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 | 2 || 4 | 5 |   ...   | 18 |

«НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА Сборник трудов Ежегодной Всероссийской научной конференции учащихся, студентов и молодых ученых ...»

-- [ Страница 3 ] --

4. Tiller, M. Introduction to Physical Modeling with Modelica / M. Tiller. – Springer, 2001. – 368p.

МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ПРОЦЕССОВ ПЕРЕНОСА ПРИ СИНТЕЗЕ УГЛЕРОДНЫХ НАНОМАТЕРИАЛОВ В ПОЛЕ ИНДУКТОРА А. В. Рухов, Е. Н. Туголуков Тамбовский государственный технический университет, г. Тамбов, Россия Работа посвящена вопросам математического моделирования процессов переноса при синтезе углеродных наноматериалов методом газофазного осаждения углеводсодержащих газов на поверхности металлического катализатора, перегретого избирательно-комбинированным методом.

В настоящее время ожидается существенное увеличение объемов потребления углеродных наноматериалов (УНМ) в связи с расширением областей их практического применения. В настоящее время одним из перспективным способом синтеза УНМ в промышленных масштабах является пиролиз углеродсодержащих газов на поверхности наноразмерного металлического катализатора обогреваемого избирательно- комбинированным методом, имеющим индукционную составляющую [1].

Решение ряда прикладных инженерных задач, связанных с разработкой и эксплуатацией реакционного оборудования синтеза УНМ, может быть основано на математическом моделировании взаимосвязанных полей концентраций и температур в рабочих объемах ректоров.

Методология, реализующая представление полей определяющих параметров как совокупность полей элементарных областей, моделируемых аналитическими решениями систем линейных дифференциальных уравнений описана в [2, 3].

Структурная схема процесса получения УНМ представлена на рис. 1.

Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) Гидродинамика потока W6 W Десорбция Массоотдача газообразных газообразных продуктов продуктов в пиролиза поток W1 W2 W Массоотдача Адсорбция Пиролиз W Рост УНМ углеводорода углеводорода углеводородов из потока к каталитической катализатору поверхностью W Выделение аморфного углерода Термодинамика и теплопередача Рис. 1. Структурная схема процесса получения УНМ. Wi – скорость i процесса, кг·с- Стадия роста углеродных структур, в широком диапазоне определяющих параметров, является лимитирующей стадией по сравнению с актом пиролиза. Для обеспечения надежного управления качественными и количественными параметрами получаемых УНМ, необходимо создание условий, при которых стадия внешнего массообмена будет, является лимитирующей стадией всего процесса.





Для приведения задачи к виду пригонному для решения вводится система допущений, полученная на основе анализа результатов исследования динамических характеристик и особенностей протекания процесса получения УНМ:

1. Значения физических и физико-химических коэффициентов внутри локальнрой области постоянны;

2. Процесс получения УНМ рассматривается как квазистационарная система с распределенными параметрами;

3. Газовый поток движется в поршневом режиме;

4. Катализатор вступает в реакцию в активированной форме;

5. Потери тепла в окружающую среду пренебрежимо малы;

6. Индуктор выполнен в виде соленоида и имеет конечное количество витков;

7. Твердая фаза, состоящая из осажденного наноуглерода и катализатора, рассматривается как единая система с интегральными значениями определяющих параметров.

Склонность катализатора к пассивации и отравлению в ходе процесса формализуется введение коэффициента активности поверхности катализатора ( K Fm ( ) ) и дискретизацией стационарного процесса во времени. Природа данного явления до сих пор полностью не изучена.

Математическую модель переноса при синтезе УНМ с избирательно-комбинированным способом нагрева катализатора, имеющем индукционную составляющую, записанная для элементарной области имеет следующем виде:

перенос массы газовым потоком:

d cп ( x ) + K cп ( x ) = K c * ( x) ;

0 x x, (1) dx b H к K F K Fm где K = ;

Gп cп (0 )= c0 ;

(2) перенос тепла газовым потоком:

d tп ( x ) + K1 t п ( x ) = K1 t F ( x ) ;

0 x x, (3) dx Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) П K1 = ;

П1 = K F 1 к H b где Gп cгп t п (0 )= t 0 ;

(4) теплоперенос в слое катализатора:

d 2 t к ( y) q + V = 0;

0 y H, a (5) к cк dy a = к – температуропроводность твердой фазы;

к cк dtк (0) dt ( H ) =0;

к к + (t к ( H ) t п ) = 0 (6) dy dy перенос энергии электромагнитным полем:

1 A 1 A A µ x + z µ z g t = jстор. ;

0 x x;

0 z Da ;

(7) x z x Ht (x, 0) = 0;

Ht(x, Da ) = 0;

Ht (0, z) = ;

Ht (x, z) =. (8) Взаимосвязанное решение уравнений математической модели (1) – (8) положено в основу разработанной инженерной методики расчета основных конструктивных и режимных параметров реакционного оборудования синтеза УНМ.

В настоящее время по результатам расчета полученных с использованием разработанной методики ОАО «Тамбовский завод «Комсомолец» им. Н. С. Артемова» совместно с ООО «Нанотехцентр», г. Тамбов, осуществляет проектирование реактора для синтеза малослойных углеродных нанотрубок производительностью 300 кг/год.

Используемые обозначения (в системе СИ): x, y, z – пространственные координаты;

– время;

сп – поле концентрации углеводорода в газовом потоке;

tп, tк – поле температуры в газовом потоке и слое катализатора, соответственно;

q V – удельная мощность тепловыделений в твердой фазе;





b – ширина и длина подложки с катализатором, соответственно;

x – длина локальной области;

tF – температура поверхности твердой фазы, соответственно;

K Fm – коэффициент активности катализатора;

Gп – массовый расход газовой смеси;

– коэффициент теплоотдачи;

– коэффициент массоотдачи;

t0, с0 – начальная температура и концентрация исходной газовой смеси, соответственно;

H – высота слоя твердой фазы;

Da – ширина реакционной зоны;

KF, F1 – удельная поверхность массообмена и теплообмена, соответственно;

с* – равновесная концентрация углеводорода на поверхности катализатора;

t п – средняя температура газового потока;

A – магнитный потенциал;

µz, x – магнитная проницаемость твердой фазы;

g – электрическая проводимость;

jстор. – плотность стороннего тока.

Список использованных источников 1. Рухов, А.В. Разработка процессов синтеза углеродных наноматериалов в поле индуктора / А.В. Рухов // Инновационный менеджмент в сфере высоких технологий : сборник научных трудов Всероссийской школы-семинара. Тамб. гос. техн. ун-т. – Тамбов, 2008. – С. 43-49.

2. Туголуков Е.Н. Математическое моделирование термонагруженных процессов и аппаратов многоассортиментных химических производств: Дисс … докт. техн. наук. Тамбов, 2004.

400 с.

3. Туголуков Е.Н. Математическое моделирование технологического оборудования многоассортиментных химических производств. Монография. М.: Машиностроение, 2004. 100 с.

Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ В ОБРАЗОВАТЕЛЬНОМ УЧРЕЖДЕНИИ А. В. Шутенко МОУ "Прохоровская гимназия", Белгородская область, Россия Одна из наиболее продуктивных технологий в системе непрерывной подготовки по информатике в общеобразовательном учреждении - технология компьютерного моделирования.

С элементами моделирования как с методом научного познания учащиеся знакомятся на I ступени обучения при изучении курса математики — в процессе решения «текстовых задач».

Схема, формула, уравнение и т. п. — все это примеры моделей реальной задачи, иллюстрирующие различные приемы формализации с целью поиска ее оптимального решения. Проверку результата как необходимый этап решения можно считать первым шагом в овладении методикой организации вычислительного эксперимента. В дальнейшем моделирование широко используется при изучении курсов математики, физики, химии, биологии и других учебных дисциплин.

Можно выделить следующие направления компьютерного моделирования в рамках школь ного курса математики:

- организация компьютерных экспериментов на координатной плоскости (при исследовании свойств геометрических объектов и проверке математических гипотез компьютер используется как инструмент для построения и исследования моделей);

- моделирование различных видов движения;

- моделирование графиков функций на экране компьютера и т.д.

Использование компьютера как инструмента учебной деятельности дает возможность переосмыслить традиционные подходы к изучению многих вопросов естественно-научных дисциплин, усилить экспериментальную и исследовательскую деятельность учащихся, приблизить процесс обучения к реальному процессу познания, основанному на технологии моделирования.

