Все выпуски

В работе численно исследовано влияние упругих и прочностных характеристик твердосплавных материалов с покрытиями из тугоплавких соединений, полученных электроискровым легированием, при воздействии температурных и силовых факторов при помощи метода конечных элементов.

In the work is numerically investigated the influence of elastic and strength characteristics of hard materials with coatings of refractory compounds, received electric-spark doping, at influence of temperature and power factors using the finite element method.

В данной статье исследуется метод машинного обучения на основе теории случайных функций. Одной из основных проблем данного метода является то, что вид решающего правила модели метода, построенной на данных обучающей выборки, становится более громоздким при увеличении количества примеров выборки. Решающее правило модели является наиболее вероятной реализацией случайной функции и представляется в виде многочлена с количеством слагаемых, равным количеству обучающих элементов выборки. В статье будет показано, что для рассматриваемого метода существует быстрый способ сокращения обучающей выборки и, соответственно, вида решающего правила. Уменьшение примеров обучающей выборки происходит за счет поиска и удаления малоинформативных (слабых) элементов, которые незначительно влияют на итоговый вид решающей функции, и шумовых элементов выборки. Для каждого $(x_i,y_i)$-го элемента выборки было введено понятие значимости, выражающееся величиной отклонения оцененного значения решающей функции модели в точке $x_i$, построенной без $i$-го элемента, от реального значения $y_i$. Будет показана возможность косвенного использования найденных слабых элементов выборки при обучении модели метода, что позволяет не увеличивать количество слагаемых в полученной решающей функции. Также в статье будут описаны проведенные эксперименты, в которых показано, как изменение количества обучающих данных влияет на обобщающую способность решающего правила модели в задаче классификации.

This article explores a method of machine learning based on the theory of random functions. One of the main problems of this method is that decision rule of a model becomes more complicated as the number of training dataset examples increases. The decision rule of the model is the most probable realization of a random function and it's represented as a polynomial with the number of terms equal to the number of training examples. In this article we will show the quick way of the number of training dataset examples reduction and, accordingly, the complexity of the decision rule. Reducing the number of examples of training dataset is due to the search and removal of weak elements that have little effect on the final form of the decision function, and noise sampling elements. For each $(x_i,y_i)$-th element sample was introduced the concept of value, which is expressed by the deviation of the estimated value of the decision function of the model at the point $x_i$, built without the $i$-th element, from the true value $y_i$. Also we show the possibility of indirect using weak elements in the process of training model without increasing the number of terms in the decision function. At the experimental part of the article, we show how changed amount of data affects to the ability of the method of generalizing in the classification task.

В статье рассматривается определение одного из показателей динамических качеств (ПДК) железнодорожного подвижного состава — поперечного ускорения кузова — с использованием системы компьютерного моделирования динамики рельсовых экипажей Simpack Rail на комплексном уровне с переменной скоростью движения в графиковом режиме. Для этой цели использована ранее верифицированная с помощью средств кафедры «Электропоезда и локомотивы» РУТ (МИИТ) модель секции типового грузового электровоза колеи 1520 мм. По этой причине вопросы, связанные с построением и проверкой модели электровоза в препроцессоре, в данной статье опускаются. Подробно описано моделирование железнодорожного пути на основе картографических эксплуатационных данных — плана, профиля и возвышения наружного рельса. Приводятся статистические параметры (моменты) выбранной геометрической неровности (источника возмущения) по каждой рельсовой нити, а также параметры плана и профиля выбранного для моделирования участка пути в виде графиков считанных файлов данных. Измерение непогашенного поперечного ускорения кузова производится с учетом горизонтальной составляющей от действия силы тяжести, что воспроизводит принцип работы реальных датчиков измерения ускорения со свободно расположенной массой. В заключение производится сравнение искомого ПДК, определенного по методу среднего значения абсолютного максимума из смоделированного нестационарного процесса со значением, полученным из экспериментальных данных. По результатам сравнения можно сделать вывод о том, что на данный показатель качества с внешней стороны прежде всего влияют скорость и геометрические характеристики рельсового пути, которые в данном случае были смоделированы в строгом соответствии с картографическими данными реального железнодорожного участка, где проводились испытания. Допущенные условности в модели транспортного средства — секции грузового электровоза (сосредоточение инерционно-массовых характеристик тел в центре их тяжести, малость перемещений между телами) — при соблюдении постоянства основных геометрических и упруго-диссипативных характеристик связей тел позволяют в Simpack Rail смоделировать поведение (отклики) системы с необходимой достоверностью.

