Все выпуски

В работе представлена новая версия программного комплекса FlowVision, предназначенного для автоматизации инженерных расчетов в области вычислительной гидродинамики: FlowVision 3.09.05. Программный комплекс (ПК) FlowVision используется для решения различных прикладных задач в различных областях промышленности. Его популярность основана на том, что он позволяет решать сложные нетрадиционные задачи, находящиеся на стыке различных дисциплин, с одной стороны, и, с другой стороны, на парадигме полной автоматизации таких трудоемких для инженера процессов, как построение расчетной сетки. FlowVision — это программный комплекс, полностью отчуждаемый от разработчиков. Он имеет развитый графический интерфейс, систему задания расчетного проекта и систему визуализации течений различными методами — от построения контуров (для скалярных переменных) и векторов (для векторных переменных) на плоскостях и поверхностях до объемной визуализации расчетных данных. Кроме этого, ПК FlowVision предоставляет пользователю возможность вычислять интегральные характеристики на поверхностях и в ограниченных объемах.

ПК основан на конечно-объемном подходе к аппроксимации основных уравнений движения жидкости. В нем реализованы явный и неявный методы решения этих уравнений. ПК имеет автоматический построитель неструктурированной сетки с возможностью ее локальной динамической адаптации. В ПК реализован двухуровневый параллелизм, позволяющий эффективно проводить расчеты на компьютерах, имеющих распределенную и общую память одновременно. FlowVision обладает широким спектром физико-математических моделей: турбулентности (URANS, LES, ILES), горения, массопереноса с учетом химических превращений и радиоактивного распада, электрогидродинамики.

FlowVision позволяет решать задачи движения жидкостей со скоростями, соответствующими несжимаемому или гиперзвуковому режимам за счет использования все-скоростного метода расщепления по физическим переменным для решения уравнений Навье–Стокса. FlowVision позволяет решать междисциплинарные задачи с использованием различных средств моделирования, например: моделировать многофазные течения методом VOF, обтекание подвижных тел с помощью эйлерова подхода при неподвижной расчетной сетке, моделировать вращающиеся машины с использованием метода скользящей сетки, решать задачи взаимодействия жидкости и конструкций методом двухстороннего сопряжения FlowVision с конечно-элементными кодами. В данной работе показаны примеры решения задач-вызовов: a) посадка космического корабля на воду при торможении ракетными двигателями, где есть граница раздела «воздух–вода», подвижные тела и взаимодействие сверхзвуковой струи газа с границей раздела «вода–воздух»; б) моделирование работы человеческого сердца с искусственными и живыми клапанами, спроектированными на базе томографических исследований, с использованием двухстороннего сопряжения «жидкостной» расчетной области с конечно-элементной моделью мышц сердца.

Проведен анализ отечественных публикаций за 2013–2017 гг. включительно, посвященных клеточным автоматам (КА). Большая их часть связана с математическим моделированием. Наукометрическими графиками за 1990–2017 гг. доказана актуальность тематики. Обзор позволяет выделить персоналии и научные направления/школы в современной российской науке, выявить их оригинальность или вторичность по сравнению с мировым уровнем. За счет выбора национальной, а не мировой, базы публикаций обзор претендует на полноту (из 526 просмотренных ссылок научным значением обладают около 200).

В приложении к обзору даются первичные сведения о КА — игра «Жизнь», теорема о садах Эдема, элементарные КА (вместе с диаграммой де Брюина), блочные КА Марголуса, КА с альтернацией. Причем акцентируется внимание на трех важных для моделирования семантиках КА — традициях фон Неймана, Цузе и Цетлина, а также показывается родство с концепциями нейронных сетей и сетей Петри. Выделены условные 10 работ по КА, с которыми должен быть знаком любой специалист по КА. Некоторые важные работы 1990-х гг. и более поздние перечислены во введении.

Затем весь массив публикаций разбит на рубрики: «Модификации КА и другие сетевые модели» (29 %), «Математические свойства КА и связь с математикой» (5 %), «Аппаратные реализации» (3 %), «Программные реализации» (5 %), «Обработка данных, распознавание и криптография» (8 %), «Механика, физика и химия» (20 %), «Биология, экология и медицина» (15 %), «Экономика, урбанистика и социология» (15 %). В скобках указана доля тематики в массиве. Отмечается рост публикаций по КА в гуманитарной сфере, а также появление гибридных подходов, уводящих в сторону от классических КА.

