Цель исследования. Цель данного исследования - решение задачи восстановления внешней нагрузки на стоечно-балочную конструктивную систему и оценка влияния на точность решения задачи погрешности зашумленных прогибов - конструктивных входных данных вычислительной системы.
Методы. Основными научными методами, применяемыми в рамках данного исследования, являются методы моделирования и идентификации граничных условий, сеточный метод регуляризации решения обратных некорректных задач. Также используются методы редукции измерений и аппроксимации, методы оценки качества обработки входных данных, алгоритмов регуляризации и аппроксимации с использованием сеточной функции Лебега абсолютным числом обусловленности задачи и минимума функции Лебега целевым параметром, численные методы. При условии равномерной непрерывной нормы абсолютной погрешности входных данных в выводе явных формул начальных параметров упругой линии балки и внешней нагрузки на стоечно-балочную конструктивную систему применен метод решения обратной задачи Коши для уравнения прогибов балки.
Результаты. Основной результат настоящей работы представляет собой теоремы об изгибающем моменте и силе на свободном конце консольной балки. Полученные равенства позволяют применить результаты решения обратной задачи Коши для уравнения прогибов балки при восстановлении внешней нагрузки на стоечно-балочную конструктивную систему. Доказано существование и единственность решения. Также результатами являются формулы множителей Лагранжа в линейной лагранжевой аппроксимации и оптимальный план координат узлов сетки аппроксимации по чебышёвскому альтернансу для уравнения прогибов балки четвертой и пятой степени. Проведена оценка качества приближения внешней нагрузки на стоечно-балочную конструктивную систему значениями целевых параметров.
Заключение. В данной статье предложен метод решения задачи восстановления внешней нагрузки на стоечно-балочную конструктивную систему с применением результатов решения обратной задачи Коши для уравнения прогибов балки с минимизацией влияния погрешности зашумленных конструктивных входных данных на точность решения задачи.
Идентификаторы и классификаторы
- Префикс DOI
- 10.21869/2223-1560-2024-28-3-245-264
- eLIBRARY ID
- 75201979
В задаче вычисления внешней нагрузки на стоечно-балочную конструктивную систему предложена математическая модель, включающая связь распределения на исследуемой конструкции узлов сетки аппроксимации, в которых измеряются прогибы балки в качестве входных данных вычислительной системы, с чебышёвским альтернансом. Решение поставленной задачи получено с выявленной в линейной лагранжевой аппроксимации функциональной связью множителей Лагранжа для внешней нагрузки на стоечно-балочную конструктивную систему и для начальных параметров упругой линии балки.
Список литературы
1. Building structural health monitoring using dense and sparse topology wireless sensor network / M.E. Haque, M.F.M. Zain, M.A. Hannan, M.H. Rahman // Smart Structures and Systems. 2015; 16(4): 607-621. 10.12989 /sss.2015.16.4.623. DOI: 10.12989/sss.2015.16.4.623
2. Кашеварова Г.Г., Тонков Ю.Л., Тонков И.Л. Интеллектуальная автоматизация инженерного обследования строительных объектов // International Journal for Computational Civil and Structural Engineering. 2017; 13(3): 42-57. DOI: 10.22337/1524-5845-2017-13-3-42-57 EDN: ZRKJOJ
3. Lehmhus D., Busse M. Structural health monitoring (SHM) // Bosse S., Lehmhus D., Lang W. (eds). Material Integrated Intelligent Systems Technology and Applications: Technology and Applications. Hoboken, USA: John Wiley & Sons Inc., 2018. Р. 529-570. DOI: 10.1002/9783527679249.ch22
4. Chen H-P., Ni Yi-Q. Structural health monitoring of large civil engineering structures. 111 River Street, Hoboken, NI 07030, USA: John Wiley & Sons Inc., 2018. 302 p. DOI: 10.1002/9781119166641