The paper studies the determination for one of the dynamic quality parameter (PDK) of railway vehicles — car body lateral acceleration — by using of computer simulation system for railway vehicles dynamic Simpack Rail. This provide the complex simulation environment with variable velocity depending on the train schedule. The rail vehicle model of typical 1520 mm gauge fright locomotive section used for simulation has been verified by means of the chair “Electric multiple unit cars and locomotives” in the Russian University of Transport (RUT (MIIT)). Due to this homologation the questions of model creating and verification in preprocessor are excluded in this paper. The paper gives the detail description of cartographic track modeling in situation plane, heights plane and superelevation plane based on the real operating data. The statistic parameters (moments) for the rail related track excitation and used cartographic track data of the specified track section in this simulation are given as a numeric and graphical results of reading the prepared data files. The measurement of the car body residual lateral acceleration occur under consideration of the earth gravity acceleration part like the accelerometer measurement in the real world. Finally the desired quality parameter determined by simulation is compared with the same one given by a test drive. The calculation method in both cases is based on the middle value of the absolute maximums picked up within the nonstationary realizations of this parameter. Compared results confirm that this quality factor all the first depends on the velocity and track geometry properties. The simulation of the track in this application uses the strong conformity original track data of the test ride track section. The accepted simplification in the rail vehicle model of fright electric locomotive section (body properties related to the center of gravity, small displacements between the bodies) by keeping the geometric and force law characteristics of the force elements and constraints constant allow in Simpack Rail the simulation with necessary validity of system behavior (reactions).

Функциональное моделирование процессов свертывания крови, в частности возникновения фибрин–полимерных сгустков, имеет большое значение для прикладных вопросов медицинской биофизики. Несмотря на некоторые неточности в математических моделях, качественные результаты представляют огромный интерес для экспериментаторов как средство анализа возможных вариантов развития их работ. При достижении хорошего количественного совпадения с экспериментальными результатами такие модели могут быть использованы для технологических применений. Целью данной работы является моделирование процесса многоступенчатой полимеризации фибрина и сопряженного с ними золь-гель-перехода — возникновения фибрин-полимерной сетки в точечной системе. Для программной реализации и численных экспериментов используется неявный метод Розенброка второго порядка с комплексными коэффициентами (CROS). В работе представлены результаты моделирования и проведен анализ чувствительности численных решений к коэффициентам математической модели методами вариации. Показано, что в физиологическом диапазоне параметров констант модели существует лаг-период 20 секунд между началом реакции и возникновением зародышей фибрин-полимерной сетки, что хорошо соответствует экспериментальным наблюдениям подобных систем. Показана возможность появления нескольких $(n = 1–3)$ последовательных золь-гель-переходов. Такое необычное поведение системы является прямым следствием наличия нескольких фаз в процессе полимеризации фибрина. На последнем этапе раствор олигомеров фибрина длины 10 может достичь полуразбавленного состояния. Это, в свою очередь, приведет к исключительно быстрой кинетике формирования фибрин-полимерной сетки, управляемой вращательной диффузией олигомеров. Если же состояние полуразбавленного раствора не достигается, то образование фибрин-полимерной сетки контролируется трансляционной диффузией, которая является существенно более медленным процессом. Такой дуализм в процессе золь-гель-перехода привел к необходимости введения функции переключения в уравнения для кинетики образования фибрин-полимера. Ситуация с последовательными золь-гель-переходами соответствует экспериментальным системам, где вследствие физических процессов, таких как пресипитация, фибрин-полимерная сетка может быть быстро удалена из объема.

Functional modeling of blood clotting and fibrin-polymer mesh formation is of a significant value for medical and biophysics applications. Despite the fact of some discrepancies present in simplified functional models their results are of the great interest for the experimental science as a handy tool of the analysis for research planning, data processing and verification. Under conditions of the good correspondence to the experiment functional models can be used as an element of the medical treatment methods and biophysical technologies. The aim of the paper in hand is a modeling of a point system of the fibrin-polymer formation as a multistage polymerization process with a sol-gel transition at the final stage. Complex-value Rosenbroke method of second order (CROS) used for computational experiments. The results of computational experiments are presented and discussed. It was shown that in the physiological range of the model coefficients there is a lag period of approximately 20 seconds between initiation of the reaction and fibrin gel appearance which fits well experimental observations of fibrin polymerization dynamics. The possibility of a number of the consequent $(n = 1–3)$ sol-gel transitions demonstrated as well. Such a specific behavior is a consequence of multistage nature of fibrin polymerization process. At the final stage the solution of fibrin oligomers of length 10 can reach a semidilute state, leading to an extremely fast gel formation controlled by oligomers’ rotational diffusion. Otherwise, if the semidilute state is not reached the gel formation is controlled by significantly slower process of translational diffusion. Such a duality in the sol-gel transition led authors to necessity of introduction of a switch-function in an equation for fibrin-polymer formation kinetics. Consequent polymerization events can correspond to experimental systems where fibrin mesh formed gets withdrawn from the volume by some physical process like precipitation. The sensitivity analysis of presented system shows that dependence on the first stage polymerization reaction constant is non-trivial.

