Все выпуски

Данная работа посвящена разработке алгоритма численного интегрирования системы дифференциальных уравнений потенциально-потокового метода моделирования неравновесных процессов. Этот метод был разработан автором в опубликованных им ранее работах. В настоящей работе рассмотрение ограничивается системами с сосредоточенными параметрами. Также ранее была разработана автором методика анализа корректности приближенного решения системы потенциально-потоковых уравнений для систем в сосредоточенных параметрах. Целью настоящей статьи является объединение этой методики с современными численными методами интегрирования систем обыкновенных дифференциальных уравнений и разработка методики численного интегрирования систем уравнений потенциально-потокового метода, позволяющей гарантировать корректность приближенного решения.

Представлены результаты численных исследований распространения пульсирующей волны детонации с использованием ENO-схем с порядками аппроксимации с первого по четвертый включительно. Результаты, полученные с использованием схем различного порядка аппроксимации, показывают, что характер распространения детонационной волны в ацетилено-воздушной смеси как качественно, так и количественно соответствует аналитическим оценкам. Для водородно-воздушной смеси ни для какой из рассмотренных схем не удалось получить устойчивое распространение волны. Наблюдается переход от регулярного распространения к маргинальному с последующим затуханием волны детонации.

Данная работа посвящена изучению возможности предсказать байпасный ламинарно-турбулентный переход с помощью несложной низкорейнольдсовой $k-\varepsilon$ модели турбулентности. Такая модель была разработана в ООО «ТЕСИС». Модель реализована в программном комплексе FlowVision. В статье обсуждаются идеи, воплощенные в этой модели. Возможность модели предсказывать ламинарно-турбулентный переход демонстрируется на известных тестовых задач T3B, T3A, T3A-.

В работе рассматриваются результаты применения неявного итерационного полинейного рекуррентного метода решения систем разностных эллиптических уравнений, возникающих при численном моделировании динамики несжимаемой вязкой жидкости. Исследование проводится на примере решения задачи о стационарном течении в плоской каверне с подвижной крышкой, сформулированной в естественных переменных ($u, \,v, \,p$) при больших значениях чисел Re (до 20 000) и сеточных разрешений (до 2049×2049). Демонстрируется высокая эффективность метода при расчете полей поправки давления. Анализируются проблемы решения задачи при больших числах Re.

Предложено обобщение блочного клеточного автомата Марголуса на гексагональную сетку. Проведена статистическая обработка результатов вероятностных клеточно-автоматных вычислений для ряда модификаций схемы, решающей тестовую задачу диффузии вещества. Показано, что выбор блоков в виде гексагонов на 25% эффективнее, чем в виде Y-блоков. Показано, что алгоритмы имеют полиномиальную сложность, причем степень полинома для параллельных вычислителей лежит в пределах 0.6÷0.8, а для последовательных — в пределах 1.5÷1.7. Исследовалось влияние внедренных в поле клеточного автомата дефектных ячеек на скорость сходимости.

В работе рассматривается комплексный подход к моделированию динамики генетической структуры и численности естественной популяции. Набор динамических моделей с различными типами естественного отбора применен для описания возможного механизма закрепления наблюдаемого в настоящее время генетического разнообразия по размеру помета в прибрежных, континентальных и искусственных популяциях песцов (Alopex lagopus, семейство Canidae, порядок Carnivora). Наиболее интересные результаты удалось получить на основе модели популяции, включающей две стадии развития; при этом анализировалась динамика генетической структуры популяции по генотипам, соответствующим различным репродуктивным способностям и выживаемостям детенышей на ранней стадии жизненного цикла, определяемым одним диаллельным геном. Эта модель позволяет получить мономорфизм по рассматриваемому признаку в популяциях прибрежных песцов, где пищевые ресурсы практически постоянны, и установление полиморфизма с циклическими колебаниями численности и частот аллелей рассматриваемого гена в континентальных популяциях, где происходят регулярные всплески численности грызунов — основного компонента пищи. В искусственных популяциях в результате селективного отбора, осуществляемого фермерами с целью увеличения репродуктивного успеха производителей, рассматриваемый ген оказывается плейотропным (т. е. определяющим выживаемость особей как на ранней, так и на поздней стадии жизненного цикла); применение соответствующей модели (с отбором по плейотропныму гену) позволяет получить адекватную скорость вытеснения аллеля, обуславливающего производство пометов малого размера.