Каковы же задачи и возможности школьного курса информатики в решении этой важнейшей проблемы современного образования? Прежде всего, сам курс информатики, любая его тема поддерживают технологию компьютерного моделирования и строят в соответствии с идеологией моделирования.

Методику формирования общего подхода в решении задач в процессе изучения информатики в общеобразовательном учреждении можно представить следующим образом:

1. Пропедевтика общего подхода при решении задач алгоритмизации и программирования. Большинство задач, используемых в курсе алгоритмизации, носит учебный характер и имеет абстрактные формулировки. Основное их назначение — привить учащимся навыки алгоритмизации, закрепить использование тех или иных конструкций и приемов. Отладив программу на компьютере и устранив (не без помощи учителя) в ней все синтаксические ошибки, учащиеся получают необходимый итог. Если результаты носят наглядный характер (рисунок, чертеж, обстановка на поле исполнителя), сразу же учитель анализирует алгоритм. Если результат числовой, то мы убеждаем учащегося в необходимости проверки правильности алгоритма и его результата, иллюстрируем методику тестирования алгоритма. При этом учащимся поясняем, что тестирование не дает гарантии правильности алгоритма, но значительно сокращает количество ошибок, а во многих случаях и исключает их.

Систематическая работа по выработке умений анализировать полученные результаты и соотносить их с реальностью, разрабатывать контрольные примеры для проверки алгоритмов и программ не только приобщает учащихся к организации вычислительного эксперимента на компьютере, но и способствует развитию аналитических навыков, выработке общеучебных навыков контроля и самоконтроля. В итоге, сам процесс разработки алгоритма в соответствии с технологией последовательной детализации реализует идеи моделирования. Уточнение и оптимизация алгоритма в процессе компьютерного эксперимента позволяют реализовать решение поставленной задачи в виде различных моделей.

2. Анализ компьютерных моделей с точки зрения их устройства: выявление наиболее важных связей между основными параметрами, уяснение основных алгоритмов, лежащих в основе функционирования модели, модификация модели, оценка эффективности организации данных и др. Основная цель данного этапа — прояснить основы реального процесса моделирования.

Реализация такой работы возможна как с использованием специального программного Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) обеспечения, так и без него. Создать наборы экономических моделей, производственных, экологических, моделей игр, головоломок и т. д.

3. Практический опыт работы с компьютерными моделями. Наилучшее решение проблемы — применение компьютерных моделирующих программ в образовательных предметах учебного плана. В настоящее время имеется достаточно широкий выбор таких программ, особенно по различным разделам физики. Здесь, на предметном материале учащиеся знакомятся с методом моделирования, его ролью в решении практических задач, ощущают соотношение модели и реального объекта или процесса, получают представление о параметрах модели и их назначении, учатся управлять готовыми моделями, изменяя параметры, приобретают опыт организации вычислительного эксперимента и оценки качества модели.

4. Систематизация знаний учащихся о технологии компьютерного моделирования ситуаций. Выбор средств моделирования зависит от условий реализации базового курса информатики: языки программ, электронные таблицы, специализированные моделирующие среды и др.

5. Углубление знаний в области компьютерного моделирования, использования метода моделирования и различного компьютерного инструментария в решении прикладных задач.

Реализация данного этапа возможна в рамках элективных курсов различной направленности в профильных классах.

Таблица. Классификация задач по дидактическому назначению в изучении элементов моделирования № Класс задач Назначение Примеры задач п/п Задачи Расширение и усложнение Модель исполнителя и система информационного модели. Алгоритмы продажи билетов, записная моделирования функционирования модели. книжка и др.

Организация данных.

Задачи с Сравнение точного решения и Задачи на различные виды практическим новой модели. Введение понятия движения.

содержанием. «модель».

Задачи из Иллюстрация методов Задачи расположения ж/д различных информатики. Примеры станций, перевозки грузов, областей различных моделей. шифровки текста и др.

деятельности Актуализация знаний по человека. информатике.

Технология компьютерного моделирования – это основа интеграции учебных дисциплин, технология, обогащающая процесс учения новыми средствами и методами решения разных практических задач. Вышеназванная технология является необходимой базой для освоения новых информационных технологий.

Список использованных источников 1. Пак Н. И. О технологии компьютерного моделирования в образовании//Педагогическая информатика.- 1994, С. 47—53.

2. Каймин В. А., А. Г. Основы информатики и вычислительной техники: Проб. учеб. для сред. учеб. заведений. М.: Просвещение, 2002.

3. Кушниренко А. Г., Лебедев Г. В., Сворень П. А. Основы информатики и вычислительной техники: Проб. учеб. для сред. учеб. заведений. М.: Просвещение, 2001.-178 с.

4. Кушниренко А. Г., Леонов А. Г., Эпитектов М. Г. и др. Информационная культура:

Информационные модели: класс 10: Учеб. пособ. М.: Дрофа, 2004.-196 с.

5. Хеннер Е.К., Шестаков А.П. Курс «Математическое моделирование»//Информатика и образование, 2002, -№ 4. С. 17-23.

Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) СЕКЦИЯ 4. МАТЕМАТИЧЕСКИЕ МЕТОДЫ В ТЕХНИЧЕСКИХ И ИНЖЕНЕРНЫХ ПРИЛОЖЕНИЯХ ВНЕДРЕНИЕ МЕТОДИК СТАТИСТИЧЕСКОГО УПРАВЛЕНИЯ ПРОЦЕССАМИ И АНАЛИЗА ИЗМЕРИТЕЛЬНЫХ СИСТЕМ НА ПРЕДПРИЯТИЯХ В ЦЕЛЯХ ПОВЫШЕНИЯ КАЧЕСТВА ПРОДУКЦИИ Л. С. Баева, Т. Ю. Пашеева Мурманский государственный технический университет, г. Мурманск, Россия Важнейшим источником роста эффективности производства является постоянное повышение технического уровня и качества выпускаемой продукции. Для технических систем характерна жесткая функциональная интеграция всех элементов, поэтому в них нет второстепенных элементов, которые могут быть некачественно спроектированы и изготовлены.

Таким образом, современный уровень развития НТП значительно ужесточил требования к техническому уровню и качеству изделий в целом и их отдельных элементов. Системный подход позволяет объективно выбирать масштабы и направления управления качеством, виды продукции, формы и методы производства, обеспечивающие наибольший эффект усилий и средств, затраченных на повышение качества продукции. Системный подход к улучшению качества выпускаемой продукции позволяет заложить научные основы промышленных предприятий, объединений, планирующих органов.

Обеспечение качества – планируемые и систематически осуществляемые виды деятельности в различных системах качества, а также подтверждаемые (если это требуется) и необходимые для создания достаточной уверенности в том, что объект будет выполнять требования к качеству.

Улучшение качества возможно при совершенствовании процессов. Для этого надо доказать его необходимость и идентифицировать специфические проекты улучшений, затем необходимо организовать руководство проектами, найти проблемы и предоставить эффективные рецепты исправления, после чего осуществить контроль за обеспечением улучшения.

Управление качеством представляет собой методы и деятельность оперативного характера, используемые для выполнения требований к качеству, к ним относят:

- управление процессами, выявление отклонений от установленных требований;

принятие решений по дальнейшему использованию продукции, имеющей отклонения или дефекты;

- недопущение появления повторных отклонений или дефектов благодаря своевременной разработке и реализации корректирующих воздействий;

- выявление несоответствий в производстве или системе качества и их устранение вместе с причинами.

Вся работа, выполняемая по определенной технологии, представляет совокупность взаимосвязанных процессов. Соответственно, общее руководство качеством осуществляется через управление всей совокупностью процессов. Системный подход предполагает также наличие четырех следующих этапов: 1) разработка технических условий технологического процесса;

2) анализ схемы технологического процесса;

3) установление каналов передачи данных, особенно обратной связи;

4) разработка детальной документации на все операции процесса, информационное обеспечение и вспомогательные виды деятельности.

Непосредственное осуществление запланированных показателей качества происходит на этапе производства. Процесс производства, как любой другой процесс, представляет собой совокупность взаимосвязанных ресурсов и деятельности, которые преобразуют вход процессов в соответствующий выход. Под ресурсами понимаются кадры, оборудование, методы изготовления и стандарты. Вход процесса – поставляемые материалы и необходимая информация. Все поставщики материалов и информации на вход процесса считаются внешними поставщиками, а производство представляет для них потребителя. Выход процесса – готовый продукт.

