در بسیاری از مدل‌های مهندسی، ورودی سیستم کاملاً منظم و قابل پیش‌بینی نیست. اندازه‌گیری‌های واقعی ممکن است تحت تأثیر نویز قرار بگیرند، برخی فرآیندها رفتار تصادفی داشته باشند و بعضی ورودی‌ها نیز در قالب الگوهای تکرارشونده تغییر کنند. سیمولینک برای شبیه‌سازی چنین شرایطی، منابع مختلفی برای تولید نویز، اعداد تصادفی و توالی‌های تکراری در اختیار کاربر قرار می‌دهد.

تولید نویز سفید باند محدود

Band-Limited White Noise برای شبیه‌سازی نویزی استفاده می‌شود که رفتار آن به نویز سفید نزدیک است، اما در محدوده مشخصی از فرکانس قرار دارد. این نوع نویز در مدل‌سازی سیستم‌های واقعی اهمیت زیادی دارد، زیرا نویزهای موجود در تجهیزات و اندازه‌گیری‌های واقعی معمولاً در تمام فرکانس‌ها به‌صورت نامحدود وجود ندارند.

استفاده از نویز سفید باند محدود می‌تواند شرایط آزمایشی واقع‌بینانه‌تری برای سیستم ایجاد کند و امکان بررسی عملکرد آن در حضور اختلالات تصادفی را فراهم سازد.

کاربرد نویز در آزمایش سیستم

افزودن نویز به ورودی یا مسیر اندازه‌گیری یکی از روش‌های متداول برای ارزیابی مقاومت سیستم است. یک کنترل‌کننده یا فیلتر ممکن است در شرایط ایده‌آل عملکرد مناسبی داشته باشد، اما در حضور نویز رفتار متفاوتی نشان دهد.

با استفاده از منابع نویز در سیمولینک می‌توان حساسیت سیستم نسبت به اختلالات را بررسی کرد و عملکرد الگوریتم‌های کنترلی، فیلترها و سیستم‌های پردازش سیگنال را در شرایط غیرایده‌آل ارزیابی نمود.

تولید اعداد تصادفی

در برخی مدل‌ها به جای یک موج نویزی پیوسته، به مقادیر تصادفی نیاز است. منابعی مانند Random Number و Uniform Random Number برای تولید داده‌های تصادفی با ویژگی‌های آماری متفاوت مورد استفاده قرار می‌گیرند.

این داده‌ها می‌توانند برای شبیه‌سازی پارامترهای نامطمئن، ایجاد ورودی‌های تصادفی یا آزمایش عملکرد سیستم در برابر مجموعه‌ای از مقادیر غیرقابل پیش‌بینی به کار روند.

تفاوت Random Number و Uniform Random Number

تفاوت مهم میان منابع تصادفی، نحوه توزیع مقادیر تولیدشده است. Random Number برای تولید مقادیر با توزیع نرمال کاربرد دارد، در حالی که Uniform Random Number مقادیر را در یک محدوده مشخص با توزیع یکنواخت تولید می‌کند.

انتخاب میان این دو منبع باید بر اساس ویژگی آماری داده‌ای باشد که قرار است در مدل شبیه‌سازی شود.

کنترل رفتار تصادفی با Seed

در آزمایش‌های شبیه‌سازی، گاهی لازم است یک توالی تصادفی در اجراهای مختلف دوباره تولید شود. مفهوم Seed در منابع تصادفی برای کنترل وضعیت اولیه مولد اعداد تصادفی استفاده می‌شود.

این ویژگی برای آزمایش‌های قابل تکرار اهمیت دارد. پژوهشگر می‌تواند شرایط اولیه مشخصی را برای تولید داده تصادفی در نظر بگیرد و در صورت نیاز، همان سناریو را دوباره اجرا و نتایج را مقایسه کند.

تولید سیگنال پله‌ای تکرارشونده

در برخی کاربردها لازم است یک تغییر پله‌ای به‌صورت متوالی تکرار شود. برای این منظور می‌توان از منابعی مانند Repeating Sequence Stair استفاده کرد.

