CC BY
25
УДК 622:001.89:004
Р.К. Халкечев, К.В. Халкечев
КАРКАСНЫЙ ПОДХОД К РАЗРАБОТКЕ АВТОМАТИЗИРОВАННЫХ СИСТЕМ
НАУЧНЫХ ИССЛЕДОВАНИЙ В ГОРНОЙ ПРОМЫШЛЕННОСТИ НА ОСНОВЕ МЕТОДОВ ОПРЕДЕЛЕНИЯ МЕХАНИЧЕСКИХ И ТЕПЛОВЫХ СВОЙСТВ ГЕОМАТЕРИАЛОВ
Существует два подхода к разработке систем класса АСНИ (автоматизированные системы научных исследований) — системный и интеграционный. Первый зарекомендовал себя при разработке АСНИ, ориентированных на решение отдельных задач или одного класса задач в какой-то одной предметной области. Системы, специально предназначенные для изучения объектов и процессов горного производства, не разработаны из-за значительных материальных затрат. При разработке инноваций в горном деле проектируются и реализуются АСНИ в рамках интеграционного подхода. Функционирование данных систем сопровождается большим количеством сбоев, программные компоненты данных АСНИ не в состоянии на должном уровне выполнять свои основные функциональные задачи — определения деформационных и тепловых свойств геоматериалов, разработки математических моделей разрушения геоматериалов и др. Для решения данных проблем предложен каркасный подход к разработке АСНИ, лишенный вышеописанных недостатков. С его помощью разработан каркас программного обеспечения, позволяющий с малой стоимостью и большой степенью эффективности выполнения функциональных задач спроектировать и реализовать АСНИ, предназначенные для изучения объектов и процессов, являющихся предметом любой горной науки.
Ключевые слова: автоматизированная система, научные исследования, каркас, функциональная задача, деформационные свойства, тепловые свойства, геоматериал.
DOI: 10.25018/0236-1493-2017-10-0-106-112
Введение
Конкурентоспособность горнопромышленных предприятий на минерально-сырьевых рынках во многом зависит от эффективности внедрения инноваций в горном производстве. В свою очередь разработка подобного рода инноваций невозможна без проведения научных
исследований, направленных на приобретение новых знаний об объектах и процессах горного производства. Для повышения качества и снижения трудоемкости такой деятельности традиционно используют автоматизированные системы научных исследований (АСНИ) — программно-аппаратные комплексы, поз-
ISSN 0236-1493. Горный информационно-аналитический бюллетень. 2017. № 10. С. 106-112. © Р.К. Халкечев, К.В. Халкечев. 2017.
воляющие получить новые знания об изучаемых объектах путем планирования, реализации, анализа и управления экспериментальными и теоретическими исследованиями.
Анализ существующих ^-решений свидетельствует о том, что для автоматизации исследований в области горных наук используются интеграционные АСНИ. Разработка подобного рода систем осуществляется с помощью интеграционного подхода, т.е. посредством конфигурации и последующего объединения готовых компонентов программного и технического видов обеспечений. Применение такого подхода, в виду большой гибкости и расширяемости используемых компонентов, позволяет существенно снизить стоимость внедрения и сопровождения АСНИ в научных организациях. Кроме того, компоненты, реализуемые для одной АСНИ, достаточно часто находят применение в системах другого класса (АСУП, АСУ ТП и др.), что безусловно, создает большой потенциал получения дополнительной прибыли при использовании рассматриваемого подхода.
Несмотря на все преимущества интеграционных АСНИ, есть у них и ряд недостатков, проявляемых при изучении объектов и процессов горного производства. Так, в частности программное обеспечение АСНИ, реализованное с помощью данного подхода, функционирует в «разнородной» вычислительной среде, что нередко приводит к появлению большого количества сбоев. К другому существенному недостатку интеграционных АСНИ, используемых в горных науках можно отнести то, что они неудовлетворительно выполняют свои основные функциональные задачи определения механических и тепловых свойств геоматериалов, разработки математических моделей разрушения геоматериалов.