Влияние на процесс, а не на его результат необходимо при управлении качеством. Главное требование в процессном подходе – предупреждение несоответствий, а не контроль конечного результата. Этого можно добиться с помощью корректирования хода выполнения операции на Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) основе информации по обратной связи. При этом необходимо обеспечить пристальное внимание к процессу в результате анализа статистических данных о его протекании.

Цель управления – обеспечить стабильность (устойчивость) процесса с непрерывным уменьшением его вариаций. Все вариации процесса – следствие проявления двух видов причин:

специальных и общих. Специальные причины связаны с нарушением нормального хода процесса.

Общих причин много, влияние каждой в отдельности невелико, но из-за их количества суммарное воздействие может стать весьма ощутимым. Необходимо устранить специальные причины вариаций и затем уменьшить вариации, обусловленные общими причинами. Устранение специальных причин важно, но это еще не совершенствование процесса, а только шаг к налаживанию статистического контроля.

Необходимо перенести внимание с отдельных проявлений несоответствий и дефектов продукции на вариации процесса. Вариации процесса источник несоответствий, поэтому нужен поиск причин, а не виновных и их устранение. Система управления качеством воздействует на часть выходов, чтобы на выходе процессы были устойчивы и их вариации уменьшались.

В ходе планирования качества создается процесс, способный удовлетворить поставленные цели при действующих условиях. Предметом планирования может быть любой процесс: создания технической документации, проектирования, изготовления и т.д.

В современном мире управление качеством продукции осуществляется с помощью статистических методов анализа и оценки качества продукции, приемочного контроля и регулирования технологических процессов.

Применение статистических методов позволяет организовывать управление качеством и производством не на основе эмоций, ощущений и мнений руководителей, а на фактических данных, используемых для наиболее эффективного поиска, анализа и принятия решений.

Статистический метод анализа и оценки качества продукции – метод, при котором значения показателей определяют с использованием правил математической статистики. Каждому процессу присуща собственная изменчивость качества. Необходимо найти способы ее минимизации.

Необходимо получить информацию о реальной работе процесса, провести оценку и анализ его характеристик, а также статистический анализ причин отклонения. Необходимо исследовать, каким образом вариации различных контролируемых параметров воздействуют на признак качества. Важнейшая задача – расслоение причин на общие и специальные, так как их устранение производится по разному. Это позволит добиться предотвращения несоответствий и даст возможность проводить улучшения и повышение производительности процесса с последующей оценкой эффективности производственных действий.

Статистическое регулирование технологического процесса – это корректирование значений параметров технологического процесса по результатам выборочного контроля контролируемых параметров, осуществляемое для технологического обеспечения требуемого уровня качества продукции.

При предварительном анализе технологического процесса определяют величины и µ 0, зная которые можно вычислить вероятную долю дефектной продукции Р0.

Долю дефектной продукции определяют, допустив вероятность значения случайной величины за пределами допуска Тн – Тв :

Тв µ Тн µ Q=P (Тн Тв )=Ф -Ф, (1) где Тн- Тв - поле допуска на параметр;

– среднее квадратическое отклонение случайной величины ;

µ - математическое ожидание случайной величины.

Из формулы (1) следует : с увеличением поля допуска возрастает доля годной продукции, а с повышением растет доля дефектной продукции Р (рис.1).

Чем больше отклонение µ 1 от µ 0 при неизменном, тем меньше доля годной продукции (рис.2).

Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) Рис.1. Кривая плотности нормального распределения при различных значениях Рис.2. Изменение доли дефектной продукции (заштрихованная область) при разладке процесса При отклонении µ от заданного значения µ 0, а также при увеличении среднего квадратического отклонения повышается доля дефектной продукции Р, что свидетельствует о разладке технологического процесса.

Оценка точности и стабильности процесса производится на этапе предварительной оценки.

Основная задача – подтвердить на основе полученных результатов, что процесс статистически стабильный, или привести его в данное состояние.

Значение сигмы показывает, как часто могут возникать дефекты. Чем больше сигмы, тем менее вероятно, что возникнет дефект, тем выше надежность продукта, ниже потребность в испытаниях и контроле, меньше затраты и время производственного цикла, больше удовлетворенность потребителя.

Контрольные карты (КК) – инструмент, позволяющий отслеживать ход процесса и воздействовать на него (с помощью соответствующей обратной связи), предупреждая его отклонения от предъявляемых к процессу требований.

Контрольные карты применяются везде, где требуется отслеживать состояние процесса до того, как он выйдет из-под контроля.

Цель составления контрольных карт – осуществлять оценку управляемости действующего процесса. В случае управляемости процесса – оценку его воспроизводимости. В случае статистически неуправляемого процесса осуществлять проведение корректирующего воздействия Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) и проверку эффективности принятых мер. В период же запуска процесса осуществлять оценку возможностей процесса, т.е. способности удовлетворять техническим требованиям.

Как правило, при анализе процессов метод КК используется совместно с гистограммами и методом расслаивания данных (стратификации).

При построении КК на оси ординат откладываются значения контролируемого параметра, а на оси абсцисс — время / взятия выборки (или ее номер).

КК состоит обычно из трех линий. Центральная линия (ЦЛ) представляет собой требуемое среднее значение характеристики контролируемого параметра качества. Так, в случае ( х- /?) карты это будут номинальные значения хи R, нанесенные на соответствующие карты.

Две другие линии, одна из которых находится над центральной — верхний контрольный предел (ВКП), а другая под ней — нижний контрольный предел (НКП), представляют собой максимально допустимые пределы изменения значений контролируемой характеристики (показателя качества).

Результатом составления контрольной карты является получение объективной информации для принятия решений об эффективности процесса [1].

Основная проблема, связанная с применением статистических методов в промышленности, это ложные данные и данные, не соответствующие фактам. Различные данные и факты предоставляются в двух случаях. Первый случай касается искусно созданных или неверно подготовленных данных, а второй касается неверных данных, подготовленных без применения статистических методов.

Применение статистических методов, включая наиболее сложные, должно стать распространенным явлением. Также не следует забывать об эффективности простых методов, без овладения которыми применение более сложных методов не представляется возможным.

Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) Технический прогресс нельзя отделить от применения статистических методов, обеспечивающих повышение качества выпускаемой продукции, повышение надежности и снижение расходов на качество.

Список использованных источников 1. Кузьмин, А.М. Методы поиска новых идей и решений. Контрольные карты/ А.М.Кузьмин //Методы менеджмента качества. РИА Стандарты и качество.-2006.- № 4.- С.25.

2. Исаев, С.В. Внедрение методик статистического управления и анализа измерительных систем/С.В. Исаев //Методы менеджмента качества. РИА Стандарты и качество.-2006.- № 9. С.39-41.

3. Васильев, В.А., Каландаришвили, Ш.Н., Новиков В.А., Одиноков, С.А. Управление качеством Сертификация/ В.А.Васильев, Ш.Н.Каландаришвили, В.А.Новиков, С.А.Одиноков. -М.:

«Интермет Инжиниринг», 2002.-413 с.

ИНФРАСТРУКТУРА ИНФОРМАЦИОННО-КОММУНИКАТИВНОГО ПРОСТРАНСТВА:

ГЕОМЕТРИЧЕСКОЕ МОДЕЛИРОВАНИЕ И ОПТИМИЗАЦИЯ М. А. Бердышева Развитие современных информационных технологий делает необходимым пересматривать и трансформировать понятия «коммуникация», «информатизация», «информационно коммуникативное пространство» и др. Кроме того, изменился и сам подход организации информационно-коммуникативного пространства (ИКП): если раньше мы говорили о формировании ИКП, то сегодня – о моделировании и оптимизации ИКП. Это связано, прежде всего, с существенными материальными затратами в процессе сопровождения ИКП, значительная часть которых содержит затраты на приобретение технического оснащения, обучение и переобучение персонала, разработку и внедрение программного обеспечения.

