Параметрическая идентификация сосредоточенных воздействий в многомерных обратных задачах теплопроводности

Обложка

Цитировать

Полный текст

Аннотация

Работа посвящена дальнейшему исследованию и построению конструктивных методов последовательной параметрической оптимизации неизвестных характеристик нестационарных процессов технологической теплофизики на компактном множестве непрерывных и непрерывно-дифференцируемых функций. Предложенная методика распространяет разработанный алгоритмически точный метод решения на многомерную постановку обратных задач технологической теплофизики и позволяет отыскать физически обоснованную идентифицируемую характеристику на последовательно сходящихся компактных множествах.
В качестве объекта исследования рассматривается двумерное осесимметричное тело канонической формы, где искомой функцией является сосредоточенная величина мощности внутренних теплоисточников. Задача сформулирована в равномерной метрике оценивания температурного отклонения расчетного состояния от экспериментального. В качестве математической модели рассматриваемого объекта используется его модальное описание, на основе которого проведена редукция исходной обратной задачи теплопроводности, сформулированной в экстремальной постановке, к задаче оптимального управления.
Использование предварительной параметризации искомой характеристики процесса приводит к ее представлению в форме кусочно-параболических функций, конкретизируемых в рамках выбранной структуры с помощью вектора параметров. Количество учитываемых параметров определяет точное представление идентифицируемой величины, а их значения отыскиваются в результате решения полученной задачи параметрической оптимизации. Для решения полученной задачи математического программирования относительно оптимальных значений вектора параметров используются, аналогично одномерному случаю, альтернансные свойства искомых экстремалей, в результате чего задача сводится к замкнутой системе соотношений.
Полученные результаты демонстрируют эффективность распространения конструктивного метода последовательной параметрической оптимизации, опробованного на одномерных обратных задачах теплопроводности, на решение двумерных задач с использованием их модального представления. Увеличение числа параметров решений, образующих кусочно-параболическую форму искомой зависимости, приводит к уменьшению погрешности восстановления как искомой сосредоточенной функции, так и пространственно-временного температурного поля во всей двумерной области определения пространственных переменных.

Об авторах

Анна Николаевна Дилигенская

Самарский государственный технический университет

Автор, ответственный за переписку.
Email: adiligenskaya@mail.ru
ORCID iD: 0000-0002-9867-9781
https://www.mathnet.ru/person119447

доктор технических наук, доцент; профессор; каф. автоматики и управления в технических системах

Россия, 443100, г. Самара, ул. Молодогвардейская, 244

Ирина Сергеевна Бочкарева

Самарский государственный технический университет

Email: ytychinina@list.ru
ORCID iD: 0009-0005-3282-7680
https://www.mathnet.ru/person208351

аспирант; каф. автоматики и управления в технических системах

Россия, 443100, г. Самара, ул. Молодогвардейская, 244

Список литературы

  1. Алифанов О. М. Обратные задачи теплообмена. М.: Машиностроение, 1988. 280 с.
  2. Özis˛ik M. N., Orlande H. R. B. Inverse Heat Transfer: Fundamentals and Applications. New York: Routledge, 2000. xx+330 pp. DOI: https://doi.org/10.1201/9781003155157.
  3. Самарский А. А, Вабищевич П. Н. Численные методы решения обратных задач математической физики. М.: ЛКИ, 2009. 480 с.
  4. Алифанов О. М., Артюхин Е. А., Румянцев С. В. Экстремальные методы решения некорректных задач и их приложения к задачам теплообмена. М.: Наука, 1988. 288 с.
  5. Данилаев П. Г. Сравнение двух регуляризующих алгоритмов решения одной коэффициентной обратной задачи // Изв. вузов. Матем., 2003. №5. С. 3–8. EDN: HQUEQB.
  6. Пилипенко Н. В., Гладских Д. А. Решение прямых и обратных задач теплопроводности на основе дифференциально-разностных моделей теплопереноса // Изв. вузов. Приборостр., 2007. Т. 50, №3. С. 69–74. EDN: HEJTCV.
  7. Grysa K. Inverse heat conduction problems / V. S. Vikhrenko (ed.) Heat Conduction — Basic Research. IntechOpen, 2011. pp. 3–36. DOI: https://doi.org/10.5772/26575.
  8. Япарова Н. М. О различных подходах к решению обратных граничных задач тепловой диагностики // Вестн. Южно-Уральск. гос. ун-та. Сер. Математика. Механика. Физика, 2012. №34. С. 60–67. EDN: NRJZKZ.
  9. Алифанов О. М., Ненарокомов А. В. Трехмерная граничная обратная задача теплопроводности // ТВТ, 1999. Т. 37, №2. С. 231–238.
  10. Guerrier B., Benard C. Two-dimensional linear transient inverse heat conduction problem — Boundary condition identification // J. Thermophys. Heat Transfer, 1993. vol. 7, no. 3. pp. 472-478. DOI: https://doi.org/10.2514/3.442.
  11. Рапопорт Э. Я., Дилигенская А. Н. Модальная идентификация граничного воздействия в двумерной обратной задаче теплопроводности // Вестн. Сам. гос. техн. ун-та. Сер. Физ.-мат. науки, 2018. Т. 22, №2. С. 380–394. EDN: XWXSNN. DOI: https://doi.org/10.14498/vsgtu1627.
  12. Дилигенская А. Н. Аналитическая идентификация пространственно-временного управления в обратных задачах теплопроводности на основе модального представления // Вестн. Сам. гос. техн. ун-та. Сер. Техн. науки, 2012. №4. С. 31–38. EDN: QBUTFD.
  13. Дилигенская А. Н., Рапопорт Э. Я. Аналитические условия оптимальности в обратных задачах теплопроводности // ТВТ, 2021. Т. 59, №3. С. 401–410. EDN: WBKMPI. DOI: https://doi.org/10.31857/S0040364421030030.
  14. Дилигенская А. Н. Решение ретроспективной обратной задачи теплопроводности на основе параметрической оптимизации // ТВТ, 2018. Т. 56, №3. С. 399–406. EDN: RSXXBR. DOI: https://doi.org/10.7868/S0040364418030110.
  15. Дилигенская А. Н., Рапопорт Э. Я. Аналитические методы параметрической оптимизации в обратных задачах теплопроводности с внутренним тепловыделением // Инж.-физ. ж., 2014. Т. 87, №5. С. 1082–1089. EDN: SNHAHJ.
  16. Кошляков Н. С., Глинер Э. Б., Смирнов М. М. Уравнения в частных производных математической физики. М.: Высш. шк., 1970. 336 с.
  17. Рапопорт Э. Я. Альтернансный метод в прикладных задачах оптимизации. М.: Наука, 2000. 336 с. EDN: TTRVMB.
  18. Немков В. С., Демидович В. Б. Теория и расчет устройств индукционного нагрева. Л.: Энергоатомиздат, 1988. 280 с. EDN: SCTRML.
  19. Rudnev V. I., Loveless D., Cook R. L. Handbook of Induction Heating. Boca Raton: CRC Press, 2017. 772 pp. DOI: https://doi.org/10.1201/9781315117485.
  20. Рапопорт Э. Я., Плешивцева Ю. Э. Оптимальное управление температурными режимами индукционного нагрева. М.: Наука, 2012. 309 с. EDN: QNDGWJ.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Ошибка приближения заданного температурного распределения: 1 — $N=1$; 2 — $N=2$; 3 — $N=3$

Скачать (406KB)
3. Рис. 2. Погрешность аппроксимации идентифицируемой функции: 1 — $N=1$; 2 — $N=2$; 3 — $N=3$

Скачать (315KB)
4. Рис. 3. Температурное отклонение расчетного значения от принятого во всей пространственной области в конечный момент времени

Скачать (296KB)
5. Рис. 4. Температурная невязка на границе $y=1$ в процессе идентификации

Скачать (394KB)

© Авторский коллектив; Самарский государственный технический университет (составление, дизайн, макет), 2024

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

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».