Рубрика: "1.2.2. Математическое моделирование, численные методы и комплексы программ (технические науки)"
Донской И. Г. (Институт систем энергетики им. Л.А. Мелентьева СО РАН)
doi: 10.18698/2309-3684-2021-3-2441
В статье рассматривается численная модель течения газа в пористой среде, содержащей частицы реакционноспособного компонента (полимера). При нагреве эти частицы расширяются, деформируются и заполняют порозное пространства, в результате чего проницаемость существенно снижается. Связь между пористостью и проницаемостью описывается формулой Козени-Кармана. Тогда вблизи нижней (входной) границы образуется область с низкой проницаемостью (агломерат), рост которой определяется условиями на боковой и входной границе. В результате расчетов получены характерные сценарии блокировки пористой среды при разных температурах нагрева. Показано, что при нагреве через стенку полимер разлагается, и пористая среда частично восстанавливает проницаемостью При нагреве поступающим газом агломерат намного более устойчив, поскольку он блокирует источник нагрева.
Донской И.Г. Численное моделирование процессов образования, роста и разложения агломератов в пористой среде при разных режимах нагрева. Математическое моделирование и численные методы, 2021, № 3, с. 24–41.
Валишин А. А. (МГТУ им.Н.Э.Баумана), Запривода А. В. (МГТУ им.Н.Э.Баумана), Клонов А. С. (МГТУ им.Н.Э.Баумана)
doi: 10.18698/2309-3684-2024-1-93109
При развитии методов прогнозирования существенное значение приобретает исключение из исходной информации и исследуемых процессов случайных эффектов. Эти эффекты связаны не только с невозможностью учета всех факторов, но и с тем, что часть из них нередко совсем не принимаются во внимание. Не стоит забывать и про случайные погрешности измерений. В прогнозируемых величинах вследствие указанных эффектов создается некий случайный фон или «шум». Фильтрация (исключение) шумов должна, естественно, повысить достоверность и оправдываемость прогнозов. В статье рассмотрены принципы фильтрации данных в масштабе реального времени. Приводится постановка задачи, а также основные критерии оценок, которые должны выполняться для получения удовлетворительного результата. Разбирается принцип работы двух наиболее распространённых видов фильтров – абсолютно оптимальных и условно оптимальных, описываются их достоинства и недостатки. Рассмотрено применение фильтров Калмана и Пугачева к модели с двумя датчиками. Представлены некоторые выводы и рекомендации о том, в каких случаях лучше использовать тот или иной фильтр.
Валишин А.А., Запривода А.В., Клонов А.С. Математическое моделирование и сравнительный анализ численных методов решения задачи непрерывнодискретной фильтрации случайных процессов в реальном времени. Математическое моделирование и численные методы, 2024, № 1, с. 93–109.
Крееренко С. С. (ПАО «ТАНТК им. Г.М. Бериева»), Крееренко О. Д. (ПАО «ТАНТК им. Г.М. Бериева»)
doi: 10.18698/2309-3684-2024-3-8199
Рассматривается задача моделирования продольного движения самолета транспортной категории и параметрическая идентификация аэродинамических характеристик продольного движения: составляющих безразмерных коэффициентов аэродинамической подъемной силы и момента тангажа. Задача решается в классе модульных полуэмпирических динамических моделей, созданных объединением теоретического и нейросетевого моделирования. Работоспособность и практическая значимость моделей подтверждается результатами вычислительных экспериментов. Разработка нейросетевой модели продольного движения самолета выполнена на языке Python с использованием открытой программной библиотеки Tensorflow для машинного обучения и высокоуровневого API Keras в составе Tensorflow.
Крееренко С.С., Крееренко О.Д. Моделирование и параметрическая идентификация аэродинамических характеристик самолета транспортной категории с использованием нейросетей в среде Тensorflow. Математическое моделирование и численные методы, 2024, № 3, с. 81–99.
004.942 Математическая модель архитектуры комплекса средств распределенного проектирования
Белов В. Ф. (АУ «Технопарк–Мордовия»/МГУ им. Н.П. Огарева), Гаврюшин С. С. (МГТУ им.Н.Э.Баумана), Занкин А. И. (МГУ им. Н.П. Огарева), Исайкин В. Ю. (МГУ им. Н.П. Огарева)
doi: 10.18698/2309-3684-2024-1-110123
Целью статьи является разработка метода распределения задач проектирования изделий машиностроения на заданном множестве исполнителей работ. При этом исполнители работ структурно и географически связаны со своими цифровыми платформами, образующими в совокупности экосистему проектирования. Разработана математическая модель, которая может успешно применяться для генерации архитектуры комплекса средств, покрывающих задачи инженерии требований, системной архитектуры и испытаний для каждого проекта, закрепленного за одной из платформ. В качестве метода моделирования обосновано применение сети Петри. Её реализация в виде программного приложения для PLM-системы цифровой платформы может существенно повысить качество управления проектами и их портфелями.