Коммуникация как социальный феномен становится объектом исследования на различных уровнях и в различных концептах: социологическом, кибернетическом, политологическом, социобиологическом, философском, психологическом, лингвистическом, культурологическом и т.д. Под коммуникацией в широком смысле понимаются и система, в которой осуществляется взаимодействие;

и процесс взаимодействия;

и способы общения, позволяющие создавать, передавать и принимать разнообразную информацию (рис. 1).

Рис. 1. Значение понятия «коммуникация»

В соответствии с этим в содержании понятия «информационно-коммуникационное пространство» выделяются несколько смыслопорождающих моментов (рис. 2). Причем информатизированное физическое пространство является виртуальной территорией, которая является специфическим государственным ресурсом и должна защищаться от возможных агрессоров;

пространство определенных информационных взаимодействий – это упорядоченная совокупность информационных процессов или информационно-поисковая система.

Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) Рис. 2. Смысловые компоненты информационно-коммуникативного пространства В свою очередь, инфраструктура (лат. Infra-под, Structura – строение) – это комплекс взаимосвязанных обслуживающих структур, составляющих и/или обеспечивающих основу для решения проблемы (задачи). Следовательно, информационная инфраструктура - система организационных структур, обеспечивающих функционирование и развитие информационного пространства и средств информационного взаимодействия [2]. Соответственно информационная инфраструктура должна включать совокупность информационных центров, банков данных и знаний, систем связи и обеспечить доступ потребителей к информационным ресурсам с помощью канала связи, соответствующего типу сигнала. Современный технологический уровень развития предоставляет практически безграничные возможности для реализации этой задачи.

Учитывая приведенные выше особенности, моделирование ИКП требует сочетания двух подходов процессного и системного. Первый подход требует поэтапного выполнения следующих шагов: функциональная декомпозиция, моделирование процессов, моделирование потоков данных, проектирование оптимальной модели. Использование второго подхода требует представить ИКП как систему взаимосвязанных структур организации, для которой моделируется ИКП. Данный подход к моделированию ИКП позволяет:

1) стандартизировать информационно-коммуникативное пространство, обеспечив тем самым оперативные информационные связи;

2) организовать информационный обмен как по вертикали, так и по горизонтали;

3) создать структуру (систему) управления информационно-коммуникативным пространством.

На рисунке 3 представлены результаты первого шага комбинированного метода, основанного на процессном и системном подходах, для моделирования ИКП образовательного учреждения. Далее аналогичный метод позволяет сформировать ИКП каждой из подсистем.

Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) Рис. 3. Первый шаг моделирования ИКП образовательного учреждения Таким образом, использование в процессе моделирования комбинированного метода на основе процессного и системного подходов позволяет наиболее полно представить информационно-коммуникативное пространство, позволяя эффективно задействовать имеющийся научно-методический, информационный, технологический, организационный и педагогический потенциал учреждения.

ВЕРОЯТНОСТНЫЙ ПОДХОД К ОЦЕНКЕ РЕСУРСА ОСТАТОЧНОЙ РАБОТОСПОСОБНОСТИ АППАРАТОВ, ИЗГОТОВЛЕННЫХ ИЗ ДВУХСЛОЙНЫХ СТАЛЕЙ Р. Р. Газиев, Н. М. Захаров, Д. И. Янгиров Уфимский государственный нефтяной технический университет (филиал), г. Салават, Россия В тезисах доклада описывается методика оценки ресурса остаточной работоспособности колонных аппаратов, изготовленных из двухслойных коррозионностойких сталей, на основе нелинейного правила суммирования повреждений с применением оценочной функции различной вероятности разрушения.

Стандартные методы расчета статической и циклической прочности конструкций, изготовленных из двухслойных сталей, не учитывают наличия плакирующего слоя, т.е. позволяют выполнять расчеты только по механическим характеристикам основного металла. Предлагаемый метод рекомендует проводить оценку остаточной долговечности по характеристикам всей композиции.

Для таких конструкций условие разрушения с учетом нелинейности накопления усталостных повреждений представляется в следующем виде[1] n1 n + 2 =1, (1) N N 1 где n1 – число циклов нагружения аппарата на момент проведения повторных испытаний;

N1 – число циклов до разрушения при напряжении первоначального нагружения, определенное по экспериментальной кривой усталости;

– параметр нелинейности накопления повреждений, определяемый по зависимости Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) = 2, (2) - постоянная материала, определяется экспериментально;

n2 – число циклов нагружения до разрушения отработанного металла при повторных испытаниях;

N2 – число циклов нагружения до разрушения, определяемое экспериментально при напряжении повторного испытания.

Остаточная долговечность определяется по формуле N = N1 n1 = n1 1, (3) где – степень накопленной поврежденности, определяемая как n = 1 2.

N (4) При этом оценка остаточного ресурса с различной вероятностью разрушения выполняется при использовании оценочной функции, составленной для значений n2, которая для области ограниченной выносливости представляется в виде [2] lg nz = a + b zi, (5) где a, b – коэффициенты, рассчитываемые следующим образом K K K (lg n2i zi ) lg n2i zi K b= i i i ;

(6) K K z zi K i i i K K a = lg n2 i b zi K ;

(7) i i z i = arcsin Pi ;

(8) Pi – вероятность разрушения i-того образца из испытываемой серии объемом K.

Предлагаемая методика оценки остаточного ресурса нефтехимического оборудования, изготовленного из двухслойных сталей выполняется методом "доламывания" на основе повторных усталостных испытаний металла, отобранного с действующих аппаратов. Методика учитывает характер предварительного нагружения конструкции и свойства материала на текущий момент времени. Базируясь на реальных закономерностях накопления усталостных повреждений, методика позволяет получать результаты близкие к реальным долговечностям. Причем, достоверность этих результатов можно значительно повысить, если исключить некоторую условность при расчете напряжений первоначального нагружения, переходя к непосредственному их определению в рассчитываемых зонах реальных аппаратов.

Представленная методика проверена на различных типах оборудования, работающего в условиях циклического термомеханического нагружения, и принята к внедрению в ОАО для определения продолжительности эксплуатации “Салаватнефтехимремстрой” биметаллического оборудования после проведении капитального ремонта.

Список использованных источников 1. Гусев А.С. Сопротивление усталости и живучесть конструкций при случайных нагрузках.

– М.: Машиностроение, 1989. – 248 с.

2. Поведение стали при циклических нагрузках. / Под ред. В.Даля. – М.: Металлургия, 1983.

– 568 с.

Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) ОПТИМАЛЬНАЯ ЦИРКУЛЯЦИЯ СУДНА В КОШЕЛЬКОВОМ ЛОВЕ А. В. Голубев Великолукская государственная сельскохозяйственная академия, г. Великие Луки, Россия В кошельковом лове проводится замет невода для облова косяка рыбы. Считаем, что траектория замета – окружность, с центром в точке О, в начальный момент судно и косяк находятся в точках К и С.

Известны параметры: d – радиус косяка, - отношение скорости судна к скорости косяка.

Пусть точки К и О – полюсы полярных систем координат (, r ) и (, ). В системе (, ) точка К имеет координаты (, R ) ;

где d, и фиксированы, 0 1.

R Если L( ) - текущая длина траектории замета, то условие облова косяка при замете – это выполнение для любого неравенств:

L( ) (r ( ) d ) (1) d r ( ) 0.

При таких ограничениях критерий качества – длина траектории замета:

I = 2R. (2) d Наша цель – найти R, когда этот критерий наименьший. Вводим параметр задачи = и R формулируем задачу по новому: найти значение, при котором принимает наименьшее значение критерий:

2R I=, (3) при наличии ограничений на :

0.

max (4) [0,2 ] 1 2 cos( ) + Рассмотрим функцию F1 ( ) = max.

1 2 cos( ) + [0, 2 ] Задача корректна, если F1 (0 ).

Можно показать, что F1 () непрерывна и монотонно возрастает в интервале [0,1 ), lim F1 () = +.

причем 1 () Пусть - корень уравнения F1 =, тогда из системы (4) следует неравенство 0.

Учитывая свойства непрерывности и монотонности, получим решение нашей задачи при d = или R = :

2d I min =.

Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) СОДЕРЖАТЕЛЬНОСТЬ КОМПЛЕКСНЫХ ВЕЛИЧИН В МАТЕМАТИЧЕСКИХ ОПИСАНИЯХ ЭЛЕКТРИЧЕСКИХ МАШИН А. В. Жуков, Л. И. Карковский Тольяттинский государственный университет, г. Тольятти, Россия Метод комплексных величин применяют при расчетах цепей переменного тока и при исследованиях электромеханических преобразователей энергии. С развитием общей теории электрических машин значимость комплексных величин усиливается благодаря более полному использованию их свойств. Это обстоятельство заслуживает специального обсуждения.

