[思维模式-12]:《如何系统思考》-8- 工具篇 - 因果回路图/系统循环图/系统控制图,系统思考的关键工具

news2024/11/20 18:22:23

目录

第1章 因果回路图概述

1.1 什么是因果回路图

1.2 反馈回路

第2章 因果图的组成

2.1 回路

2.2 变量

2.4 连接 => 不同变量之间的函数关系

2.5 增强回路

 2.6 调节回路

2.7 时间延时

第3章 因果图的用途与应用

3.1 因果图的价值

 3.2  因果图的用途

第4章 因果图的制作方法

4.1 从何处入手

4.2 定义变量

4.3 识别关键变量

4.4 定义连接关系

4.5 定义系统边界

第5章 系统因果图的数学模型

5.1 关键概念与数学模型的关系

5.2 关键概念与硬件电路的关系

5.3 因果图与自动控制系统的关系


第1章 因果回路图概述

1.1 什么是因果回路图

因果回路图是一种描述系统内组件之间的因果关系的静态、反馈的结构图

备注:在UML中,因果关系就是用单向箭头表示的组件(或对象)之间的关系。

 所谓因果关系:本质是就是自变量与因变量的函数关系!!!

因此,因果图的本质就是用数学和图形的方式描述各种自变量与因变量之间的关系,与一般的函数相比,因果图局部如下的特征:

  • 是多元复合函数,而不一元普通函数
  • 带反馈的复合函数
  • 带时间延时量复合函数
  • 是自动控制系统

1.2 反馈回路

反馈回路亦称“反馈环”。由两个以上的因果链首尾相连形成的闭合回路。当作用链首尾相连形成反馈环后,将无法判别最初的原因和最终的结果。参加某个反馈环的所有要素,构成了一种机制,这种机制具有独特的行为,环中的任一个要素的行为将受环中所有其他要素的制约,而每个要素的变化都影响环中的任一个 反馈回路示意图其他要素。按照反馈环的行为不同,可划分为两大类:一类具有自强化行为,称之为“正反馈环”;另一类具有自收敛行为,称之为“负反馈环”,又称“寻的回路”。

为了确定反馈环的行为,要首先确定反馈环的极性,可以取其中任何一个变量,如果增加一个增量,沿回路作用一周后,看对这个原始的变量是有增加作用还是有减少作用。有增加作用的回路是正反馈回路,有减少作用的回路是负反馈回路。这是最基本的检验方法。

而因为链的极性仅有两种,所以亦可根据如下原则判别:

  • 反馈回路中的所有链如果都是正链或有偶数个负链,则该反馈回路必为正反馈回路;
  • 反馈回路中有奇数个负链,则该反馈回路必为负反馈回路。

第2章 因果图的组成

2.1 回路

2.2 变量

 

 备注:

变量对应到UML语言中的元素、组件、对象等。

之所以称为变量,是因为它与UML中的元素、组件、对象不同地方是:

  • 它的状态或属性是变化的
  • 变量的类型就只有两种:存量和流量
  • 从函数、控制论角度看待系统: y=f(u) => y=f[g(x)],其中x称为自变量,u为中间变量,y为因变量(即函数)。

2.4 连接 => 不同变量之间的函数关系

 

 

连接对应UML语言中的元素、组件、对象之间的关系。

备注:

一个回路,可能不是单一的增强回路或调节回路或时间延时回路,一个回路会有多个相同或不同类型的回路综合叠加而成。

在数学上体现出来,就是他们的叠加。

2.5 增强回路

 备注:

增强回路的输出与输入的关系,并不一定是线性关系,有可能是指数关系!!!

增强:并非一定是增长方向,也可能是衰减方向。

所谓增强:就是推动结果向着与趋势一致方向发展的力量/函数。

 

 

 

 

 

 

 

增加回路的类型:

  • 增长型增强回路
  • 衰减型增强回路

增强回路并非是单向增长,也可能单向衰减。

因此,所谓增强,即当前的结果/状态会进一步促进结果向现有趋势的方向发展。

“增强”是指结果对当前趋势增强。趋势可以是增长,也可以是衰败。

比如,滚雪球、银行的复利,都是增长型增强回路。

人或公司的衰亡过程就是衰减型增强回路。

 

 

 

 

 2.6 调节回路

调节回路:就是阻止结果向着与趋势一致方向发展的力量/函数。我们称之为阻碍、制约因素等。

调节回路:与增强回路方向是相反的,是与趋势方向相反的力量或因素。

调节回路:是对抗增强回路的力量或因素,是减速增强回路的力量和因素,是推动系统最终走向稳定的力量与因素。没有调节回路,只有增加回路,系统最终就会无限大或无限小。

 

 

 

 

在上图中,水龙头的开启是增强回路的控制参数,水流的速度或离目标水位的距离是调节回路的控制参数。

 

 

 

2.7 时间延时

 

 

 

 

 

 

 

第3章 因果图的用途与应用

3.1 因果图的价值

 ​​​​​​​

 

 3.2  因果图的用途

 

 

 

 

 

 

 

 

 

 

 

第4章 因果图的制作方法

4.1 从何处入手

4.2 定义变量

 

 所谓因果关系:本质是就是自变量与因变量的函数关系!!!