В данной работе рассматривается обратная задача сейсморазведки — определение структуры исследуемой среды по зарегистрированному волновому отклику от нее. В качестве целевого объекта рассматриваются крупные трещины, размеры и положение которых необходимо определить.

Для решения прямой задачи используется численное моделирование сеточно-характеристическим методом. Сеточно-характеристический метод позволяет применять физически обоснованные алгоритмы расчета точек на внешних границах области и контактных границах внутри области интегрирования. Трещина принимается тонкой, для описания трещины используется специальное условие на створках трещины.

Обратная задача решается с помощью сверточных нейронных сетей. Входными данными нейронной сети являются сейсмограммы, интерпретируемые как изображения. Выходными данными являются маски, описывающие среду на структурированной сетке. Каждый элемент такой сетки относится к одному из двух классов: либо элемент сплош- ного геологического массива, либо элемент, через который проходит трещина. Такой подход позволяет рассматривать среду, в которой находится неизвестное наперед количество трещин.

Для обучения нейронной сети использовались исключительно примеры с одной трещиной. Для итогового тестирования обученной сети использовались отдельные примеры с несколькими трещинами, эти примеры никак не были задействованы в ходе обучения. Целью тестирования в таких условиях была проверка, что обученная сеть обладает достаточной общностью, распознает в сигнале признаки наличия трещины и при этомне страдает от переобучения на примерах с единственной трещиной в среде.

В работе показано, что сверточная сеть, обученная на примерах с единичной трещиной, может использоваться для обработки данных с множественными трещинами. Хорошо определяются в том числе небольшие трещины на больших глубинах, если они пространственно разнесены друг от друга на расстояние большее, чемдлина сканирующего импульса. В этом случае на сейсмограмме их волновые отклики хорошо различимы и могут быть интерпретированы нейронной сетью. В случае близко расположенных трещин могут возникать артефакты и ошибки интерпретации. Это связано с тем, что на сейсмограмме волновые отклики близких трещин сливаются, из-за чего нейронная сеть интерпретирует несколько рядом расположенных трещин как одну. Отметим, что подобную ошибку, скорее всего, допустил бы и человек при ручной интерпретации данных. В работе приведены примеры некоторых таких артефактов, искажений и ошибок распознавания.

This paper considers the inverse problem of seismic exploration — determining the structure of the media based on the recorded wave response from it. Large cracks are considered as target objects, whose size and position are to be determined.

he direct problem is solved using the grid-characteristic method. The method allows using physically based algorithms for calculating outer boundaries of the region and contact boundaries inside the region. The crack is assumed to be thin, a special condition on the crack borders is used to describe the crack.

The inverse problem is solved using convolutional neural networks. The input data of the neural network are seismograms interpreted as images. The output data are masks describing the medium on a structured grid. Each element of such a grid belongs to one of two classes — either an element of a continuous geological massif, or an element through which a crack passes. This approach allows us to consider a medium with an unknown number of cracks.

The neural network is trained using only samples with one crack. The final testing of the trained network is performed using additional samples with several cracks. These samples are not involved in the training process. The purpose of testing under such conditions is to verify that the trained network has sufficient generality, recognizes signs of a crack in the signal, and does not suffer from overtraining on samples with a single crack in the media.

The paper shows that a convolutional network trained on samples with a single crack can be used to process data with multiple cracks. The networks detects fairly small cracks at great depths if they are sufficiently spatially separated from each other. In this case their wave responses are clearly distinguishable on the seismogram and can be interpreted by the neural network. If the cracks are close to each other, artifacts and interpretation errors may occur. This is due to the fact that on the seismogram the wave responses of close cracks merge. This cause the network to interpret several cracks located nearby as one. It should be noted that a similar error would most likely be made by a human during manual interpretation of the data. The paper provides examples of some such artifacts, distortions and recognition errors.

В статье проведено исследование энергосиловых параметров штамповки поковок типа стержня с полусферическим фланцем, штампуемых на ГКМ, методом конечно-элементного анализа в системе DEFORM-2D и методом верхней оценки. На основе данного исследования приведена методика определения потребной силы деформирования при высадке поковок типа стержня с полусферическим фланцем.

In the paper the research of the energy and load-stroke parameters of the hemispherical flange forming on the horizontal forging machines has been presented. The Final Element Analysis andUpper Bound Method have been used. On the background of the research the methodic of the load-stroke determination of the hemi-spherical flange upset.