Наглядность многих исследований в электротехнике в целом и в электромеханике в частности обеспечивается векторными диаграммами, которые выражают применение метода комплексных величин (или символического метода) в цепях переменного тока [1].

На рис. 1 приведена векторная диаграмма трехфазной системы токов прямой последовательности i A = I m cos t, iB = I m cos( t 120°), iC = I m cos( t 240°), которые в текущий момент времени (t0) определяются проекциями векторов комплексных функций амплитуд jt jt токов фаз А, В, С (соответственно I mA e, I mB e, I mC e jt ) на ось действительных чисел комплексной плоскости (1, j). Каждая функция представляет собой произведение комплекса амплитуды фазного тока I mA = I m, I mB = I m e j120°, I mC = I m e j 240° на оператор t вращения ej. Связи между этими комплексами (и между комплексными функциями) могут быть выражены Рис. 1. Векторная диаграмма a = e j120 :

через оператор поворота токов статора I mA = a I mB = a I mC = I m, который кроме показательной формы имеет тригометрическую и алгебраическую:

(экспоненциальной ) a=e = cos120 + j sin 120 = 1 / 2 + j 3 / 2. Фазные токи по векторам можно определять j1200 0 аналитически: i A = Re I mA e j t, iB = Re I mB e j t, iC = Re I mC e jt.

В современной общей теории электрических машин возможности комплексной формы оказались очень удобными для описания временных и пространственных векторов, для представления этих векторов совокупностями проекций на оси координат, для преобразования составляющих одного и того же вектора при переходе от неподвижной системы координат к системе, вращающейся с определенной скоростью. Используя комбинации векторов токов и потокосцеплений, нетрудно выводить и преобразовывать формулы электромагнитного момента.

Благодаря комплексным величинам уменьшается число основных уравнений электрической машины и упрощается их вид.

Большим достижением общей теории является то, что при выполнении математических операций над комплексными величинами удается не терять физическую сущность процессов энергопреобразования в электрической машине. Именно эта особенность позволяет моделировать любую машину простейшей схемой – обобщенной электрической машиной (ОЭМ), приписывая ей свойства реальной машины. Рассмотрим преобразования на примере трехфазной двухполюсной машины (рисунок 2).

На схему поперечного сечения машины (рис. 2, а), где показаны неподвижный статор с фазными обмотками AX, BY, CZ и их магнитными осями A, B, C и ротор, вращающийся с угловой jt скоростью r, накладываются оси комплексной плоскости вместе с вектором I mA e из рис. 1.

Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) Затем осуществляются переносы векторов I mB e jt и I mC e jt с поворотами до совмещения с ~ первым вектором. Этот вектор называют изображающим вектором тока статора I s, причем ~ s ~ jt ~ I = I mA e = a I mB e jt = a I mC e jt.

Он характеризует трехфазную систему токов статора, мгновенные значения которых определяются его проекциями направления магнитных осей A, B, C.

Рис. 2. Преобразование трехфазной машины в двухфазную Аналитические связи имеют вид:

~ ~ 2~ ~ I s = (i A + a i B + a ic ), i A = Re I s, i B = Re a I s, iC = Re aI s.

~ ~ Аналогичным образом вводятся изображающие векторы напряжения U s, ЭДС E s, ~ ~~~~ потокосцепления s для статора и векторы I r, U r, E r, r для ротора.

~ Вращение изображающего вектора I s в пространстве можно рассматривать в новой системе прямоугольных координат, оси (А, В) которой совпадают с осями (1, j), и это упрощает его описание (рис. 2, б):

~ s ~ s j t ~ s ~ ~ ~ I = I e = I cos t + j I s sin t = i A + ji B. Здесь i A = Re I s, i B = Im I s.

Векторная диаграмма (рис. 2, в) показывает, что новые составляющие вектора ~s I обеспечит двухфазная система токов прямой последовательности i A = I m cos t, i B = I m cos(t 90°) = I m sin t, если в статоре выполнить обмотку с расположением магнитных осей А, В под углом 90. На рис. 2, г показана схема двухфазной двухполюсной машины переменного тока, статор которой с осями А, В и фазами AX, BY неподвижен, а ротор с осями а, b и фазами ax, bу вращается с угловой скоростью r. Такая машина считается прототипом обобщенной электрической машины.

Следует отметить, что ОЭМ – это теоретический образ машины и различные ее варианты имеют довольно абстрактные изображения (рис. 3). Статор выражают магнитными осями с фазными обмотками на них, ротор – окружностью и магнитные осями со своими фазными обмотками внутри окружности. Обмотки фаз обозначают числами витков w с индексами s (статор) или r (ротор) вверху и с названиями осей машины внизу.

Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) Рис. 3. Схемы ОЭМ в различных системах координат Основной является схема ОЭМ в естественных системах координат (, ) статора и (d, q), r ротора (рис. 3, а). При решении расчетных задач или синтезе структур управления статор и ротор в большинстве случаев приводятся к единой системе координат. Используются неподвижная система координат (, ) (рис. 3,б) или вращающиеся со скоростью ротора (d, q), r (рис. 3, в), со скоростью магнитного поля (x, y), и с некоторой скоростью (u,v), k (последние два варианта аналогичны схеме по рис. 3, в).

Во всех случаях используются комплексные величины, позволяющие и компактно записывать уравнения энергопреобразования, и даже сводить, когда требуется задачи в цепях переменного тока к задачам на постоянном токе.

Список использованных источников 1. Касаткин, А.С. Электротехника: учеб. для вузов / А. С. Касаткин, М. В. Немцов. - 11-е изд., стер.;

Гриф МО. - М.: Академия, 2007. - 539 с.

2. Копылов, И.П. Электрические машины: учеб. для вузов / И. П. Копылов. - 4-е изд., испр.;

Гриф МО. - М.: Высш. шк., 2004. - 607 с.

МОДЕЛЬ ПЕРСПЕКТИВНОЙ ЦИФРОВОЙ МАЛОКАНАЛЬНОЙ РАДИОРЕЛЕЙНОЙ ЛИНИИ СВЕРХБОЛЬШОЙ ПРОТЯЖЕННОСТИ И. Н. Козубцов Военный институт телекоммуникаций и информатизации Национального технического университета Украины «Киевский политехнический институт», г. Киев, Украина С развитием информационных технологий возрастает потокаоборот и расстояние, на которое необходимо передать информацию. Современные системы передачи информации используют множество различных технологий, количество которых стремительно увеличивается. Однако наибольшее развитие получили: системы связи по электрическим кабелям;

волоконно-оптические системы связи;

системы связи с искусственными спутниками Земли;

узкополосные и широкополосные наземные системы радиосвязи;

оптические системы связи открытого распространения. Системы связи по электрическим кабелям получили наибольшее распространение в распределительных сетях и системах дальней связи, однако высокая стоимость исходных материалов, наряду с относительно небольшой полосой пропускания, делают проблематичным конкурентоспособность подобных устройств в будущем. Общими недостатками кабельных структур являются: большое время строительства, связанное с земляными или подводными работами, подверженность воздействию природных катаклизмов, актов вандализма и терроризма и все возрастающая стоимость прокладочных работ. Работы по развертыванию проводных систем трудоемки, а в некоторых местах, особенно исторической части городов, в охраняемых районах или Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) при сложном рельефе, практически неосуществимы. А связанные с ними неудобства для жителей, нарушения работы транспорта, поврежденные дороги и прочие сопутствующие проблемы, усложняют и без того непростые процедуры согласования с различными инстанциями и уменьшают экономические выгоды. Важным же достоинством беспроводных систем является малое время развертывания. Это, в частности, связано с тем, что отпадает необходимость в рытье траншей, укладывании кабеля, а также внутренней разводке кабелей и проводов в зданиях.

Рассмотрим в работе канал узкополосной наземной системы радиосвязи. Такой канал обладает рядом существенных преимуществ одним, с которых является высокая мобильность [1].

По такому принципу строятся радиорелейные и радиорелейно-тропосферные каналы связи [2].

