Все выпуски

При взаимодействии сверхзвукового потока воздуха с поперечной вторичной струей, инжектируемой в этот поток через отверстие на плоской стенке, формируется особая структура течения. Это течение имеет место при инжекции топлива в прямоточные камеры сгорания сверхзвуковых авиационных двигателей, поэтому в последние годы в России и за рубежом предлагаются и исследуются разнообразные подходы к интенсификации смешения газов в этом течении. Предлагаемый в данной работе подход состоит в использовании искровых разрядов для импульсного нагрева газа и генерации неустойчивостей в сдвиговом слое на границе вторичной струи. С помощью моделирования в российском программном комплексе FlowVision 3.13 были получены характеристики этого течения при отсутствии и наличии импульсно-периодического локального тепловыделения на стенке с наветренной стороны от отверстия инжектора. Проведено сравнение локальных характеристик при различной периодичности импульсного нагрева (соответствующей значениям числа Струхаля 0,25 и 0,31). Показано, что импульсный нагрев может приводить к стимуляции формирования возмущений в сдвиговом слое на границе струи. Для случая отсутствия нагрева и для двух режимов импульсного нагрева было рассчитано значение интегрального критерия эффективности смешения. Показано, что импульсный нагрев может приводить как к уменьшению среднего значения эффективности смешения, так и к его увеличению (до 9% в рассмотренном режиме нагрева). Также проведена валидация использованного метода расчета (нестационарные уравнения Навье – Стокса, осредненные по Рейнольдсу, с модифицированной моделью турбулентности $k-\varepsilon$) на примере типового случая взаимодействия сверхзвукового потока с вторичной поперечной струей, изученного несколькими независимыми группами исследователей и хорошо документированного в литературе. Была показана сеточная сходимость расчета этого типового случая во FlowVision. Было проведено количественное сравнение результатов расчетов FlowVision с экспериментальными данными и другими расчетами. Результаты данного исследования могут быть полезны для специалистов, занимающихся проблемами смешения газов и горения в сверхзвуковом потоке, а также разработкой двигателей для сверхзвуковой авиации.

Важную роль при построении математических моделей динамических систем играют обратные задачи, к которым, в частности, относится задача параметрической идентификации. В отличие от классических моделей, оперирующих точечными значениями, интервальные модели дают ограничения сверху и снизу на исследуемые величины. В работе рассматривается интерполяционный подход к решению интервальных задач параметрической идентификации динамических систем для случая, когда экспериментальные данные представлены внешними интервальными оценками. Цель предлагаемого подхода заключается в нахождении такой интервальной оценки параметров модели, при которой внешняя интервальная оценка решения прямой задачи моделирования содержала бы экспериментальные данные или минимизировала бы отклонение от них. В основе подхода лежит алгоритм адаптивной интерполяции для моделирования динамических систем с интервальными неопределенностями, позволяющий в явном виде получать зависимость фазовых переменных от параметров системы. Сформулирована задача минимизации расстояния между экспериментальными данными и модельным решением в пространстве границ интервальных оценок параметров модели. Получено выражение для градиента целевой функции. На репрезентативном наборе задач продемонстрированы эффективность и работоспособность предлагаемого подхода.

Работа посвящена анализу известных классов моделей сверточных нейронных сетей и исследованию выбранных из них перспективных моделей для детектирования летающих объектов на изображениях. Под детектированием объектов (англ. — Object Detection) здесь понимаются обнаружение, локализация в пространстве и классификация летающих объектов. Комплексное исследование выбранных перспективных моделей сверточных нейронных сетей проводится с целью выявления наиболее эффективных из них для создания мобильных систем компьютерного зрения реального времени. Показано, что наиболее приемлемыми для детектирования летающих объектов на изображениях с учетом сформулированных требований к мобильным системам компьютерного зрения реального времени и, соответственно, к лежащим в их основе моделям сверточных нейронных сетей являются модели семейства YOLO, причем наиболее перспективными следует считать пять моделей из этого семейства: YOLOv4, YOLOv4-Tiny, YOLOv4-CSP, YOLOv7 и YOLOv7-Tiny. Для обучения, валидации и комплексного исследования этих моделей разработан соответствующий набор данных. Каждое размеченное изображение из набора данных включает от одного до нескольких летающих объектов четырех классов: «птица», «беспилотный летательный аппарат самолетного типа», «беспилотный летательный аппарат вертолетного типа» и «неизвестный объект» (объекты в воздушном пространстве, не входящие в первые три класса). Исследования показали, что все модели сверточных нейронных сетей по скорости детектирования объектов на изображении (по скорости вычисления модели) значительно превышают заданное пороговое значение, однако только модели YOLOv4-CSP и YOLOv7, причем только частично, удовлетворяют требованию по точности детектирования (классификации) летающих объектов. Наиболее сложным для детектирования классом объектов является класс «птица». При этом выявлено, что наиболее эффективной по точности классификации является модель YOLOv7, модель YOLOv4-CSP на втором месте. Обе модели рекомендованы к использованию в составе мобильной системы компьютерного зрения реального времени при условии увеличения в созданном наборе данных числа изображений с объектами класса «птица» и дообучения этих моделей с тем, чтобы они удовлетворяли требованию по точности детектирования летающих объектов каждого из четырех классов.