5. Boundary condition modelling and identification for cantilever-like structures using natural frequencies / W. Liu, Z. Yang, L. Wang, N. Guo // Chinese Journal of Aeronautics. 2019; 32(6): 1451-1464. DOI: 10.1016/j.cja.2019.04.003 EDN: BRCYQV
6. Shi Z., O’Brien W. Development and implementation of automated fault detection and diagnostics for building systems: A review // Automation in Construction. 2019; 104: 215-229. DOI: 10.1016/j.autcon.2019.04.002
7. Перельмутер А. В. Обратные задачи строительной механики // Вестник Томского государственного архитектурно-строительного университета. 2020; 22(4): 83-101. DOI: 10.31675/1607-1859-2020-22-4-83-101 EDN: FWMJUD
8. Локтионов А.П. Информационно-измерительная система мониторинга балок в строительных конструкциях // Известия Юго-Западного государственного университета. 2021. Т. 25, № 4. С. 23-51. DOI: 10.21869/2223-1560-2021-25-4-29-51 EDN: XBKVZI
9. Markov I.P., Igumnov L.A. Reconstruction of the time dependence of a transient boundary load applied to a three-dimensional isotropic linearly elastic solid // Mechanics of Solids. 2021; 56(6): 1004-1012. DOI: 10.3103/S0025654421060108 EDN: CIUYPM
10. Локтионов А. П. Информационная система анализа балочных элементов под комбинированной нагрузкой // Строительная механика и расчет сооружений. 2021; 2: 45-52. DOI: 10.37538/0039-2383.2021.2.45.52 EDN: FMRZOT
11. Ватульян А. О., Плотников Д. К. Обратные коэффициентные задачи в механике // Вестник Пермского национального исследовательского политехнического университета. Механика. 2019; 3: 37-47. DOI: 10.15593/perm.mech/2019.3.04 EDN: BGRWIA
12. Кабанихин С.И. Обратные задачи и искусственный интеллект // Успехи кибернетики. 2021; 2(3): 33-43. DOI: 10.51790/2712-9942-2021-2-3-5 EDN: CJBIYY
13. Meschikhin I. A., Gavryushin S. S. Quality criteria and algorithm for selecting reduced finite element models for technical design monitoring // Mat. Mod. Chisl. Met. 2016; 2: 103-121. DOI: 10.18698/2309-3684-2016-4-103121 EDN: XXQTRB
14. Горелик В.А., Золотова Т.В. Полный метод чебышевской интерполяции в задаче построения линейной регрессии // Чебышевский сборник. 2022; 23(4): 52-63. DOI: 10.22405/2226-8383-2022-23-4-52-63 EDN: BMMQQH
15. Huang Y., Ludwig S.A., Deng F. Sensor optimization using a genetic algorithm for structural health monitoring in harsh environments // Journal of Civil Structural Health Monitoring. 2016; 6(3): 509-519. DOI: 10.1007/s13349-016-0170-y EDN: SYIIAG
16. Siraya T. N. Methods of data processing in measurements and metrological models // Measurement Techniques. 2018;.61: 9-16. DOI: 10.1007/s11018-018-1380-y EDN: XXQWYH
17. Cheney E.W., Kincaid D.R. Numerical Mathematics and Computing. Thomson Brooks/Cole; Belmont, California, USA, 2013. 765 p. URL: https://hlevkin.com/hlevkin/60numalgs/Pascal/Numerical%20Mathematics%20and%20Computing.pdf.
18. Moore R., Kearfott R., Cloud M.Introduction to Interval Analysis. Society for Industrial and Applied Mathematics. Philadelphia, USA, 2009. 234 p.
19. Шарый С. П. Конечномерный интервальный анализ. Новосибирск: Издательство “XYZ”, 2024. 662 с. URL: http://www.nsc.ru/interval/Library/InteBooks/SharyBook.pdf.
20. Boykov I.V., Krivulin N.P. An Approximate Method for Recovering Input Signals of Measurement Transducers // Measurement Techniques. 2022; 64: 943-948. DOI: 10.1007/s11018-022-02026-3 EDN: HYXEXZ
21. Loktionov A. P. Regularization of the lattice time function of the signal in the communication channel // Telecommunications and Radio Engineering. 2013; 72(2): 161-171. DOI: 10.1615/TelecomRadEng.v72.i2.70 EDN: RFAPWZ