Построения линии связи свыше 1-2 тысяч км, требуется огромное числа ретранслирующих пунктов, что не рационально для ограниченного числа передаваемой информации от абонентов.

Проблемой предложено решить за счет использования коротковолновой (КВ) радиосвязи со стандартом DRM (Digital Radio Mondiale). Предлагается на обозрение модель цифровой малоканальной радиорелейной линии КВ диапазона стандарта DRM. Организационно-техническое построение осуществляется на ранее известном принципе. Однако отличным от известных [2] является выбор интервала между КВ ЦРРС. Электромагнитная волна КВ диапазона распространятся земной и пространственной волной [1]. Для большой протяженности КВ ЦРЛ не целесообразно использовать условия распространения земной волны, поскольку расстояние между КВ ЦРРС сокращается до 250-350 км. Наложив ограничения на использования пространственной волны необходимо оперативно учесть все особенности ионосферного распространения [3, 4].

Для этого на этапе планирования организации КВ ЦРРЛ необходимо качественно спроектировать КВ радиолинию. Однако известные методы [5] не позволяют составлять частотно временного расписания, что существенно влияет надежность работы линии. Необходимо своевременно осуществлять смену частот. Для этой цели предложено использовать методику [6].

Она позволяет осуществлять выбор частот, которые способны к отражению от ионосферного слоя Е. Путем изменения угла прихода луча, возможно, незначительно изменять расстояние многолучевого прыжка радиоволны в пределах 1-2 тысяч км. Технология DRM позволяет уплотнить частотный спектр каналами передачи информации и голосовых сообщений приемлемого качество во временной область Таким образом, предложенная КВ РРЛ стандарта DRM в полнее отвечает нормам малоканальной цифровой РРС. Она способна обеспечить передачу голосовых сообщений по высококачественной телефонии, а также работы низкоскоростных систем передачи данных.

Сопоставимость теоретических расчетов и практических применений стандарта DRM КВ радиостанция позволило снизить мощность излечения передающего устройства с нескольких сот киловатт до 1 кВт. Это соответственно отразилось на энергопотреблении.

Список использованных источников 1. Головин О.В. Простов С.П. Системы и устройства коротковолновой радиосвязи / Под ред.

О.В. Головина. – М.: Горячая линия-Телеком, 2006. – 598 с.

2. Немировский А.С., Данилович О.С. и др. Радиорелейные и спутниковые системы передачи. – М.: Радио и связь, 1986. – 392 с.

3. Коноплева Е.Н., Хмельницкий Е.А. Модели распространения радиоволн на линии связи неоптимальной протяженности // Электросвязь, №1, 1972. – С. 33 – 38.

4. Коноплева Е.Н., Хмельницкий Е.А. Возможные состояния КВ каналов связи по условиям распространения радиоволн // Электросвязь, №12, 1970. – С. 19-– 24.

5. Горбушина Г.Н., Дриацкий В.М., Жулина Е.М. Инструкция по расчету коротковолновых линий радиосвязи на высоких широтах. – М.: Наука, 1969. – 108 с.

6. Козубцов І.М., Пилипенко А.А. Методика складання оптимального частотно-годинного розкладу роботи радіостанції короткохвильового діапазону з урахуванням міжстанційних завад в прогнозованому іоносферному каналі // Труды 7-мой международной НПК „Современные информационные и электронные технологии” (СИЭТ-2006). – Том 1. – Одесса, Україна, 2006. – С.

199.

Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) ИСПОЛЬЗОВАНИЕ МЕТОДОВ МАТЕМАТИЧЕСКОГО ПРОГРАММИРОВАНИЯ В ТЕХНИЧЕСКИХ И ИНЖЕНЕРНЫХ ПРИЛОЖЕНИЯХ Э. М. Копац, Т. Л. Копац Сибирская автомобильно-дорожная академия, Омский государственный ннститут сервиса, г. Омск, Россия Математическое или оптимальное программирование — область прикладной математики, объединяющая различные математические методы и дисциплины: линейное программирование, нелинейное программирование, динамическое программирование, выпуклое программирование и др. Общая задача математического программирования состоит в нахождении оптимального (максимального или минимального) значения целевой функции, причем значения переменных должны принадлежать некоторой области допустимых значений.

Задача математического программирования, рассматривающая методы решения экстремальных задач, в которых результаты (эффективность) возрастают или убывают не пропорционально изменению масштабов использования ресурсов, масштабов производства состоит в выборе таких неотрицательных значений переменных, подчиненных системе ограничений в форме неравенств, при которых достигается максимум (или минимум) данной функции. Возможны разные случаи: целевая функция нелинейна, а ограничения линейны;

целевая функция линейна, а ограничения (хотя бы одно из них) — нелинейны;

и целевая функция, и ограничения нелинейны.

Нелинейные задачи сложны, часто их упрощают тем, что приводит к линейным. Такой подход называется методом кусочно-линейных приближений, он применим, однако, лишь к некоторым видам нелинейных задач. Нелинейные задачи в определенных условиях решаются с помощью функции Лагранжа (множители Лагранжа): найдя ее «седловую» точку, тем самым находят и решение задачи. Особенно трудно решаются многоэкстремальные задачи. Для некоторых типов задач выпуклого программирования (вид нелинейного) разработаны эффективные численные методы.

Выпуклое программирование представляет собой совокупность методов решения нелинейных экстремальных задач с выпуклыми функциями. Задача выпуклого программирования состоит в отыскании такого вектора, который доставляет минимум выпуклой функции или максимум вогнутой функции.

Дискретное программирование раздел оптимального программирования, изучающий экстремальные задачи, в которых на искомые переменные накладывается условие целочисленности, а область решений конечна.

Квадратичное программирование раздел выпуклого программирования, в котором целевая функция представляет собой многочлен второй степени, а ограничения линейны. Задачи квадратичного программирования решаются эффективнее всего в тех случаях, когда их удается свести к задачам линейного программирования. Но разработаны и специальные методы их решения.

Линейное программирование — область математического программирования, посвященная теории и методам решения экстремальных задач, характеризующихся линейной зависимостью между переменными.

Динамическое программирование — раздел математического программирования, совокупность приемов, позволяющих находить оптимальные решения, основанные на вычислении последствий каждого решения и выработке оптимальной стратегии для последующих решений.

Процессы принятия решений, которые строятся по такому принципу, называются многошаговыми процессами. Математически оптимизационная задача строится с помощью таких соотношений, которые последовательно связаны между собой. Таким образом, можно получить на вычислительной машине результаты решения задачи для любого избранного момента времени и «следовать» дальше. Динамическое программирование применяется не обязательно для задач, связанных с течением времени. Многошаговым может быть и процесс решения вполне статической задачи. Таковы, например, некоторые задачи распределения ресурсов.

Общим для задач динамического программирования является то, что переменные рассматриваются не вместе, а последовательно, одна за другой. Сущность состоит в том, что Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) строится такая вычислительная схема, когда вместо одной задачи со многими переменными строится много задач с малым числом переменных (обычно даже одной) в каждой. Это значительно сокращает объем вычислений. Однако такое преимущество достигается лишь при двух условиях: когда критерий оптимальности аддитивен, т. е. общее оптимальное решение является суммой оптимальных решений каждого шага, и когда будущие результаты не зависят от предыстории того состояния системы, при котором принимается решение. Это вытекает из принципа оптимальности Беллмана, лежащего в основе теории динамического программирования.

Из него же вытекает основной прием — нахождение правил доминирования, на основе которого на каждом шаге производится сравнение вариантов будущего развития и заблаговременное отсеивание заведомо бесперспективных вариантов. Когда эти правила обращаются в формулы, однозначно определяющие элементы последовательности один из других, их называют разрешающими правилами. Несмотря на выигрыш в сокращении вычислений, их объем остается очень большим.

Можно выделить два наиболее общих класса задач, к которым в принципе мог бы быть применим этот метод. Первый — задача планирования деятельности экономического объекта (предприятия, отрасли и т. п.) с учетом изменения потребности в производимой продукции во времени. Второй класс задач — оптимальное распределение ресурсов между различными направлениями во времени.

В жизни, на производстве, втехнических, инженерных направлениях возникают проблемы определения наибольшего и наименьшего, наилучшего и наихудшего. Именно в такой форме могут быть поставлены многие задачи, имеющие практическое значение.

ПРИМЕНЕНИЕ МАТЕМАТИЧЕСКИХ МЕТОДОВ И МОДЕЛЕЙ В ПРИНЯТИИ РЕШЕНИЙ Т. Л. Копац Омский государственный ннститут сервиса, г. Омск, Россия Целью всякого моделирования является исследование объекта вначале на качественном, а затем по мере накопления информации и развития модели на все более точных количественных уровнях.

Существует метод «теория вероятностей» как широкий класс математических моделей, оперирующих понятиями «вероятность», «случайное событие», «случайная величина», «математические ожидание (среднее значение) случайной величины», «дисперсия (рассеяние)» и т. д.

С одной стороны, метод определен, если развита однородная совокупность моделей, т. е.

способов рассмотрения различных объектов в одном аспекте, а с другой — объект познается тем глубже, чем больше моделей объекта разработано. При этом двойственная природа модели приводит к дуализму понятийной базы моделирования, включающей общие (от «метода») и специфичные (от «объекта») понятия.

Можно сказать, что методы, модели, объекты образуют непрерывную последовательность, внутри которой целесообразно выделить группы моделей, различающихся по своему происхождению и применимости, а именно:

• модели, связанные с применением известных методов к новым объектам;

• модели, впервые разработанные для описания данного объекта и допускающие их использование для других объектов.

Операционные исследования прежде всего предназначены для предварительного количественного обоснования принимаемых решений, поскольку они очень сложны, требуют больших затрат и, главное, могут реализоваться многими способами (эти способы называют стратегиями или альтернативами). Кроме обоснования самих решений исследование операций позволяет сравнить возможные варианты (альтернативы) организации операции, оценить возможное влияние на результат отдельных факторов, выявить «узкие места», т. е. те элементы системы, нарушение работы которых может особенно сильно сказаться на успехе операции, и т. д.

Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) Сущностью задач исследования операций является поиск путей рационального использования ресурсов для реализации поставленной цели.

Количественные методы исследования операций строятся на основе достижений экономико математических и математико-статистических дисциплин. Разные математические методы применяются при решении различных задач.

Методы исследования операций, как и любые математические методы, всегда в той или иной мере упрощают, отражая нелинейные процессы линейными моделями, стохастические системы — детерминированными и т. д.

Важным принципом теории является «принцип максимума» Л. С. Понтрягина, сформулированный так: для многих управляемых систем может быть построен такой процесс регулирования, при котором само состояние системы в каждый данный момент подсказывает наилучший с точки зрения всего процесса способ действий.

Принцип максимума Понтрягина определяет математические условия, необходимые для того, чтобы управление оказалось оптимальным, причем без предварительного определения оптимальной траектории, а путем последовательного регулирования данного процесса.

Математические методы и модели позволяют классифицировать математический аппарат и модели по целям моделирования, принципам построения модели, применяемым критерии оценки и оптимизации, условиям принятия решений, управлению системой, факторам времени, степени абстрактности моделей, видам используемых функциональных зависимостей, дискретности, учету вероятностных факторов.

Таким образом, сущность задач исследования операций — поиск путей рационального использования имеющихся ресурсов для реализации поставленной цели.

ВОПРОСЫ УПРАВЛЕНИЯ РОБОТОТЕХНИЧЕСКИМИ КОМПЛЕКСАМИ В УСЛОВИЯХ ТЕКУЩЕЙ НЕОПРЕДЕЛЕННОСТИ С. С. Рюмкин, С. П. Круглов Иркутский государственный университет путей сообщения, г. Иркутск, Россия Важным современным направлением развития производства и транспорта является массовое внедрение робототехнических комплексов (РТК). Их преимущества является неоспоримыми [1].

Как правило, основной задачей РТК является задача точного отслеживания заданной траектории в пространстве и во времени, в том числе и позиционирования, для выполнения относительно сложных манипуляционных задач.

Как известно, ликвидировать влияние непредсказуемых внешних возмущений на поведение объекта возможно в рамках традиционной теории управления путем использования принципа обратной связи. Однако для качественного управления требуется точная настройка коэффициентов обратной связи. А это тоже предполагает априорную информацию об объекте управления и свойствах возмущений.

На практике часто встречаются такие объекты управления, амплитудные и частотные параметры которых варьируются в широких пределах. Это происходит как в силу свойств самого объекта, так и под действием внешних причин. Так в несколько раз может изменяться момент инерции манипулятора в сложенном состоянии по отношению к полностью вытянутому;

трение в опорах двигателей в процессе загрязнения и старения смазки и многие другие характеристики. В то же время при управлении сложными объектами – гибкими производственными модулями, линиями или участками, состоящими из многих единиц оборудования, количество внешних и внутренних факторов, оказывающих возмущающее действие на их работу, резко возрастает.

Среди них могут быть ошибки позиционирования заготовок или даже их отсутствие в нужный момент, раскачивание деталей на подвесном конвейере в процессе захвата их роботом и другие подобные факторы, требующие подстройки управляющей системы [2].

Управляющие системы РТК можно подразделить на три класса (по уровню развития) [3]:

с жёсткой программой действий;

адаптивные;

интеллектуальные.

Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) Системы с искусственным интеллектом имеют громадную перспективу совершенствования РТК, однако в настоящем времени они далеки от полного удовлетворения требований практики.

Особенно важно то, что в рамках этих систем далек от разрешения вопрос высокой точности управления манипуляторами в условиях текущей неопределенности условий управления. Известен принцип интеллектуальных систем "чем выше интеллектуальность, тем ниже точность" [4]. В связи с этим также следует указать на известную работу [5], в которой обозначена пока неразрешенная проблема обеспечения устойчивости нейроконтроллера с обучением в текущем времени (on-line). Нейроконтроллеры с предварительным обучением не всегда пригодны для управления с текущей неопределенностью.

Для демонстрации последнего утверждения рассмотрим пример управления с помощью нейроконтроллера манипулятором робота в виде обратного маятника, приведенную в справочной системе программного комплекса MatLab 6.5.

Каждое плечо манипулятора можно рассматривать как обратный маятник, с основанием в виде соседнего плеча или основанием всего робота. С другой стороны этого маятника будет груз маятника в виде переносимого объекта, а так же собственный вес последующих плеч (рис. 1).

Рис. 1. Манипулятор Puma-560 и обратный маятник Данный манипулятор описывается неустойчивым дифференциальным уравнением, которое в рамках MatLab моделируется схемой, представленной на рис. 2.

Рис. 2. MatLab-модель обратного маятника Схема замкнутой системы управления имеет вид, представленный на рис. 3.

Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) Рис. 3. Схема управления обратным маятником Эта схема предполагает предварительное обучение нейроконтроллера. Исходны является то, что нейроконтроллер настроен под массу груза в 10 кг. Работа нейроконтроллера с обученной нейронной сетью приведена на рис. 4.

Рис. 4. Работа нейронной сети при массе груза 10 кг При незначительном изменении массы от расчетной, погрешность начинает превышать допустимую (рис. 5), или даже происходит потеря устойчивости системы (рис. 6).

Рис. 5. Работа нейронной сети при массе груза 8 кг Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) Рис. 6. Работа нейронной сети при массе груза 7 кг Исследование нейроконтроллера показало, что при вариациях массы, он не справляется со своей задачей точного отслеживания траектории в пространстве и во времени. В случае изменения массы груза, нейроконтроллер нужно полностью перенастраивать (обучать).

Данная система справляется со своей задачей частично, т.к. требует предварительной настройки каждый раз, когда происходит изменение параметров системы.

В связи с указанным, для условий высокоточного управления в условиях априорной неопределенности предлагается использовать адаптивную систему управления. Она по своему определению нацелена на то, чтобы в текущем времени подстраиваться под изменяющиеся (заранее неизвестно каким образом) свойства объекта управления и параметры внешних возмущений.

Для современного производства характерно усложнение технологических процессов, ужесточение допустимых отклонений управляемого процесса от предписанных значений и т.д.