На первый взгляд для решения данных проблем достаточно воспользовать-
ся классическим системным подходом, позволяющим разрабатывать АСНИ высокой степени надежности, и в полной мере соответствующие требованиям конечных пользователей в части эффективного выполнения функциональных задач. Однако большая стоимость разработки и сопровождения подобных систем снижает всю выгоду от их использования.
В сложившейся ситуации приобретает актуальность разработки нового каркасного подхода к проектированию и реализации АСНИ, сочетающего в себе достоинства интеграционной и системной методологий.
Основной раздел
Для разработки системы в рамках каркасного подхода предложим следующую последовательность действий. Сначала с помощью методологии математического моделирования и алгоритмизации разрабатывается или используется соответствующее математическое и информационное виды обеспечения, являющиеся основой для эффективного решения функциональных задач АСНИ в нескольких предметных областях. Далее, на их основе проектируется и реализуется каркас, представляющий собой совокупность взаимосвязанных классов, образующих платформу для дальнейшей разработки программного обеспечения автоматизированных систем. После этого любой исследователь посредством механизмов наследования и агрегации, а также последовательного добавления дополнительных классов расширяет функциональность каркаса, что в итоге приводит к полноценно действующему экземпляру программного обеспечения АСНИ одной предметной области. И в заключение, на основе полученной программной архитектуры производится проектирование и реализация технического обеспечения разрабатываемой АСНИ.
Каркас программного обеспечения АСНИ
Согласно предлагаемому подходу была разработана следующая архитектура каркаса программного обеспечения (рисунок), являющегося платформой для разработки АСНИ в различных областях горных наук — геомеханике, разрушении горных пород, горной теплофизике, технологии открытой и подземной добычи полезных ископаемых, горных машинах и др.
В представленную архитектуру входит девять пакетов классов, предназначенных для автоматизации функциональных задач АСНИ. Первый из них — «Planning AndControl» служит для выполнения функций управления научными проектами, планирования задач и событий, а также отправку сообщений пользователям АСНИ. Второй пакет «RecordKeeping» позволяет решать функциональные задачи учета (учет образцов, расходных материалов и др.), сопровождающие любое научное исследование. «ReportsAndBackup» предназначен для создания отчетов и резервного копирования данных АСНИ как административного, так и специального назначения. «ExperimentalDataAnalysis»
содержит классы, коллективное взаимодействие которых позволяет осуществлять анализ экспериментальных данных.
Таким образом, пакеты «Planning And Control», «RecordKeeping», «Reports And Backup» и «ExperimentalDataAnalysis» представленного каркаса реализуют административные функции. Для реализации данных пакетов можно воспользоваться типовыми проектными решениями, подробно описанными в [1—9].
«DevMMDSupportDecision» предназначен для поддержки принятия решений в области разработки математических моделей разрушения геоматериалов. Для проектирования и реализации данного пакета была использована работа [10]. Пакет «ElectronicLabNotebook» предназначен для организации взаимодействия всех входящих в каркас пакетов и служит для ведения электронного лабораторного журнала. «ExtStressField Definition» обеспечивает функциональность, связанную с определением внешнего поля напряжений, действующего на породный массив, а пакеты классов «DeformPropDefinition», «ThermalPropDefini-
tion» служат, соответственно, для автоматизации функциональных задач определения деформационных и тепловых свойств геоматериалов.
Программирование классов пакетов «DeformPropDefinition» и «ExtStress Field Definition» осуществлялось с помощью разработанных теоретических основ мультифрактального моделирования и их приложений [11, 12], учитывающих анизотропность и различные формы не-однородностей исследуемых геоматериалов (границ между зернами, минералами и др.), а также наличие в их структуре флюидсодержащих включений.
Для проектирования и реализации пакета «ThermalPropDefinition» разработаем следующую математическую модель.