22. Кудрявцев К.Я. Алгоритм построения полинома наилучшего равномерного приближения по экспериментальным данным // Вестник национального исследовательского ядерного университета МИФИ. 2019; 8(5): 480-486. 10.1134/ S2304487X1905002X. DOI: 10.1134/S2304487X1905002X EDN: VFEFQG
23. Smirnova A., Bakushinsky A. On iteratively regularized predictor-corrector algorithm for parameter identification // Inverse Problems.2020; 36(12), id.125015: 30 pp. DOI: 10.1088/1361-6420/abc530 EDN: CDNSYS
24. Meshchikhin I.A., Gavryushin S.S. The envelope method in the problem of choosing a rational composition of measuring instruments // Measurement Techniques. 2021; 64: 151-155. DOI: 10.1007/s11018-021-01910-8 EDN: HZUWZK
25. Samarskii A. A., Vabishchevich P. N. Numerical Methods for Solving Inverse Problems of Mathematical Physics. Inverse and Ill-Posed Problems Series 52. De Gruyter; Berlin, New York, 2007. 438 p. DOI: 10.1515/9783110205794
26. Малоземов В.Н. Что даёт информация об альтернансе? // Малозёмов В.Н. Избранные лекции по экстремальным задачам. Часть вторая. СПб.: Изд-во ВВМ, 2017. C. 259-267. URL: http://www.apmath.spbu.ru/cnsa/reps15.shtml#0312. EDN: ZSPVTB
27. Bakushinsky A.B., Kokurin M.M., Kokurin M.Yu. Regularization algorithms for Ill-posed problems. Berlin, Boston: De Gruyter; 2018. 153 p. DOI: 10.1515/9783110557350
28. Локтионов А. П. Чебышёвский альтернанс при аппроксимации начальных условий обратной задачи Коши // Известия Юго-Западного государственного университета. 2021; 25(3): 86-102. DOI: 10.21869/2223-1560-2021-25-3-86-102 EDN: QDKMRV
29. Соловьев С. Ю. Об одном классе множителей многочленов Чебышева // Чебышевcкий сборник. 2021; 22(4): 241-252. DOI: 10.22405/2226-8383-2021-22-4-241-252 EDN: YXZIOO
30. Локтионов А.П. Восстановление начальных параметров балки при заданных младших коэффициентах уравнения прогибов // Строительная механика и расчет сооружений. 2022; 6: 2-7. DOI: 10.37538/0039-2383.2022.6.2.7 EDN: MOFHIG
31. Пытьев Ю. П. Методы математического моделирования измерительно-вычислительных систем. 3 изд. М.: Физматлит, 2012. 427 с. EDN: UGLGTR
32. Балакин Д. А., Пытьев Ю. П. Редукция измерения при наличии субъективной информации // Матем. Моделирование. 2018; 30(12): 84-110. 10.31857/ S023408790001938-5. DOI: 10.31857/S023408790001938-5 EDN: YOVDML
33. Loktionov A.P. Numerical Differentiation in the Measurement Model // Meas Tech. 2019; 62: 673-680. DOI: 10.1007/s11018-019-01677-z EDN: MUBMIZ
34. Ibrahimoglu B.A. Lebesgue functions and Lebesgue constants in polynomial interpolation // Journal of Inequalities and Applications. 2016; 2016(93): 1-15. DOI: 10.1186/s13660-016-1030-3 EDN: YCTYOM
35. Вержбицкий В.М. Основы численных методов. М.: Берлин: Директ-Медиа, 2021. 850 с. https://archive.org/details/48915verzhbickiyvmosnovychislennyhmetodov/page/n1/mode/2up. EDN: XTOCPH
36. Reddy A.N., Ananthasuresh G.K. On computing the forces from the noisy displacement data of an elastic body // International Journal for Numerical Methods in Engineering. 2008; 76(11):. 1645-1677. URL: http://eprints.iisc.ac.in/id/eprint/17827.
37. Янчевский И.В. К проблеме восстановления временной зависимости нестационарного воздействия, приложенного к упруго-деформируемому элементу конструкции // Проблемы машиностроения. 2015; 18(2): 43-54. https://api.semanticscholar.org/CorpusID:120920060. EDN: UGANKZ
38. Building structural health monitoring using dense and sparse topology wireless sensor network / M.E. Haque, M.F.M. Zain, M.A. Hannan, M.H. Rahman // Smart Structures and Systems. 2015; 16(4): 607-621. 10.12989 /sss.2015.16.4.623. DOI: 10.12989/sss.2015.16.4.623
39. Кашеварова Г.Г., Тонков Ю.Л., Тонков И.Л. Интеллектуальная автоматизация инженерного обследования строительных объектов // International Journal for Computational Civil and Structural Engineering. 2017; 13(3): 42-57. DOI: 10.22337/1524-5845-2017-13-3-42-57 EDN: ZRKJOJ
