CC BY
70
TROESHESTOVA DARIYA ANATOLYEVNA - candidate of physical and mathematical sciences, associate professor of Systems Analysis and Mathematical Modeling Department, Chuvash State University, Russia, Cheboksary.
ПЕТРОВ АЛЕКСЕЙ АЛЕКСАНДРОВИЧ - студент V курса, Чувашский государственный университет, Россия, Чебоксары.
PETROV ALEXANDER ALEKSANDROVICH - student, Chuvash State University, Russia, Cheboksary.
УДК 536.46:004.8
ВС. АБРУКОВ, Е В. КАРЛОВИЧ, А.Г. ИВАНОВ
МОДЕЛИРОВАНИЕ ГОРЕНИЯ КОНДЕНСИРОВАННЫХ СИСТЕМ С ПОМОЩЬЮ СРЕДСТВ DATA MINING*
Ключевые слова: горение конденсированных систем, моделирование, Data Mining, искусственные нейронные сети, самоорганизующиеся карты Кохонена.
Представлены возможности средств Data Mining, в частности нейронных сетей (ИНС) и самоорганизующихся карт Кохонена, для моделирования и прогнозирования характеристик горения конденсированных систем (КС). Получены вычислительные модели, позволяющие прогнозировать характеристики горения КС: закономерности погасания КС при спаде давления в камере сгорания, скорость горения различных по составу и наличию катализаторов КС при различных давлениях. Полученные результаты показывают, что Data Mining могут рассматриваться как хорошее средство аппроксимации многомерных экспериментальных данных, позволяющее обобщать и прогнозировать связи между переменными эксперимента, как быстрый инженерный калькулятор для решения задач исследования процесса горения КС, как средство получения новых экспериментальных результатов и выявления новых, не известных ранее, закономерностей горения, как хорошее средство представления и хранения ранее полученных экспериментальных результатов.
V.S. ABRUKOV, E.V. KARLOVICH, A.G. IVANOV SIMULATION OF COMBUSTION OF CONDENSED SYSTEMS BY MEANS OF DATA MINING
Key words: burning of condensed systems, modeling, Data Mining, artificial neural networks, selforganizing Cohonen maps.
The opportunities of Data Mining, in particular of artificial neural networks (ANN) and self-organizing Cohonen maps for modeling and prediction of burning behaviors of condensed systems (CS) represented.
The computing models obtained permit to forecast burning behaviors of CS: regularities of extinction of the CS in pressure drop in the combustion chamber, a burning rate in dependence on a composition and availability of catalytic agents of CS at different pressures, The results obtained display that ANN can be considered as a good tool for approximation of multivariate experimental data that permit to extend and to forecast connection between variables of experiment, as the prompt engineering calculator specialized for problem solving of examination ofprocess of CS burning, as a tool of obtaining of new «experimental» results and detections of new unknowns before legitimacies of burning, as a good tool of representation and storage of experimental results obtained.
К настоящему времени накоплено много экспериментальных данных по характеристикам горения различных конденсированных систем (КС). Вопрос заключается в следующем - можно ли их обобщить и на этой основе представить в виде модели, позволяющей предсказывать закономерности горения ранее не исследованных КС или для ранее не исследованных условий?
Очевидно, что такие параметры КС, условий горения и характеристики горения, как состав КС, начальная температура образца КС, давление, мак-
* Исследование выполнено по проекту № 2.1.1/13501 АВЦП «Развитие научного потенциала высшей школы (2009-2011 годы)».
симальная температура пламени, распределение температуры в пламени, излучение пламени, скорость горения, связаны между собой. Вопрос - как мы можем обобщить эти связи?
В данной работе представляются результаты применения средств Data Mining (часто называемых средствами интеллектуального анализа данных) для создания многофакторных моделей, обобщающих закономерности горения, выраженные в экспериментальных данных.
Методы исследования, результаты и их обсуждение. Data Mining -комплекс современных средств предобработки данных, их анализа и визуализации результатов анализа. Data Mining включает в себя, в частности, такие средства, как факторный и корреляционный анализ, «деревья решений», искусственные нейронные сети (ИНС), самоорганизующиеся карты Кохонена.
Ранее методы DM уже использовались на кафедре теплофизики ЧГУ для построения вычислительных моделей при исследовании неполно определенных систем [3], решении прямых и обратных задач оптики [9]; исследования процессов горения [7, 10]; предсказания формы волны на свободной поверхности жидкости (задача цунами) [8]; создания модели автоматической системы управления котельным агрегатом во время переходных процессов [6]; создания модели перехода от медленного горения к детонации при различных условиях эксперимента [10]; исследования закономерностей вибрационного горения [2]; исследования закономерностей горения конденсированных систем при различных давлениях, начальных температурах и для различных составов [1, 4].
С точки зрения создания многофакторных вычислительных моделей ИНС, которые могут рассматриваться как универсальные аппроксиматоры многомерных функций и карты Кохонена, играют главную роль. Остальные средства служили нам для предобработки данных и их предварительного анализа.
