Все выпуски

В предлагаемой статье приводятся результаты аналитического и компьютерного исследования коллективных динамических свойств цепочки автоколебательных систем (условно — осцилляторов). Предполагается, что связи отдельных элементов цепочки являются невзаимными, однонаправленными. Точнее, предполагается, что каждый элемент цепочки находится под воздействием предыдущего, в то время как обратная реакция отсутствует (физически несущественна). В этом состоит главная особенность цепочки. Данную систему можно интерпретировать как активную дискретную среду с однонаправленным переносом, в частности переносом вещества. Подобные цепочки могут являться математическими моделями реальных систем с решеточной структурой, имеющих место в самых различных областях естествознания и техники: в физике, химии, биологии, радиотехнике, экономике и др. Также они могут быть моделями технологических и вычислительных процессов. В качестве элементов решетки выбраны нелинейные автоколебательные системы (условно — осцилляторы) с широким спектром потенциально возможных индивидуальных автоколебаний: от периодических до хаотических. Это позволяет исследовать различные динамические режимы цепочки от регулярных до хаотических, меняя параметры элементов и не меняя природу самих элементов. Совместное применение качественных методов теории динамических систем и качественно-численных методов позволяет получить обозримую картину всевозможных динамических режимов цепочки. Исследуются условия существования и устойчивости пространственно однородных динамических режимов (детерминированных и хаотических) цепочки. Аналитические результаты иллюстрированы численным экспериментом. Исследуются динамические режимы цепочки при возмущениях параметров на ее границе. Показывается возможность управления динамическими режимами цепочки путем включения необходимого возмущения на границе. Рассматриваются различные случаи динамики цепочек, составленных из неоднородных (различных по своим параметрам) элементов. Аналитически и численно исследуется глобальная (всех осцилляторов цепочки) хаотическая синхронизация.

Необходимость моделирования высокоскоростных течений сжимаемых сред с ударными волнами при наличии плотных завес или слоев частиц со значительным объемным содержанием дисперсной фазы возникает при изучении различных процессов. В качестве примера можно привести диспергирование частиц из слоя за проходящей ударной волной или распространение волн горения в компактных зарядах гетерогенных взрывчатых веществ. Хотя данные направления успешно развиваются в течение последних нескольких десятков лет, соответствующие математические модели и вычислительные алгоритмы активно совершенствуются вплоть до настоящего времени, поскольку механизмы волновых процессов в двухфазной среде, реализующиеся в различных моделях, отличаются друг от друга.

Статья посвящена численному исследованию распространения возмущений внутри плотной засыпки песка, вызванных последовательным воздействием ударной волны, падающей по нормали к поверхности засыпки из воздуха. Постановка задачи следует натурным опытам А.Т. Ахметова с соавторами. Целью работы является объяснение возможных причин усиления сигнала на датчике давления внутри засыпки, которое наблюдается в опытах при некоторых условиях. Математическая модель основана на одномерной системе уравнений Баера – Нунциато для описания плотных течений двухфазных сред с учетом межгранулярных напряжений в фазе частиц. Вычислительный алгоритм основан на методе Годунова для уравнений Баера – Нунциато.

В статье описана волновая динамика вне засыпки частици внутри нее после воздействия на засыпку первого и второго импульсов давления из газа. Основными элементами течения внутри засыпки являются фильтрационная волна в газовой фазе и волна компактирования в фазе частиц. В результате интерференции волны компактирования, вызванной первым падающим импульсом давления и отраженной от стенки ударной трубы, и фильтрационной волны, вызванной вторым падающим импульсом, происходит усиление сигнала на датчике давления внутри засыпки. Таким образом, дано возможное объяснение данного нового эффекта, наблюдаемого в натурных экспериментах.

Приведены результаты исследований по идентификации каналов управляемого объекта, основанные на постобработке измерений с созданием модели многовходового управляемого объекта и последующем активном вычислительном эксперименте. Построение модели управляемого объекта осуществляется путем аппроксимации его поведения нейросетевой моделью по трендам, полученным в ходе пассивного эксперимента в режиме нормальной эксплуатации. Рекуррентная нейронная сеть, имеющая в своем составе элементы в виде обратных связей, позволяет моделировать поведение динамических объектов. Временны́е задержки входных сигналов и сигналов обратных связей позволяют моделировать поведение инерционных объектов с чистым запаздыванием. Обученная на примерах функционирования объекта с системой управления модель представлена динамической нейронной сетью и моделью регулятора с известной функцией регулирования. Нейросетевая модель эмулирует поведение системы и используется для проведения на ней опытов активного вычислительного эксперимента. Нейросетевая модель позволяет получить отклик управляемого объекта на испытательное воздействие, в том числе и на периодическое. По полученной комплексной частотной характеристике с применением метода наименьших квадратов находят значения параметров передаточной функции каналов объекта. Представлен пример идентификации канала имитационной системы управления. Имитационный объект имеет два входа и один выход и обладает различным транспортным запаздыванием по каналам передачи. Один из входов является управляющим воздействием, второй является контролируемым возмущением. Выходная управляемая величина изменяется в результате управляющего воздействия, вырабатываемого регулятором, работающим по пропорционально-интегральному закону регулирования, на основании отклонения управляемой величины от задания. Найденные параметры передаточных функций каналов имитационного объекта близки к значениям параметров исходного имитационного объекта. Приведенная ошибка реакции на единичное ступенчатое воздействие модели системы управления, построенной по результатам идентификации имитационной системы управления, не превышает 0.08. Рассматриваемые объекты относятся к классу технологических процессов с непрерывным характером производства. Подобные объекты характерны для химической, металлургической, горно-обогатительной, целлюлозно-бумажной и ряда других отраслей промышленности.