40. Lehmhus D., Busse M. Structural health monitoring (SHM) // Bosse S., Lehmhus D., Lang W. (eds). Material Integrated Intelligent Systems Technology and Applications: Technology and Applications. Hoboken, USA: John Wiley & Sons Inc., 2018. Р. 529-570. DOI: 10.1002/9783527679249.ch22
41. Chen H-P., Ni Yi-Q. Structural health monitoring of large civil engineering structures. 111 River Street, Hoboken, NI 07030, USA: John Wiley & Sons Inc., 2018. 302 p. DOI: 10.1002/9781119166641
42. Boundary condition modelling and identification for cantilever-like structures using natural frequencies / W. Liu, Z. Yang, L. Wang, N. Guo // Chinese Journal of Aeronautics. 2019; 32(6): 1451-1464. DOI: 10.1016/j.cja.2019.04.003 EDN: BRCYQV
43. Shi Z., O’Brien W. Development and implementation of automated fault detection and diagnostics for building systems: A review // Automation in Construction. 2019; 104: 215-229. DOI: 10.1016/j.autcon.2019.04.002
44. Перельмутер А. В. Обратные задачи строительной механики // Вестник Томского государственного архитектурно-строительного университета. 2020; 22(4): 83-101. DOI: 10.31675/1607-1859-2020-22-4-83-101 EDN: FWMJUD
45. Локтионов А.П. Информационно-измерительная система мониторинга балок в строительных конструкциях // Известия Юго-Западного государственного университета. 2021. Т. 25, № 4. С. 23-51. DOI: 10.21869/2223-1560-2021-25-4-29-51 EDN: XBKVZI
46. Markov I.P., Igumnov L.A. Reconstruction of the time dependence of a transient boundary load applied to a three-dimensional isotropic linearly elastic solid // Mechanics of Solids. 2021; 56(6): 1004-1012. DOI: 10.3103/S0025654421060108 EDN: CIUYPM
47. Локтионов А. П. Информационная система анализа балочных элементов под комбинированной нагрузкой // Строительная механика и расчет сооружений. 2021; 2: 45-52. DOI: 10.37538/0039-2383.2021.2.45.52 EDN: FMRZOT
48. Ватульян А. О., Плотников Д. К. Обратные коэффициентные задачи в механике // Вестник Пермского национального исследовательского политехнического университета. Механика. 2019; 3: 37-47. DOI: 10.15593/perm.mech/2019.3.04 EDN: BGRWIA
49. Кабанихин С.И. Обратные задачи и искусственный интеллект // Успехи кибернетики. 2021; 2(3): 33-43. DOI: 10.51790/2712-9942-2021-2-3-5 EDN: CJBIYY
50. Meschikhin I. A., Gavryushin S. S. Quality criteria and algorithm for selecting reduced finite element models for technical design monitoring // Mat. Mod. Chisl. Met. 2016; 2: 103-121. DOI: 10.18698/2309-3684-2016-4-103121 EDN: XXQTRB
51. Горелик В.А., Золотова Т.В. Полный метод чебышевской интерполяции в задаче построения линейной регрессии // Чебышевский сборник. 2022; 23(4): 52-63. DOI: 10.22405/2226-8383-2022-23-4-52-63 EDN: BMMQQH
52. Huang Y., Ludwig S.A., Deng F. Sensor optimization using a genetic algorithm for structural health monitoring in harsh environments // Journal of Civil Structural Health Monitoring. 2016; 6(3): 509-519. DOI: 10.1007/s13349-016-0170-y EDN: SYIIAG
53. Siraya T. N. Methods of data processing in measurements and metrological models // Measurement Techniques. 2018;.61: 9-16. DOI: 10.1007/s11018-018-1380-y EDN: XXQWYH
54. Cheney E.W., Kincaid D.R. Numerical Mathematics and Computing. Thomson Brooks/Cole; Belmont, California, USA, 2013. 765 p. URL: https://hlevkin.com/hlevkin/60numalgs/Pascal/Numerical%20Mathematics%20and%20Computing.pdf.
55. Moore R., Kearfott R., Cloud M.Introduction to Interval Analysis. Society for Industrial and Applied Mathematics. Philadelphia, USA, 2009. 234 p.
56. Шарый С. П. Конечномерный интервальный анализ. Новосибирск: Издательство “XYZ”, 2024. 662 с. URL: http://www.nsc.ru/interval/Library/InteBooks/SharyBook.pdf.
