ПОЛУЧЕНИЕ МОДЕЛЕЙ НАДЕЖНОСТИ ТЕХНИЧЕСКИХ ОБЪЕКТОВ ИЗ ПОТЕНЦИАЛЬНО-ПОТОКОВЫХ УРАВНЕНИЙ ФИЗИКО-ХИМИЧЕСКИХ ПРОЦЕССОВ В ЭТИХ ОБЪЕКТАХ 

Старостин Игорь Евгеньевич, кандидат технических наук, доцент, кафедра электротехники и авиационного электрооборудования, Московский государственный технический университет гражданской авиации (Россия, г. Москва, Кронштадтский бульвар, 20), E-mail: starostinigo@yandex.ru 

62-97-98 

DOI

10.21685/2307-4205-2020-1-1 

Актуальность и цели. При проектировании и создании оригинальных технических объектов, в том числе и компонентов авиационных систем, встает вопрос о надежности и безопасности их эксплуатации. Функционирование технических систем осуществляется протеканием физико-химических процессов в них. Для моделирования этих процессов автором был разработан в рамках современной неравновесной термодинамики потенциально-потоковый метод – единый подход математического описания и моделирования процессов различной физической и химической природы. Целью настоящей работы является разработка моделей для анализа надежности и безопасности технических объектов из уравнений физико-химических процессов в них.
Материалы и методы. Ранее автором было показано, что, исключив из уравнений потенциально-потокового метода неизвестные переменные величины и неизвестные постоянные коэффициенты, мы получим диагностические и прогностические модели технических объектов с точностью до данных, получаемых из испытания этих объектов и лабораторных систем. Описанное исключение величин из уравнений потенциально-потокового метода в общем случае целесообразно осуществлять методами глубокого машинного обучения. Проведя испытания этих технических объектов и лабораторных систем, подставив полученные результаты испытаний в эти диагностические и прогностические модели, мы получаем модели для решения различных практических задач, в том числе задач обеспечения надежности и безопасности эксплуатации технических объектов.
Результаты и выводы. На основе описанных методов в настоящей работе представляется алгоритм получения моделей надежности технических объектов из информации о физико-химических процессах в этих объектах. Результаты работы позволяют планировать и проводить испытания конкретных технических объектов с последующим анализом надежности и безопасности эксплуатации этих объектов и дальнейшей разработкой методики повышения показателей надежности и безопасности эксплуатации рассматриваемых технических объектов. Этот анализ проводится с использованием моделей надежности, полученных из уравнений (потенциально-потоковых) физико-химических процессов этих объектов, что гарантирует адекватность этих моделей для различных режимов работы этих объектов (в том числе и для тех, для которых не проводились испытания этих объектов), так как потенциально-потоковый метод – единый подход описания физико-химических процессов различной природы, то рассматриваемая методология также представляет собой единый подход получения математических моделей сложных технических объектов различной природы. Этот подход позволяет разрабатывать сложные технические объекты повышенной надежности и повышенной безопасности эксплуатации. 

Ключевые слова

технические объекты, надежность и безопасность эксплуатации, потенциально-потоковый метод, математическое моделирование 