В работе описывается двухстадийная модель равновесного распределения транспортных потоков. Модель состоит из двух блоков, где первый блок — модель расчета матрицы корреспонденций, а второй блок — модель равновесного распределения транспортных потоков по путям. Первая модель, используя матрицу транспортных затрат (затраты на перемещение из одного района в другой, в данном случае — время), рассчитывает матрицу корреспонденций, описывающую потребности в объемах передвижения из одного района в другой район. Для решения этой задачи предлагается использовать один из наиболее популярных в урбанистике способов расчета матрицы корреспонценций — энтропийную модель. Вторая модель на базе равновесного принципа Нэша–Вардропа (каждый водитель выбирает кратчайший для себя путь) описывает, как именно потребности в перемещениях, задаваемые матрицей корреспонденций, распределяются по возможным путям. Таким образом, зная способы распределения потоков по путям, можно рассчитать матрицу затрат. Равновесием в двухстадийной модели транспортных потоков называют неподвижную точку цепочки из этих двух моделей. Практически ранее отмеченную задачу поиска неподвижной точки решали методом простых итераций. К сожалению, на данный момент вопрос сходимости и оценки скорости сходимости для этого метода не изучен. Кроме того, при численной реализации алгоритма возникает множество проблем. В частности, при неудачном выборе точки старта возникают ситуации, в которых алгоритм требует вычисления экстремально больших чисел и превышает размер доступной памяти даже в самых современных вычислительных машинах. Поэтому в статье предложены способ сведения задачи поиска описанного равновесия к задаче выпуклой негладкой оптимизации и численный способ решения полученной задачи оптимизации. Для обоих методов решения задачи были проведены численные эксперименты. Авторами использовались данные для Владивостока (для этого была обработана информация из различных источников и собрана в новый пакет) и двух небольших городов США. Методом простой прогонки двух блоков сходимости добиться не удалось, тогда как вторая модель для того же набора данных продемонстрировала скорость сходимости $k^{−1.67}$.

В работе представлен метод подбора состава смесевого хладагента (СХА) с заданной изобарной кривой кипения с помощью искусственной нейронной сети (ИНС). Данный метод основан на использовании 1D-слоев сверточной нейронной сети. Для обучения нейронной сети была применена термодинамическая модель простого теплообменника в программе UniSim design с использованием уравнения состояния Пенга–Робинсона. С помощью термодинамической модели была создана синтетическая база данных по изобарным кривым кипения СХА разного состава. Для записи базы данных был разработан алгоритм на языке программирования Python, и с помощью COM интерфейса была выгружена информация по изобарным кривым кипения для 1 049 500 вариантов состава СХА. Генерация составов СХА была проведена с помощью метода Монте-Карло с равномерным распределением псевдослучайного числа. Авторами разработана архитектура искусственной нейронной сети, которая позволяет подбирать состав СХА. Для обучения ИНС была применена методика циклически изменяемого коэффициента обучения. В результате применения обученной ИНС был подобран состав СХА с минимальным температурным напором 3 К, а максимальным — не более 10 К между горячим и холодным потоками в теплообменнике. Было проведено сравнение предложенного метода с методом поиска наилучшего совпадения в исходной выборке по методу $k$-ближних соседей, а также со стандартным методом оптимизации SQP в программе UniSim design. Показано, что искусственная нейронная сеть может быть использована для подбора оптимального состава хладагента при анализе кривой охлаждения природного газа. Разработанный метод может помочь инженерам подбирать состав СХА в режиме реального времени, что позволит сократить энергетические затраты на сжижение природного газа.

Процедура сертификации самолетов транспортной категории для полетов в условиях обледенения требует проведения расчетов форм и размеров ледяных наростов, образующихся на поверхностях самолетов в различные моменты времени. В настоящее время отсутствует программный продукт российской разработки, предназначенный для численного моделирования обледенения, признанный российскими сертификационными органами. В данной работе описывается методика расчета обледенения самолетов IceVision, созданная на базе программного комплекса FlowVision.

Главное отличие методики IceVision от известных подходов заключается в использовании технологии Volume Of Fluid (VOF — объем жидкости в ячейке) для отслеживания нарастания льда. В этой методике решается нестационарная задача непрерывного нарастания льда в эйлеровой постановке. Лед присутствует в расчетной области явно, в нем решается уравнение теплопереноса. В других (известных из литературы) подходах изменение формы льда учитывается путем модификации аэродинамической поверхности с использованием лагранжевой сетки, а для учета теплоотдачи в лед используется некоторая эмпирическая модель.

Реализованная во FlowVision математическая модель предполагает возможность моделирования сухого и влажного режимов обледенения. Модель автоматически определяет зоны сухого и влажного льда. В сухой зоне температура контактной поверхности определяется с учетом сублимации льда и теплопереноса во льду. Во влажной зоне учитывается течение водяной пленки по поверхности льда. Пленка замерзает за счет испарения, теплоотдачи в лед и в воздух. Методика IceVision учитывает отрыв пленки. Для моделирования двухфазного течения воздуха и капель используется многоскоростная модель взаимопроникающих континуумов в рамках эйлерова подхода. Методика IceVision учитывает распределение капель по размерам. Численный алгоритм учитывает существенное различие временных масштабов физических процессов, сопровождающих обледенение самолета: двухфазного внешнего течения (воздуха и капель), течения водяной пленки, роста льда. В работе приводятся результаты решения тестовых задач, демонстрирующие эффективность методики IceVision и достоверность результатов FlowVision.