В данной работе представлены новые результаты применения ИНС и карт Кохонена для исследования процесса горения КС.
Модель «Определение режима горения конденсированных систем в зависимости от условий спада давления». Исследованию погасания КС при спаде давления посвящен ряд теоретических и экспериментальных работ. Для создания модели явления использовались данные, представленные Казанским государственным техническим университетом, и самоорганизующиеся карты Кохонена.
Примеры результатов моделирования представлены на рис. 1 и 2.
Модель «Определение режима горения в зависимости от условий спада давления» позволяет спрогнозировать режим горения после спада давления через начальное давление, скорость спада давления и вид КС.
Модель «Эффективность действия катализаторов при горении КС». Исследованию влияния катализаторов на горение конденсированных систем посвящен ряд теоретических и экспериментальных работ. Для построения моделей использовались искусственные нейронные сети и экспериментальные данные [5].
9.0 Расстояние до ц... 3.8Є373050101804Е-5
9.0 Расстояние до ц... 0.0302767572208061
Л ЗІ В= Ш ' М * ■* * % * В ЬЗ • Н-
Рис. 1. Режим горения КС в зависимости от скорости спада давления (Рсп) при начальном давлении 140 МПа. Режим «горение» (после спада давления) оцифрован как 1.
Режим «погасание» оцифрован как 9.
Полоса, отделяющая «горение» от «погасания», оцифрована как 5
□ & - у т и а®_ % а ш
Рис. 2. Режим горения КС в зависимости от начального давления при скорости спада давления 1*10-2 МПа/с. Этого значения не было в обучающей базе данных, тем не менее модель смогла спрогнозировать эту зависимость
Рис. 3. Зависимость эффективности действия катализатора от содержания сажи при горении КС с гексогеном при давлении 2 МПа
Рис. 4. Зависимость эффективности действия катализатора от содержания 8п02 при горении КС состава 54% НЦ + 46% НГЦ, при давлении 20 МПа
В базу данных, на основе которой строилась ИНС-модель, были внесены такие данные: содержание нитроцеллюлозы - НЦ, %; содержание нитроглицерина - НГЦ, %; содержание гексогена - RDX, %; содержание катализатора SnO2, %; содержание сажи - С, %; давление - P, MPa; эффективность действия катализатора - z (z = Uk/U0, где U0 - скорость горения без катализатора, Uk - скорость горения с катализатором). Параметр z служил целевой функцией. Показатели содержания НЦ, НГЦ, RDX, SnO2, С, P являлись входными переменными.
Примеры результатов моделирования экспериментальных данных представлены на рис. 3 и 4.
Заключение. Мы полагаем, что аналогичные модели могут быть получены для различных групп КС, а в перспективе - и для КС в целом и что средства Data Mining позволят существенно увеличить значимость экспериментальных результатов, а также выявить новые, не известные ранее, закономерности горения.
Помимо чисто научных задач это позволит облегчить решение и практически важных задач, например задачи подбора состава топлива и поиска новых видов топлива для обеспечения требуемых скоростей горения и других характеристик. В перспективе обобщенную модель горения КС в целом можно будет рассматривать как удобную в использовании базу знаний (Knowledge Data Base) закономерностей горения конденсированных систем. Часть ее в виде ИНС-моделей можно представить как своеобразный инженерный калькулятор, позволяющий мгновенно производить требуемые вычисления характеристик горения или требуемый состав КС.
Стоит также отметить интересную роль, которую могут иметь полученные модели в учебном процессе. Обобщая закономерности экспериментальных данных, представленные модели позволяют в компактном виде наглядно продемонстрировать различия КС по характеристикам горения, зависимости характеристик горения от внешних и внутренних условий и в целом в механизме горения КС.
Литература
1. Абруков В.С., Афанасьев В.В., Ильин С.В. и др. Создание базы знаний в области горения энергонасыщенных конденсированных систем средствами Data Mining // Современные проблемы технической химии: материалы докладов Всерос. науч.-техн. и метод. конф. Казань: Изд-во Казан. гос. технол. ун-та, 2009. С. 44-50.
2. Абруков В.С., Афанасьев В.В., Тарасов Н.А. и др. Создание базы знаний в области вибрационного горения средствами Data Mining // Проблемы и перспективы развития авиации, наземного транспорта и энергетики «АНТЭ-2009»: материалы V Всерос. науч.-техн. конф. Казань: Изд-во Казан. гос. техн. ун-та, 2009. С. 162-165.
3. Абруков В.С., Николаева, Я.Г., Макаров, Д.Н. и др. Применение средств интеллектуального анализа данных (Data Mining) для исследования неполно определенных систем // Вестник Чувашского университета. 2008. № 2. С. 233-241.
