в выражение для определения координаты следующей точки:
Найдем величину шага . Для этого подставим в функцию (3.1) найденные выражения для , т.е. получим функцию зависящую от величины шага. затем исследуем полученную функцию на экстремум:
Найдем интервал допустимых значений , который обеспечивает нахождение точки внутри ОДЗП:
Найденное входит в найденный выше интервал. Тогда координаты следующей точки определяться по выражению:
Шаг 2. Координаты точки будут определяться выражением:
Найдем направление вектора градиента по выражению (3.2) в точке :
Подставим известные значения в выражение для определения координаты следующей точки:
Найдем величину шага так же, как и на предыдущих шагах:
Найдем интервал допустимых значений , который обеспечивает нахождение точки внутри ОДЗП:
Найденное не входит в найденный выше интервал. В качестве величины шага возьмем правую границу интервала . Найдем координаты следующей точки:
Шаг 3. Найдем направление вектора градиента по выражению (3.2) в точке :
Вектор градиента направлен в сторону ОДЗП. Следовательно, координаты следующей точки будут определяться по выражению:
Подставим известные значения в выражение для определения координаты следующей точки:
Найдем интервал допустимых значений , который обеспечивает нахождение точки внутри ОДЗП:
Найденное входит в найденный выше интервал. Тогда координаты следующей точки определятся по выражению:
Шаг 4. Координаты точки будут определяться выражением:
Найдем направление вектора градиента по выражению (3.2) в точке :
Подставим известные значения в выражение для определения координаты следующей точки:
Найдем величину шага так же, как и на предыдущих шагах:
Найдем интервал допустимых значений , который обеспечивает нахождение точки внутри ОДЗП:
Найденное не входит в найденный выше интервал. В качестве величины шага возьмем правую границу интервала . Найдем координаты следующей точки:
Шаг 5. Найдем направление вектора градиента по выражению (3.2) в точке :
Вектор градиента направлен за ОДЗП. Поэтому необходимо найти направление , в сторону которого нужно двигаться. Найдем это направление из условия , где — вектор, составленный из коэффициентов при переменных ограничения, на котором находится точка. Так как точка принадлежит граничной прямой , то направление очередного шага определяем из условия: Отсюда следует, что . Тогда из условия нормировки:
При движении вдоль граничной прямой следует двигаться в направлении, которое составляет острый угол с вектором градиента, т.е. скалярное произведение векторов и должно быть больше или равно нуля [2]. Это достигается при выборе:
Координаты точки будут определяться выражением:
Подставим известные значения в выражение для определения координаты следующей точки:
Найдем величину шага :
Найдем интервал допустимых значений , который обеспечивает нахождение точки внутри ОДЗП. Ограничение, вдоль которого происходит движение, опускается:
Найденное входит в найденный выше интервал. Тогда координаты следующей точки определятся по выражению:
Найденная точка находится в вершине ОДЗП.
Проверим перпендикулярность направления движения s1 и вектора градиента , для этого перемножим эти вектора скалярно: Скалярное произведение равно нулю, следовательно вектор градиента перпендикулярен направлению движения, значит максимум достигнут. Найдем значение функции по выражению (3.1) в точке :
Графическая интерпретация задачи представлена на рисунке 3.4.
Рисунок 3.4 — Графическая интерпретация метода Зойтендейка Метод Куна-Таккера. Метод предназначен для решения задачи, в которой функция является квадратичной, а все ограничения линейны. метод основан на использовании теоремы Куна-Таккера. Функция Лагранжа имеет вид: (3.3) где — неопределенные множители Лагранжа; — левые части ограничений задачи, приведенные к нулевой правой части. Условия теоремы Куна-Таккера для задачи на поиск максимума: (3.4) Преобразуем ограничения задачи к виду с нулевой правой частью. При этом поскольку решается задача на поиск максимума, ограничения приводятся к знаку больше или равно:
Составим функцию Лагранжа для задачи:
(3.5) Составим систему уравнений в соответствии с выражением (3.4): (3.6) Приведем ограничения задачи (3.6) к виду равенств, введя дополнительные переменные : (3.7) Для решения задачи линейного программирования (3.7) составим симплекс-таблицу. Таблица 3.1 — исходная симплекс-таблица БПСвоб. членыНП9-46-4-206-109-904-900542900 Решения является допустимым, так как все свободные члены положительны. Из симплекс таблицы 3.1 получим: Параметрами координаты искомой точки являются только , поэтому оптимальный план решения задачи: Искомая точка экстремума . Решение задачи методом Куна-Таккера совпадает с решением методом Зойтендейка. метод линейных комбинаций. В данном методе на каждом шаге в предыдущей точке нелинейная функция цели линеаризуется посредством разложения в ряд Тейлора в окрестности данной точки, пренебрегая всеми степенями старше первой. затем решается задача линейного программирования, её решение будет в некоторой вершине ОДЗП. После этого необходимо найти величину шага в направлении вершины и координаты следующей точки [2]. Линеаризованная функция имеет вид:
здесь является постоянной величиной, поэтому не оказывает влияние на максимизацию. Тогда можно записать:
Решим задачу (3.2) с помощью метода линейных комбинаций. Шаг 1. начальная точка: . Найдем направление вектора градиента по выражению (3.2) в точке :
Составим для текущего шага:
Решим задачу линейного программирования:
Для получения решения данной задачи составим симплекс-таблицу и решим ее согласно правилам: Таблица 3.2 — первая итерация БПСвоб. чл.НПx1x2x304-9×45429013-4 Решение является допустимым, но не является оптимальным, поскольку в строке функции цели присутствует отрицательный коэффициент. Выберем столбец, в котором функция цели имеет отрицательный коэффициент. Для выбора строки с базисной переменной, которую необходимо сделать небазисной, найдем симплексные отношения. Ведущий элемент выделен полужирный шрифтом в таблице 3.2. Пересчитаем таблицу в соответствии с правилами. Таблица 3.3 — Вторая итерация БПСвоб. чл.НПx1x45461624 Решение является допустимым, так как нет отрицательных свободных членов. Решение является оптимальным, так как нет отрицательных элементов в — строке. Из симплекс-таблицы 3.3 получим: В исходную функцию цели и ограничения входят только переменные , поэтому оптимальный план решения задачи: Найденное решение . Тогда координаты точки можно представить в виде:
Подставим известные значения в выражение для определения координаты следующей точки:
Найдем величину шага . Для этого подставим в функцию (3.1) найденные выражения для , т.е. получим функцию зависящую от величины шага. затем исследуем полученную функцию на экстремум:
найденное входит интервал . Тогда координаты следующей точки определятся по выражению:
Шаг 2. Найдем направление вектора градиента по выражению (3.2) в точке :
Составим для текущего шага: Решим задачу линейного программирования:
Для получения решения данной задачи составим симплекс-таблицу и решим ее согласно правилам: Таблица 3.4 — исходная симплекс-таблица Шаг 1.БПСвоб. чл.НПx1x2x304-9×4542906.466.464 Решение является допустимым, так как нет отрицательных свободных членов. Решение является оптимальным, так как нет отрицательных элементов в -строке. Из симплекс-таблицы 3.4 получим: В исходную функцию цели и ограничения входят только переменные , поэтому оптимальный план решения задачи: Найденное решение . Тогда координаты следующей точки можно представить в виде:
Найдем величину шага так же, как и на предыдущем шаге:
Найденное не входит интервал . поэтому в качестве выберем правую границу интервала . Тогда координаты следующей точки определятся по выражению:
Найдем направление вектора градиента по выражению (3.2) в точке :
Вектор градиента направлен в вершине ОДЗП так, что не позволяет двигаться ни внутрь ОДЗП, ни по ее границам.
Графическая интерпретация решения задачи методом линейных комбинаций представлена на рисунке 3.5. рисунок 3.5 — Графическая интерпретация метода линейных комбинаций Решение методом линейных комбинаций совпадает с решением методом Зойтендейка и методом Куна-Таккера. фазочастотный симплекс экстремум функция Заключение В первой части курсового проекта выполнен анализ линейной системы 3-го порядка, заданной в виде передаточной функции. Получены выражения для построения временных характеристик системы. По заданной передаточной функции были построены логарифмические амплитудно-частотная и фазочастотная характеристики. Правильность результатов построения подтверждена моделированием в пакете Matlab/Simulink. Также на основании заданной передаточной функции были составлены уравнения состояния в нормальной и канонической формах. Получены схемы моделей системы и проведено моделирование в пакете Matlab/Simulink. Во второй части курсового проекта решена прямая задача линейного программирования с применением симплекс-таблиц, составлена и решена двойственная задача к прямой. Решение прямой задачи и полученное решение при приведении в соответствие переменных двойственной и прямой задачи совпадает. Также решена частично-целочисленная задача. В третьей части курсового проекта решены задачи нелинейного программирования без ограничений и с ограничениями. В решении задачи без ограничений показано, что методом Ньютона-Рафсона задача решается за один шаг, а метод наискорейшего спуска медленно сходится к решению. В задаче нелинейного программирования с ограничениями показано, что все методы решения задач одинаково сходятся к одному решению, но за разное количество шагов. Приведены графики интерпретации метода наискорейшего спуска, метода допустимых направлений Зойтендейка и метода линейных комбинаций. Список использованных источников [1]Павлова А.В. электронный учебно-методический комплекс по учебной дисциплине «Математические основы теории систем» для студентов специальности 1-53 01 07 Информационные технологии и управление в технических системах [Электронный ресурс] / А.В. Павлова, М.К. Хаджинов. — Режим доступа: EUMK_MOTS_2013.zip. [2]Павлова А.В. Математические основы теории систем: конспект лекций для студентов специальности «Информационные технологии и управление в технических системах». В 2 ч. / А.В. Павлова. — Минск: БГУИР, 2010. — Ч. 2. — 144 с. [3]Певзнер Л.Д. Математические основы теории систем / Л.Д. Певзнер, Е.П. Чураков — М. : Высш. шк., 2009.
Учебная работа. Построение математических моделей линейных систем управления и их моделирование