Рассмотрены особенности математического моделирования динамики снежной лавины и ее силового воздействия на здания и сооружения. Разработанная модель учитывает движение снежной массы в трехмерном пространстве. При расчете энергии воздействия снежной лавины учитывали следующий ряд факторов: крутизна склона, толщина снежного покрова и его структура, расположение здания.
Идентификаторы и классификаторы
Построение и обоснование полных трехмерных моделей и численных методов их реализации для описания движения снежной лавины и ее воздействия на окружающую среду является актуальной научной задачей. Актуальность задачи построения модели динамики лавин заключается в необходимости выявления механизмов и параметров, влияющих на траекторию и скорость движения снежной массы, дальность выноса, энергию и давление воздействия и т. д.
Список литературы
1. СП 428.1325800.2018 Инженерные изыскания для строительства в лавиноопасных районах. Общие требования. - Москва, 2018. EDN: YLWHXH
2. Christen M., Kowalski J., Bartelt P. RAMMS: numerical simulation of dense snow avalanche in three-dimensional terrain // Cold Regions Science and Technology. - 2010. - Vol. 63, № 1. - P. 1-14.
3. Канонникова Е.О. Оценка лавинного риска для транспортных и рекреационных геосистем в бассейне р. Мзымта (Северо-Западный Кавказ) // Географический вестник. - 2012. - № 2(21). - С. 9-14. EDN: PAGJUJ
4. Ничепорчук В.В., Ноженков А.И. Технология ситуационного моделирования опасных ситуаций для информационной поддержки управления безопасностью территорий // Информация и связь. - 2019. - № 4. - С. 76-82. EDN: VMHVJQ
5. Численное моделирование осаждения снега вблизи снегозадерживающих заборов / К.Ю. Литвинцев, А.А. Гаврилов, А.А. Дектерев и др. // Лёд и Снег. - 2022. - № 62(4). - С. 539-550. EDN: MHMQAQ
6. Соловьев А.С. Математическое моделирование чрезвычайных ситуаций, связанных с зарождением и сходом снежных лавин: дис.. докт. техн. наук. - Воронеж, 2014. - С. 287. EDN: ZPONSJ
7. Свидетельство о государственной регистрации программы для ЭВМ № 2022660211 от 01 июня 2022 г. - 3D-модель схода снежной лавины / Т.В. Лентяева, А.В. Калач, А.С. Соловьев, Т.Е. Смоленцева // Федеральная служба по интеллектуальной собственности (РОСПАТЕНТ). - 2022. EDN: ZDBKGX
8. Tominaga Y.Computational fluid dynamics simulation of snowdrift around buildings: Past achievements and future perspectives // Cold Regions Science and Technology. - 2018. - Vol. 150. - P. 2-14.
9. Соловьев А.С., Калач А.В. Пространственное моделирование движения лавиноопасной снежной массы на основе уравнений динамики поступательного движения // Вестник Российского нового университета. Серия: Сложные системы: модели, анализ и управление. - 2021. - № 4/1. - С. 27-34. EDN: AECISP
Выпуск
Другие статьи выпуска
Рассмотрена задача управления сложным теплообменом в реальном времени: требуется нагреть тепловые источники до заданных значений средней температуры, используя только информацию о текущих значениях средней температуры источников. Для решения этой задачи предлагается алгоритм, изменяющий тепловую и радиационную энергию, сосредоточенную в каждом источнике, пропорционально разности между целевым и текущим значениями средней температуры в этом источнике. Показано, что, варьируя коэффициент пропорциональности, можно добиться разной скорости нагрева источников, не допуская их перегрева.
В статье получена математическая модель технологического процесса сепарации нефти как объекта управления. Основу модели составляют уравнения материального балансов для жидкой и газообразной фаз газожидкостной смеси, поступающей на вход сепаратора. Результаты численного моделирования подтверждают чувствительность поведения процесса к автоматическому регулированию.
В статье рассматривается важнейшая проблема управления качеством продукции по показателям, зависящим от качества поверхности, а именно рассмотрение механизма ее формирования микропрофиля путем моделирования процесса чистового фрезерования отверстий концевыми твердосплавными фрезами. Моделирование производиться при помощи двух подходов: интегрального и геометрического. По результатам моделирования устанавливаются теоретические взаимосвязи между параметрами, описывающие технологические и геометрические характеристики процесса чистового фрезерования отверстий с величиной волнистости.
Рассматривается решение задачи синтеза адаптивного регулятора периодической системы управления для динамических объектов, содержащих несколько известных запаздываний по состоянию. Работа рассматриваемого класса динамических объектов протекает в условиях параметрической и структурной неопределенности (относительная степень линейной части объекта является известно) при постоянном действии внешних помех. В качестве методов разработки автоматической системы управления используются критерий гиперустойчивости В.М. Попова и методика построения L -диссипативных периодических систем управления.