К существенным физическим процессам, сопровождающим технологию горного производства после деформационных необходимо отнести теплопроводность. Она имеет место при условии, когда между различными частями геоматериала поддерживается разность температур и между ними происходит перенос тепла. Основной характеристикой теплопроводности геоматериалов является коэффициент теплопроводности и его обратная величина — коэффициент теплового сопротивления.
Самое крупное образование, с которым имеет дело горное производство это породный массив, а самое мелкое — минерал, его и рассмотрим. Упрощение в виде снижения размерности до двух и до одного, приводящее соответственно к плоской и одномерной постановке математической задачи недопустимо. Это ведет к неадекватности модели, так как при такой постановке задач мы имеем модели в плоской постановке с частичной потерей информации о структуре и бесструктурную среду в одномерном случае.
И это при том, что тепловые свойства характеризуются структурно чувствительными параметрами, т.е. зависят от
особенностей структуры изучаемого геоматериала, в данном случае минерала. К особенностям структуры минерала следует отнести неоднородность, обусловленную анизотропностью отдельных зерен случайно ориентированных в пространстве.
Поскольку в данной работе рассматривается стационарный тепловой поток, то можно считать, что между зернами есть только полевое взаимодействие.
На основе построенной содержательной модели минерала перейдем к построению математической модели.
Сопоставим минералу трехмерную неограниченную анизотропную упругую сплошную среду со случайно-ориентированными в пространстве неоднород-ностями в областях V, которые соответствуют зернам. Обозначим через к тензорный коэффициент теплопроводности эллипсоида, который является случайной величиной.
Поместим в матрицу с упругими свойствами, равными усредненным значениям < к >, указанные эллипсоидальные неоднородности. В результате получим модель сплошной среды для рассматриваемого минерала, которую назовем сплошной средой со структурой. Тогда полученную среду с неоднородностями следует характеризовать тензорным коэффициентом теплопроводности
(т) (т) (1т)
к (х) =< к >+ к V(х),
где х(х1, х2, х3) — точка среды; V(x) — характеристическая функция области V;
(1т) (т) (т)
к = к -< к > — случайный двухвалентный тензор, постоянный в пределах каждой неоднородности и меняющийся скач-ком(тн а границе эллипсоидов. В результате к (х) является кусочно-постоянной положительно-определенной функцией, имеющей разрыв на границе эллипсоидальных неоднородностей.
Система уравнений, которая описы вает рассматриваемую сплошную сре ду со структурой, имеет следующий вид
аь, (х)
(m) I .(m) (m)
Q = — Í D (Ak)dS; D (Ak) 4n J
dx,
■ = q(x),
h (x) = -kj (x) ^,
ox,
dT n rot„ — = 0
' dx,
(1)
(2)
(3)
(ef) (m) ( (m) (1m'
k = < k I E + Q k
(m)
(вп дТ < ^(х) >=- к и(х) < —>, (4)
дхц
где х(х) — скорость теплового потока; Т — абсолютная температура; ц(х) — плотность непрерывно распределенных источников поля; ГОЦ = £цкУк , е — символ Леви-Чивита; знак «< >» — осреднение по ансамблю полей неоднородности; к ц(х) — эффективный тензорный коэффициент теплопроводности. Используя обозначение
<-тг
' дх]
в системе (1—4) и принимая во внимание, что tj(х) = Vjф(х) получим следующее выражения для расчета тензорного коэффициента теплопроводности минерала
-1 ( (т) (1т) Л-1
>< I Е + П к I > , ^ ' (5)
где Е — единичный двухвалентный тензор;
преобразование Фурье-ядра Dij(х), представляющего собой вторую производную функцию Грина матрицы, свойства которой характеризуются тензором < >.
Оставшиеся математические модели, позволяющие определить эффективный тензорный коэффициент теплопроводности минералов с флюидсодержащими включениями, горных пород и массивов могут быть получены аналогичным образом с помощью метода аналогий.
