CC BY
3
HARDWARE AND SOFTWARE OF THE SYSTEM FOR MONITORING THE QUALITY OF WATER
RESOURCES IN THE PROBLEMS OF AQUACULTURE OF STURGEON FISHES
K.V. Shapovalenko, A.V. Grecheneva, Ya.S. Kotov
The article is devoted to the description of the concept of creating a hardware and software system for monitoring the quality of water resources in the tasks of sturgeon aquaculture. In the course of the work, key informative parameters of the temperature and hydrochemical regime of waters in reservoirs were identified and described, and the structure of information and analytical support for monitoring the quality of water resources was determined. The necessity of using fuzzy logic and fuzzy production rules is substantiated, and the concept of a system using algorithms based on fuzzy logic is proposed. The algorithm of the hybrid neural network is described. The developed system will allow monitoring water bodies to ensure the best environmental performance, as a result of which the number of individuals will increase.
Key words: aquaculture, information-analytical system, complex processing, fuzzy logic.
Shapovalenko Kseniya Viktorovna, student, [email protected], Russia, Moscow, Russian State Agrarian University - Moscow Timiryazev Agricultural Academy,
Grecheneva Anastasia Vladimirovna, candidate of technical sciences, docent, A. Grecheneva@rgau-msha. ru, Russia, Moscow, Russian State Agrarian University - Moscow Timiryazev Agricultural Academy,
Kotov Yaroslav Sergeevich, student, [email protected], Russia, Moscow, Russian State Agrarian University - Moscow Timiryazev Agricultural Academy
УДК 621.317
DOI: 10.24412/2071-6168-2022-8-168-173
РАЗРАБОТКА МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ ДЛЯ ОЦЕНКИ ВОЗМОЖНОСТЕЙ ПРЕДПРИЯТИЙ ПО ПРОИЗВОДСТВУ ТЕХНИЧЕСКИХ СРЕДСТВ СПЕЦИАЛЬНОГО
НАЗНАЧЕНИЯ
А.В. Мякотин, А.Я. Моргунов, А.И. Муравьев, А.А. Бурлаков
В статье приведены рассуждения и расчеты, позволяющие осуществить прогнозирование объемов выпуска образцов технических средств специального назначения. В общих чертах рассматривается процесс производства техники в условиях перехода на выпуск новых образцов, различные методы моделирования. Показано, что в наибольшей степени для описания процесса серийного производства образцов технических средств специального назначения подходят модели на основе логистических функций.
Ключевые слова: технические средства специального назначения, программное планирование, производство.
При формировании документов программного планирования (ПП) вопрос прогнозирования возможностей промышленности по производству образцов технических средств специального назначения (ТС СН) является одним из наиболее важных.
При производстве изделий можно выделить три основные фазы: постановка на производство (подготовка и освоение); серийное производство; снятие с производства. При этом наиболее сложным этапом промышленного производства является постановка изделий на производство. Это объясняется динамичностью процесса, характеризующегося переменной величиной выпуска, удельных затрат ресурсов на новое изделие с одновременным изменением параметров производства старого образца ТС СН. При этом необходимо отметить, что новые изделия имеют более высокий качественный уровень, находящий свое отражение
в тактико-технических характеристиках, показателях надежности, схемно-конструктивных и функциональных решениях. Данные особенности требуют зачастую перестройки всего технологического процесса изготовления изделия и его приемки.
Динамика объема выпуска образцов ТС СН на этапе постановки на производство определяется производственными и технологическими возможностями предприятий и выделяемыми ассигнованиями. Зависимости, характеризующие темпы роста объема производства при нормальном периоде освоения ¿=7н и ускоренном =Тс, изображены на рис. 1 в виде кривых 1 и 2 соответственно. Заштрихованная область соответствует дополнительному объему ТС СН (АЫ), получаемому в результате ускорения подготовки и освоения производства.
Рис. 1. Динамика объемов выпуска изделий при изменении интенсивности постановки
на производство
На основе анализа деятельности отечественных и зарубежных предприятий [6-10] можно выделить следующие методы организации перехода с производства одних изделий на другие: последовательный, параллельный и параллельно-последовательный, каждый из которых может быть осуществлен как с остановкой производства, так и без остановки (рис. 2). Для предприятий характерным является параллельный или параллельно-последовательный метод перехода на выпуск новых образцов, при котором одновременно выпускаются старые образцы ТС СН с уменьшением их объема выпуска и новые образцы с наращиванием их объема выпуска.