57. Boykov I.V., Krivulin N.P. An Approximate Method for Recovering Input Signals of Measurement Transducers // Measurement Techniques. 2022; 64: 943-948. DOI: 10.1007/s11018-022-02026-3 EDN: HYXEXZ
58. Loktionov A. P. Regularization of the lattice time function of the signal in the communication channel // Telecommunications and Radio Engineering. 2013; 72(2): 161-171. DOI: 10.1615/TelecomRadEng.v72.i2.70 EDN: RFAPWZ
59. Кудрявцев К.Я. Алгоритм построения полинома наилучшего равномерного приближения по экспериментальным данным // Вестник национального исследовательского ядерного университета МИФИ. 2019; 8(5): 480-486. 10.1134/ S2304487X1905002X. DOI: 10.1134/S2304487X1905002X EDN: VFEFQG
60. Smirnova A., Bakushinsky A. On iteratively regularized predictor-corrector algorithm for parameter identification // Inverse Problems. 2020; 36(12), id.125015: 30 pp. DOI: 10.1088/1361-6420/abc530 EDN: CDNSYS
61. Meshchikhin I.A., Gavryushin S.S. The envelope method in the problem of choosing a rational composition of measuring instruments // Measurement Techniques. 2021; 64: 151-155. DOI: 10.1007/s11018-021-01910-8 EDN: HZUWZK
62. Samarskii A. A., Vabishchevich P. N. Numerical Methods for Solving Inverse Problems of Mathematical Physics. Inverse and Ill-Posed Problems Series 52. De Gruyter; Berlin, New York, 2007. 438 p. DOI: 10.1515/9783110205794
63. Малоземов В.Н. Что даёт информация об альтернансе? // Малозёмов В.Н. Избранные лекции по экстремальным задачам. Часть вторая. СПб.: Изд-во ВВМ, 2017. C. 259-267. URL: http://www.apmath.spbu.ru/cnsa/reps15.shtml#0312. EDN: ZSPVTB
64. Bakushinsky A.B., Kokurin M.M., Kokurin M.Yu. Regularization algorithms for Ill-posed problems. Berlin, Boston: De Gruyter; 2018. 153 p. DOI: 10.1515/9783110557350
65. Локтионов А. П. Чебышёвский альтернанс при аппроксимации начальных условий обратной задачи Коши // Известия Юго-Западного государственного университета. 2021. Т. 25, № 3. С. 86-102. DOI: 10.21869/2223-1560-2021-25-3-86-102 EDN: QDKMRV
66. Соловьев С. Ю. Об одном классе множителей многочленов Чебышева // Чебышевcкий сборник. 2021; 22(4): 241-252. DOI: 10.22405/2226-8383-2021-22-4-241-252 EDN: YXZIOO
67. Локтионов А.П. Восстановление начальных параметров балки при заданных младших коэффициентах уравнения прогибов // Строительная механика и расчет сооружений. 2022; 6: 2-7. DOI: 10.37538/0039-2383.2022.6.2.7 EDN: MOFHIG
68. Пытьев Ю. П. Методы математического моделирования измерительно-вычислительных систем. 3 изд. М.: Физматлит, 2012. 427 с. EDN: UGLGTR
69. Балакин Д. А., Пытьев Ю. П. Редукция измерения при наличии субъективной информации // Матем. Моделирование. 2018; 30(12): 84-110. 10.31857/ S023408790001938-5. DOI: 10.31857/S023408790001938-5 EDN: YOVDML
70. Loktionov A.P. Numerical Differentiation in the Measurement Model // Meas Tech. 2019; 62: 673-680. DOI: 10.1007/s11018-019-01677-z EDN: MUBMIZ
71. Ibrahimoglu B.A. Lebesgue functions and Lebesgue constants in polynomial interpolation // Journal of Inequalities and Applications. 2016; 2016(93): 1-15. DOI: 10.1186/s13660-016-1030-3 EDN: YCTYOM
72. Вержбицкий В.М. Основы численных методов. М.: Берлин: Директ-Медиа, 2021. 850 с. URL: https://archive.org/details/48915verzhbickiyvmosnovychislennyhmetodov/ page/n1/mode/2up. EDN: XTOCP
73. Reddy A.N., Ananthasuresh G.K. On computing the forces from the noisy displacement data of an elastic body // International Journal for Numerical Methods in Engineering. 2008; 76(11):. 1645-1677. URL: http://eprints.iisc.ac.in/id/eprint/17827.
74. Янчевский И.В. К проблеме восстановления временной зависимости нестационарного воздействия, приложенного к упруго-деформируемому элементу конструкции // Проблемы машиностроения. 2015; 18(2): 43-54. https://api.semanticscholar.org/CorpusID:120920060. EDN: UGANKZ
Выпуск
Другие статьи выпуска
Целью исследования является рассмотрение преимуществ применения вариационных интеграторов на группах Ли в задачах физически корректного моделирования динамики механических систем и сравнение их с классическими невариационными интеграторами.
Методы. Для демонстрации возможностей вариационных интеграторов на группах Ли была разработана математическая модель динамики физического маятника. При построении математической модели динамики физического маятника использовались методы вариационного исчисления и методы теории групп Ли. Для проведения сравнительного анализа вариационных и невариационных интеграторов использовался метод Рунге-Кутты 4-го порядка. Моделирование осуществлялось в среде MATLAB.
Результаты. В ходе исследования разработан алгоритм вариационного интегратора на группах Ли для моделирования динамики физического маятника. Для сравнения вариационных интеграторов и метода Рунге-Кутты 4-го порядка были построены графики, показывающие, как изменяются с течением времени угловая скорость по осям, ортогональная ошибка, полная энергия и угловой момент. Графики демонстрируют, что несмотря на то, что угловая скорость для обоих методов одинакова, метод Рунге-Кутты не сохраняет геометрическую структуру непрерывной системы и не сохраняет основные постоянные величины моделируемой системы, а именно механическую энергию и импульс.
Заключение. Численное моделирование показало, что сохранение симплектических свойств систем и структуры групп Ли позволяет производить физически корректное компьютерное моделирование динамики механических систем. Вариационные интеграторы на группах Ли имеют существенные вычислительные преимущества по сравнению с классическими методами интегрирования, которые не сохраняют геометрическую структуру непрерывной системы и основные постоянные величины системы, и другими вариационными интеграторами, которые сохраняют либо ни одно, либо одно из этих свойств.
Цель исследования. Целью работы является исследование и разработка методов локализации сверхлегкого беспилотного летательного аппарата (БПЛА) в насыщенной объектами замкнутой среде, основанных на симантико-топологических данных, получаемых из окружения. Целью работы также явля-ется разработка программного обеспечения и выбор аппаратного комплекса для запуска и опробации разработанного решения.
Методы. Для реализации поставленной цели были проведен обзор и сравнение существующих решений. Оптимизация архитектуры нейронной сети для детектирования объектов. Разработка алгоритма составления графа объектов, отражающего их взаимосвязи. Разработка алгоритма сравнения графов для определения положения БПЛА. Внедрение решения по повышению точности определения геометрического центра задетектированных объектов. Использование методов определения ключевых точек (SIFT, SURF) для решения проблемы идентификации объектов одного класса.
Результаты. Результатом работы является разработанный метод локализации, на основе симантико-топологических данных, получаемых из окружения. Также разработан пакет программного обеспечения, основанный на платформе ROS2 humble, и реализованный на аппаратной части, основанной на плате Rockchip 3588. Эксперименты проводились на готовых наборах данных (KUM dataset) и с использованием БПЛА в помещении.
Заключение. Разработанная система локализации представляет собой перспективный шаг в направлении создания эффективных и гибких систем, способных работать в сложных условиях. В будущем планируется интегрировать данный метод с другими датчиками для повышения робастности в динамичных условиях, добавить алгоритмы визуальной одометрии для повышения точности локализации БПЛА, и расширить применение системы на БПЛА, используемых в других отраслях (инспекция инфраструктуры, поиск и спасение).
Цель исследования. В настоящее время математические методы анализа видеоряда представляют собой структурированную совокупность подходов к распознаванию изображений на основе разности свечения различных областей изображений. Множество данных значений описываются с применением математических зависимостей, однако, существующие подходы работают только для стандартных изображений, полученных при обработке видеоданных. Целью настоящего исследования является разработка нового подхода к анализу изображений, полученных, в том числе, с применением терагерцевого излучения, имеющего специфические характеристики, как физические, так и математические.
Методы. В настоящем исследовании применялись следующие теоретические и эмпирические научные методы: анализ (проведен анализ существующих на сегодняшний день известных математических методов обработки изображений с целью распознания образов). Синтез (предложен принципиально новый подход к системам безопасности, представляющий собой единую систему, состоящую из отдельных взаимосвязанных подсистем); моделирование (разработана информационная модель системы безопасности на базе СКУД с применением системы анализа и распознавания потенциально опасных предметов на основе видеопотока в реальном времени); математизация (система анализа изображений описана языком математических законов и формул).
Результаты. В результате исследования на основе анализа современных материалов, в перспективе предлагается концепция системы обеспечения безопасности на основе анализа видеоряда в реальном времени с применением перспективных технологий сканирования объектов. В качестве основного новшества предлагается усовершенствованный метод анализа изображений Виолы-Джонса с применением дополнительного множества, характеризующего признаковое пространство объектов в терагерцевом диапазоне излучения.
Заключение. Применение технологий высокочастотного сканирования с интеллектуальными системами распознавания образов объектов в режиме реального времени позволит в существенной мере снизить риски проникновения злоумышленников на охраняемые объекты, а также повысить безопасность граждан при сравнительно малых затратах на разработку и внедрение модернизированных систем безопасности.
Цель исследования - комплексное исследование технологической линии многофункциональной установки подготовки топливного газа (МУПГ), создание математической модели, способной предсказывать и контролировать сухость газа в процессе работы МУПГ, а также определение оптимальных параметров работы установки для совершенствования безаварийного функционирования и высокой производительности оборудования, использующего очищенный газ.
Методы. Осуществлено математическое моделирование с использованием модели множественной регрессии для предсказания температуры точки росы и ее влияния на безаварийную эксплуатацию установки. Адекватность модели подтверждена коэффициентом детерминации и критерием Фишера. Также представлен анализ ограничивающих факторов для безаварийной работы МУПГ, включая температуру, давление и состав газа. Оценка точности численного моделирования безаварийной работы технологической линии МУПГ на основании разработанной модели множественной регрессии сухости газа произведена при помощи парных коэффициентов корреляции, коэффициентов эластичности.
Результаты. В ходе работы было произведено моделирование безаварийной работы технологической линии МУПГ на основании разработанной модели множественной регрессии сухости газа. Возможна следующая интерпретация параметров модели: увеличение фактора X1 на 1 приводит к уменьшению Y в среднем на 0,279; увеличение фактора X2 на 1 приводит к увеличению Y в среднем на 0,46; увеличение фактора X3 на 1 приводит к увеличению Y в среднем на 0,000418; увеличение фактора X4 на 1 приводит к увеличению Y в среднем на 13,288; увеличение фактора X5 на 1 приводит к уменьшению Y в среднем на 13,337; увеличение фактора X6 на 1 приводит к уменьшению Y в среднем на 0. По максимальному коэффициенту β2=0,384 можно сделать вывод, что наибольшее влияние на результат Y оказывает фактор X2. Статистическая значимость уравнения проверена с помощью коэффициента детерминации и критерия Фишера. По оценке точности численного моделирования безаварийной работы технологической линии МУПГ на основании разработанной модели множественной регрессии сухости газа была определена сильная линейная связь между X1 и Y, низкая линейная связь между X2 и Y, низкая линейная связь между X3 и Y, умеренная линейная связь между X4 и Y, умеренная линейная связь между X5 и Y, умеренная линейная связь между X6 и Y.
Заключение. Установлено, что в исследуемой ситуации: «в возможности предсказания и контроля сухости газа: обоснование гипотезы о возможности предсказания температуры точки росы и ее влияния на безаварийную работу» параметры модели статистически значимы.
Цель исследования. В предлагаемой публикации в качестве цели исследования выбрана оценка эффективности применения неметаллических сеток из высокопрочных волокон в армировании складчатых элементов. Для этого исследуются методы расчета складчатых конструкций из бетонных композитов и проводится сравнительный расчет конструкции с различными параметрами армирования.
Методы. В статье проанализирован алгоритм расчета армоцементных конструкций по методу предельных усилий с переходом от исходного складчатого сечения к приведенному. По исследуемому методу проведен расчет тонкой складчатой панели, армированной сетками из различных материалов, с постоянным коэффициентом сетчатого армирования. В качестве армирования были рассмотрены сварная стальная сетка, тканая сетка из высокопрочных стеклянных волокон, и тканая сетка из углеродных волокон. Попутно была решена обратная задача, в рамках которой подбирался коэффициент армирования, необходимый для обеспечения одинаковой несущей способности сечения при применении разных армирующих материалов.
Результаты. Расчет показал наибольшую несущую способность сечения, армированного сеткой из углеродных волокон - 14,5 кНм. При армировании сеткой из высокопрочных стеклянных волокон несущая способность сечения составила 6,4 кНм. Наименьшие значения были получены при армировании складчатой панели сварной стальной сеткой: несущая способность сечения составила 1,72 кНм. Коэффициенты сетчатого армирования для стальной сетки (С), стеклянной сетки (ЩС) и углеродной сетки (V) распределились в соотношении С: ЩС: У=1:0,26:0,12.
Заключение. Армирование бетонных композитов неметаллическими сетками имеет значительный потенциал для проектирования легких пространственных конструкций покрытий зданий и сооружений. Применение высокопрочных армирующих волокон позволяет достигнуть прочности панелей, сравнимой с прочностью традиционных армоцементных изделий. Необходимо рассмотреть прочие прочностные расчеты складчатых панелей с армированием неметаллическими сетками, а также экспериментально подтвердить результаты аналитических расчетов.
Цель исследования. Применение сжиженного природного газа (СПГ) в качестве энергоносителя расширяется ежегодно. Поэтому целью данной статьи является анализ нормативных требований к защите конструкций от пролива криогенных жидкостей, таких как СПГ. Также в статье оценивается способность огнезащитных материалов сопротивляться не только высокотемпературным воздействиям, но и низкотемпературным.
Методы. В статье рассмотрены основные методики испытания материалов на противодействие проливу криогенных жидкостей и возможность применения средств огнезащиты в качестве криозащитных материалов. Объектом исследования стала огнезащитная конструктивная система, состоящая из плит «ПРОЗАСК Файерпанель». Защитная система производства ООО «ПРОЗАСК» состоит из двух слоев огнезащитных плит «ПРОЗАСК Файерпанель» с негорючей мембраной. А предметом исследования - криозащитная функция такой системы.
