CC BY
79
Секция «Математическое моделирование управления и оптимизации»
УДК 669.713.7
О. Г. Клевцова Научный руководитель - В. И. Иванчура Научный консультант - А. П. Прокопьев Сибирский федеральный университет, Красноярск
АВТОМАТИЗАЦИЯ ПРОЦЕССА ВИБРОУПЛОТНЕНИЯ ДОРОЖНЫМИ КАТКАМИ
Рассмотрены вопросы исследования и автоматического регулирования процесса уплотнения асфальтобетонной смеси дорожных катков по математическим моделям с целью повышения эффективности этого процесса.
Современное строительство автомобильных дорог базируется на передовых научных разработках, автоматизации производственных процессов, рациональном использовании ресурсов.
Вибрационные дорожные катки выполняют окончательное уплотнение асфальтобетонных покрытий, рабочий процесс которых, из-за изменений напряженного состояния в слое покрытия при деформировании, требует автоматической настройки что исключает «недоуплотнение» и «переуплотнение» материала.
Насущны проблемы правильного выбора катка, настройки режимов его работы, от которых зависит производительность процесса уплотнения, а также окончательные показатели качества и долговечность дорожного покрытия.
Конструкции уплотняющих дорожных машин, выпускаемые предприятиями, имеют очень высокий технический уровень. Обоснование совершенствования конструкций асфальтовых катков представляет значительную проблему. Актуальной задачей совершенствования процесса уплотнения асфальтобетонных покрытий является разработка системы автоматического управления на основе достижений науки и техники.
Значительной проблемой является проведение экспериментальных исследований дорожно-строительных машин в реальных условиях эксплуатации строительства асфальтобетонных покрытий, из-за большой трудоемкости, стоимости и организации работ в соответствии с планом испытаний.
Из анализа современного состояния дорожного строительства следует, что актуальной задачей, для повышения качества, надежности и конкурентоспособности, является создание универсального дорожного катка, способного уплотнять различные типы покрытий, автоматически изменять контактные давления, обладающего широким диапазоном регулирования уплотняющих воздействий и предназначенного для работы на всех стадиях процесса уплотнения асфальтобетона [2].
Объект исследования является процесс уплотнения асфальтобетонной смеси дорожным катком.
К предмету исследования относится регулирование частоты вибрации вальца дорожного катка.
Цель исследования - повышение эффективности процесса уплотнения асфальтобетонного покрытия дорожным катком на основе автоматизации управления.
Поставленные задачи: исследование процесса уплотнения асфальтобетона дорожным катком по
математическим моделям; разработка структурной схемы системы автоматического регулирования (САР); исследование САР на устойчивость; выбор автоматического регулятора.
Основная задача исследования состоит в построении математической модели процесса уплотнения асфальтового катка. Развитие напряжённо-деформированного состояния асфальтобетонной смеси при уплотнении во времени, можно рассматривать методами реологии, которая изучает поведение под нагрузкой влажных материалов, которые нельзя отнести ни к твердому телу, ни к жидкости. К таким материалам относится асфальтобетонная смесь, представляющая собой так называемую упруго-вязкую среду, имеющую как упругие, так и неупругие свойства.
Здесь механические модели уже непригодны. Они не позволяют точно имитировать внутреннюю структуру таких материалов. Для этой цели потребуются другие механические модели, которые носят название реологических. Они отличаются тем, что состоят из комбинации двух элементов, которые имитируют два основных свойства твердого тела: упругость и вязкость.
Реологические модели позволяют получить необходимую информацию об изменениях внутренней структуры реального тела под нагрузкой. К этой информации относятся характеристики внутреннего трения, вязкости и адгезии (сцепления), т. е. с одной стороны, модели должны быть более просты по своей структуре, что дает возможность описать их поведение не сложными дифференциальными уравнениями, и с другой стороны - полнее отображать свойства уплотняемого материала и явления, происходящие в нем (релаксация напряжений) [1].
Таким образом, реологические уравнения связывают величину контактных давлений с остаточными вязкопластическими деформациями, с учетом параметров вибрационных дорожных катков и режимов их работы, а значит, позволяют значительно уменьшить объем лабораторных исследований при выборе параметров рабочего оборудования, и рассмотреть различные его сочетания.
