On Simultaneous Determination of Thermal Conductivity and Volume Heat Capacity of Substance

Capa

Citar

Texto integral

Acesso aberto Acesso aberto
Acesso é fechado Acesso está concedido
Acesso é fechado Somente assinantes

Resumo

The study of nonlinear problems associated with heat transfer in substance is important for practice. Earlier, the authors proposed an efficient algorithm for determining the thermal conductivity from experimental observations of the dynamics of the temperature field in an object. In this work, we explore the possibility of extending the algorithm to the numerical solution of the problem of simultaneous identification of the temperature-dependent volume heat capacity and the thermal conductivity of the substance under study. The consideration is based on the Dirichlet boundary value problem for the one-dimensional nonstationary heat equation. The coefficient inverse problem in question is reduced to a variational problem, which is solved by applying gradient methods based on the fast automatic differentiation technique. The uniqueness of the solution to the inverse problem is analyzed.

Sobre autores

A. Gorchakov

Federal Research Center “Computer Science and Control”, Russian Academy of Sciences

Email: vladimir.zubov@mail.ru
119333, Moscow, Russia

V. Zubov

Federal Research Center “Computer Science and Control”, Russian Academy of Sciences

Autor responsável pela correspondência
Email: vladimir.zubov@mail.ru
119333, Moscow, Russia

Bibliografia

  1. Зверев В.Г., Гольдин В.Д., Назаренко В.А. Радиационно-кондуктивный теплоперенос в волокнистой термостойкой изоляции при тепловом воздействии // Теплофиз. высоких температур. 2008. Т. 46. № 1. С. 119–125.
  2. Алифанов О.М., Черепанов В.В. Математическое моделирование высокопористых волокнистых материалов и определение их физических свойств // Теплофиз. высоких температур. 2009. Т. 47. № 3. С. 463–472.
  3. Алифанов О.М. Обратные задачи теплообмена. М.: Машиностр., 1988.
  4. Yeung W.K., Lam T.T. Second-order finite difference approximation for inverse determination of thermal conductivity // Internat. Journal of Heat Mass Transfer. 1996. V. 39. P. 3685–3693.
  5. Chen H.T., Lin J.Y., Wu C.H., Huang C.H. Numerical algorithm for estimating temperature-dependent thermal conductivity // Numerical Heat Transfer. 1996. V. B29. P. 509–522.
  6. Самарский А.А., Вабищевич П.Н. Вычислительная теплопередача. М.: Едиториал УРСС, 2003.
  7. Kim S., Kim M.C., Kim K.Y. Non-iterative estimation of temperature dependent thermal conductivity without internal measurements // Internat. Journal of Heat Mass Transfer. 2003. V. 46. P. 1891–1810.
  8. Majchrzak E., Freus K., Freus S. Identification of temperature dependent thermal conductivity using the gradient method // J. of Appl. Math. and Comput. Mech. 2006. V. 5. Issue 1. P. 114–123.
  9. Balazs Czel, Gyula Grof. Inverse identification of temperature-dependent thermal conductivity via genetic algorithm with cost function-based rearrangement of genes // Internat. Journal of Heat and Mass Transfer. 2012. V. 55. № 15. P. 4254–4263.
  10. Matsevityi Yu.M., Alekhina S.V., Borukhov V.T., Zayats G.M., Kostikov A.O. Identification of the Thermal Conductivity Coefficient for Quasi-Stationary Two-Dimensional Heat Conduction Equations // J. of Engng Phys. and Thermophys. 2017. V. 90. № 6. P. 1295–1301.
  11. Evtushenko Y., Zubov V., Albu A. Inverse coefficient problems and fast automatic differentiation // J. of Inverse and Ill-Posed Problems. 2022. V. 30 (3). P. 447–460.
  12. Huang C.H., Yan J.Y. An inverse problem in simultaneously measuring temperature-dependent thermal conductivity and heat capacity // Internat. Journal of Heat Mass Transfer. 1995. V. 38. P. 3433–3441.
  13. Imani A., Ranjbar A.A., Esmkhani M. Simultaneous estimation of temperature-dependent thermal conductivity and heat capacity based on modified genetic algorithm // Inverse Problems in Sci. and Engng. 2006. V. 14. № 7. P. 767–783.
  14. Miao Cui, Kai Yang, Xiao-liang Xu, Sheng-dong Wang, Xiao-wei Gao. A modified Levenberg-Marquardt algorithm for simultaneous estimation of multi-parameters of boundary heat flux by solving transient nonlinear inverse heat conduction problems // Internat. Journal of Heat and Mass Transfer. 2016. V. 97. P. 908–916.
  15. Евтушенко Ю.Г. Оптимизация и быстрое автоматическое дифференцирование. М.: ВЦ им. А.А. Дородницына РАН, 2013. 144 с.
  16. Евтушенко Ю.Г., Зубов В.И. Об обобщенной методологии быстрого автоматического дифференцирования // Ж. вычисл. матем. и матем. физ. 2016. Т. 56. № 11. С. 1847–1862.
  17. Евтушенко Ю.Г., Засухина Е.С., Зубов В.И. О численном подходе к оптимизации решения задачи Бюргерса с помощью граничных условий // Ж. вычисл. матем. и матем. физ. 1997. Т. 37. № 12. С. 1449–1458.
  18. Албу А.Ф., Зубов В.И. Исследование задачи оптимального управления процессом кристаллизации вещества в новой постановке для объекта сложной геометрической формы // Ж. вычисл. матем. и матем. физ. 2014. Т. 54. № 12. С. 1879–1893.
  19. Евтушенко Ю.Г., Зубов В.И., Албу А.Ф. Оптимальное управление тепловыми процессами с фазовыми переходами. Коллективная монография. М.: МАКС Пресс, 2021. С. 248.https://doi.org/10.29003/m2449.978-5-317-06677-2
  20. Самарский А.А. Теория разностных схем. М.: Наука, 1989.
  21. Албу А.Ф., Зубов В.И. Об эффективности решения задач оптимального управления с помощью методологии быстрого автоматического дифференцирования // Труды Института матем. и механ. УрО РАН. 2015. Т. 21. № 4. С. 20–29.
  22. Hascoet L., Pascual V. The Tapenade automatic differentiation tool: principles, model, and specification // ACM Transact. on Math. Software (TOMS). 2013. V. 39. № 3. P. 1–43.
  23. Hogan R.J. Fast reverse-mode automatic differentiation using expression templates in C++ // ACM Transact. on Math. Software (TOMS). 2014. V. 40. № 4. P. 26–42 .
  24. Горчаков А.Ю. О программных пакетах быстрого автоматического дифференцирования // Информационные технологии и вычисл.системы. 2018. № 1. P. 30–36.
  25. Albu A., Gorchakov A., Zubov V. On the effectiveness of the fast automatic differentiation methodology // Commun. in Comput.and Informat. Sci. 2019. V. 974. P. 264–276.
  26. Yixuan Qiu, L-BFGS++, 2021. https://github.com/yixuan/LBFGSpp/

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
2.

Baixar (34KB)
3.

Baixar (34KB)
4.

Baixar (38KB)
5.

Baixar (35KB)
6.

Baixar (35KB)
7.

Baixar (31KB)
8.

Baixar (33KB)
9.

Baixar (31KB)
10.

Baixar (57KB)
11.

Baixar (52KB)

Declaração de direitos autorais © А.Ю. Горчаков, В.И. Зубов, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».