Предлагается алгоритмизация методики формирования наборов независимых компонент многомерной случайной величины. Методика основывается на проверке гипотез о независимости парных сочетаний компонент многомерной случайной величины с использованием двухмерного непараметрического алгоритма распознавания образов, соответствующего критерию максимального правдоподобия. Классы соответствуют областям определения плотностей вероятностей в условиях независимых и зависимых случайных величин. Для восстановления плотностей вероятностей используются их непараметрические оценки типа Розенблатта - Парзена. В отличие от традиционной методики, основанной на применении критерия Пирсона, предлагаемый подход позволяет обойти проблему декомпозиции области значений случайных величин на многомерные интервалы. Полученная информация позволяет построить информационный граф, вершины которого соответствуют компонентам многомерной случайной величины. Между двумя вершинами графа существует ребро, если соответствующие им компоненты случайной величины являются независимыми. Тогда вершины полного подграфа соответствуют группе независимых компонент случайной величины. На этой основе разработан алгоритм обнаружения наборов взаимно независимых случайных величин.
Железнодорожная инфраструктура представляет из себя совокупность сложных технических систем. Используемые на станциях стрелочные переводы в основном обслуживаются регламентно, что не гарантирует появления неисправностей между запланированными проверками. В России процесс переоснащения станционных систем на более отказоустойчивые и способные к самодиагностике микропроцессорные централизации выполняется медленными темпами. Наиболее распространены так называемые надстраиваемые средства диагностирования. Однако из-за нехватки контролируемых параметров и многообразия отказов, действующие системы мониторинга и диагностики железнодорожной автоматики неспособны предоставлять рекомендации о предстоящей поломке для сложных устройств. У двигателей стрелочных переводов эти системы способны лишь регистрировать осциллограммы электрических параметров. Для трёхфазного двигателя этими параметрами являются три фазных тока, три линейных напряжения, полезная мощность и оцениваемое на её основе тяговое усилие. В неявном виде эти осциллограммы содержат скрытые закономерности о предстоящей поломке. Выявить эти закономерности могут алгоритмы из области глубокого обучения. Было установлено, что диагностический кадр данных, формируемый стрелочным измерительным контроллером, может быть эффективно обработан свёрточными нейронными сетями для решения задачи классификации предотказного состояния стрелочного перевода. В данной работе проанализирована актуальность проблемы, предложена архитектура нейронной сети, установлены характеристики обучения и точность прогнозирования.
Приводятся результаты анализа, выполненного с целью систематизации взаимоотношений ряда базовых понятий технической диагностики: объект диагностирования ( ОД ) и его части, техническое состояние ОД , структурные диагностические модели, диагностические цепи, множество возможных дефектов, алгоритмы диагностирования и контрольные проверки. На основе энтропийного критерия Шеннона предложен ряд элементов формализации заявленного перечня в виде оценок информационной сложности ОД и информативности диагностических проверок.
Рассматривается возможность альтернативного описания электронных спектров простейших атомарных систем, целиком и полностью укладывающегося в рамки корпускулярной физики. Во второй части работы предложено оригинальное обоснование общей картины рассматриваемого явления, опирающееся на релятивистскую модель спектральных орбит водорода.
По данным концентрациям цитокинов проведено исследование связей между предикторами. Установлено, что данные не подчиняются нормальному закону распределения и отсутствуют явные корреляционные связи между представленными параметрами. Получена нейронная сеть, позволяющая с высокой точностью прогнозировать рак шейки матки на основе цитокинового профиля пациента.
Для исследования аспектов наркомании, кроме статистических средств, применен когнитивный подход, который реализуется как последовательность выполнения следующих задач. Фиксации целевого фактора «риск распространения наркомании». Выявление факторов, влияющих на целевой фактор. Построение и анализ когнитивной модели с применением информационных технологий. Результаты исследования проблемы показали, что если увеличение взаимодействия субъекта в коммуникативных ситуациях осуществляется в среде с социально-нормативным поведением, то риск формирования тенденции к употреблению наркотических веществ существенно снижается.
Рассмотрены способы учета временных задержек при формировании и передаче управляющих сигналов и сигналов обратной связи в компьютерных и контроллерных моделях систем автоматического регулирования. Предложена программная архитектура модели для ПЛК на основе современных расширений стандарта МЭК 61131-3.
Издательство
- Издательство
- ТОГУ
- Регион
- Россия, Хабаровск
- Почтовый адрес
- 680035, Россия, г. Хабаровск, ул. Тихоокеанская, 136
- Юр. адрес
- 680035, Россия, г. Хабаровск, ул. Тихоокеанская, 136
- ФИО
- Марфин Юрий Сергеевич (Ректор)
- E-mail адрес
- mail@togudv.ru
- Контактный телефон
- +7 (421) 2979700
- Сайт
- https://togudv.ru