 

 

 

 

 

4.3 识别关键变量

 

4.4 定义连接关系

所谓定义变量的关系,就是定义变量之间函数关系:u = u(x)

这里两大类型的关系:

  • 增强回路的关系
  • 调节回路的关系 

4.5 定义系统边界

 

 

 

第5章 系统因果图的数学模型

所谓因果关系:本质是就是自变量与因变量的函数关系!!!

5.1 关键概念与数学模型的关系

(1)变量

从数学的角度看,就是分为自变量和因变量。

自变量就是“因”,各种因素、实体、要素,一切影响因素都可以是变量。

因变量就是“果”,就是关注的结果。

(2)连接

所谓连接,就是函数关系,在这里就是符合函数关系:y = f(u(x))

  • 自变量x与自变量u的函数关系:u = u(x)
  • 自变量u与因变量y的函数关系 :y = f(u)
  • 所有自变量与最终因变量的函数关系:y = f(u(x))

(3)回路

将系统输出y的一部分作为函数的输入

(4)时间延时

x = x - t

5.2 关键概念与硬件电路的关系

(1)变量

  • 输入信号(前因)
  • 中间信号(前面信号的果,后面信号的因)
  • 输出信号(后果)

(2)连接

​​​​​​​信号与信号之间的逻辑关系

  • 组合逻辑
  • 时序逻辑

(3)回路

带反馈的电路时序电路,而不是组合电路。

(4)时间延时

目标确定后,需要一段延时后才能生效。

5.3 因果图与自动控制系统的关系

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/112038.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

分布式微服务技术栈-SpringCloud+RabbitMQ+Docker+Redis

微服务技术栈一、微服务 介绍了解1 架构结构案例与 springboot 兼容关系拆分案例拆分远程调用2 eureka注册中心3 Ribbon 负载均衡4 nacos 阿里注册中心一、微服务 介绍了解 分布式架构的一种 把服务进行 拆分 springcloud 解决了 服务拆分过程中的 治理问题 与单体应用 进行区…

云服务器ECS入门

云服务器ECS入门 一、什么是云服务器ECS 云服务器ECS (Elastic Compute Service) 是阿里云提供的性能卓越、稳定可靠、弹性扩展的laaS(Infrastructure as a Service) 级别云计算服务 云服务器ECS免去了您采购IT硬件的前期准备,让您像使用水、电、天然气等公共资源…

Linux 下 使用点阵在LCD上显示汉字,字符

文章目录前言一、显示字符1.获取点阵:2.描点(显示字符函数):3. 要打开LCD设备:4. 通过ioctl 获取Framebuffer参数:5. 通过mmap映射出Framebuffer的地址:6.清屏并显示字符:二、显示汉字1.区位码&…

WSL2的安装、应用

WSL2的安装、应用WSL安装、升级常用命令WSL导入导出其他 - 图形界面、虚拟化WSL安装、升级 win10系统上开启WSL参考如下,我先是安装了WSL1,之后又升级到WSL2的。关键是一些Win10上电配置,之后在windows应用商店下载ubuntu即可。 win10上lin…

又一家中国企业加入RISC-V,中国力推之下必将打破ARM的垄断

近日消息指腾讯已正式加入RISC-V,并且是以高级别的高级会员加入,显示出腾讯开发RISC-V架构芯片的决心,这显示出中国芯片行业正齐心协力发展RISC-V架构,将打破ARM的垄断。腾讯在芯片行业已取得一定的成绩,分别推出了AI推…

文字对称中的数学与魔术(二)——英文字母到单词的对称性

早点关注我,精彩不错过!在上一篇文章中,我们引入了语言文字对称性这个领域,重点介绍了阿拉伯数字的对称性,相关内容请戳:文字对称中的数学与魔术(一)——阿拉伯数字的对称性今天我们…