Белов В.Ф., Гаврюшин С.С., Занкин А.И., Исайкин В.Ю. Математическая модель архитектуры комплекса средств распределенного проектирования. Математическое моделирование и численные методы, 2024, № 1, с. 110–123.
519.87 Моделирование клеточными автоматами эффектов двойных стандартов и мягкой силы при конкуренции
Бобров В. А. (МПГУ), Бродский Ю. И. (ФИЦ ИУ РАН)
doi: 10.18698/2309-3684-2021-4-12134
В среде клеточных автоматов рассматривается дискретный аналог классической модели конкуренции А. Лотки – В. Вольтерры. Известно, что в классической модели тип ее эволюции во времени определяется в первую очередь принадлежностью коэффициентов двойных стандартов тем или иным диапазонам их возможных значений. Показано, что такая же ситуация имеет место и для дискретной модели. Для классической модели имеет место эффект мягкой силы. При рассмотрении модели применительно к социальным системам, она превращается в кооперативную позиционную дифференциальную игру, ограничениями которой становится исходная система уравнений конкуренции А. Лотки – В. Вольтерры, а управлениями — коэффициенты двойных стандартов. Эффект мягкой силы состоит в том, что стороны склонны сравнивать конкурентное давление на них популяции соперника с конкурентным давлением внутри собственной популяции и могут принять меньшее давление соперника за благосклонное его к ним отношение, а большее — за враждебное проявление. Тогда как на самом деле — сравнение внешнего конкурентного давления с внутренним в данной игре не информативно — все зависит исключительно от коэффициентов двойных стандартов, которые в этой игре являются управлениями и поэтому не известны сопернику. Имитационные эксперименты с аналогом модели конкуренции, реализованным в среде клеточных автоматов, показывают, что в дискретной модели эффект мягкой силы также имеет место
Бобров В.А., Бродский Ю.И. Моделирование клеточными автоматами эффектов двойных стандартов и мягкой силы при конкуренции. Математическое моделирование и численные методы, 2021, № 4, с. 121–134.
Чуев В. Ю. (МГТУ им.Н.Э.Баумана), Дубограй И. В. (МГТУ им.Н.Э.Баумана)
doi: 10.18698/2309-3684-2022-2-102113
С использованием метода динамики средних разработана «смешанная» модель противоборства многочисленных группировок при линейных зависимостях от времени эффективных скоростей нанесения воздействий единицами сторон. Построен алгоритм, позволяющий исследовать ход протекания процесса и вычислить его основные показатели. Установлено, что использование моделей с постоянными эффективными скоростями нанесения воздействий во многих случаях приводит к значительным ошибкам при вычислении основных показателей процесса. Исследовано влияние упреждающего воздействия одной из противоборствующих сторон на ход его протекания и окончательный итог.
Чуев В.Ю., Дубограй И.В. «Смешанная» модель противоборства многочисленных группировок при линейных зависимостях от времени эффективных скоростей воздействий единицами сторон. Математическое моделирование и численные методы, 2022, № 2, с. 104–115
Исаев В. И. (ИТПМ), Черепанов А. Н. (ИТПМ), Шапеев В. П. (ИТПМ/Новосибирский государственный университет)
doi: 10.18698/2309-3684-2023-1-8191
Предложена самосогласованная термокинетическая модель кристаллизации бинарного сплава в сварочном шве, модифицированного наноразмерными инокуляторами, введенными в сварочную ванну при лазерной сварке. Сформулированная комплексная модель процесса сварки однородных металлов описывает теплофизические процессы формирования макроскопических параметров сварного шва, его структуру в зависимости от режимов сварки и свойств наномодифицирующих порошков (краевого угла смачиваемости, концентрации модифицирующей добавки). Она основана на теплофизической модели воздействия лазерного излучения на металл при лазерной сварке металлических пластин, дополненной неравновесной моделью гетерогенного зарождения и роста кристаллической фазы на введенных в сварочную ванну модифицирующих наночастицах в процессе остывания и кристаллизации расплава в сварочном шве. Применением метода коллокации и наименьших квадратов проведено численное моделирование сварки встык пластин из бинарного сплава алюминия. Приведены поле температуры в изделии в процессе сварки, форма поперечного сечения шва, совпадающая с формой поперечного сечения сварочной ванны, и количественные характеристики его кристаллической структуры, полученные в результате моделирования. Исследовано влияние краевого угла смачивания наночастиц расплавом и их массовой концентрации на характерный размер кристаллического зерна в сварочном шве.