Результаты. Средняя температура образца после 60-минутного криогенного воздействия составила 53°С, сделаны выводы о целесообразности проведения последовательных испытаний на низкотемпературное и огневое воздействия ввиду высокой вероятности развития пожара после пролива криогенной жидкости при наличии источника пламени.
Заключение. В статье показаны и проанализированы результаты испытания защитной системы производства ООО «ПРОЗАСК». При корректном выборе марки стали (в том числе по требованию к ударной вязкости) несущих конструкций объектов нефтегазового комплекса, можно сделать вывод о работоспособности конструкций, защищенных системой конструктивной огнезащиты с плитами «ПРОЗАСК Файерпанель», после часового криогенного воздействия.
Цель исследования: разработка методики выбора энергоэффективных теплоизоляционных материалов с помощью среды визуального программирования Dynamo с целью повышения энергоэффективности ограждающих конструкций зданий и сооружений.
Методы. Исследование выполнено с помощью теоретических и практических методов. Теоретическое исследование выполнено на основе анализа научных публикаций, а также нормативных требований в сфере энергоэффективности. Практическое исследование выполнено с помощью реализации методики подбора теплоизоляционных материалов в программном комплексе Revit с использованием среды визуального программирования Dynamo.
Результаты. Изучены возможности среды визуального программирования Dynamo, позволяющих автоматизировать моделирование и разработку проектной документации в программном комплексе Revit, автоматизировать процесс армирования конструкций, проектирования инженерных сетей и систем, создавать автоматизированные системы контроля качества BIM-моделей и др. Особое внимание в работе уделено возможностям Dynamo для автоматизации выполнения теплотехнического расчета и подбора энергоэффективных теплоизоляционных материалов. Создана библиотека теплоизоляционных материалов, которую можно дополнять и копировать из одного проекта в другой стандартным функционалом Revit. Создано два скрипта Dynamo. Результат работы первого - полная автоматизация теплотехнического расчета в Revit, итог работы второго - подбор теплоизоляционного материала с учетом требований по тепловой защите зданий. Разработана методика выбора энергоэффективных теплоизоляционных материалов с помощью среды визуального программирования Dynamo. Достоверность расчетов, полученных на основе разработанных скриптов, подтверждена результатами ручного расчета.
Заключение. Применение современных BIM-технологий при выборе энергоэффективных теплоизоляционных материалов позволяет оптимизировать процесс расчетов, а также дает возможность найти наиболее экономичные решения для сокращения расходов и повышает скорость проектирования.
Цель исследования. В связи с растущим спросом на энергосберегающие технологии во всем мире и в Российской Федерации интересными для исследования являются накопители тепловой энергии. Известны различные способы аккумулировать тепловую энергию, один из них при помощи тепловых аккумуляторов на фазовом переходе. Данные устройства будут являться целью исследования для дальнейшего развития.
Методы. Одним из наиболее эффективных теплоаккумулирующихм веществ фазового перехода является парафин. В процессе обзора научной литературы были определены три основные направления для применения тепловых аккумуляторов фазового перехода: системы отопления и горячего водоснабжения от традиционных источников энергии, системы отопления и горячего водоснабжения от возобновляемых источников энергии, предпусковая подготовка двигателей внутреннего сгорания. Бескорпусный аккумулятор теплоты с фазовым переходом можно применять для аккумулирования низкопотенциального тепла в обратном трубопроводе системы отопления, другой тип аккумулятора будет эффективен при зарядке от солнечного источника энергии. Для предварительного подогрева двигателя внутреннего сгорания в автомобиле, перед его пуском, так же можно применять тепловой аккумулятор.
Результаты. Проведенный обзор и аналитическое исследование имеющихся тепловых аккумуляторов фазового перехода показали, что имеющиеся тепловые аккумуляторы фазового перехода на основе парафина можно усовершенствовать, пробуя различные конфигурации расположения, способы уменьшения объема и массы их конструкции, применяя полимерные материалы для подачи теплоносителя.
Заключение. Дальнейшее всестороннее изучение аккумуляторов тепла фазового перехода позволит находить эффективные способы его применения в системах индивидуального отопления и горячего водоснабжения, а также в двигателях внутреннего сгорания, искать новые направления их применения, что и будет целью дальнейших исследований.
Издательство
- Издательство
- ЮЗГУ
- Регион
- Россия, Курск
- Почтовый адрес
- 305040, Курская обл, г Курск, Центральный округ, ул 50 лет Октября, зд 94
- Юр. адрес
- 305040, Курская обл, г Курск, Центральный округ, ул 50 лет Октября, зд 94
- ФИО
- Емельянов Сергей Геннадьевич (РЕКТОР)
- E-mail адрес
- rector@swsu.ru
- Контактный телефон
- +7 (471) 2504820
- Сайт
- https://swsu.ru/