Можно сделать выводы, что исследования процессов уплотнения с применением современных программных средств моделирования позволяют со значительно меньшими затратами, чем в натурном эксперименте, решать исследовательские и проектные задачи с целью повышения эффективности работы дорожного катка. В докладе рассмотрены во-
Актуальные проблемы авиации и космонавтики. Информационные технологии
просы исследования и автоматического регулирования дорожных катков.
Библиографические ссылки
1. Серебренников В. С. Обоснование режимных параметров вибрационных катков для уплотнения асфальтобетонной смеси : дис. ... канд. техн. наук. Омск, 2008.
2. Угай С. М. Интенсификация уплотнения асфальтобетонной смеси : автореферат // Механизация строительства, 2007.
© Клевцова О. Г., Иванчура В. И., Прокопьев А. П., 2010
УДК 519.68
Р. И. Кузьмич Научный руководитель - С. С. Бежитский Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Красноярск
ИССЛЕДОВАНИЕ ЗАВИСИМОСТИ ЭФФЕКТИВНОСТИ МНОГОАГЕНТНОГО АЛГОРИТМА ОПТИМИЗАЦИИ ОТ ЗНАЧЕНИЯ ПАРАМЕТРА ИНЕРЦИИ СКОРОСТИ
Рассматривается влияние значения параметра инерции скорости на эффективность работы алгоритма оптимизации РБО на различных размерностях тестовых многоэкстремальных функций.
Идею алгоритма Particle Swarm Optimization (PSO) впервые сформулировали Дж. Кеннеди и Д. К. Эберхартом в 1995 г. Идея алгоритма была почерпнута из социального поведения некоторых животных - стаи птиц, стада копытных или косяка рыб. Алгоритм PSO начинает с создания популяции случайным образом. Строки в PSO называются частицами. Частицы представляют собой вектор координат точки в пространстве оптимизации [1].
Алгоритм PSO, основываясь на социальном поведении животных, позволяет найти глобальный минимум многоэкстремальных функций. Преимущество PSO заключается в простоте реализации и в наличии малого количества параметров, требующих настройки [2].
Проведены исследования с целью выявления зависимости эффективности работы PSO от параметра «инерции скорости» на различных размерностях тестовых многоэкстремальных функций. Многоэкстремальные функции и условия, при которых проводились исследования, приведены в табл. 1.
Исследования проводились с использованием многократного прогона каждого алгоритма, и результаты усреднялись по 500 прогонам. Параметр
«инерции скорости» выбирался из интервала [0;1]. При этом параметры Р80 представлены в таблице 2, где константа с1 называется когнитивным (т. е. познавательным) параметром и позволяет учитывать «собственный опыт» (историю) частицы, а константа с2 называется социальным параметром и позволяет частице «учитывать опыт» всех частиц.
В качестве среднего значения параметра «инерции скорости» в исследовании использовалось 0,6, т. е. при данном значении параметра подбирали такие структуры алгоритма Р80, чтобы надежность лежала в интервале 0,65 до 0,85. В среднем по всем функциям и размерностям пик надежности приходится, когда параметр инерции скорости равен 0.45. А самый плохой параметр «инерции скорости» с точки зрения надежности - 1.
Таким образом, при увеличении параметра «инерции скорости» сначала идет увеличение показателя надежности, достигается пик, а потом идет уменьшение данного показателя. Необходимо отметить, что функции Розенброка и Вейрштрассе менее чувствительны к изменению параметра инерции скорости, так как надежность изменяется плавно при изменении параметра инерции скорости, в отличие от функций Швефеля, Экли.
Функции Область поиска Размерность Количество частиц Количество итераций
Розенброка [-5; 5] 2 / 3 / 4 20 / 50 / 250 100 / 800 / 1400
Растригина [-5; 5] 2 / 3 / 4 20 / 30 / 50 50 / 100 / 200
Гринвака [-512; 512] 2 / 3 / 4 5 / 150 / 500 15 / 1000 / 1000
Вейрштрассе [-5; 5] 2 / 3 / 4 4/12/ 15 20 / 15 / 20
Экли [-0,05; 0,05] 2 / 3 / 4 5/10/ 10 35 / 40 / 55
Швефеля [-2; 2] 2 / 3 / 4 5 / 10 / 10 100 / 120 / 180
Сферическая [-500; 500] 2 / 3 / 4 5/10 / 10 60 / 40 / 50
Таблица 1
Область поиска для задачи оптимизации функций, количество частиц и количество итераций для тестовых функций в зависимости от размерности