Исаев В.И., Черепанов А.Н., Шапеев В.П. Исследование влияния смачиваемости и концентрации модифицирующих наночастиц на структуру шва при лазерной сварке алюминиевого сплава. Математическое моделирование и численные методы, 2023, No 1, с. 81–91.
Хайиткулов Б. Х. (Национальный университет Узбекистана)
doi: 10.18698/2309-3684-2023-1-3242
Данная работа посвящена численному решению нестационарной задачи оптимального размещения источников тепла минимальной мощности. Постановка задачи требует одновременного выполнения двух условий. Первое условие — обеспечить нахождение температуры в пределе минимальных и максимальных температур за счет оптимального размещения источников тепла с минимальной мощностью в параллелепипеде. Второе условие заключается в том, чтобы суммарная мощность источников тепла, используемых для обогрева, была минимальной. Эта задача изучалась в стационарных условиях в работах других учёных. Однако в нестационарном случае задача не рассматривалось. Поскольку найти непрерывное решение краевой задачи сложно, то ищем численное решение задачи. Трудно найти интегральный оператор с непрерывным ядром (функция Грина). Найдено численное значение функции Грина в виде матрицы. Предложен новый алгоритм численного решения нестационарной задачи оптимального управления размещением источников тепла с минимальной мощностью в процессах, описываемых дифференциальными уравнениями с частными производными параболического типа. Предложена новая методика численного решения. Построена математическая и численная модель процессов, описываемых уравнением конвекции-диффузии, заданным для первой краевой задачи. Краевая задача изучается для трёхмерного случая. Для численного решения задачи использовалась неявная конечно-разностная схема. По этой схеме была создана система разностных уравнений. Сформированная система разностных уравнений приведена к задаче линейного программирования. Задача линейного программирования решается с помощью М-метода. При каждом значении времени решается задача линейного программирования. Предложен новый подход к численному решению задач. Приведена общая блок-схема алгоритма решения нестационарной задачи оптимального управления размещением источников тепла с минимальной мощностью. Разработан алгоритм и программное обеспечение для численного решения задачи. Приведено краткое описание программного обеспечения. На конкретных примерах показано, что численное решение краевой задачи находится в заданных пределах, сумма оптимально размещенных источников тепла с минимальной мощностью дает минимум функционалу. Визуализированы результаты вычислительного эксперимента.
Хайиткулов Б.Х. Математическое моделирование нестационарной задачи конвекции–диффузии об оптимальном выборе местоположения источников тепла. Математическое моделирование и численные методы, 2023, No 1, с. 32–42.
519.17 Задача о преследовании в 3D-пространстве с произвольными начальными углами прицеливания
Бодряков В. Ю. (Уральский государственный педагогический университет)
doi: 10.18698/2309-3684-2024-2-6884
В статье впервые получено аналитическое решение задачи о преследовании в системе «хищник–жертва» в евклидовом 3D-пространстве для произвольных начальных углов прицеливания. В процессе преследования жертва движется равномерно и прямолинейно, постоянный по модулю вектор скорости хищника нацелен на жертву. Точное решение задачи получено в форме параметрически заданной пространственной кривой преследования. Получены точные выражения для других существенных характеристик процесса преследования (времени преследования, координат жертвы, длины кривой преследования, и др.). Проведено реалистичное компьютерное моделирование взаимного движения хищника и жертвы в пространстве и во времени; определены характерные параметры процесса преследования. Отмечен значительный дидактический потенциал решенной задачи о 3D-преследовании для подготовки будущих специалистов в области механики и управления; задача может служить содержательной основой для выполнения обучающимися исследовательских проектов, курсовых и выпускных квалификационных работ.
Бодряков В.Ю. Задача о преследовании в 3D-пространстве с произвольными начальными углами прицеливания. Математическое моделирование и численные методы, 2024, № 2, с. 68-84.