Заключение
Таким образом, на основе предложенного подхода к разработке АСНИ разработан каркас программного обеспечения, являющегося вычислительной платформой для автоматизации научных исследований в различных областях горных наук — геомеханике, разрушении горных пород, горной теплофизике, технологии открытой и подземной добычи полезных ископаемых, горных машинах и др.
Использование данного каркаса позволяет получить программно-аппаратные комплексы, способные наряду с другими функциями наиболее точно определять деформационные и тепловые свойства геоматериалов, разрабатывать математические модели разрушения, определять внешнее поле напряжений.
СПИСОК ЛИТЕРАТУРЫ
1. Oktavia T., Richard S., Wongso A. Asset management system for computer laboratory // Journal of Theoretical and Applied Information Technology. 2015. Vol. 75. P. 103-108.
2. Tachibana C. The paperless lab // Science. 2014. Vol. 345. P. 468-470.
3. ZhangZ.M. Implementation of laboratory management system based on LAMP // Applied Mechanics and Materials. 2014. Vol. 513-517. P. 2261-2263.
4. Wang M., Yin Y., Liu Z., He W, Li B., Peng X. Remote laboratory for phase-aided 3D microscopic imaging and metrology // Proceedings of SPIE — The International Society for Optical Engineering. 2014. Vol. 9132. Article number 913205.
5. Mahoto N. A. Shaikh F. K. Chowdhry B. S. Innovative Architecture to Enhance Quality of Service for Laboratory Management Information Systems // Web Design and Development: Concepts, Methodologies, Tools, and Applications. IGI Global, 2016. P. 648-661.
6. Zhao A. M. Management information system of open laboratory based on ASP and SQL server in manufacturing engineering // Applied Mechanics and Materials. 2014. Vol. 484—485. P. 223—226.
7. Косульников В., Кадушников Р., Мизгулин В. Платформы ESCIENCE // Открытые системы. СУБД. 2012. — № 7. — С. 56—59.
8. Молчанова Е.И., Щербаков И.В., Федоров В.В., Кузьмин В.В. Тенденции развития и технологии программного обеспечения отечественных аналитических лабораторий // Заводская лаборатория. Диагностика материалов. — 2015. — Т. 81. — № 4. — С. 59—68.
9. Будаев Д. А., Агеенко М. В. Российский аналог ЛИМС-LIMS на базе 1С как новая ступень развития информационных технологий при поисках, разведке и разработке месторождений // Недропользование XXI век. — 2014. — № 6. — С. 32—37.
10. Халкечев Р. К. Экспертная система разработка математических геомеханических процессов в породных массивах // Горный журнал. — 2016. — № 7. — С. 96-98.
11. Халкечев Р. К. Теоретические основы мультифрактального моделирования функциональных задач автоматизированной системы научных исследований физических процессов горного производства // Горный информационно-аналитический бюллетень. — 2015. — № 8. — С. 136—142.
12. Халкечев Р. К., Халкечев К. В. Математическое моделирование давления горных пород в массиве с поликристаллическим упругопластическим пластом (обратная задача) // Горный информационно-аналитический бюллетень. Отдельные статьи (специальный выпуск). Математическое моделирование трудноформализуемых объектов. — 2012. — № 7. — С. 27—31. fiTTT^
КОРОТКО ОБ АВТОРАХ
Халкечев Руслан Кемалович1 — кандидат физико-математических наук, доцент, e-mail: [email protected],
Халкечев Кемал Владимирович1 — доктор физико-математических наук, доктор технических наук, профессор, e-mail: [email protected], 1 НИТУ «МИСиС».
ISSN 0236-1493. Gornyy informatsionno-analiticheskiy byulleten'. 2017. No. 10, pp. 106-112.