Предложен численный метод, аппроксимирующий уравнения динамики слабосжимаемого вязкого течения при наличии полимерной составляющей потока. Исследуется поведение течения под воздействием статической внешней периодической силы в периодической квадратной ячейке. Методика основывается на гибридном подходе. Гидродинамика течения описывается системой уравнений Навье – Стокса и численно аппроксимируется линеаризованным методом Годунова. Полимерное поле описывается системой уравнений для вектора растяжений полимерных молекул $\bf R$, которая численно аппроксимируются методом Курганова – Тедмора. Выбор модельных соотношений при разработке численной методики и подбор параметров моделирования позволили на качественном уровне смоделировать и исследовать режим эластической турбулентности при низких числах Рейнольдса $Re \sim 10^{-1}$. Уравнения динамики течения полимерного раствора отличаются от уравнений динамики ньютоновской жидкости наличием в правой части членов, описывающих силы, действующие со стороны полимерной компоненты. Коэффициент пропорциональности $A$ при данных членах характеризует степень обратного влияния количества полимеров на поток. В статье подробно исследуется влияние этого коэффициента на структуру и характеристики потока. Показано, что с его ростом течение становится более хаотическим. Построены энергетические спектры полученных течений и спектры полей растяжения полимеров для различных величин коэффициента $A$. В спектрах прослеживается инерциальный поддиапа- зон энергетического каскада для скорости течения с показателем $k \sim −4$, для каскада растяжений полимерных молекул с показателем $−1,6$.

В данной работе рассматриваются нейросетевые модели и полиномиальные модели на основе полинома Чебышёва для компенсации помех. Показано, что нейросетевая модель обеспечивает компенсацию паразитных помех без необходимости настройки параметров, в отличие от полиномиальной модели, где требуется подбор оптимальных задержек. Для обеих архитектур использован метод L-BFGS, который достигает уровня компенсации, сопоставимого с решением LS для полиномиальной модели, с результатом NMSE = −23,59 дБ и требует менее 2000 итераций, что подтверждает его высокую эффективность. Также благодаря высокой обобщающей способности нейросетевых моделей метод первого порядка для нейросетевых архитектур демонстрирует более быструю сходимость по сравнению с полиномиальной моделью. За 20 000 итераций нейросетевая модель достигает прироста уровня компенсации на 0,44 дБ по сравнению с полиномом. В отличие от этого полиномиальная модель может достичь высокого уровня компенсации только при оптимальной настройке параметров методов первого порядка, что подчеркивает одно из ключевых преимуществ нейросетевых моделей.

Традиционные методы решения задачи коммивояжера не являются эффективными для задач высокой размерности из-за их высокой вычислительной сложности. Одним из эффективных способов решения этой проблемы является декомпозиционный подход, который включает в себя три основных этапа: кластеризацию вершин, решение подзадач внутри каждого кластера и последующее объединение полученных решений в итоговое. В данной статье основное внимание уделяется третьему этапу — объединению циклов решений подзадач, поскольку этому этапу не всегда уделяется должное внимание, что приводит к менее точному итоговому решению. В статье предлагается новый модифицированный алгоритм Сигала для объединения циклов. Для оценки его эффективности проводится сравнение с двумя алгоритмами объединения циклов: метод соединения средних точек ребер и алгоритм на основе близости центроидов кластеров. Исследуется зависимость качества решения подзадач на алгоритмы объединения циклов. Модифицированный алгоритм Сигала выполняет попарное объединение кластеров, минимизируя количество пересечений и общее расстояние. Метод центроидов ориентирован на соединение кластеров на основе близости центроидов, а алгоритм с использованием средних точек оценивает расстояние между средними точками ребер. Также были рассмотрены два типа кластеризации: алгоритмы k-means и affinity propagation. Для проверки эффективности предложенного алгоритма были проведены численные эксперименты на наборе данных TSPLIB с различным количеством городов. В исследовании анализируются ошибки, вызванные порядком объединения кластеров, качеством решения подзадач и количеством кластеров. Эксперименты показали, что модифицированный алгоритм Сигала демонстрирует наименьшую медиану итогового расстояния и наиболее устойчивые результаты по сравнению с другими методами. Результаты указывают на большую устойчивость качества конечного решения, полученным модифицированным алгоритмом Сигала, от последовательности объединения кластеров. Повышение качества решения подзадачи обычно приводит к линейному улучшению конечного решения, но используемый алгоритм объединения редко влияет на степень этого улучшения.

Данная работа посвящена применению теории S-сплайнов для решения уравнений в частных производных на примере уравнения Пуассона. S-сплайн — кусочно-полиномиальная функция, коэффициенты полиномов которой определяются из двух условий: первая часть коэффициентов определяется условиями гладкой склейки, остальные определяются методом наименьших квадратов. В зависимости от порядка рассматриваемых полиномов и соотношения между количеством условий первого и второго типов мы получаем S-сплайны с разными свойствами. На настоящий момент изучены сплайны 3-й степени класса C¹ и сплайны 5-й степени класса C²(т.е. на них накладывались условия гладкой склейки вплоть до первой и второй производных соответственно). Мы рассмотрим, каким образом могут быть применены сплайны 3-й степени класса C¹ при решении уравнения Пуассона на круге и в других областях.

В данной работе приводится обобщение подхода к построению инвариантных векторов признаков изображений в задачах распознавания образов. Базовым элементом предлагаемого алгоритма является замена обычно применяемого гауссова фильтра исходного изображения сверткой функции изображения с функцией Грина эволюционного оператора, наследующей свойства симметрий этого оператора. Применение обобщенной фильтрации позволяет выделять дополнительные характеристики инвариантных векторов признаков.

В статье рассматривается решение задач теплопроводности с помощью метода непрерывных асинхронных клеточных автоматов. Продемонстрировано согласование распределения температуры в образце между клеточно-автоматной моделью и точным аналитическим решением уравнения теплопереноса в определенный момент времени, что говорит о целесообразном использовании данного метода моделирования. Получена зависимость между временем одного клеточно-автоматного взаимодействия и размерностью клеточно-автоматного поля.