Рис. 2. Методы перехода с производства одних изделий на другие
Как известно [6], общие возможности промышленного предприятия по серийному производству определяются его производственной мощностью, отражаемой в объемах всей производимой продукции. На создание продукции расходуется определенное количество материальных, трудовых и временных ресурсов, находящих свое выражение в себестоимости изделий. Таким образом, общие возможности предприятий по производству изделий выражаются через объемы осваиваемых ассигнований. При этом возможные ресурсы предприятия, которые могут быть направлены на выполнение запросов заказчика, определяются исходя из предположения, что доля стоимости продукции по отношению к общему объему производимой продукции остается постоянной за весь исследуемый период времени и, учитывая современную экономическую обстановку, не превышает 12 %.
При разработке модели возможностей промышленности возникают трудности, связанные с большим количеством формализуемых и неформализуемых характеристик, описывающих состояние промышленности. Попытка учета всех влияющих факторов в модели приводит к чрезмерному усложнению модели и делает практически невозможным применение в практике ПП. В то же время установлено [3, 8, 11], что по мере нарастания объема выпуска из-
делий в результате неоднократных повторений процесса изготовления образца ТС СН происходит стабилизация технологических процессов, налаживание производственных связей и, как следствие, устанавливаются необходимые величины потребления ресурсов, характерные для установившихся процессов серийного производства. Поэтому нарастающий с начала постановки на производство объем выпуска образцов ТС СН можно считать показателем, синтезирующим действие всей совокупности воздействующих факторов [8]. С учетом этих допущений построение модели целесообразно осуществить на основе аппроксимации статистических данных за ретроспективный период, отображающих взаимосвязь основных параметров исследуемого процесса. Изменение тенденций в производственном процессе при постановке на производство нового образца ТС СН может быть учтено в ходе моделирования.
Модель возможностей промышленности по производству образцов ТС СН должна обеспечивать непрерывность и достаточную плавность изменения во времени объемов выпуска техники, а также их постоянный рост до определенных пределов, определяемых производственными мощностями предприятия и величиной выделяемых на серийное производство ассигнований, т.е. аппроксимирующая функция должна иметь предел насыщения.
В наибольшей степени этим требованиям отвечают ^-образные и ряд других функций, обладающих асимптотическим насыщением. Как правило, в этом случае используют следующие виды кривых [1, 2, 4, 12]: логистические:
У = тг^, (1)
У = ^, (2)
у = м{1-ехр[-(1У]}, (3)
кривые Гомперца:
у = N0,"*, (4)
у = N ехр[—Ь ехр{—аЬ)], (5)
модифицированная экспонента:
у = Ы + аЬ*, (6)
и сводящиеся к ней кривые вида:
у = Ы(1- е~аг), (7)
где у - прогнозируемая величина (объем выпуска); I - текущее время; а, Ь, N - некоторые постоянные (параметры кривых).
Параметр N характеризует максимальный объем выпускаемой продукции, т.е. величину насыщения. Коэффициент Ь характеризует возможности промышленности в выпуске первой партии новых образцов ТС СН. Чем больше значение Ь, тем дольше промышленность будет осваивать заданный объем производства. Коэффициент а характеризует повышение производительности труда, расширение производственных мощностей и другие показатели, влияющие на увеличение объемов производства. Чем больше значение а, тем быстрее промышленность сможет освоить заданный объем производства.
Значительное количество предлагаемых зависимостей обусловлено необходимостью описания изменения объемов выпуска ТС СН для различных типов производства с различной интенсивностью освоения [4, 12].
Определение параметров зависимостей (1-7) может быть осуществлено на основе метода трех сумм или метода трех точек, которые являются простыми, но «дают весьма грубые оценки» [1] неизвестных параметров. Более точные результаты оценивания удается получить с помощью методов Фишера, Готеллинга и ряда других, обзор которых и сравнительный анализ проведен в [5].
Однако данные методы предполагают линеаризацию регрессии по параметрам с последующим применением метода наименьших квадратов (МНК), т. е. используют квазилинейные модели, хотя рассматриваемые зависимости являются нелинейными относительно оцениваемых параметров. Получаемые в этом случае оценки параметров не являются эффективными и несмещенными, что увеличивает погрешность моделей. С целью устранения этого недостатка в работе применялся нелинейный МНК (НМНК), основанный на методе Левенберга-Марквардта [5], который обладает преимуществами по сравнению с другими методами (Ньютона-Гаусса, градиентным, Хартли).
Нахождение оценок щ (у = 1, т) нелинейной регрессии:
У — f{xil,...,xik;d1,...,dm),i — l,n, (8)
осуществляется путем минимизации суммы квадратов отклонений
Q(a)=Z^1[yi-f(a;Xi)]2, (9)
т. е. оценка есть
а = arg min Q(a), (10)
aERm
где yi - зависимая переменная; Xi= (xii,...,xik) - вектор независимых переменных; a - вектор неизвестных параметров, подлежащий оцениванию.