UDC 622:001.89:004
R.K. Khalkechev, K.V. Khalkechev
FRAME-BASED APPROACH TO AUTOMATED RESEARCH SYSTEM DESIGN IN MINING INDUSTRY USING METHOD
FOR THE DETERMINATION OF MECHANICAL AND THERMAL PROPERTIES OF GEOMATERIALS
To increase the effectiveness of innovative activities of scientific organizations specializing in mining, scientific research automated system (SRAS) are traditionally used — software and hardware complexes that allow obtaining new knowledge about studied objects by planning, implementing, analyzing and managing experimental and theoretical studies. The analysis of existing works and systems indicates the existence of two approaches to the development of systems of the SRAS class — system and integration. The first of them, in view of its depth of elaboration and reliability, has widely proved itself in the development of SRAS, focused on solving individual problems, or one class of problems in a single subject area. To date, no system has been developed specifically designed to study the objects and processes of mining.
The situation is complicated by the fact that the development of such an SRAS within the framework of the system approach will now cost considerable material costs. For this reason, in the existing scientific organizations engaged in the development of innovations in mining, SRAS is designed and implemented within the framework of the integration approach. Unfortunately, the functioning of these systems is accompanied by a large number of failures, and most importantly, the software components of the SRAS data are not able to perform their basic functional tasks at the proper level — deformation and thermal properties of geomaterials, the development of mathematical models for the destruction of geomaterials, etc.
To solve these problems, the presented article suggests a skeleton approach to the development of SRAS, devoid of the above-described shortcomings. With the help of this approach, a software framework has been developed that allows the design and implementation of SRAS designed for studying objects and processes that are the subject of any mining science with low cost and a high degree of efficiency in the performance of functional tasks.
Key words: automated system, scientific research, framework, functional task, deformation properties, thermal properties, geomaterial.
DOI: 10.25018/0236-1493-2017-10-0-106-112
AUTHORS
Khalkechev R.K.1, Candidate of Physical and Mathematical Sciences, Assistant Professor, e-mail: [email protected],
Khalkechev K.V1, Doctor of Physical and Mathematical Sciences, Doctor of Technical Sciences, Professor, e-mail: [email protected],
1 National University of Science and Technology «MISiS», 119049, Moscow, Russia.
REFERENCES
1. Oktavia T., Richard S., Wongso A. Asset management system for computer laboratory. Journal of Theoretical and Applied Information Technology. 2015. Vol. 75. P. 103-108.
2. Tachibana C. The paperless lab. Science. 2014. Vol. 345. P. 468-470.
3. Zhang Z. M. Implementation of laboratory management system based on LAMP. Applied Mechanics and Materials. 2014. Vol. 513-517. P. 2261-2263.
4. Wang M., Yin Y., Liu Z., He W., Li B., Peng X. Remote laboratory for phase-aided 3D microscopic imaging and metrology. Proceedings of SPIE The International Society for Optical Engineering. 2014. Vol. 9132. Article number 913205.
5. Mahoto N. A. Shaikh F. K. Chowdhry B. S. Innovative Architecture to Enhance Quality of Service for Laboratory Management Information Systems. Web Design and Development: Concepts, Methodologies, Tools, and Applications. IGI Global, 2016. P. 648-661.
6. Zhao A. M. Management information system of open laboratory based on ASP and SQL server in manufacturing engineering. Applied Mechanics and Materials. 2014. Vol. 484-485. P. 223-226.
7. Kosul'nikov V., Kadushnikov R., Mizgulin V. Otkrytye sistemy. SUBD. 2012, no 7, pp. 56-59.
8. Molchanova E. I., Shcherbakov I. V., Fedorov V. V., Kuz'min V. V. Zavodskaya laboratoriya. Diagnos-tika materialov (Factory laboratory. Diagnostics of materials), 2015, vol. 81, no 4, pp. 59-68.
9. Budaev D. A., Ageenko M. V. Nedropol'zovanie XXI vek. 2014, no 6, pp. 32-37.
10. Khalkechev R. K. Gornyyzhurnal. 2016, no 7, pp. 96-98.
11. Khalkechev R. K. Gornyy informatsionno-analiticheskiy byulleten'. 2015, no 8, pp. 136-142.
12. Khalkechev R. K., Khalkechev K. V. Gornyy informatsionno-analiticheskiy byulleten'. Special edition. 2012, no 7, pp. 27-31.