В статье рассматривается проблема надежности эксплуатации открытой интеграционной платформы, обеспечивающей взаимодействие различных программных комплексов моделирования режимов транспорта газа, с учетом предоставления доступа к ним, в том числе через тонких клиентов, по принципу «программное обеспечение как услуга». Математически описаны функционирование, надежность хранения, передачи информации и реализуемость вычислительного процесса системы, что является необходимым для обеспечения работы автоматизированной системы диспетчерского управления транспортом нефти и газа. Представлено системное решение вопросов моделирования работы интеграционной платформы и тонких клиентов в условиях неопределенности и риска на базе метода динамики средних теории марковских случайных процессов. Рассматривается стадия стабильной работы — стационарный режим работы цепи Маркова с непрерывным временем и дискретными состояниями, которая описывается системами линейных алгебраический уравнений Колмогорова–Чепмена, записанных относительно средних численностей (математических ожиданий) состояний объектов исследования. Объектами исследования являются как элементы системы, присутствующие в большом количестве (тонкие клиенты и вычислительные модули), так и единичные (сервер, сетевой менеджер (брокер сообщений), менеджер технологических схем). В совокупности они представляют собой взаимодействующие Марковские случайные процессы, взаимодействие которых определяется тем, что интенсивности переходов в одной группе элементов зависят от средних численностей других групп элементов.

Через средние численности состояний объектов и интенсивностей их переходов из состояния в состояние предлагается многокритериальная дисперсионная модель оценки риска (как в широком, так и узком смысле, в соответствии со стандартом МЭК). Риск реализации каждого состояния параметров системы вычисляется как среднеквадратическое отклонение оцениваемого параметра системы объектов (в данном случае — средние численности и вероятности состояний элементов открытой интеграционной платформы и облака) от их среднего значения. На основании определенной дисперсионной модели риска функционирования элементов системы вводятся модели критериев оптимальности и рисков функционирования системы в целом. В частности, для тонкого клиента рассчитываются риск недополучения выгоды от подготовки и обработки запроса, суммарный риск потерь, связанный только с непроизводительными состояниями элемента, суммарный риск всех потерь от всех состояний системы. Для полученной многокритериальной задачи оценки рисков предлагаются модели (схемы компромисса) выбора оптимальной стратегии эксплуатации.

Автоматическое распознавание личности по биометрическому признаку основано на уникальных особенностях или характеристиках людей. Процесс биометрической идентификации представляет собой формирование эталонных шаблонов и сравнение их с новыми входными данными. Алгоритмы распознавания по рисунку радужной оболочки глаза показали на практике высокую точность и малый процент ошибок идентификации. Преимущества радужки над другими биометрическими признаками определяется ее большей степенью свободы (около 249 степеней свободы), избыточной плотностью уникальных признаков и постоянностью во времени. Высокий уровень достоверности распознавания очень важен, потому что позволяет выполнять поиск по большим базам данных и работать в режиме идентификации один-ко-многим, в отличии от режима проверки один-к-одному, который применим дляне большого количества сравнений. Любая биометрическая система идентификации является вероятностной. Для описания качественных характеристик распознавания применяются: точность распознавания, вероятность ложного доступа и вероятность ложного отказа доступа. Эти характеристики позволяют сравнивать методы распознавания личности между собой и оценивать поведение системы в каких-либо условиях. В этой статье объясняется математическая модель биометрической идентификации по радужной оболочке глаза, ее характеристики и анализируются результаты сравнения модели с реальным процессом распознавания. Для решения этой задачи проводится обзор существующих методов идентификации по радужной оболочке глаза, основанных на различных способах формирования вектора уникальных признаков. Описывается разработанный программный комплекс на языке Python, который строит вероятностные распределения и генерирует большие наборы тестовых данных, которые могут быть использованы в том числе для обучения нейронной сети принятия решения об идентификации. В качестве практического применения модели предложен алгоритм синергии нескольких методов идентификации личности по радужной оболочке глаза, позволяющий увеличить качественные характеристики системы, в сравнении с применением каждого метода отдельно.

Хранение — это существенная и дорогая часть облачных вычислений как с точки зрения требований сети, так и организации доступа к данным, поэтому выбор архитектуры хранения может быть критическим для любого приложения. В этой работе мы сможем посмотреть на типы облачных архитектур для обработки и хранения данных, основанных на доказанной технологии хранения в сети масштаба пред- приятия. Преимущество облачных вычислений — это способность визуализировать и разделять ресурсы среди различных приложений для наилучшего использования сервера. Мы обсуждаем и оцениваем распределенную обработку данных, архитектуры баз данных для облачных вычислений и очередь баз данных в локальной сети и для условий реального времени.