Подробно алгоритм, реализующий метод Левенберга-Марквардта изложен в [83]. Коротко остановимся на сущности данного метода.
Допустим ak - k-e приближение вектора а. Линеаризуем функцию fi(a; Xi) в окрестности вектора ak. Тогда:
а регрессия (11) перепишется в следующем виде:
У¿-/¿(afc,^¿) = Ir=l■
или в матричной форме:
да,-
d£i(ak,X0 dfi(ak,Xi)
(ccj -afX
да,-
(а,- -а/Х
y = f(ak,Xi) = Pk(a-ak);Pk=g
(11) (12) (13)
Применяя МНК к линеаризованной регрессии, найдем следующее значение вектора приближения:
ак+1 = ак + {Р1Рк)~1 -РЦу-П^^ди = 0,1..........(14)
Итерационный метод (14) минимизации (9) часто не сходится, поскольку матрица РкРк оказывается плохо обусловленной. Для устранения этого недостатка в алгоритме Марк-вардта матрица корректируется диагональной матрицей, с элементами пропорциональными диагональным элементам матрицы РкРк, т.е.:
"№)!- ... 0
Dl- —ХЬ
'11
где
0 (рТр ^
... V к к)т1
■ - некоторое положительное число, стратегия выбора которого изложена в [5]. Поэтому значение вектора приближений находится по формуле:
,fc+i
a~- = ak + {PlPk + Dk)~1 -РЦу- f(ak,Xi)],k = 0,1.....
Критерием завершения расчетов по (16) является условие:
---1
< s,j = 1,т,
(15)
(16)
(17)
где £ - заданная априорно погрешность оценивания параметров. При выполнении данного
к
условия полагают, что а=а .
С применением данного метода были исследованы функции (1-3). Результаты расчетов показали быструю сходимость используемого метода и достаточно высокую точность прогнозных моделей. В ходе исследования было установлено, что в наибольшей степени для описания процесса серийного производства образцов ТС СН подходят модели на основе логистических функций (1-3), вид зависимостей которых представлен на рис. 3.
V,%
-логистическая функция
■запаздывающая логистическая функция
Т
Рис. 3. Виды аппроксимирующих функций, используемых при прогнозировании возможностей предприятий
Таким образом, разработанные модели позволяют осуществить прогнозирование объемов выпуска образцов ТС СН различных типов с учетом условий их производства.
Список литературы
1. Берестнев В.Л. Об одном классе задач оптимизации однородных технических систем. В кн.: Управляемые системы. Новосибирск, 1971. Вып. 9. С. 65 - 74.
2. Гимади Э.Х. Выбор оптимальных шкал в одном классе задач типа размещения, унификации и стандартизации. В кн.: Управляемые системы. Новосибирск, 1970. Вып. 6. С. 59 - 68.
3. Кудрявцев Е.М. Исследование операций в задачах, алгоритмах и программах. М.: Радио и связь, 1984. 184 с.
4. Бешелев С.Д., Гурвич Ф.Г. Математико-статистические методы экспертных оценок. М.: Статистика, 1980. 263 с.
5. Брахман Т.Р. Многокритериальность и выбор альтернативы в технике. М.: Радио и связь, 1984. 288 с.
6. Масютин С.А. Умеем ли мы оценивать финансовую устойчивость предприятий // Эхо. 1997. № 5. С. 105-112.
7. Головин С.Д. Оценка результатов хозяйственной деятельности промышленных предприятий. М.: Финансы и статистика, 1986. 63 с.
8. Крейнина М.А. Финансовое состояние предприятия. Методы оценки. М.: ИКЦ «ДИС», 1997. 224 с.
9. Рухлин А.Е. Процедура оценки конкурентных позиций предприятий // Сборник материалов III межвузовской научной конференции «Национальная экономика и тыл ВС: проблемы и перспективы». СПб.: ВАТТ, 2002. С. 127-129.
10. Васильев А.И., Михайлов В.В., Могильный А.И. Анализ показателей для оценки предприятия при конкурсном размещении заказов // Сборник научных трудов «Система связи и АСУ ВС РФ: экономические проблемы развития в современных условиях». СПб.: ВУС, 1999. С. 107-115.
11. Рахманов А.А., Буренок В.М., Лавринов Г.А. Оценка реализуемости Государственной программы вооружения // Военная мысль. 2001. № 1. С. 37 - 40.