В настоящее время для численного моделирования начально-краевых задач для систем гиперболических уравнений в частных производных (например, уравнения газовой динамики, МГД, деформируемого твердого тела и т. д.) применяются различные нелинейные численные схемы пространственной аппроксимации. Это связано с необходимостью повышения порядка аппроксимации и расчета разрывных решений, часто возникающих в таких системах. Необходимость в нелинейных схемах связана с ограничением, следующим из теоремы С. К. Годунова о невозможности построения линейной схемы порядка больше первого для монотонной аппроксимации уравнений такого типа. Одними из наиболее точных нелинейных схем являются схемы типа ENO (существенно не осциллирующие схемы и их модификации), в том числе схемы WENO (взвешенные, существенно не осциллирующие схемы). Последние получили наибольшее распространение, поскольку при одинаковой ширине шаблона имеют более высокий порядок аппроксимации чем ENO-схемы. Плюсом ENO- и WENO-схем является сохранение высокого порядка аппроксимации на немонотонных участках решения. Исследование данных схем затруднительно в связи с тем, что сами схемы нелинейны и применяются для аппроксимации нелинейных уравнений. В частности, условие линейной устойчивости ранее было получено только для схемы WENO5 (пятого порядка аппроксимации на гладких решениях) и является приближенным. В настоящей работе рассматриваются вопросы построения и устойчивости схем WENO5, WENO7, WENO9, WENO11 и WENO13 для конечно-объемной схемы для уравнения Хопфа. В первой части статьи рассмотрены методы WENO в общем случае и приведены явные выражения для коэффициентов полиномов и весов линейных комбинаций, необходимых для построения схем. Доказывается ряд утверждений, позволяющих сделать выводы о порядках аппроксимации в зависимости от локального вида решения. Проводится анализ устойчивости на основе принципа замороженных коэффициентов. Рассматриваются случаи гладкого и разрывного поведения решения в области линеаризации при замороженных коэффициентах на гранях конечного объема и анализируется спектр схем для этих случаев. Доказываются условия линейной устойчивости для различных методов Рунге–Кутты при применении со схемами WENO. В результате приводятся рекомендации по выбору максимально возможного параметра устойчивости, которое наименьшим образом влияет на нелинейные свойства схем. Следуя полученным ограничениям, делается вывод о сходимости схем.

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.

Очень приятно вспоминать и рассказывать о выдающемся ученом, замечательном человеке, блестящем преподавателе, основоположнике нескольких научных направлений Дмитрии Сергеевиче Чернавском. Наверно, при этом подсознательно надеешься, что это поможет слушателям, читателям, коллегам, близким и дальним. Одним — увидеть в себе и развить черты, которыми обладал этот прекрасный человек. Другим — ответить на вопросы, которые он оставил нам. Третьим — порадоваться, что в нашем научном сообществе был человек, который творил, вдохновлял, помогал, заряжал своим оптимизмом и верой в знание, в людей, в перемены к лучшему и надеждой, что будущее состоится. Мне довелось дважды писать о Дмитрии Сергеевиче: один раз — в послесловии к его замечательной книге «Синергетика и информация» [Чернавский, 2004], второй раз — веселый текст к его 90-летию, дополненный коллегами и опубликованный в журнале «Компьютерные исследования и моделирование» в 2016 году [Профессору Дмитрию Чернавскому — 90 лет, 2016]. И сейчас пишу в третий раз — со светлой грустью и сожалением о том, что мгновения общения с ним, его вдохновенные выступления, праздничные застолья, на которых за сиюминутным угадывалось вечное, не остановить и не повторить. Без прошлого нет будущего. Без попыток следующих поколений вновь и вновь ответить на вечные вопросы, оставленные предшественниками, рвется «времен связующая нить». Без традиции трудно родиться новому… Поэтому прошлое, даже недавнее, стоит вспоминать, чтобы отыскать дорогу в будущее.