Linux系统基础——内存管理

Linux系统内存管理 特此说明: 刘超的趣谈linux操作系统是比较重要的参考资料,本文大部分内容和所有图片来源于这个专栏。 1 物理内存 物理内存根据 NUMA 架构分节点。每个节点里面再分区域。每个区域里面再分页。 物理内存页通过伙伴系统进行分配。进程通过虚拟地址…

xv6 源码调试环境搭建

一、资源 官网:https://pdos.csail.mit.edu/6.828/2022/ 二、搭建 xv6 调试环境 1、下载 xv6 源码 git clone git://github.com/mit-pdos/xv6-riscv.git2、安装工具链 特别说明:ubuntu 仓库中已经提供,可直接安装。 1、从 ubuntu 仓库中…

前端小知识:文本分句、词、字(Intl.Segmenter)

5. 文本分字、词、句 参考文章: https://mp.weixin.qq.com/s/MLmi-Yoi9sez8-5DPtcBVw   官方文档(构造参数): https://developer.mozilla.org/zh-CN/docs/Web/JavaScript/Reference/Global_Objects/Intl/Segmenter/Segmenter   …

Redis系列:深刻理解高性能Redis的本质

1 背景 分布式系统绕不开的核心之一就是数据缓存,有了缓存的支撑,系统的整体吞吐量会有很大的提升。通过使用缓存,我们把频繁查询的数据由磁盘调度到缓存中,保证数据的高效率读写。 当然,除了在内存内运行还远远不够&…

Linux系统基础——BIOS和Bootloader

BIOS和Bootloader 特此说明: 刘超的趣谈linux操作系统是比较重要的参考资料,本文大部分内容和所有图片来源于这个专栏。 1 了解背景 1.1 目的 操作系统不是在板子上电就直接运行的,上电到系统启动的中间过程要搞明白,比如了解linux系统启动…

12月24日:数据结构

Btree结构 ​​​​​​ BTree和BTree详解_菜鸟笔记的博客-CSDN博客_btree 简单的说一下什么是聚簇索引 , 和非聚簇索引有啥区别 聚簇索引:索引和数据存储放在了同一个文件中,找到了索引也就能找到数据 非聚簇索引:将数据存储和索引分开放置…

AAAI2023 | 户外超大规模场景数据如何生成?READ告诉你答案(浙大阿里巴巴)

点击下方卡片,关注“自动驾驶之心”公众号ADAS巨卷干货,即可获取点击进入→自动驾驶之心【多传感器融合】技术交流群后台回复【READ】获取论文和代码!!!摘要合成自由视角真实感图像是多媒体领域的一项重要任务。随着高…

最长上升子序列(详解二分优化)

最长上升子序列一、题目描述二、思路分析1、问题分析2、思路分析(1)状态转移方程状态表示状态转移(2)循环设计三、代码实现一、题目描述 二、思路分析 1、问题分析 其实这道题第一个思路就是深度优先搜索,类似于全排…

一维树状数组

引入 树状数组和线段树具有相似的功能,但他俩毕竟还有一些区别:树状数组能有的操作,线段树一定有;线段树有的操作,树状数组不一定有。但是树状数组的代码要比线段树短,思维更清晰,速度也更快&a…

设计模式-命令模式

将一个请求封装为一个对象,从而使你可用不同的请求对客户进行参数化,对请求排队或记录请求日志,以及支持可撤销的操作 命令模式( Command Pattern) 是对命令的封装,每一个命令都是一个操作:请求的一方 发出请求要求执行…

DIDL1_基础优化算法

基础优化算法梯度下降选择学习率小批量随机梯度下降选择批量大小Batch_size总结梯度下降 挑选一个初始值w0w_0w0​重复迭代参数 t1,2,3 wtw_twt​等于上一个时刻wt−1w_t-1wt​−1减去一个(学习率标量和损失函数关于wt−1w_t-1wt​−1处的梯…

【20天快速掌握Python】day12-文件操作

1.文件的打开与关闭 想一想: 如果想用word编写一份简历,应该有哪些流程呢? 打开word软件,新建一个word文件 写入个人简历信息 保存文件 关闭word软件 同样,在操作文件的整体过程与使用word编写一份简历的过程是很相…

B树(B-树) [数据结构与算法][Java]

B树 B树又称为多路平衡树查找树, 是一种组织和维护外存文件系统非常有效的数据结构 因为我们的二分搜索树构建的时候很可能会出现不平衡的情况, 所以我们提出了自平衡二分搜索树(AVL树)对我们的普通的二分搜索树进行了一个优化, 而自平衡二分搜索树中当元素很多的时候树的高度…

Axure绘制密码输入框

当我们在绘制登录页面时,如果登录方式包含账号密码登录,那么我们就会使用到密 码输入框,而常见的密码输入框,通常会使用到小眼睛控制密码的明文和密文显示。 大家知道axure中的输入框,当你设置成密码类型时&#xff…