4. Абруков В., Абруков С., Карлович Е. Создание вычислительных моделей в области горения конденсированных систем средствами Data Mining // Information Models of Knowledge / Ed. by K. Markov, V. Velychko, O. Voloshin. First edition. Recommended for publication by The Scientific Council of the Institute of Information Theories and Applications: материалы XVI Междунар. конф. Киев; София, 2010. С. 193-197.
5. Денисюк А.П., Демидова Л.А. Особенности влияния некоторых катализаторов на горение балли-ститных порохов // Физика горения и взрыва. 2004. Т. 40, N° 3.
6. Чернов А.С., Троешестова Д.А., Абруков В.С. Разработка модели адаптивного управления пароперегревателем котлоагрегата с помощью искусственных нейронных сетей // Вестник Чувашского университета. 2010. № 3. С. 317-322.
7. Abrukov V.S., Malinin G.I., Volkov M.E. et al. Application of artificial neural networks for creation of «black box» models of energetic materials combustion // Advancements in Energetic Materials and Chemical Propulsion / Ed. by K.K. Kuo, K. Hori. Connecticut: Begell House Inc. of Redding, 2009. P. 377-386.
8. Abrukov V.S., Schetinin V.G., Troeshestova D.A., Deltsov P.V. Perspectives for Decision of Some Hy-drodynamical Problems by Neural Networks Models and Methods // Proceedings of the International Summer Scientific School «High Speed Hydrodynamics» / Ed. by G.G. Cherny, M.P. Tulin, A.G. Terentiev, V.V. Serebryakov. Washington; Cheboksary, 2002. P. 391-394.
9. Abrukov V.S., Troeshestova D.A., Pavlov R.A., Ivanov P.V. Artificial Neural Networks and Inverse Problems of Optical Diagnostics // Proceedings of the 6th International Conference on Intelligent System Design and Applications. Jinan. China. 2006, October 16-18. Jinan, 2006. P. 850-855.
10. Abrukov V.S., Troeshestova D.A., Chernov A.S. et al. Application of Artificial Neural Networks for Solution of Scientific and Applied Problems for Combustion of Energetic Materials // Advancements in Energetic Materials and Chemical Propulsion / Ed. by K.K. Kuo, J.D. Rivera. Connecticut: Begell House Inc. of Redding, 2007. P. 268-283.
АБРУКОВ ВИКТОР СЕРГЕЕВИЧ. См. с. 183.
КАРЛОВИЧ ЕЛЕНА ВАЛЕРЬЕВНА - аспирантка кафедры теплофизики, Чувашский государственный университет, Россия, Чебоксары (lenka-buzuluk@yandex.ru).
KARLOVICH ELENA VALERYEVNA - post-graduate student of Thermal Physics Department, Chuvash State University, Russia, Cheboksary.
ИВАНОВ АЛЕКСЕЙ ГЕОРГИЕВИЧ - студент IV курса, Чувашский государственный университет, Россия, Чебоксары (kain8924@bk.ru)
IVANOV ALEKSEY GERGIEVICH - student, Chuvash State University, Russia, Cheboksary.
УДК 538.97; 539.216.2; 539.23
А.И. ВАСИЛЬЕВ, В. Д. КОЧАКОВ
ВЛИЯНИЕ ОТЖИГА НА ФИЗИЧЕСКИЕ СВОЙСТВА МЕТАЛЛОУГЛЕРОДНЫХ ПЛЕНОК*
Ключевые слова: металлоуглеродные пленки, углерод в состоянии Sp1, электроника, оптоэлектроника.
Представлены результаты исследования модифицированных металлами пленок линейно-цепочечногоуглерода (ЛЦУ) путем их термической обработки при температуре 450°С. Показано, что отжиг приводит к изменению оптических и электрофизических характеристик металлоуглеродных пленок, которые могут найти применение для изготовления пассивных и активных элементов электроники и оптоэлектроники.
A.I. VASILYEV, V.D. KOCHACOV EFFECT OF ANNEALING ON THE PHYSICAL PROPERTIES OF THE METALCARBONIC FILMS
Key words: metal carbonic film, carbon in the state of Sp1, electronics, optoelectronics.
The results of research of modified metal films linear-chain carbon (LCC) by their thermal treatment at the temperature 450°С. It is shown that annealing leads to a change in the optical and electrophysical characteristics of metal carbonic films, which can be used for the production of passive and active elements electronics and optoelectronics.
Синтез металлоуглеродных пленок осуществлялся путем нанесения в вакууме на стекло, керамику, кремний слоя металла, на поверхность которого ионно-плазменным методом синтезировался слой линейно-цепочечного углерода (ЛЦУ) в состоянии Sp . Далее система отжигалась при температуре 450°С в атмосфере воздуха в печи марки МИМП-ВМ. Подробное описание технологии перевода пространственно разделенных пленок системы металл-ЛЦУ в двухфаз-
* Исследование выполнено по проекту N° 2.1.1/10075 АВЦП «Развитие научного потенциала высшей школы (2009-2011 годы)».