12. Кини Р.Л. Размещение энергетических объектов: выбор решений. М.: Энергоатомиздат, 1983. 360 с.
Мякотин Александр Викторович, д-р техн. наук, профессор [email protected], Россия, Санкт-Петербург, Военная академия связи,
Муравьев Александр Иванович, преподаватель, muravjev. a1 @ yandex. ru, Россия, Санкт-Петербург, Военная академия связи,
Питенко Валерий Александрович, старший преподаватель, valalpit@yandex. ru, Россия, Санкт-Петербург, Военная академия связи,
Бурлаков Андрей Анатольевич, канд. воен. наук, доцент, [email protected], Россия, Санкт-Петербург, Военная академия связи
DEVELOPMENT OF MATHEMATICAL MODELS TO ASSESS THE CAPABILITIES OF
ENTERPRISES FOR THE PRODUCTION OF SPECIAL-PURPOSE EQUIPMENT
A.V. Myakotin, A.I. Muravyev, V.A. Pitenko, A.A. Burlakov
The article presents the reasoning and calculations that make it possible to predict the volume of production of samples of special-purpose technical equipment. In general terms, the process of manufacturing equipment in the conditions of transition to the production of new samples, various modeling methods are considered. It is shown that models based on logistic functions are most s uitable for describing the process of serial production of samples of special-purpose technical equipment.
Key words: technical means of special purpose, program planning, production.
172
Myakotin Alexander Viktorovich, doctor of technical sciences, professor, [email protected], Russia, Saint-Petersburg, Military Academy of Communications,
Muravyev Alexander Ivanovich, lecturer, muravjev.a1 @yandex.ru, Russia, Saint-Petersburg, Military Academy of Communications,
Pitenko Valery Aleksandrovich, senior lecturer, valalpit@,yandex. ru, Russia, Saint-Petersburg, Military Academy of Communications,
Burlakov Andrey Anatolyevich, candidate of technical sciences, docent, [email protected], Russia, Saint-Petersburg, Military Academy of Communications
УДК 004.94:622
DOI: 10.24412/2071-6168-2022-8-173-176
АНАЛИТИЧЕСКОЕ ИССЛЕДОВАНИЕ КОРОНОК ДРОБИЛЬНЫХ КОВШЕЙ КОМПЬЮТЕРНЫМ МОДЕЛИРОВАНИЕМ
М.С. Григорьев
В работе проводится исследование влияния формы коронок дробильных ковшей специализированных горнодобывающих машин. Анализируется влияние формы коронок на их предельно допустимые выдерживаемые нагрузки. Приводится описание дробильных ковшей, а также их конструкций, возможных поломок и путей их решения. В работе приводятся основные виды подъемно-транспортных машин, используемых на различных видах промышленных предприятий и анализируются их конструктивные и иные особенности. Описываются результаты компьютерного моделирования нагружения коронок дробильных ковшей и приводятся полученные графики нагрузки. Исследование выполнено с помощью программных средств, которые в настоящее время получили широкое распространение и используются как для горнодобывающей промышленности, так и для решения задач горного-добывающего машиностроения. И активно используются для определения оптимальной формы оборудования, расчета производительности горных выработок и используются для решения других немало важных задач. И позволяют провести сравнительные анализы различных информационных моделей, созданных в подробных программах с определением максимальных и минимальных исследуемых значения, оптимумовразличных физических величин.
Ключевые слова: математическое моделирование, обработка информации, экскаватор, горная добыча, коронки, ковш экскаватора, исследование.
Автоматизация и механизация различных отраслей промышленности является важной задачей, которая необходима для получения максимальной производительности при наименьших затратах. Такая задача стоит, в том числе и в области горнодобывающей промышленности. Где частично проблема увеличения производительности решается горными машинами, например, экваторами, которые могут выполнять широкий круг работ [1-6].
Экскаваторы часто используются для выполнения объемной работы повышенной сложности. Они оснащаются дизельными двигателями, которые имеют большой запас мощности.
Экскаваторы применяются при ведении земляных или ландшафтных работ. Зачастую, современные модели оснащаются быстросъемным механизмом, благодаря которому можно менять навесные элементы экскаватора. В процессе работы спецтранспорт может быть оснащен ковшом, вилочным погрузчиком, захватом, гидромолотом и с другим оборудованием. Это расширяет сферу его использования и увеличивает его эффективность.
Спецтехника должна обладать высокими техническими качествами. Высококачественная ходовая часть увеличивает эффективность и мощность всего экскаватора. В зависимости от сферы применения экскаваторов выделяют несколько типов ходовой части:
