авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 |   ...   | 8 | 9 || 11 | 12 |   ...   | 16 |

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ САНКТ-ПЕТЕРБУРГСКИЙ НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ, МЕХАНИКИ ...»

-- [ Страница 10 ] --

- построить математическую модель аттрактора исследуемой динамической системы= по результатамI=полученным опытным путемX= - провести оценку неустойчивости динамической системы.= Базовые положения исследования. Фрактал= Eот лат.= «дробный»F= –= это бесконечно= изрезанная функция без касательныхI= не имеющая ни в одной точке производныхI= характеризующаяся свойством самоподобия.= Аттрактор= Eот англ.= «привлекатьI= притягивать»F= –= множество точек в фазовом= пространстве динамической системыI=к которым стремятся траектории системы.= Под динамической системой понимают любой объект и процессI= для которого= однозначно определено понятие состояния как совокупности некоторых величин в данный= момент времени и для которого описывается изменение=EэволюциюF=начального состояния с= течением времени.= = Промежуточные результаты - Для диагностики и прогнозирования состояния организма человека как открытой= неравновесной и необратимой термодинамической системы использована методика= фрактального анализа энтропии сердечного ритма.= - С помощью программы= «Фрактан»= для пациентов с различной степенью тяжести= болезни был построен динамический тренд корреляционной размерностиI= отслеживающий изменение состояния в течение суток.= - Исследование динамических трендов корреляционной размерностиI= как для= ограниченного фазового пространстваI=так и для неограниченного.= - В пакете= «Matlab»= была написана программаI= строящая странные аттракторы в= двумерном и трехмерном фазовом пространствах.= - По полученным данным проведен анализ динамики состояния пациентов с тяжелымI= среднимI= удовлетворительным состоянием и при общей анестезииI= с целью= диагностирования и прогнозирования=Eна короткий промежуток времениF=состояние= пациентов.= = Основной результат. В результате работы в пакете=Matlab=была написана программаI= строящая математическую модель аттрактораI= исследуемой динамической системыI= по= результатамI= полученным опытным путем и проведена оценка устойчивости на основе= показателей Ляпунова для построенной математической модели.= = = УДК=MMQ.VPOWSON.PVT.PWRNT.VUP.R= = ОСОБЕННОСТИ ПРОГРАММИРОВАНИЯ ЗАДАЧ ВОССТАНОВЛЕНИЯ ИСКАЖЕННЫХ ИЗОБРАЖЕНИЙ НА ЯЗЫКЕ CHH ДЛЯ apP TEXAp INpToUMENTp К.А. Кирьянов Научный руководитель – д.т.н.I профессор В.С. Сизиков Краткое вступление и постановка проблемы. Существуют ситуацииI= когда на= распознавание изображения либо его отдельных фрагментов отводится очень мало времени.= Одним из примеров ее возникновенияI= может бытьI= случайI= когда необходимо распознать= самолетI= пролетающий вблизи территориальной границыI= прочесть опознавательные знаки= или надписи на нем и распознать его по внешнему виду.= При этом могут возникнуть= искаженияI= когда самолет пролетает вблизи объектива регистрирующей видеокамерыI= в= результате чего изображение смазывается.=Ситуация осложняетсяI=когда объект находится не= = ONM= = в фокусе.= СитуацииI= возникающие в томографии= –= смазывание томограммы во время= диагностики из-за непроизвольных движений пациента.= Быстрое устранение искажений= важно в хирургии под контролем магнитно-резонансной томографии= EМРТF= с небольшими= магнитными полями=Eпорядка=MIN–MIP=ТлF.= = Цель работы. Необходимо реализовать исследуемые алгоритмы на персональной ЭВМ= EmCF=на языке=CHH=и провести анализ их работы для восстановления изображенийI=провести= оптимизацию алгоритма по выполняемым операциям и требуемой оперативной памяти иI= главноеI= запрограммировать оптимизированный алгоритм в цифровом микропроцессоре= обработки сигналов=EapmF=TMpPOMCSQRT.= Базовые положения исследования. Основным направлением наших научных= исследований является разработка и совершенствование методики восстановления= смазанных и дефокусированных= Eа также зашумленныхF= изображенийI= основным= математическим инструментом в которой служат интегральные уравнения= EИУF.= В= зависимости от возникающего искажения уравненияI= описывающие искажающий процессI= могут быть разного типа.=Если в качестве фиксируемого изображения рассмотреть точкуI= то= изображениеI= фиксируемое фотоэлектрическим преобразователемI= называется функцией= рассеяния точки=EФРТ или=mpcFI=которая описывает искажение=Eискажающий операторF.=Если= характер искажения на всем поле изображения одинаковI=то это означаетI=что ФРТ не зависит= от положения на изображении и ее называют пространственно-инвариантной=–=такой случай= описывается ИУ Фредгольма=f= рода типа свертки.= В случае смазывания уравнение является= одномернымI= а в случае дефокусирования= –= двумерным.= Существуют ситуацииI= когда ФРТ= является пространственно-зависимой.= Такое характерно для описания процесса= дефокусирования на изображенияхI= полученных с помощью широкоугольного объективаI= в= котором возникают геометрические искажения.=Пространственно-неинвариантное искажение= в случае смазывания может возникатьI= когда различные части объекта= EголоваI= туловищеF= имеют разное смещение.= = Методика решения задачи и промежуточные результаты. Существует несколько= методов решения упомянутых уравнений.= А именноI= в случае смазывания= Eдля упрощения= рассмотрим задачу линейного равномерного смазыванияF= решается набор одномерных ИУ= Фредгольма=f=родаI=которое можно решить методом квадратур в общем случаеI=а для случая с= пространственно-инвариантной ФРТ= –= методом преобразования Фурье= EПФF.= Поскольку= задача является некорректной= Eсущественно неустойчивойFI= то применяется регуляризация= Тихонова.= В задаче дефокусирования решается двумерное ИУ Фредгольма= f= родаI= являющееся также некорректнымI=которое для случая с пространственно-инвариантной ФРТ= следует решать методом ПФ с регуляризацией ТихоноваI= а в случае пространственно неинвариантной ФРТ= –= методом итеративной регуляризации Фридмана.= При реализации= алгоритмов на= mC= возникают особенностиI= связанные с выполнением операций с разными= форматами данных.= Поскольку не исследовалась обработка цветных изображенийI= то при= отработке алгоритма использовалось усреднение каждой точки по цветовым составляющим.= Данные о каждой точке имеют тип= BvTb= Eили= unsigned= charF= значения которого лежат в= пределах=M–ORRI=в то время как при решении прямой и обратной задач приходится работать с= данными типа= double.= Поэтому при моделировании процесса на языке= CHH= в среде= программирования= sisual= ptudio= OMNM= с использованием библиотеки компьютерного зрения= lpenCs= EComputer= sisionF= при считывании изображения приходится преобразовывать= исходные данные в формат= double= для дальнейшей работы с ними.= При моделировании= искажения необходимо дополнить исходное изображение нулевыми элементами вблизи= границ с цельюI =чтобы не потерять данныеI =которые попадают на края в процессе= моделированияI=которые потом при решении задачи восстановления дают размытие краев из = ONN= = за эффекта Гиббса.= Чтобы данные не выходили за пределы значения= ORRI= осуществляется= нормировка ФРТ.= Для вывода на экран модельного искаженного изображения= осуществляется обратное преобразование типа= double= в тип= unsigned= char.= Дробная часть= данных при этом теряетсяI= поэтому числовой массив типа=double= сохраняется для обратной= задачи.= Когда восстановление осуществляется с помощью алгоритма быстрого ПФ= EБПФFI= что особенно характерно для дефокусированияI= то исходное изображение= Eс учетом= добавления нулей на краяхF= расширяется до размера= OM O N точек= Eусловие реализации= алгоритма БПФF. =При программировании= apm =основные сложности возникают в связи с= чрезвычайно малым размером оперативной памяти внутри его кристалла.= Использованный= микропроцессор=TMpPOMCSQRT= имеет не более=Q= Мб оперативной памяти и является=apm=с= фиксированной точкой.= Большинство алгоритмов цифровой обработки основаны на= операциях дискретных ортогональных преобразованийI= свертке и операций с матрицами и= векторами.=Существует множество методов сокращения вычисленийI=для которыхI=как выше= сказаноI= существуют некоторые ограничения.= Для алгоритма БПФ= –= это количество точекI= являющееся степенью= O.= При этом удобство состоит в томI= что при выполнении операции= БПФ исходные данные становятся результатом преобразованияI= а кроме массивов для= действительной и мнимой частей требуется только два одномерных массива длинойI=равной= длине столбца.= Данные исходного изображения при этом можно сохранить на внешнем= подключаемом кристалле памятиI= который установлен на борту отладочного модуля= TMapbsMSQRTiI= разработанного для оценки возможностей= apm=TMpPOMCSQRT.=Сказанное= аналогично и при вычислении обратного БПФ в задаче восстановления изображения.= Написание кода для=apm=требует оптимизации даже иногда ценой потери наглядности кодаI= но при этом максимально эффективно используется внутренняя оперативная память и= вычислительные возможности сигнального микропроцессора.= = Основной результат. Реализованы все перечисленные алгоритмы на языке= CHHI= а= также проведено исследование их работы для восстановления изображений.= Выполнена= реализация алгоритмов на отладочном модуле=TMapbsMSQRTi=с применением специальных= библиотек для работы с= apm=CSQxHI= а также на языке= serilog= для реализации алгоритма на= базе программируемой логики=cmdA=uilinx.= = = УДК=RRM.UPU= ВЗАИМОСВЯЗЬ ГЕОФИЗИЧЕСКИХ ХАРАКТЕРИСТИК ПОГРАНИЧНОГО СЛОЯ АТМОСФЕРЫ ЗЕМЛИ И ЧИСЕЛ ВОЛЬФА С ПОКАЗАТЕЛЯМИ ЗДОРОВЬЯ ЧЕЛОВЕКА И.А. Лещев (Владимирский государственный университет им.=А.Г.=и Н.Г.=СтолетовыхF= Научный руководитель – д.

т.н.I доцент Л.В. Грунская (Владимирский государственный университет им.=А.Г.=и Н.Г.=СтолетовыхF= == На физическом полигоне кафедры общей и прикладной физики Владимирского= государственного университета с= NVVV= года осуществляется непрерывный мониторинг= электромагнитных полей инфранизкочастотного диапазонаI= метеофакторов и радиационного= фона.= Подобные исследования проводятся для выявления взаимосвязей электромагнитных= полей пограничного слоя атмосферы с рядом геофизических процессов и показателями= здоровья человека.= Совместно с Медико-санитарной частью МВД России по Владимирской= области проводится анализ влияния воздействия космических и геофизических факторов на= дорожно=–=транспортные происшествия по Владимирской области.= = ONO= = Таблица. Коэффициенты корреляции с вероятностью ошибки Р для количества ДТП, погибших, раненных в результате ДТП по Владимирской области и напряженности электрического поля Земли, геомагнитного полем, чисел Вольфа за 2001 год = Даты= Коэф.=коррел.= Р ДТП и электрическое поле Земли= OU.MS–OQ.MT= –MIQR= MIMO= ДТП и геомагнитное поле= OU.MS–MU.MU= MIQM= MIMN= ДТП и Число Вольфа=EpF= OU.MS–OV.MU= MIQR= MIMMN= Погибшие в результате ДТП и Число= NV.MT–NV.MV= –MIQS= MIMMN= Вольфа=ENF= Раненные в результате ДТП и Число= NV.MT–NV.MV= MIPV= MIMN= Вольфа=EpF= Как можно видеть из таблицы на отдельных временных интервалах существует= значимая корреляция между количеством ДТПI= погибших и раненных в результате ДТП по= Владимирской области и напряженностью электрического поля ЗемлиI=геомагнитным полемI= числами Вольфа.= = Работа осуществляется при поддержке гранта РФФИ= NN-MR-VTRNUI= ФЦП= №=NQ.TQM.NN.MQMTI=ФЦП №=NS.TQM.NN.MNUR=и ГЗ №=R.OVTN.OMNN.= = УДК=RT.MUT.NEUUF= = АЛГОРИТМ ОБРАБОТКИ ДАННЫХ ДЛЯ СИСТЕМЫ РЕСПИРАТОРНОГО МОНИТОРИНГА АКСЕЛЕРОМЕТРИЧЕСКОГО ТИПА А.Н. Никитенко Научный руководитель – д.т.н.I профессор И.К. Мешковский == Введение. В настоящее время в повседневной жизни все чаще и чаще начинают= применяться системы фоновой поддержки и мониторинга жизнедеятельностиI= так= называемые= AAi-системы= EAmbient= assisted= livingF.= Одна из областей применения= –= мониторинг характеристик организма с возможностью накопления и дальнейшей передачи= собранной информации.=Применение таких систем позволяет существенно сократитьI=а то и= вовсе отказаться от пребывания в стационаре при медицинских обследованиях.= Актуальность разработок в области создания дистанционных комплексов для= мониторирования важнейших биологических характеристик организма не вызывает= сомнений.= Важной задачей при создании подобных комплексов является разработка= оптимальных алгоритмов обработки данных.= = Постановка задачи.= Основная задача= –= создание алгоритма обработки= акселерометрических данных с целью получения информации о дыхании у больных с= центральным/обструктивным апноэ= Eпериодическая длительная остановка дыхания во снеF.= Методика дыхательного мониторинга= –= акселерометрическаяW= регистрация ускорения= движения грудной клетки.= = Промежуточные результаты. В ходе работы была исследована применимость= различных математических моделей для наилучшего выделения дыхательного сигнала.= Наилучший результат показали модели= –= full= angle= и= eybrid= mCA.= Освоен аппаратный= комплекс для акселерометрического мониторинга= –= rpB-board= MMAUQRNn.= Проведен= экспериментальный сбор данных с последующей обработкой на выявленных моделях.== == = ONP= = Основные результаты. В результате работы исследованы три основных методики по= обработке акселерометрических данныхW= cull= angleI= mCAI= eybrid= mCA.= Синтезирован= оптимальный алгоритм для использования в системах мониторинга.= = = УДК=RT.MRWSNO.OVWRP.MUO= = МОДЕЛИРОВАНИЕ ДВИЖЕНИЯ ВОЗДУХА В НОСОВЫХ КАНАЛАХ ЧЕЛОВЕКА А.А. Воронин Научный руководитель – д.т.н.I доцент Г.Н. Лукьянов = Последние десятилетия отмечены стремительным развитием медициныI= которое= проявляется в совершенствовании материально-технической базы по части леченияI=а также= диагностики широкого спектра заболеваний.= Интенсивное внедрение высокоточных= приборов и устройств позволяет во многих случаях свести к минимуму прямое участие= человека в различных медицинских операцияхI=снижаяI=тем самымI=вероятность влияния так= называемого=«человеческого фактора»=на их результат.= Однако по-прежнему существует ряд= хирургических операцийI= результат проведения которых зависит исключительно от= индивидуальной подготовки оперирующего специалиста.= ТакI= операцияI= состоящая в= изменении формы внутренней перегородки носаI= требует от хирурга механического= изменения поверхностей внутренних носовых каналовI= находящихся на расстоянии менее= N=мм от близлежащих отделов головного мозга.=Таким образомI=механическая ошибка в=N=ммI= допущенная лечащим специалистомI=может стоить человеку жизни.= Избежать ошибок подобного рода может помочь наличие некоторой виртуальной= модели внутренних носовых каналов пациентаI= включающей в себя геометрические= параметры носовой полостиI=а также физическую модель движения в ней потока воздуха.=В= таком случае врач мог бы внести запланированные изменения в описанную модель и затемI= после повторного моделированияI= увидеть результат своих действий в виде измененных= параметров движения воздушного потокаI=лишь после достижения приемлемых результатовI= на виртуальной модели приступая к реальной операции.=В таком случае хирургу может быть= известна необходимая точная траектория надрезаI= котораяI= учитывая индивидуальные= особенности пациентаI= может привести к планируемым результатам при условии полной= безопасности для здоровья пациента.= Настоящая работа посвящена созданию такой виртуальной модели внутренних носовых= каналов человекаI=состоящей из трехмерной геометрической модели стенок носовой полостиI= а также физической модели течения воздуха.= Трехмерная геометрическая модель внутренних носовых каналов была получена в= результате обработки данных компьютерной томографии черепной коробки человека при= помощи специализированного программного комплекса=Mercury=Amira.= Далее осуществлялся трансферт полученной геометрической модели в программный= комплекс=AnsysI=производилось построение нерегулярной сетки конечных элементов.= Следующими этапами настоящего исследования стали формулирование и последующее= решение гидродинамической и тепловой задач для движения воздуха в рамках построенной= геометрической модели.= Гидродинамическая задача для описываемого случая состоит в= решении системы нестационарных нелинейных дифференциальных уравнений Навье СтоксаI=результатом которого являются поля скорости и давления воздуха в носовых каналах= человека.= Суть термодинамической задачи состоит в решении системы уравнений энергии= для движения воздухаI= результатом которого является получение полей температур и= коэффициентов теплоотдачи вдоль поверхности внутренних носовых каналов.= Решение описанных задач связаноI=прежде всегоI=с двумя основными трудностямиW= N. сложность математической формулировки и последующего решения задачиX= = ONQ= = O. недостаток вычислительной мощности ЭВМ.= Указанные препятствия до настоящего времени в полной мере не были преодоленыW= были получены решения гидродинамической и тепловой задачI= опирающиесяI= однакоI= на= значительно упрощенные параметры исходной геометрической модели.=Поэтому результаты= расчетаI= имеющиеся на данный моментI= имеют лишь некоторое прикладное значение в= рамках настоящей работы и не могут быть использованы для практической реализации= поставленной широкой задачи по построению механизма проведения виртуальной операции.= Основные результаты работыI=достигнутые к настоящему моментуW= - создана трехмерная геометрическая модель внутренних носовых каналов человека= на основе данных компьютерной томографии черепной коробки пациентаX= - разработан алгоритм обработки данной геометрической модели с целью= последующего расчета параметров движения воздуха внутри носовых каналов= методом конечных элементовX= - осуществлено решение тепловой и гидродинамической задачи для течения воздуха= внутри носовых каналов человека в первом приближении посредством программного= пакета=AnsysX= - проанализированы полученные результаты.= = = УДК=MMQ.VPO.T= СОВМЕЩЕНИЕ МУЛЬТИМОДАЛЬНЫХ ТОМОГРАММ НА ОСНОВЕ МЕТОДА КАННИ В.М. АргуноваI О.И. Трофимова Научный руководитель – к.т.н.I доцент А.О. Казначеева = За последние годы совершенствование аппаратуры и программного обеспечения= медицинских томографов позволило значительно повысить результативность исследований.= Дополнительную информацию можно получать путем постобработки и совмещения= томограммI=полученных с использованием различных физических принципов.=Локализацию= активных областейI=обнаруженных при позитронно-эмиссионной томографии=EПЭТF=сложно= определить из-за отсутствия привязки к анатомическим структурамX= компенсировать этот= недостаток можно совместив их с данными компьютерной томографии= EКТFI= имеющими= высокое разрешение.= ПЭТ/КТ-сканеры реализуют идентичное позиционирование объекта и= автоматизацию совмещения изображенийI=однако из-за высокой стоимости такие томографы= не распространены.= Магнитно-резонансная томография= EМРТF= позволяет варьировать= контрастность тканей на изображенияхI= обеспечивая высокую специфичность метода.= Сложность МРТ-сканера и чувствительность метода к помехам различного рода существенно= усложняет создание МРТ/ПЭТ или МРТ/КТ системI= поэтому совмещение таких томограмм= возможно только с помощью специализированных программных пакетов.= В общем случае задача совмещения изображений заключается в нахождении= пространственного и яркостного преобразованийI= обеспечивающих совпадение= соответствующих точек двух изображений.= Универсального алгоритма совмещения= томограмм не существует в силу отличия входных данныхI= которые должны отвечать= жестким требованиямW= идентичность срезовI= положения объектаI= пространственного= разрешенияI=однозначность распознавания характерных признаков на совмещаемых данных.= Разработка программного средстваI=позволяющего объединить частные случаиI=и тем самым= расширить область его использования за счет снижения требований к входным даннымI= является актуальной задачей.= Целью работы является разработка алгоритма совмещения= пакетов изображенийI= получаемых на диагностических установкахI= имеющих различные= физические принципы действия с использованием метода выделения границ.

= = ONR= = Существующие программные пакеты для совмещения изображений предназначены для= узких областей.= Пакет= mercukav= EmhilipsF= для хирургии позволяет совмещать изображения= мягких тканей с устройств различной модальности= EУЗИI =КТI =МРТI =ПЭТF =в реальном= времени.=В пакете=Matlab=имеются инструменты совмещения=Etavelet=ToolboxI=fmage=cusionFI= однако они требуют идентичности размеров входных изображенийI= матрицI= положения= объектаI=и не работают с форматом=afClMI=используемым в медицинской диагностике.= Реализация совмещения может включать использование метода сегментацииI= выделения границI=построение структурного описания изображения и др.=Выделение границ= методом Канни на основе градиента заключается в последовательном применении= гауссовской сглаживающей фильтрацииI=нахождении градиентов яркости в каждом пикселе с= использованием двух пороговI= нахождении максимальных пикселейI= гистерезисной= фильтрации максимальных пикселей.= Алгоритм на основе метода Канни оставляет внутри= найденных контуров только точкиI= соответствующие максимуму градиента изображенияI= удаляя точки вблизи границы.= Для удаления последних используется информация о= направлении границыI= что обеспечивает непрерывность найденных контуров вблизи= локальных максимумов градиента.= Затем с помощью двух порогов удаляются слабые= границыW= если значение градиента на анализируемом фрагменте превышает верхний порогI= такой фрагмент остается= «допустимой»= границей и в тех областяхI= где значение градиента= ниже этого порогаI= но не выходит за нижний порог.= Если значения ни одной из точек= анализируемого фрагмента не превышают верхний порогI= то фрагмент удаляется.= Такой= гистерезис позволяет снизить число разрывов найденных границ.=Достоинства метода Канни= заключаются в устойчивости к шуму благодаря использованию метода Гаусса и возможности= с высокой точностью выделить границы небольших объектов на томограммах с высоким= разрешением.= Предлагаемый в работе алгоритм совмещения томограмм основан на поиске границ= объекта и отдельных анатомических областей заданной плотности.= Автоматическое= выделения границ на= TO-взвешенных МР-изображениях сопровождалось выделением не= только контуров объектаI=но и множественных областей с высоким сигналом от жидкости.=В= этом случае для обработки томограмм алгоритм включал предварительный анализ= гистограммы и изменение контраста исходного изображения путем отсечения значений ниже= полученного экспериментально порога= L=MIS.= Затем выполнялась обработка с адаптивным= порогомI=в результате которой получали бинарное изображениеI=и обработка изображения по= яркости методом Канни с пороговой величиной= MITRI= экспериментально полученной для= томограмм головного мозга.= Апробация алгоритма выполнена на сериях томограмм головного мозга добровольцаI= полученных на КТ-сканере= iightppeed= и МРТ-сканере= bxcite= ea= NIR= Тл= Edeneral= blectricF.= МР-изображения различной взвешенности получены с толщиной среза=th===NIN=ммI=матрицей= ORSORSI=полем сканирования=cOV===OSMOSM=ммX=КТ-изображения получены с параметрами th===P=ммI= RNORNOI= cOV===OOMOOM=мм.= Изображения брюшной полости были получены на= ПЭТ/КТ-сканере=aiscovery=Edeneral=blectricF.= Протокол исследования для ПЭТ-изображений= имел параметры= th===P=ммI= NOUNOUI= cOV===RMMRMM=ммX= для КТ-изображений= –= th===R=ммI= RNORNOI= cOV===QUMQUM=мм.= Полученные КТ-изображения использованы для выделения= костных структурI=на МР-изображениях выделяли мягкие ткани.= Предлагаемый алгоритм осуществляет преобразование матриц изображений с учетом= найденных границ по плотности мягких тканей и работает с данными в формате=afClM.=В= случае КТ-изображения в поле совмещения попадал подголовникI= используемый для= исследований головного мозгаI= что требовало введения поправочных коэффициентов= середины и ширины окна для поиска границ объекта.=После геометрических преобразований= выполнялось совмещение изображений с требуемой точностьюI= а также осуществлялись= яркостные преобразованияI= учитывающие специфику методов получения изображений.= Поправочный коэффициент яркости находится автоматически для каждого изображения.= = ONS= = Оценка точности совмещения проводилась на основе совпадения выделенных краев= структур и характерных точек пары изображений.= В случае совмещения ПЭТ и КТ изображений брюшной полости алгоритм в ряде случаев не корректно находил края объектаI= что связано с наличием объекта высокой плотности= EКТ столаF =и необходимостью= дополнительной коррекции аттенюации в ПЭТ.= Аналогичная проблема возникала при= совмещении МР-= и КТ-изображений головного мозга.= Использование дополнительной= пороговой фильтрации КТ-изображений позволило достичь точности совмещения= MIQT= ммI= достаточной для большинства прикладных задач.= При совмещении последовательных МР изображений позвоночника в ряде случаев предлагаемый алгоритм обнаруживал границы= мелких структурI=что снижало точность совмещения.= Предлагаемый в работе алгоритм совмещения томограмм позволяет минимизировать= потериI= связанные с различным пространственным разрешением исходных изображений и= необходимостью коррекции яркостных шкал.=Эффективность работы алгоритма повышается= при использовании данных с пространственным разрешением не ниже=NIO=мм.= Дальнейшие= исследования в данной области связаны с оценкой эффективности использования= предлагаемого алгоритма для совмещения изображений различных анатомических областей= и анализом влияния характеристик изображений на точность совмещенияI= что позволит= разработать универсальную методику.= = = УДК=MMQ.VPQ.O= = ПРИМЕНЕНИЕ АППАРАТА НЕЛИНЕЙНОЙ ДИНАМИКИ ДЛЯ РАСПОЗНАВАНИЯ ЭМОЦИОНАЛЬНОГО СОСТОЯНИЯ ЧЕЛОВЕКА ПО РЕЧЕВОМУ СИГНАЛУ К.В. Сидоров (Тверской государственный технический университетF= Научный руководитель – д.т.н.I профессор Н.Н. Филатова (Тверской государственный технический университетF= = На современном этапе развития информационных технологий разработка методов и= систем распознавания эмоционального состояния=EЭСF=человека по речевому сигналу=EРСF=с= помощью аппаратно-программных средств является актуальной задачейI= позволяющей= решить ряд проблем в области медицины и вопросах безопасности.=Интерес к распознаванию= ЭС по РС обусловлен темI=что данный анализ является неконтактным и при необходимости= скрытым от испытуемого.= СистемыI= построенные на таком анализеI= могут использоваться= при создании неинвазивных средств объективной диагностики и мониторинга и могут быть= применены для протезирования речевого аппарата человека.= В настоящее время в Тверском государственном техническом университете активно= ведутся разработки системы диагностики ЭС человека по образцам естественного= (натуральногоF=РС с использованием методов нелинейной динамики.=Речевой тракт и процесс= речеобразования представляют собой нелинейную диссипативную системуI= что дает= возможность применять методы нелинейного анализа к РС.= В работе рассмотрена задача классификации образцов РС с различным эмоциональным= оттенком.= При решении поставленной задачи использовались методы обработки сигналов и= теории динамического хаоса для исследования количественных и качественных= характеристик естественного РС человека с целью оценки его ЭС= –= рассмотрены фазово пространственная реконструкция=EаттракторF=и рекуррентный график.= В работе приведены результаты нелинейного анализа участков образцов естественной= речиI= которые получены при двух различных эмоциональных= Eрадость и нейтральноеF= состояниях испытуемых.= Такой выбор обусловлен интересами дальнейшего применения= разрабатываемой технологии.= В качестве исходных сигналов были взяты образцы= = ONT= = естественной русской речи пяти человекI=обладающих нормальной дикцией и эмоциональной= выразительностью голоса.=Следует особо отметитьI=что в полученных образцах имеет место= свободноеI=т.е.=не наигранное и не скрываемоеI=проявление эмоций.=Выделенные участки РС= –= вокализованные фонемы= Eгласные звукиF= были проверены на наличие хаотической= динамикиI= т.е.= на возможность применения к ним методов нелинейной динамики.= Для= проведения исследований была построена экспериментальная выборка параметрических= описаний РСI= включающая обучающие выборки ОВN= ENU= записей русских предложенийF= и= ОВO=ENUM=гласных фонемI=полученных из ОВNF.= В результате исследований получены следующие результаты.= N. Разработаны требования к информационному обеспечению комплекса.=ПоказаноI=что= для исследованийI= связанных с созданием модели эмоционально окрашенной речи= необходимо располагать набором баз с образцами речиI= связанных иерархически.= Базы данных первого уровня должны включать образцы живой речи от разных= дикторов.= Каждый диктор должен создавать на базе одного нейтрального образца= несколько клонов с различными эмоциональными оттенками.=На основе каждой базы= данных первого уровня автоматически формируются базы данных второго уровня= (фонемF=и базы данных третьего уровня=EсегментовF.= O. Разработана методика расширения баз данныхI= а также алгоритмы и программы= автоматической генерации объектов для баз данных комплекса.=Сформированы базы= данных из образцов русской речи.= P. Предложены методикаI= алгоритм и программа анализа образцов речи методами= нелинейной динамикиI= позволяющая получить количественную и качественную= оценку эмоций в РС.= Q. Проведен нелинейный анализ обучающих выборок ОВN= и ОВO= на основе= исследования аттрактора.= УстановленоI= что форма аттрактора существенно зависит= от временной задержкиI= каждой траектории аттрактора соответствует определенная= частота РСI= при увеличении которой происходит уплотнение траекторииI= выявлена= прямо пропорциональная взаимосвязь между амплитудой сигнала и разбросом= траектории.= Анализ геометрии полученных визуальных изображений показалI= что= наблюдается взаимосвязь геометрии аттрактора с видом эмоции.

= УстановленоI= что= эмоция радости по сравнению с нейтральным состоянием имеет меньшую= траекторию разброса аттрактора.== R. Предложен новый признакI= определяемый по результатам исследования аттрактораI= который существенно снижает размерность описаний речевых образцов и позволяет= осуществлять количественно сравнение аттракторовI= несущих разные эмоции= -= максимальный вектор аттрактора по четырем квадрантам.= УстановленоI= что эмоция= радости по сравнению с нейтральным состоянием имеет меньший максимальный= вектор аттрактора иI=следовательноI=меньшую траекторию разброса.= S. Проведен нелинейный анализ обучающих выборок ОВN= и ОВO= на основе= исследования рекуррентного графика.= Результаты позволяют судить о томI= что есть= существенные различия в полученных рекуррентных графиках РС.= Для эмоции= радости характерно наличие большого скопления точек по всему квадрату= рекуррентного графикаI= в то время как нейтральное состояние характеризуется= меньшей рекуррентностью= Eповторяемостью траекторий в пространствеF.= Рекуррентный график нейтрального состояния состоит большей частью из= неравномерного распределения отдельных точек.= Исследования показали высокую эффективность метода определения изменений в ЭС= человека на основе анализа РС.= Анализ признаков нелинейной динамики на основе анализа= русских записей позволил выделить ряд параметров с наибольшей эффективностью= классификации состояний радость и нейтральное состояние.= ВозможноI= это связано с темI= что классифицировались только лишь два ЭС.= Достоверность вычислений проверялась= = ONU= = статистической значимостьюI= а также сравнением с результатамиI= полученными другими= методами и средствами.= Изменяющиеся во времени параметры нелинейных характеристик= РС дают динамическую картину изменения ЭС человека.= = = УДК=SMO.QWSOU.PRWSSQ= = ПЕЧАТНЫЕ ЭЛЕКТРОДЫI КАК ОСНОВА АМПЕРОМЕТРИЧЕСКОГО БИОСЕНСОРА ДЛЯ АНАЛИЗА БРОДИЛЬНЫХ СРЕД С.С. КаманинI В.А. Арляпов (Тульский государственный университетF= Научный руководитель – к.хим.н.I доцент В.А. Алферов (Тульский государственный университетF= = В последние годы все более пристальное внимание уделяется разработке экспрессных= методов анализаI= характеризующихся высокой доступностьюI= и вместе с тем обладающих= достаточными уровнями чувствительности и избирательности.= В связи с этим печатные= электроды являются одной из наиболее актуальных и перспективных технологий= конструкции биохимических электродов.= Преимущество рассматриваемой технологии= состоит в миниатюрности создаваемых датчиковI= их многофункциональностиI= низкой= стоимости и возможности массового производства.= Целью работы= –= разработка макета биосенсора на основе печатных электродовI= модифицированных берлинской лазурьюI= с иммобилизованным ферментом= глюкозооксидазой=EГОF=для определения глюкозы.= В результате выполнения работы были разработаны амперометрические сенсоры для= анализа следовых количеств глюкозы в пробах.= Стабильные биорецепторные элементы= получены при иммобилизации фермента в золь-гель тетраэтоксисилана= EТЭОСF= с поливиниловым спиртом=EПВСF= и в агаровый гель.= Диапазон определяемых концентраций= для биосенсора на основе ГОI= иммобилизованного в матрицу золь-гель= EТЭОСF= с ПВС= составил=N–S=мкмоль/лI=а для биосенсора на основе ГОI=в агаровом геле=–=PIS–SIP=мкмоль/л.= Долговременная стабильность сенсора на основе ГОI= иммобилизованной в агаровый гельI= составила=O=сутокI=а долговременная стабильность сенсора на основе ГОI=иммобилизованной= в матрицу золь-гель= EТЭОСF= с ПВСI= составила= Q=сутокI= при этом сигнал сохранялся= практически на одном уровне.= Проведен анализ реальных образцов с использованием разработанных электродов.= Полученные значения совпадают со значениямиI= полученными референтным методом= анализа=Eтитриметрический методF=с учетом доверительных интервалов.= Благодарности.= Работа выполнена при поддержке ФЦП= «Научные и научно педагогические кадры инновационной России»= на= OMMV–OMNP= годыI= госконтракт= №=NS.TQM.NN.MTSS.= = = ONV= = УДК=RPR.PPHRNV.SQO.PHRNT.VUP.RQHRNV.SUO= ВОССТАНОВЛЕНИЕ НЕПРЕРЫВНЫХ СПЕКТРОВ СПОСОБОМ ВЫЧИСЛИТЕЛЬНЫХ ЭКСПЕРИМЕНТОВ А.В. Кривых Научный руководитель – д.т.н.I профессор В.С. Сизиков Вступление. Спектральный анализ широко используется для качественного и= количественного исследования веществ.= Областями его применения являютсяW= физикаI= астрофизикаI=томографияI=механикаI=металлургияI=химия и т.д.= Под спектром подразумевается зависимость интенсивности излучения от частоты.= Спектры бывают непрерывныеI=дискретныеI=полосатые и комбинированные.=Для разложения= излучения в спектр и его регистрации используются оптические спектральные приборы.= Чтобы повысить разрешающую способность спектрометраI= а значитI= и качество= спектрального анализаI= можно использовать физико-технико-коммерческий путь= (использовать более совершенный и дорогой спектрометрF= или более экономичный= математико-компьютерный путь=Eвыполнить обработку результатов измеренийF.= = Цель работы является разработка методики и программного обеспечения для= обработки непрерывных спектров= Eрешения обратной задачи спектроскопии= –= восстановления истинного непрерывного спектра по измеренному спектру и известной= аппаратной функции спектрометраF= путем решения интегрального уравнения Фредгольма= f= рода методом регуляризации Тихонова с использованием способа вычислительных= экспериментов в рамках системы=Matiab.= = Постановка задачи. Измеренный спектрометром спектр обычно отличается от= истинного спектраI= во-первыхI= большей сглаженностью= Eнеразрешены близкие линииI= заглажена тонкая структура спектральной линии= –= результат воздействия аппаратной= функции спектрального прибораFI= аI= во-вторыхI= зашумленностью= Eслабые линии= «тонут»= в= шуме=–=результат случайных погрешностей измеренийF.= В случае непрерывного спектраI= когда искомый спектр есть кусочно-непрерывная= функцияI= задача восстановления истинного спектра описывается интегральным уравнением= Фредгольма= f=родаI= задача решения которого является некорректной.= Поэтому для его= устойчивого решения необходимо применение устойчивых методовI= напримерI= метода= регуляризации Тихонова.= При этом важным является вопрос о выборе параметра= регуляризации.= Существует ряд способов его выбораI= но в данной работе предлагается= использовать способ вычислительных экспериментов.= = Методика решения задачи. Способ вычислительных экспериментов основан на томI= что при решении некоторого исходного примера= m с неизвестным= EискомымF= решением= (спектромF= zm можно использовать результаты решения другого подобногоI= модельногоI= примера=n с известным=EзаданнымF=точным решением=EспектромF=zn.=При этом оптимальное= значение параметра регуляризации выбирается исходя из минимума относительной= погрешности восстановления модельного спектра=zn и используется при решении исходного= примера=m.= В рамках системы=MatiabT=разработано программное обеспечение для восстановления= непрерывных спектровI=реализующее способ вычислительных экспериментов.= = Промежуточные результаты. Был решен ряд примеровI= в которых у исходного= примера= EоригиналаF= m были известны лишь измеренный спектр= umI= в котором не= разрешались близкиеI= а также слабые линииI= и аппаратная функция= EАФF= спектрометра.= Оптимальное значение параметра регуляризации находилось путем решения модельного= = OOM= = примера=n=Eблизкого к примеру-оригиналуF.= Как и в модельном примереI=в исходном примере разрешились практически все близкие= и восстановились практически все слабые линииI= но в некоторых примерах проявился= краевой эффект Гиббса.=Однако это слабый эффект=Eна уровне погрешностей методаF.= = Основной результат и практические рекомендации. Таким образомI= решение= примеров демонстрирует достаточно высокую точность примененной методики= восстановления непрерывных спектров.=В результате имеет место повышение разрешающей= способности спектрометра путем математико-компьютерной обработки спектра.= Следует отметитьI=что примененный способ решения обратной задачи спектроскопии в= случае непрерывных спектров является универсальным и может быть использован для= восстановления спектров в различных областях= Eспектроскопия расплавленных металлов и= горячих газовI=спектроскопия астрофизических объектов=–=планетI=звездI=галактик и т.д.F.= = = УДК=RTT.OPWSOM.VR= = БИОТОПЛИВНЫЙ ЭЛЕМЕНТ НА ОСНОВЕ ИММОБИЛИЗОВАННЫХ КЛЕТОК GLUCONOBACTEo OXYaANp П.Р. МинайчеваI С.В. Алферов (Тульский государственный университетF= Научный руководитель – к.хим.н.I доцент В.А. Алферов (Тульский государственный университетF= = Одной из актуальных задач современной биоэлектрохимии является разработка= альтернативных источников электроэнергии.= Биотопливный элемент= = EБТЭF= –= устройствоI= которое непосредственно преобразует энергию микробного метаболизма в электричество= благодаря биокаталитическому окислению органических веществ.= Разнообразие субстратовI= которые могут быть окислены микроорганизмамиI= позволяет использовать в качестве= топлива достаточно широкий спектр веществI= а иммобилизация биоматериала на= поверхности электрода является необходимым условием при разработке биоанодов= многократного примененияI= что позволит создать на их основе биотопливные элементы= непрерывного=EпроточногоF=типа.= Целью работы являлась иммобилизация бактерий= dluconobacter=oxydans= в химически= модифицированный поливиниловый спирт=EПВСF=на активированных графитовых электродах= для их использования в макете биотопливного элемента.= ПоказаноI= что иммобилизация бактерий= dluconobacter= oxydans= в химически= модифицированный поливиниловый спирт на активированной поверхности графитового= электрода позволяет существенно повысить величину генерируемого потенциала и увеличить= удельную мощность БТЭ в= PM= раз по сравнению с использованием суспензии клеток= dluconobacter= oxydans= в анолите.= При изучении долговременной стабильности биоанода с= иммобилизованными бактериями= dluconobacter= oxydans= установленоI= что падение= генерируемого потенциала на= U-ой день в среднем составило= RMBI= что предположительно= связано с вымыванием клеток бактерий из пленки химически модифицированного ПВС. = Таким образомI= иммобилизация бактерий= dluconobacter= oxydans= в химически= модифицированный поливиниловый спирт позволяет получать биоаноды многократного= использованияI=что перспективно с точки зрения использования в БТЭ проточного типа.= = Благодарности. Работа выполнена в рамках гранта Президента Российской Федерации= для государственной поддержки молодых российских ученых= –= кандидатов наукI= договор= = №=NS.NOM.NN.QPQN=–=МК.= = = OON= = УДК=SNS.PNI=SNS.TT= = НОВЫЕ МОДЕЛИ ОПРЕДЕЛЕНИЯ БИОСОВМЕСТИМОСТИ МАТЕРИАЛОВ Е.А. Парфенцева (Самарский государственный медицинский университетF= Научный руководитель – д.мед.н.I профессор Э.М. Гильмияров (Самарский государственный медицинский университетF= = Несмотря на постоянную= «эволюцию»= в материаловедении до сих пор стоит важная= проблема материал-обусловленных неблагоприятных реакций.= На сегодняшний день= идеального в биологическом смысле материала пока не разработаноI= и все биоматериалы= имеют свойство в различной степени выделять вещества в окружающие ткани.= Это может= иметь разностороннее влияние на организм пациентаI= причем происходящие под= воздействием того или иного материала процессы могут прямо или косвенно потенцировать= реакции немедленного и замедленного типа.=Во врачебной практике на сегодняшний день по прежнему встречаются клинические ситуацииI= когда весьма затруднительно установить= причину развития патологического процесса.= Не требует доказательств тоI= что устранение= причины= = заболевания является залогом успешного лечения в медицине и проблема= определения биосовместимости материалов не теряет своей актуальности.= Целью работы было разработать новый специфический тест для оценки= биосовместимости стоматологических материалов.=Под специфическим тестом мы понимаем= возможность тест-модели имитировать подлинную клиническую ситуацию при применении= у него данного материала.= Для проведения работы были выбраны два стоматологических реставрационных= материала с принципиально разной структурой мономера.= Один из них представляет собой= истинный нанокомпозитI=а другой=–=материал на основе молекул оксирана и полисилоксана.== Материалом для исследования служили кровь и ротовая жидкость.= Влияние= метакрилата и оксирана оценивалось после инкубации= PM= мг материала с биологической= жидкостью.=В качестве контроля служили=NT=образцов нативной крови и=NQ=образцов ротовой= жидкости соматически здоровых людей.=Исследования крови проводились с==использованием= автоматического гематологического анализатораI= ротовой жидкости= –= с помощью= спектрометра=merkin=blmer=iambda=OM.= В результате проведенных исследований было обнаружено разрушение форменных= элементов крови по сравнению с контрольной группой= рYMIMR.= Большее разрушение= эритроцитов наблюдалось в экспериментальной группеI= на которую воздействовали= пломбировочным материалом на основе метакрилатаI= что может свидетельствовать о его= большей цитотоксичностиI=по сравнению с оксираном.=При изучении ротовой жидкости как= биологической моделиI= обнаружено повышение активности ферментов ротовой жидкости и= результаты в двух моделях коррелируют между собой в зависимости от используемого= материала.= Таким образомI =исходя из полученных данныхI =можно сделать вывод= – =химическая= структура биоматериала определяет его цитотоксичностьI=что необходимо учитывать при==его= клиническом использованииI= а кровь и ротовая жидкость могут быть использованы как= модели для определения биосовместимости материалов.= = OOO= = МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ И МАТЕМАТИЧЕСКАЯ ФИЗИКА = УДК=RNVKU= = МОДЕЛИРОВАНИЕ ПРОЦЕССА РАСПРОСТРАНЕНИЯ ЛЕСНОГО ПОЖАРА С ПРИМЕНЕНИЕМ ВЕРОЯТНОСТНОГО ПОДХОДА С.А. Астафьев Научный руководитель – д.т.н., профессор В.М. Мусалимов = Проблема лесных пожаров является очень актуальной для РоссииK= В Российской= Федерации лесной фонд занимает примерно=TMB=всех земельK=В борьбе с пожарами важную= роль играет их раннее обнаружение и прогнозирование распространенияK== Наблюдение с воздуха при использовании беспилотных летательных аппаратов дает= возможность в короткие сроки охватить значительные территорииI= предоставляет= актуальную информацию о расположении=возможных и действительных очагов возгоранияK= Целью работы является разработка программы для моделирования процесса= распространения лесного пожара от очага возгорания с течением времениI= на основе= информации о скорости и направлении ветра и данныхI= полученных по результатам= обработки аэрофотоснимков местностиK= Программно-аппаратный комплекс мониторинга и прогнозирования лесного пожара= (ЛПFI= в составе которого может быть использована программаI= должен применяться в= подразделениях МЧС с целью экстренного планирования оптимальных мероприятий по= ликвидации пожара по итогам прогнозирования изменений контура возгорания и площади= пожараK= При разработке модели распространения лесного пожара были применены положения= традиционной методики МЧСI= в которой для оценки состояния пожарной опасности= погодных условий в лесах используется комплексный показательI= учитывающий основные= факторыI=влияющие на пожарную опасностьK=Характер распространения ЛП в направлениях= фронтаI= тыла и флангов в достаточной степени изученI= и соответствующие скорости= распространения огня можно получить из=«методики»K=Эти скорости определяются исходя из= статистических данных лесных хозяйств России за определенный промежуток времени=xNzK= В результате обработки аэрофотоснимка местности возможноW= - разбиение аэрофотоснимка на отдельные зоны=EячейкиFX= - применение алгоритма обработки изображения с цветовым распознаванием в= odB= пространствеK=Важной особенностью для выделения огня на фоне других близких по= цвету объектов являются его динамические характеристикиK= Для решения задачи= фильтрации по временному изменению интенсивностиI= необходимо перейти к= цветовому пространству=eps=EтонI=насыщенностьI=яркостьFX= - сопоставление характеристик ячеек с вероятностью распространения огня через нихI= получение образа перколяционной решетки= –= матрицы показателей вероятностей= распространения пожараK=Подобную матрицу при условии ее координатной привязки= к аэрофотоснимку в дальнейшем возможно использовать при определении скоростей= распространения кромок пожара в различных направленияхK= Термин перколяция изначально использовался для противопоставления диффузии= –= в= случае перколяции речь идет о регулярном движении= EнапримерI= течении жидкостиI= или= распространении огняF= в случайной средеK= Теория перколяции находит применение в= следующих задачахW=описание процесса полимеризации=–=образования геляX=распространение= эпидемийX=описание процесса распространения пожара=Eзадача связейF=xOzK= Макет программы для моделирования процесса распространения ЛП разработан в= = OOP= = пакете=jatiabI=так как он ориентирован на работу с матрицамиK= Исходными данными для моделирования являютсяW=скорость ветра и направление ветра= относительно условного= «нулевого»= направленияI= связанного с геопривязанным= аэрофотоснимкомI= вид пожара= Eнизовой или верховойFI= класс горимости= Eпреимущественно= хвойный лесI= либо лиственныйFI= класс пожарной опасности погоды рассчитанный по= «методике»I= масштаб ячейкиI= используемой в моделиI= матрица вероятностей= распространения огняI=координаты очага возгоранияI=длительность времени прогнозаK= Перколяционный подход к прогнозированию распространения пожара состоит в= вычислении матриц скоростей распространения пожара в направлении= MI= 4RI= VMI= NPRI= NUMI= OORI= OTM= и= PNR= градусов с учетом влияния вероятности распространения огня в заданном= направленииK= Данный подход основан на поэлементном перемножении матриц скоростей и= матрицы вероятностей распространения огняI= смещенной на одну ячейку в одном из= заданных=UJми направленийK= Выходными данными программы являютсяW= визуализированная матрица пожара= EM= –= отсутствие огняX= N= –= наличие огняFI= матрица времен возгорания отдельных ячеек= относительно времени начала пожара= EсFI= площадь пожара= EмOF= –= произведение количества= ячеекI=охваченных огнемI=на квадрат масштабного коэффициентаI=равного стороне ячейкиK= При использовании полученной матрицы пожара в качестве одного из слоев в= геоинформационной системе возможно получить картину пожара с учетом пространственной= привязки к ортофотоплану местностиK= Применение теории перколяции в процессе моделирования распространения ЛП= позволяет учесть неоднородность местностиK= В случае наличия на пути пожара таких= объектовI= как рекиI= озераI= дорогиI= просекиI= противопожарные рвыI= болота и т.пKI= скорость= продвижения пожара в заданном направлении может значительно отличаться от= среднестатистическойI=тем самым формируя индивидуальную форму кромки пожараK= = Литература NK Шахраманьян М.АKI= Нигметов Г.МK= Методика оперативной оценки последствий лесных= пожаровK=МKW=–=ВНИИ ГОиЧСK=OMMNK=–=PO=сK= OK Тарасевич Ю.ЮK= ПерколяцияW= теорияI= приложенияI= алгоритмыW= Учебное пособиеK= –= МKW= Едиториал УРССI=OMMOK=–=NNO=сK= = = УДК=RPVKP= ОБ ИЗУЧЕНИИ НАПРЯЖЕННО-ДЕФОРМИРОВАННОГО СОСТОЯНИЯ СЛОИСТЫХ ЦИЛИНДРИЧЕСКИХ ТЕЛ А.Е. Бекаев (Международный казахско-турецкий университет имK=Х.АK=ЯсавиI=ТуркестанI=КазахстанF= Научный руководитель – д.ф-м.н., профессор М.Ж. Жумабаев (Международный казахско-турецкий университет имK=Х.АK=ЯсавиI=ТуркестанI=КазахстанF= = Слоистые конструкции изготовленные из материалов с разными теплофизическими и= механическими характеристиками находят широкое применениеK=В таких конструкцияхI=из-за= разности коэффициентов температурного расширения даже при равномерном изменении= температуры возникают температурные напряженияK= Такие напряжения возникаютI= и при= изготовлении композиционных конструкции в процессе охлаждения от температуры= изготовления до нормальнойK= Во время эксплуатаций происходят такие же процессы= xN–PzK= СледовательноI= задачи исследования напряженно-деформированного состояния= EНДСF= слоистых конструкции имеющих форму многослойного цилиндра являются= актуальнымиK= Цель работы исследовать НДС многослойных цилиндрических тел из разных материаловI= = OO4= = находяшихся в температурном поле при различных внешних нагрузкахK= При проведении= исследовании были использованы уравнения математической теории упругостиK= При этом= учтены изменения свойств материалов от уровня температурыK== Когда слоистые конструкции имеют форму цилиндраI= в предположенииI= что= деформирование является упругимI= а свойства материала слоев существенно не зависят в= рассматренных пределах изменения температурыI=получены аналитические решения краевой= задачиI= сформированной для определения НДС многослойных цилиндровK= Когда свойства= материала слоев зависят от уровня температурыI= построены алгоритмы решения задач НДС= многослойных цилиндровI= находящихся в температурном полеK= Для случаевI= когда слои= деформируются пластическиI= разработаны алгоритмыI= которые позвояют исследовать НДС= многослойных цилиндров и изучить влияние геометрическихI=физических и технологических= параметровK= Обсуждаются результаты выполненных численных результатовK= НапримерI= показаноI= что в слоях с низкой теплопроводностью реализуются температурные поля с большими= градиентамиI= что при определенной жесткости соседних слоев может привести к высоким= уровням напряженийI= при которых обеспечение целостности конструкции может стать= трудной проблемойK=На основе разработанных алгоритмов и методовI=полученных решенийI= можно изучить проблемы обеспечения термобарьерных свойств составных конструкцийK= Основными результатами работы являются получение аналитических решении краевой= задачи в случае плоской задачи и разработка алгоритмов в случае трехмерной задачиK= Разработанные алгоритмы и методы позволяют решить многие прикладные задачи== = Литература NK Боли БKI=Уэйнер ДжK=Теория температурных напряженийK=–=МKW=МирI=NVS4K= OK Васильев В.ВK= Механика конструкций из композиционных материаловK= –= МKW= МашиностроениеI=NVUUK=–=OTO=сK= PK Молодцов Г.АKI= Биткин В.ЕK=и дрK=Формостабильные и интеллектуальные конструкции из= композиционных материаловK=–=МKW=МашиностроениеI=OMMMK=–=PRN=сK= = = УДК=MM4KMOP= = ПРИМЕНЕНИЕ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ ДЛЯ РЕШЕНИЯ ПРАКТИЧЕСКИХ ЗАДАЧ, ОСНОВАННЫХ НА ПОИСКЕ НАИЛУЧШИХ СТРАТЕГИЙ РЕШЕНИЯ Ю.С. Миров Научный руководитель – А.Е. Курасов Постановка задачи. Для большинства типов задач в математикеI= имеющих= решениеI=давно найдены алгоритмы его поискаK=Однако есть и класс задачI=которые хоть= и имеют точное решениеI= но все строгие алгоритмы для его отыскания либо не годятсяI= либо работают крайне долго и неэффективноK=К таким задачамI=напримерI=относятся=npJ полные задачиI= задачи оптимизации при специфических видах оценочной функцииI= задачи по поиску наилучших стратегийK= Для их решения практически эффективными= являются генетические алгоритмыK= Это эвристические алгоритмыI= работающие по= принципуI=схожему с процессом природной эволюции и естественного отбораK=Но так как= эти методы являются относительно новымиI=они все еще используется довольно редкоK== Таким образомI= вопрос исследования применения генетических алгоритмов для= решения задачI= не имеющих эффективных строгих методов решенияI= является= актуальнымK= = = OOR= = Целью работы является реализация и исследование эффективности и= возможностей генетического алгоритма для решения одной из вышеупомянутых задачK=В= качестве объекта исследования взята задача поиска наилучшего решения при игре в= покерK= = Базовые положения. Генетические алгоритмы=–=это методыI=появившиеся на стыке= математикиI=генетики и теории эволюцииK=Они представляют собой упрощенную модель= развития популяции особей по законам эволюции и естественного отбораI=переложенную= на язык математикиK= В них используются такие операцииI= как селекцияI= скрещиваниеI= мутацияI= вымираниеI= а также такие понятияI= как индивидI= популяцияI= хромосомаI= генI= приспособленностьK=Стоит особо отметитьI=что в качестве особей=EиндивидовF=выступают= различные решения поставленной задачиK= Игра в покер взята в рассмотрение из-за ее очевидной специфики неопределенности= отыскания верного действияK= В ней все многообразие вариантов обеспечивается за счет= наличия большого количества факторовI= влияющих на окончательно принимаемое= решениеK== = Промежуточные результаты. В ходе работы был проведен обзор уже= выполненных реализаций генетических алгоритмов для решения практических задач с= темI= чтобы выбрать еще нетронутую проблемуK= В продолжение этого была написана= программаI= моделирующая процесс игры в покер между двумя игрокамиI=в которой для= принятии каждого решения прогоняется генетический алгоритмK= На текущем этапе= разработки принимаемые программой решения являются приемлемыми с точки зрения= стандартных покерных принциповK= Но в дальнейшем планируется еще большая= модернизация за счет увеличения числа параметровI= влияющих на процедуру= генетического алгоритмаK= Помимо этого зародилась и получила начальную реализацию идея о возможности= использования генетического алгоритма для составления начальной популяции решений= этого же самого генетического алгоритмаK= Дальнейшими планами являются закрепление полученных результатов и развитие= новой вышеупомянутой идеиK= = = УДК=RNTKVPU= = ИНФОРМАЦИОННЫЕ ХАРАКТЕРИСТИКИ НЕИДЕАЛЬНОГО КВАНТОВОГО КАНАЛА С РАСПРЕДЕЛЕНИЕМ КЛЮЧА ПО ПРОТОКОЛУ ВВ8Q А.А. Сотникова Научный руководитель – д.ф.-м.н., профессор Г.П. Мирошниченко Протоколы квантовой криптографии обладают повышенной секретностью при передаче= ключа по квантовому каналуI= по отношению к классическим протоколамK= Важнейшими= характеристиками секретности протокола является пропускная способность канала с шумомI= шенноновское количество информацииK= Пропускная способность определяет максимальную= скорость передачи сигнала с учетом шума в каналеK= В данной работе изучаются информационные характеристики неидеального квантового= каналаI= под= «неидеальностью»= понимается наличие поглощения и деполяризации сигнала= при его передачеK= Рассматривается зависимость суммарной ошибки в генерации= криптографического ключа для протокола ВВU4= в зависимости от интенсивности шумов в= квантовом каналеK= Шумы канала промоделированы преобразованиями матрицы плотности= фотонаI= зависящими от случайных параметровI= описываемых нормальным законом= = OOS= = распределенияK= Пропускная способность будет рассматриваться при равномерном= распределении на входеK= В итоге представляется формула шенноновского количества информацииI= взаимной= информацииI=пропускной способности для просеянного квантового ключаI=распределенного= по протоколу=BBU4=с поляризационным кодированием информацииK=Формула проверяется с= помощью численного моделирования процесса генерации квантового ключа в присутствии= шумов в каналеK= Рассматривается эффективность взлома по протоколу= «перехват= –= ретрансляция»= при наличии шумов и оценивается максимальная длина каналаI= когда= перехватчик может быть обнаружен по статистике ошибок в просеянном ключеK= = = УДК=RNVKSUU= = МОДЕЛИРОВАНИЕ ПАРАМЕТРОВ РУССКОЙ РЕЧИ В СИСТЕМЕ СИНТЕЗА П.Г. Чистиков Научный руководитель – д.т.н., профессор Ю.Н. Матвеев= Краткое вступление, постановка проблемы. Анализ и синтез речи широко изучается= в последние годыK= Множество приложений и методов разработаны в этих областяхK= Увеличивающиеся объемы доступных речевых баз данных позволяют разрабатывать системы= синтеза речи на основе алгоритмов обучения=EподходI=основанный на речевом корпусеFK= В работе применяется подходI= основанный на скрытых Марковских моделях= EСММFI= для параметризации русской речиK= В качестве моделируемых параметров выбраны= спектральные характеристики=Eкоэффициенты=mfccFI=частота основного тона и длительность= речиK =Эти параметры легко могут быть расширены любыми другими с целью повышения= качества синтезируемой речиK= = Целью работы является выработка механизма для моделирования параметров речи и= ее генерации на основе текста применительно к русскому языкуK= = Базовые положения исследования. Архитектурно и логически систему синтеза можно= разделить на две частиW=построение модели голоса иI=непосредственноI=синтезK=Первая часть= включает в себя следующие этапыW= вычисление акустическихI= лингвистических и= просодических признаков для каждого аллофона из базы данныхX= обучение контекстноJ зависимых СММ-моделейX= кластеризация состояний СММ на основе лингвистических и= просодических признаковK= Синтезирующая часть представляет собой следующую= последовательность действийW= транскрибирование входного текста и вычисление= лингвистических и просодических характеристик для каждого аллофонаX= формирование= последовательности СММ-моделейX= генерация акустических параметров на основе= полученной моделиX=вычисление функции возбуждения и ее фильтрация с целью получения= итогового речевого сигналаK= = Промежуточные результаты. Неотъемлемой составляющей для построения системы= синтеза речи является выбор параметровI= обеспечивающих генерацию естественного= сигналаK= Такие параметры могут включатьI= напримерI= тип предыдущего/следующего= аллофонаI =слогаI =словаI =предложения и т.дK =Определение набора таких параметров для= определенного языка базируется на лингвистической и просодической информацииK=Помимо= теоретического подходаI=применяется также эмпирический анализ с целью выбора наиболее= информативных из нихK=ТакI=для русского языка было выбрано=T=аллофонныхI=NP=слоговыхI=U= словных и= P= синтагматических признакаI= таких какW= имя фонемыI= предшествующей= предыдущейX=имя предыдущей фонемыX=имя текущей фонемыX=имя следующей фонемыX=имя= = OOT= = фонемыI= следующей за следующейX= позиция текущей фонемы от начала слогаX= позиция= текущей фонемы от конца слога и т.

дK= Примеры синтеза показываютI= не вдаваясь в детали качества воспроизведения= аллофоновI= что ритмика фразы сохраняетсяK= Данный факт демонстрирует важную= характеристику основанного на СММ синтеза речиW= возможность имитировать= просодические характеристики корпусаI= который был использован при построении модели= голосаK= Несмотря на тоI=что для построения модели голоса достаточно небольшого количества= материалаI= недостаток элементов в базе данных существенно влияет на качествоK= Таким= образомI=процесс подготовки базы данных также очень важен для построения модели голосаK= = Основной результат. В данной работе представлен подход к генерации параметров= русской речиK= Принцип основан на методеI= в котором соответствующие параметры= извлекаются из скрытых Марковских моделейI= векторы наблюдений которых содержат= спектральные характеристикиI= значения основного тона и длительности речиK= Экспериментальные результаты показываютI= что русская речь может быть успешно= параметризована и произвольное предложение может быть синтезировано из полученных= моделейK= = УДК=SONKVN== = ПРОБЛЕМА АВТОМАТИЗАЦИИ ВЫБОРА ТЕХНОЛОГИЧЕСКИХ БАЗ ДЛЯ КОРПУСНЫХ ДЕТАЛЕЙ Д.Е. Максимовский (Московский государственный технологический университет=«СТАНКИН»F= Научный руководитель – д.т.н., профессор В.В. Кузьмин (Московский государственный технологический университет=«СТАНКИН»F= = Краткое вступление, постановка проблемы. Эффективность обработки корпусных= деталей на многоцелевых станках во многом зависит от правильно выбора комплекта= технологических баз деталиK= Обработка за минимум переустановов позволяет экономить= время обработку и уменьшать себестоимость изготовления деталейK= Что в условиях= современной реальности является основой конкурентно способности компании на рынкеK= В настоящее время практически все представленные на рынке программы САПР ТП не= помогают технологу в решение проблемы базирования корпусных деталей на многоцелевых= станкахK= Цель работы. Создание подсистемы к САПР ТП для выбора баз корпусных деталей с= использованием определенных критериев при их выбореK== = Базовые положения исследования. Базирование= –= придание заготовке или изделию= требуемого положения относительно выбранной системы координатK= Базирование детали в= процесс сложный и трудноформализуемыйK= Правильный выбор комплектов баз позволяет= сократить время на переустановы детали при ее обработкеK= При правильном выборе баз= детали возможно обработка детали за= N= установI= а это в свою очередь позволяет снизить= себестоимость изготовления деталиK= = Промежуточные результаты. Сформулированы следующие задачи для решения= данной проблемыW= = OOU= = NK передача конструкторской информации из= PaJмодели детали в технологическую= среду САПР ТПX= OK выявление необрабатываемых поверхностей у детали и моделирование комплектов= технологических баз из этих поверхностейX= PK выбор определенного комплекта баз по заданным критериямX= 4K подбор приспособления из базы данныхI=по выбранному комплекту базK= Проведен информационно-аналитический обзор представленных на рынке программ= САПР ТПK= Системы САПР ТПI= как класс представлены лишь на российском рынке= программных средствI=для помощи технологуK=Основные системы САПР ТП представленные= в РоссииW =ВЕРТИКАЛЬ= EАКСОНFI =СИТЕП МО= EХолдинг= «Станкин софт»FI =Aabj =EГруппа= компаний= AabjFI= qechCard= EНПП= «ИНТЕРМЕХ»FI= ТехноПро= EКорпорация= «ВекторJ Альянс»FI =qJclex =ТЕХНОЛОГИЯ= EЗАО= «Топ Системы»FI =СПРУТ-ТП= EООО= «Центр СПРУТJ Т»FI= ТЕХНОЛОГ-ГЕПАРД= EОАО= «ЭЛАРА»FK= Данные системы сравнивались по основным= T= функционально-стоимостным характеристикамK= Основным результатом проделанной работы является разработка и внедрение= подсистемы выбора комплектов технологических баз для САПР ТП=«СИТЕП МО»K= = = УДК=SUNKOJR= = ИСПОЛЬЗОВАНИЕ МЕТОДА БЫСТРОГО АМПЛИТУДНО-ЧАСТОТНОГО АНАЛИЗА ДЛЯ ИЗМЕРЕНИЯ ХАРАКТЕРИСТИК ПЬЕЗО РЕЗОНАТОРОВ М.А. Михайлов Научный руководитель – д.т.н., доцент В.В. Манойлов = Введение. Предметной областью исследования является составление математической= модели метода быстрого амплитудно-частотного анализа и применение его для снятия= амплитудно-частотной характеристики=EАЧХF=и поиска частоты резонанса пьезо резонаторов Постановка задачи. В составе атомно-силового микроскопа= EАСМFI= работающего в= полу-контактном режимеI= присутствует элементI= который должен передавать на зонд= механические колебания на частоте резонанса системы зонд-резонаторK=Очень часто для этих= задач используются пьезо резонаторыK= Чаще всего поиск резонансной частотыI= осуществляемый перед началом каждого экспериментаI=проводиться классическим методомI= где на вход объекта подаются последовательно гармонические сигналы различной частоты с= некоторым шагом и фиксированной амплитудойI =а на выходе измеряется амплитуда= прошедшего сигналаK= Конечная задачаW= исследовать метод быстрого амплитудно-частотного анализа и его= приложения к задаче в АСМK Базовые положения исследования. Пьезо резонаторI= в составе АСМ= kano= bducatorI= представляет из себя цилиндрI= состоящий из двух пьезо обкладокK= Одна из них является= возбуждающей и превращает электрические колебания в механическиеK= Вторая= –= измерительная и преобразует механические колебания в электрическиеK= В цилиндр= вставляется металлический зондK=Он является общей точкой для обкладокK= В методе быстрого амплитудно-частотного анализаI= в отличии от традиционного= методаI= на вход объекта подается сигналI= который содержит некоторый набор частотK= Такой= пакет можно сформировать с помощью псевдо случайной бинарной последовательности= максимальной длинныK=Ее можно генерировать с помощью сдвигового регистра и логической= операции= «исключающего или»= в цепочке обратной связиK= Спектральный анализ такой= = OOV= = последовательности имеет форму меандраI= период которого задается с помощью размера= сдвигового регистраI= т.еK= длинны последовательностиK= Таким образом можно регулировать= точность измерения АЧХK= Произведя измерения на выходе объекта сначала во временной= областиI= а потомI= получая спектральную характеристику выходного сигналаI= мы получаем= искомую АЧХ объектаK== Выводы. Точность предложенного метода обеспечивает определение частоты= резонанса пьезо резонатораI=при этом скорость анализа вышеI=чем у традиционного методаK= = Практические результаты. Разработанная математическая модель в программной= среде=jAqiab=и=pimulink=может быть использована для численного эксперимента по поиску= резонансной частоты пьезо датчиков АСМK= Литература NK Миронов В.ЛK=Основы сканирующей зондовой микроскопииK=Российская академия наукK= Институт физики микроструктурK=–=Нижний НовгородI=OMM4K=–=NN4=cK= OK Васильев А.АKI= Керпелева С.ЮKI= Котов В.ВKI= Сапожников И.ДKI= Голубок А.ОK= Датчик= локального силового и туннельного взаимодействия в сканирующем зондовом= микроскопе=LL=Научное приборостроениеI=OMMRK=–=Том=NRK=–=№=NK=–=СK=SO–SVK= PK ooinila= qKI= qaskinen= AK= C= silkko= jK= oaid= frequency= resonse= measurement= of= ower= conversion= roducts= with= coherenceJbased= confidence= analysisK= torld= Academy= of= pcienceI= bngineering=and=qechnologyI=OMNMK=–=№=SVK=–=РK=STU–SUPK= 4K ooinila= qKI= silkko= jK= C= puntio= qK= cast= frequency= resonse= measurement= of= switchedJmode= converters= in=the= resence= of= nonlinear= distortions= LL= fbbb= bnergy= Conversion= Congress= and= bxosition=bCCbI=pan=goseI=CAI=rpAI=OMMVK=–=РK=PMN4–PMOMK= УДК=MMNKUVNKRTP= = РАЗРАБОТКА АЛГОРИТМОВ АНАЛИТИЧЕСКОГО ПРЕДСТАВЛЕНИЯ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ ПРИМЕНИТЕЛЬНО К ОЦЕНКЕ КОЭФФИЦИЕНТА ПРОПУСКАНИЯ АТМОСФЕРЫ М.И. Моисеева Научный руководитель – д.т.н., профессор А.В. Демин = Энергия излучения ослабляетсяI=проходя через атмосферуK=На пропускание атмосферой= излучения существенное влияние оказывают поглощение составляющих ее газов и рассеяние= на частицахI= молекулах и аэрозоляхK= При этом количественно присутствие одних газов= (напримерI=углекислогоF=достаточно постоянноI=других=Eособенного водяного параF=–=сильно= варьируется в зависимости от различных условийK= В данной работе рассматривается задача оценки коэффициента пропускания атмосферы= при мониторинге объектов в оптическом диапазоне спектраK= Решение данной задачи= необходимо для повышения точности пеленгации высокоскоростных летательных аппаратовI= а также для повышения достоверности результатов дистанционного зондирования ЗемлиK= Анализ исследованийI= посвященных оценке и прогнозированию влияния пропускания= атмосферы на прохождение в нее инфракрасного излученияI= показалI= что существующие= методы и модели предполагают использование различных измерительных систем или= наличие специальных таблицI= баз данных со сведениями о коэффициентах рассеяния и= поглощения и прочей информациейK= Поэтому актуальной является разработка алгоритмов= для оценки и прогнозирования значений коэффициента пропускания атмосферы на основе= аналитического представления экспериментальных данныхI= полученных ранееI= для= = OPM= = проведения мониторинга объектов без дополнительных измерительных систем и при= отсутствии специальных баз данныхK= Цель работы= –= исследование и разработка методов и алгоритмов аналитического= представления экспериментальных данных применительно к оценке коэффициента= пропускания атмосферы при проведении мониторинга объектов в оптическом диапазоне= спектраK= Для достижения поставленной цели в работе предлагаютсяW= NK обобщенный алгоритм аналитического представления экспериментальных данныхX= OK алгоритмы разбиения диапазонов экспериментальных данных на изотропные= участки для их последующего аналитического представленияX= PK представление аналитической модели в виде композиции базовой и дополнительных= компонентK= В качестве исходных экспериментальных данных были взяты данные о пропускании= атмосферы в спектральных диапазонах= xPIMX=RIOz= и= xUX=N4z=мкмI= доступные в литературных= источникахK= Данные представлены для трех значений дальности видимости= ERI= OR= и= RM= кмF= для пяти климатических зонW= ТропикиI= Средние широты летомI= Арктика летомI= Средние= широты зимой и Арктика зимойK= В соответствии с разработанными алгоритмами спектральный диапазон=xUX=N4z=мкм был= разбит на два изотропных участка в точке локального минимумаK= Получена аналитическая= модель в виде композиции базовой компоненты и дополнительнойI= учитывающей текущие= климатические условияK= Базовая компонента рассчитана на основе данных о худшем= пропусканииI= т. еK= на основе данных для Тропиков при дальности видимости= R=кмK= По= результатам оценок достоверности в худшем случае= Eв Арктике при дальности видимости= RM=кмF=коэффициент детерминации составил=UTIRBI=а максимальное абсолютное отклонение= –=OOIRBK= Диапазон= xPIMX=RIOz=мкм был разбит на три изотропных участкаI= первый из которых= xPIMX=PIOz=мкм был исключен из рассмотрения из-за множественных флуктуаций данныхK=Для= диапазона= xPIOX=RIOz=мкм климатические условия учитываются в виде различных= коэффициентов для каждой эмпирической формулыK=По результатам оценок достоверности в= худшем случае коэффициент детерминации на данном диапазоне составил= VNBI= а= максимальное абсолютное отклонение=–=OMBK= = Результаты работы NK Концепция представления аналитических моделей физических явлений в виде= композиции базовой и дополнительных компонентK= OK Алгоритмы разбиения диапазонов экспериментальных данных на изотропные= участки для их последующего аналитического представленияK= PK Алгоритмы построения аналитических моделей для оценки пропускания атмосферы= в средней и дальней области инфракрасного диапазона спектраK= 4K Расчетные соотношения для оценки величины коэффициента пропускания= атмосферы на основе известных экспериментальных данных в спектральных= диапазонах=xPIMX=RIOz=и=xUX=N4z=мкмK= = = = OPN= = УДК=RNTKVPU= = ОБРАТНАЯ ЗАДАЧА РАССЕЯНИЯ В ПРОВОДНИКАХ Р.Ф. Муллахметов Научный руководитель – д.ф.-м.н., профессор И.Ю. Попов = Постановка проблемы. Развитие производства цифровых электронных схем подходит= к пределу современных технологийI= обусловленному уменьшением технологического= процесса до размеровI=приводящих к проявлению кванто-механических эффектовI=и требует= новых методов решения старых задачK= Одна из таких задач=–=обнаружение наличия примесей в проводникеK= В работе исследуется данная задача на основе идеи= «черного ящика»I= которая= выражается в определении или предсказании местонахождения примесей по= функциональным характеристикам проводника в виде проводимостиK= = Цель работы. Построить модельI=описывающую наличие примеси в проводнике и ее= влияние на его проводимостьK= Исследовать влияние положения примеси и предсказать положение по выходу= проводникаK= = Базовые положения исследования. Исследовался проводник в виде прямоугольной= области=c=действующем на ней оператором ЛапласаK= Контакты и примесь моделировались в виде потенциалов нулевого радиусаW= осуществлялся= «точечный прокол»= с использованием техники самосопряженных= расширений симметрических операторовK= = Основной результат. Построена модель для исследуемой системы в виде= дифференциального оператораI= действующего на суммарном пространстве контактов и= проводника с переносом энергииK= Модель позволяет определить положение одного из контактов при фиксированном= другом в случае отсутствия внутреннего прокола=EпримесиFK= Определение местоположения примеси при фиксированных контактах находится в= стадии исследованияK= = = УДК=RNTKVPU= = ТЕЧЕНИЕ В НАНОТРУБКЕ И СОЛИТОН В ЕЕ СТЕНКЕ О.А. Родыгина Научный руководитель – д.ф.-м.н., профессор И.Ю. Попов = Течения в нанотрубках очень специфичны и сильно отличаются от классическихK= Теория таких течений еще не разработанаK= Имеется ряд моделейI= объясняющих некоторые= свойства нанотеченийK= В случае узких нанотрубок с упругими стенками= EнапримерI= углеродныхF= наблюдаются упругие волны= Eв частностиI= солитоныF= в стенках трубкиK= Это= может оказывать сильное влияние на течениеK= В настоящей работе предлагается явно= решаемая модель такого теченияK= ГеометрическиI= солитон выглядит как локальное= расширение или сужение трубкиI= движущееся с некоторой скоростьюK= Это движение= вызывает движение жидкости в окрестности солитонаK= Для описания данного течения мы предлагаем модельI= в которой рассматриваем= локальное возмущение границыK= Стоксовы течения с точечными возмущениями= = OPO= = (стокслетамиI=ротлетами и т.пKF=рассматриваются во многих работахK=Математическую основу= такой модели дает теория самосопряженных расширений симметрических операторовK= Рассматриваются два вида теченияW= двумерное течение в полосе и осесимметричное= стоксово течение в цилиндреK= Такие течения описываются с помощью функции токаI= удовлетворяющей некоторому уравнениюK= Что касается граничного условияI= более удобно= рассматривать эквивалентную задачу с движущейся границей и покоящейся сингулярностьюK= В этом случае граничное значение нормальной производной функции тока ненулевое= Eоно= равно скорости стенкиFK= ПоказаноI= что модель является весьма эффективным инструментом для описания= теченийI=порожденных солитономK= = = УДК=RPSKSOVKT= ИССЛЕДОВАНИЕ ВОЗМОЖНОСТИ ПРИМЕНЕНИЯ БАТАРЕЙНЫХ ПРИЕМНИКОВ ТЕПЛОВОГО ПОТОКА В НЕСТАЦИОНАРНОЙ ТЕПЛОМЕТРИИ И.А. Сиваков Научный руководитель – д.т.н., профессор Н.В. Пилипенко = В настоящее время разрабатываются и широко используются для прикладной= теплометрии различного типа приемники тепловых потоков= EПТПFI= которыеI= как правилоI= представляют собой автономные достаточно миниатюрные устройства с одномерным= теплопереносомK= Во многих практических важных случаях наибольший интерес= представляют исследования переходных процессов в изучаемых объектахI= когда измерения= постоянных или переменных во времени плотностей тепловых потоков выполняются в= нестационарных режимах работы ПТПK= В настоящее время при исследовании процессов теплообмена для определения= тепловых потоков используются два общих подходаK== ПервыйI= традиционныйI= заключается в расчете по простымI= часто алгебраическим= формуламI= где основные проблемы заключаются в конструировании различных узлов= прибораI= чтобы эти формулы можно было применитьK= В основе метода лежит прямая= градуировка приемников теплового потокаK= Второй подходI=интенсивно развивающийся последние=PM–4M=летI=составляют методы и= принципы решения обратных задач теплопроводности= EОЗТF= и различные алгоритмы= оптимизацииK= Данный подход заключается в расчетном определении= EвосстановленииF плотности входящего в ПТП теплового потока по измеряемым температурам в отдельных= точках ПТПK= Исторически наибольшее распространение и популярность на территории Российской= Федерации и СНГ получили малогабаритные градиентные батарейные ПТПI=разработанные в= начале=TMJх годов под руководством О.АK=ГеращенкоK=Тепломеры Геращенко обладают рядом= положительных особенностейI= однако в силу своей тепловой инерционности ограничены в= части измерения быстроменяющихся тепловых потоков или постоянных тепловых потоковI= но в динамических условиях= Eпри ограничениях на время единичного измеренияFK= Данный= вид датчиков серийно выпускается на многих предприятиях и находит широкое применение= в прикладной стационарной теплометрииK= = Цель работы= –= исследование возможности применения батарейного ПТП= в нестационарной теплометрииI=путем расширения динамических возможностей датчикаK= = Базовые положения исследования. В работе предлагается метод восстановления= нестационарного теплового на основе параметрической идентификации модели= = OPP= = теплопереноса в батарейном ПТПI= позволяющий существенно расширить возможности= батарейных датчиков и результаты исследования возможности применения датчиков для= целей нестационарной теплометрииK= Параметрическая идентификация= –= метод решения ОЗТ основанный на априорной= параметрической аппроксимации искомой величины плотности теплового потокаI= неизвестные постоянные коэффициенты которой подлежат идентификацииK= Для решения= использован рекуррентный= EпоследовательныйF= метод минимизации функции невязкиI= базирующийся на модифицированном алгоритме расширенного цифрового фильтра КалманаK= Промежуточные результаты NK Предложен метод восстановления теплового потока на основе параметрической= идентификации процесса теплопереноса в объектеK= OK Разработана математическая модель теплопереноса в батарейном ПТП в форме= дифференциально-разностной моделиK= PK Получены результаты имитационного моделирования в различных условиях= эксплуатации батарейного ПТПK= 4K Создана экспериментальная установка для задания нестационарных тепловых= потоков и исследования динамических характеристик ПТПK= RK Проведен ряд натурных экспериментовK= = Основные результаты работы. Экспериментальные исследования батарейного= датчика на созданной установке показали возможность его использования для целей= нестационарной теплометрии и позволили установить границы применимости= предложенного методаK= Для исследованного батарейного ПТП с постоянной времени= R=секунд предельная= максимальная частота изменения плотности теплового потока составила= O–OIR=ГцI= что= соответствует десятикратному=«улучшению»=динамических характеристик ПТПK= Полученные результаты показываютI= что использование метода параметрической= идентификации при восстановлении плотности теплового потока позволяет существенно= расширить возможности некоторых видов датчиковI= в том числе дает возможность= использования стационарных датчиков для целей нестационарной теплометрииK= = = УДК=RPSKSOVKT= ИСПОЛЬЗОВАНИЕ ИНФОРМАЦИОННОЙ МАТРИЦЫ ФИШЕРА ДЛЯ ОЦЕНКИ ПОГРЕШНОСТИ НЕСТАЦИОНАРНОЙ ТЕПЛОМЕТРИИ ПРИ ПАРАМЕТРИЧЕСКОЙ ИДЕНТИФИКАЦИИ НА ПРИМЕРЕ БАТАРЕЙНОГО ПРИЕМНИКА ТЕПЛОВОГО ПОТОКА И.А. Сиваков Научный руководитель – д.т.н., профессор Н.В.

Pages:     | 1 |   ...   | 8 | 9 || 11 | 12 |   ...   | 16 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.