این نوع ورودی مجموعه‌ای از مقادیر پله‌ای را در طول زمان ایجاد می‌کند و پس از پایان الگو، توالی را دوباره تکرار می‌کند. چنین سیگنالی برای آزمایش سیستم‌هایی که باید به تغییرات متوالی و دوره‌ای پاسخ دهند بسیار مفید است.

کاربرد Repeating Sequence Stair

سیگنال پله‌ای تکرارشونده می‌تواند شرایطی را شبیه‌سازی کند که مقدار ورودی در چند سطح مختلف قرار می‌گیرد و سپس همین الگو بارها تکرار می‌شود.

این روش برای بررسی عملکرد سیستم در چند نقطه کاری مختلف مناسب است. همچنین می‌توان از آن برای ارزیابی پاسخ سیستم در برابر تغییرات متوالی ورودی و مقایسه رفتار آن در چرخه‌های مختلف استفاده کرد.

ترکیب نویز و سیگنال پله‌ای

یکی از سناریوهای مفید در آزمایش مدل، ترکیب یک سیگنال پله‌ای تکرارشونده با نویز است. در این حالت، سیستم ابتدا با تغییرات مشخص و قابل کنترل تحریک می‌شود و هم‌زمان اثر یک اختلال تصادفی نیز بر عملکرد آن بررسی می‌گردد.

این روش نسبت به آزمایش با ورودی ایده‌آل، شرایط واقع‌بینانه‌تری ایجاد می‌کند و می‌تواند برای بررسی عملکرد فیلترها و کنترل‌کننده‌ها بسیار مفید باشد.

نقش این منابع در اعتبارسنجی مدل

استفاده از ورودی‌های تصادفی و نویزی می‌تواند بخش مهمی از فرآیند اعتبارسنجی یک مدل باشد. یک سیستم زمانی قابل اعتمادتر خواهد بود که تنها در برابر ورودی‌های ایده‌آل آزمایش نشده باشد، بلکه در برابر تغییرات تصادفی و اختلالات نیز عملکرد قابل قبولی داشته باشد.

از طرف دیگر، سیگنال‌های پله‌ای تکرارشونده امکان آزمایش منظم سیستم در چند وضعیت کاری را فراهم می‌کنند و می‌توانند در کنار منابع تصادفی برای ایجاد سناریوهای آزمایشی متنوع مورد استفاده قرار گیرند.

جمع‌بندی

منابع تولید نویز و داده‌های تصادفی در سیمولینک امکان شبیه‌سازی شرایط غیرقطعی و نزدیک‌تر به محیط واقعی را فراهم می‌کنند. Band-Limited White Noise برای ایجاد نویز محدود به یک محدوده فرکانسی، Random Number و Uniform Random Number برای تولید مقادیر تصادفی با توزیع‌های مختلف و Repeating Sequence Stair برای ایجاد توالی‌های پله‌ای تکرارشونده کاربرد دارند.

ترکیب این منابع با سایر تولیدکننده‌های سیگنال به طراح اجازه می‌دهد مدل را در شرایط متنوعی آزمایش کند و مقاومت و عملکرد سیستم را در برابر نویز، تصادفی‌بودن و تغییرات دوره‌ای بهتر ارزیابی نماید.

کلیدواژه ها : Band-Limited White Noise-نویز سفید باند محدود-White Noise-نویز سفید-Noise Generation-تولید نویز-Random Number-عدد تصادفی-تولید اعداد تصادفی-Uniform Random Number-اعداد تصادفی یکنواخت-Random Signal-سیگنال تصادفی-Random Data-داده تصادفی-Seed-بذر تولید اعداد تصادفی-Repeating Sequence Stair-سیگنال پله‌ای تکرارشونده-Repeating Sequence-توالی تکرارشونده-Step Signal-سیگنال پله‌ای-Noise Simulation-شبیه‌سازی نویز-Simulink Sources-منابع سیگنال سیمولینک-تولید نویز در سیمولینک-تولید داده تصادفی در سیمولینک-آموزش Signal Sources