 Скачать статью в формате PDF

1. Колодежный, Л. П. Надежность и техническая диагностика : учебник для вузов / Л. П. Колодежный, А. В. Чернодаров. – Москва : ВУНЦ ВВС ВВА им. Н. Е. Жуковского и Ю. А. Гагарина, 2010. – 452 с.
2. Старостин, И. Е. Программная реализация методов современной неравновесной термодинамики и система симуляции физико-химических процессов SimulationNonEqProcSS v.0.1.0 : монография / И. Е. Старостин, А. Г. Степанкин. – Бо Бассен, Маврикий : Lambert academic publishing, 2019. – 127 с.
3. Эткин, В. А. Энергодинамика: синтез теорий переноса и преобразования энергии : монография / В. А. Эткин. – Санкт-Петербург : Наука, 2008. – 409 с.
4. Жоу, Д. Расширенная необратимая термодинамика : монография / Д. Жоу, Х. Касас-Баскес, Дж. Лебон. – Москва ; Ижевск : НИЦ «Регулярная и хаотическая динамика» ; Институт компьютерных исследований, 2006. – 528 с.
5. Полак, Л. С. Неравновесная химическая кинетика и ее применение : монография / Л. С. Полак. – Москва : Наука, 1979. – 248 с.
6. Starostin, I. E. Kinetic theorem of modern non-equilibrim thermodynamic : monograph / I. E. Starostin, V. I. Bykov. – Raleigh (Noth Caroline, USA) : Open Science Publishing, 2017. – 229 p.
7. Старостин, И. Е. Алгоритм численного интегрирования потенциально-потоковых уравнений в сосредоточенных параметрах с контролем корректности приближенного решения / И. Е. Старостин // Компьютерные исследования и моделирование. – 2014. – Т. 6, № 4. – С. 479–493.
8. Старостин, И. Е. Упрощение потенциально-потоковых уравнений динамики физико-химических процессов для получения математической модели системы / И. Е. Старостин, С. П. Халютин, В. И. Быков // Сложные системы. – 2019. – № 3 (32). – С. 82–97.
9. Старостин, И. Е. Задание функций состояния для величин, входящих в формализм потенциально-потокового метода описания динамики физико-химических процессов / И. Е. Старостин // Инновационные информационные и коммуникационные технологии : материалы XVI Междунар. науч.-практ. конф. – Москва : Ассоциация выпускников и сотрудников ВВИА им. проф. Н. Е. Жуковского, 2019. – С. 317–322.
10. Starostin, I. E. Obtaining robotic objects model from the equations of the potential-flow method / I. E. Starostin, S. P. Khalutin // 20th international conference on micro/nanotechnologies and electron devices EDM 2019. – Novosibirsk : Publishing NSTU, 2019. – P. 678–684.
11. Старостин, И. Е. Методика получения математической модели эксплуатируемого объекта из потенциально-потоковых уравнений физико-химических процессов / И. Е. Старостин // Научные горизонты. – 2019. – № 10 (26). – С. 197–206.
12. Старостин, И. Е. К вопросу программной реализации методики получения математической модели эксплуатируемого объекта из потенциально-потоковых уравнений физико-химических процессов / И. Е. Старостин // Научные горизонты. – 2019. – № 11 (27). – С. 214–230.
13. Калиткин, Н. Н. Численные методы : учебник для вузов / Н. Н. Калиткин. – Санкт-Петербург : БХВ- Петербург, 2011. – 592 с.
14. Flach, P. Machine Learning. The Art and Science of Algorithms that Make Sense of Data : monograph / P. Flach. – Cambridge : Cambridge University Press, 2015. – 400 p.
15. Brink, H. Real Word. Machine Learning : monograph / H. Brink, J. W. Richards, M. Fetherolf. – Shelter Island, New York, USA : Manning Publications, 2017. – 338 p.
16. Eykhoff, P. Systems identification: parametrs and state estimation : monograph / P. Eykhoff. – Eindhoven, Netherlands : University of technology, 1975. – 680 p.
17. Haykin, S. Neural Networks. A Comprehensive Foundation : university textbook / S. Haykin. – Upper Saddle River, USA : Prentice hall, 2006. – 1105 p.
18. Пюкке, Г. А. Применение нейросетевого подхода при построении моделей анализа систем высокой размерности / Г. А. Пюкке, Д. С. Стрельников // Вестник Камчатского государственного технического университета. – 2013. – № 24. – С. 21–28.
19. Козлова, Л. Е. Разработка и исследование систем замкнутого асинхронного электропривода по схеме ТРН-АД с нейросетевым наблюдателем скорости / Л. Е. Козлова // Современные проблемы науки и образования. – 2013. – № 5. – С. 44–50.
20. Калистратов, Т. А. Методы и алгоритмы создания структуры нейронной сети в контексте универсальной аппроксимации функций / Т. А. Калистратов // Вестник Томского государственного университета. – 2019. – Т. 19, вып. 6. – С. 1845–1848.
21. Дивеев, А. И. Вариационные методы символьной регрессии для задач управления и идентификации / А. И. Дивеев // Идентификация систем и задачи управления : тр. X Междунар. конф. (Москва, 26–29 января, 2015 г.). – Москва, 2015. – С. 141–148.
22. Дивеев, А. И. Свойства суперпозиции функций для численных методов символьной регрессии / А. И. Дивеев // Cloud of Science. – 2016. – Т. 3, № 2. – С. 290–301.
23. Данг, Тхи Фук. Решение задач идентификации математических моделей объектов и процессов методом символьной регрессии / Тхи Фук Данг, А. И. Дивеев, Е. А. Софронова // Cloud of Science. – 2018. – Т. 5, № 1. – С. 147–162.
24. Дивеев, А. И. Метод бинарного генетического программирования для поиска математического выражения / А. И. Дивеев, Е. М. Ломакова // Вестник Российского университета дружбы народов. Сер.: Инженерные исследования. – 2017. – Т. 18, № 1. – С. 125–134.
25. Антонов, А. В. Системный анализ : учебник для вузов / А. В. Антонов. – Москва : Высш. шк., 2004. – 454 с.
26. Теория вероятностей : учебник для вузов / А. В. Печинкин [и др.]. – Москва : Изд-во МГТУ им. Н. Э. Баумана, 2004. – 456 с.
27. Волков, И. К. Случайные процессы : учебник для вузов / И. К. Волков, С. М. Зуев, Г. М. Цветкова. – Москва : Изд-во МГТУ им. Н. Э. Баумана, 1999. – 448 с.