Similarity and Modeling in Science and Engineering

متن حاضر از این جهت که به ابزارها و روش‌ها در مقابل رویکردی محدود با تکلیف‌محور می‌پردازد، خود را با عناوین دیگر در این زمینه تسکین می‌دهد. مفاهیم و تحولات آنها که برای پاسخگویی به نیازهای در حال تغییر برنامه ها تکامل یافته اند، مورد توجه قرار می گیرند. این رویکرد به خواننده یک جعبه ابزار کلی برای اعمال نیازهای خاص خود ارائه می دهد. دو ابزار مهم ارائه شده است: تحلیل ابعادی و روش های تحلیل شباهت. دیدگاه اساسی، که فرد را قادر می‌سازد همه مدل‌ها را مرتب کند، شار اطلاعات بین یک مدل و یک مدل اصلی است که با شباهت و انتزاع بیان می‌شود. هر فصل شامل مثال‌ها و کاربردهای اصلی است. از این نظر می توان مدل ها را به چند گروه تقسیم کرد. مدل های زیر به طور جداگانه توسط فصل بررسی می شوند. مدل های ریاضی و فیزیکی، آنالوگ های فیزیکی، مدل های کامپیوتری قطعی، تصادفی و سایبرنتیکی. مدل های ریاضی به دو مدل مجانبی و پدیدارشناسی تقسیم می شوند. مدل‌های پدیدارشناختی که می‌توان آن‌ها را تجربی نیز نامید، معمولاً نتیجه آزمایش روی یک شی یا فرآیند پیچیده است. کمیت های بدون بعد متغیر حاوی اطلاعاتی در مورد وضعیت واقعی شرایط مرزی، تغییرات پارامتر (غیر خطی) و عوامل دیگر است. با دقت اندازه‌گیری رضایت‌بخش و استراتژی تجربی، چنین مدل‌هایی بسیار معتبر هستند و می‌توانند برای مثال در سیستم‌های کنترل استفاده شوند.

The present text sets itself in relief to other titles on the subject in that it addresses the means and methodologies versus a narrow specific-task oriented approach. Concepts and their developments which evolved to meet the changing needs of applications are addressed. This approach provides the reader with a general tool-box to apply to their specific needs. Two important tools are presented: dimensional analysis and the similarity analysis methods. The fundamental point of view, enabling one to sort all models, is that of information flux between a model and an original expressed by the similarity and abstraction Each chapter includes original examples and applications. In this respect, the models can be divided into several groups. The following models are dealt with separately by chapter; mathematical and physical models, physical analogues, deterministic, stochastic, and cybernetic computer models. The mathematical models are divided into asymptotic and phenomenological models. The phenomenological models, which can also be called experimental, are usually the result of an experiment on an complex object or process. The variable dimensionless quantities contain information about the real state of boundary conditions, parameter (non-linearity) changes, and other factors. With satisfactory measurement accuracy and experimental strategy, such models are highly credible and can be used, for example in control systems.