Совершенствование методов управления в этих условиях предполагает разработку более сложных математических моделей управляемых процессов, позволяющих оптимизировать управление, а использование усложненных моделей порождает проблему задания значений характеристик и параметров модели, нужных для формирования требуемого управления. Более того, некоторые из таких параметров могут дрейфовать во времени вследствие износа или старения тех или иных устройств и механизмов, составляющих ОУ. Иногда можно учитывать подобный дрейф параметров путем регулярной замены изношенных деталей либо путем переналадки управляющей системы, но обычно это требует прерывания технологического процесса и потому может оказаться экономически невыгодным либо даже невозможным по производственным причинам. Широкое внедрение современных ЭВМ в процессы управления технологическими процессами позволяет контролировать изменение параметров без прерывания технологического процесса и использовать текущие значения параметров (либо их оценки) для формирования управляющих воздействий.

Методы адаптивного управления могут оказаться весьма эффективными, поскольку не связаны с прерыванием технологического процесса для тестирования управляемого процесса или ОУ.

Как видим на данный момент, проблема точного отслеживания заданной траектории существует и является актуальной, т.к. её решение в полной мере не найдено, а значимость проблемы является существенной, ведь от точности управления зависит и время производства, и его качество, повышая конкурентоспособность отдельного производства.

Список использованных источников 1. Ефимов Д. В. Робастное и адаптивное управление нелинейными колебаниями.- СПб.:

Наука, 2005. — 314с.

2. Чаки Ф. Нелинейные, оптимальные и адаптивные системы.- М.: Мир, 1975. – 423с.

Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) 3. Фомин В.Н. Некоторые общие принципы построения адаптивных систем управления. СП: Соросовский образовательный журнал №8, 1996. 115-120с.

4. Интеллектное управление динамическими системами / С.Н.Васильев, А.К.Жерлов, Е.А.Федосов, Б.Е.Федунов М.: Физ.мат.лит., 2000. 352с.

5. Narendra K.S. Neural Networks for Control: Theory and Pract ice // Proceeding Of The IEEE, Vol.84, NO. 10, October 1996. P.1385-1406.

ВЛИЯНИЕ ПОВЕРХНОСТНОЙ АНИЗОТРОПИИ НА ФОРМИРОВАНИЕ ДОМЕННЫХ СТРУКТУР ТОНКИХ ПЛЕНОК Г. С. Шилинг Бийский педагогический государственный университет имени В. М. Шукшина, г. Бийск, Россия Изучая различные, находящиеся в свободном доступе, публикации и источники, можно сделать вывод о недостаточности рассмотрения вопроса, описанного ниже.

Чаще всего в методах вычисления распределения намагниченности в микромагнитной системе не учитывают влияние поверхностной магнитной анизотропии на доменную структуру образца. Так, например, в [4] говорится о невозможности применения этого эффекта из-за сложности аналитических расчетов и ничтожности его вклада в общую картину распределения намагниченности. Существуют источники (и их большинство), в которых не упоминается о данном члене расчетного функционала, и проводятся соответствующие преобразования без него [например, 6, 7]. А, например в [3], изучается вопрос влияния магнитной анизотропии, но лишь на вид доменных стенок.

Однако найдены случаи, в которых учет поверхностной магнитной анизотропии и введение в расчетные формулы соответствующих корректировок, может дать эффект бесспорного влияния на вид доменной структуры образца.

Поверхностная анизотропия хорошо известна как важнейший фактор, определяющий распределение намагниченности в тонких пленках. На ее существенную роль в микромагнетизме впервые указал Браун [1]. Качественная сторона проблемы вполне ясна. Спины, находящиеся на и вблизи поверхности имеют окружение и, значит, баланс магнитодипольных и обменных сил, сильно отличающиеся от тех, что реализуются внутри частицы. При этом доля поверхностных спинов растет с уменьшением размера частицы.

ПОСТАНОВКА ЗАДАЧИ Осуществляется моделирование распределения намагниченности M (магнитный момент, отнесенный к единице объёма) в достаточно тонких пластинках (пленках) некоторых ферромагнитных материалов, имеющих в сечении форму прямоугольника. Ось легкого намагничивания расположена перпендикулярно плоскости поперечного сечения и совпадает с координатной осью Оz.

Функционал свободной энергии [2] рассматриваемой системы в данном случае обычно представляют в следующей безразмерной форме:

2 K 2 A x + m y + m z + 1 1 m x + 2 1 m x 2 2 K E = m M 2 M 2 2 L2 D MS s S H ext 1 m + m U dxdy, (1) M S Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) В подынтегральном выражении записана сумма плотностей энергии обмена, энергии анизотропии, энергии системы во внешнем и собственном магнитных полях.

MS =M;

m=M/MS = ( mx, my, mz) - единичный вектор;

А - константа обмена;

L - сторона сечения, направленная по оси Ox;

D - безразмерное поперечное сечение;

K1, K2 - константы анизотропии;

Hext -напряженность внешнего поля;

U – потенциал магнитостатического поля системы.

При этом в данном интеграле опускают слагаемое поверхностной плотности энергии, исходя из соображений ничтожности его вклада в качественную картину результата.

Поверхностная энергия образца вычисляется по формуле [1]:

Ws = K s (nm) 2.

В формуле: n – вектор нормали, направленный перпендикулярно рассматриваемой поверхности наружу образца, K s - константа поверхностной анизотропии, которая была оценена o еще Неелем (1954). Из соображений размерности K s = l 'M s2, где l ' ~ 102 A Равновесные состояния системы находились вычислением стационарных решений для конечно-разностной схемы (сеточного аналога известного уравнения Ландау-Лившица).

ОБСУЖДЕНИЕ РЕЗУЛЬТАТОВ Рассматривалось два вида материалов: а) низкоанизотропный магнетик Ni80 Fe 20 б), высокоанизотропный магнетик Nd 2 Fe14 B.

Расчеты проводились на образцах одинакового размера и достаточно мелкой сетке. В качестве начального положения в случае б) выбиралась двухполосная доменная структура, в которой вектора m ориентированы по оси легкого намагничивания ( ± z ), а в случае а) хаотическое расположение векторов m.

Проводился сравнительный анализ результатов, полученных без учета поверхностной анизотропии и с ее учетом.

В низкоанизотропном магнетике Ni80 Fe 20 введение в расчетные формулы учета вклада поверхностной анизотропии не оказало качественного влияния на внешний вид доменной структуры образца. Для рассматриваемого образца вектора намагниченности m преимущественно расположены в плоскости XOY из-за сравнительно небольшой магнитостатической анизотропии, не способной сориентировать m по легкой оси. Учет поверхностной анизотропии усиливает эффект «прижатия» векторов к плоскости XOY. Таким образом, качественных отличий не было получено.

Совершенно другая картина наблюдалась в случае высокоанизотропного магнетика Nd 2 Fe14 B. Для него двухполосная доменная структура с ориентацией векторов m по легкой оси (т. е. перпендикулярно поверхности образца) в условиях K s = 0 (то есть без учета поверхностной анизотропии) оказывалась стабильной. Введение же в расчетные формулы рассматриваемого нами компонента оказало существенное влияние на внешний вид доменной структуры. В этом случае поверхностной анизотропии оказалось достаточно, чтобы «положить» вектора m в плоскость XOY (т. е. параллельно поверхности образца). Тем самым был получен качественно другой вид доменной структуры материала.

Таким образом, показано, что существуют случаи, в которых учет поверхностной анизотропии может оказать существенное влияние на определение доменной структуры образца.

Список использованных источников 1. Браун У. Ф. Микромагнетизм. М.: Наука, 1979.

2. Ю. В. Толстобров, Н. А. Манаков, А. А. Черемисин. Влияние метода минимизации функционала свободной энергии на результаты микромагнитного моделирования. - ФММ, 2004, том 98, №3.

3. Филиппов Б. Н., Корзунин Л. Г. Влияние поверхностной анизотропии на тонкую структуру доменных границ в магнитно-одноосных пленках. – ФММ, 1993, том 75, №4.

Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) 4. Е.Н.Ильичева, В.В.Гришачев. Доменная структура ферромагнетика (Лабораторная работа №19. Электричество и магнетизм)/ М.: Изд. физ. ф-та МГУ, 2003 г., препринт № /2003, 24 с.

5. С. В. Тарасенко. Эффекты поверхностной магнитной анизотропии в эластообменной спиновой динамике тонких магнитных пленок, ЖТФ, 1998, том 69, № 8.

6. Ю. И. Беспятых, В. Василевский, Э. Г. Локк, В. Д. Харитонов. Подавление доменной структуры в одноосных ферромагнитных пленках. – ФТТ, 1998, том 40, № 6.

7. А. А. Халфина, М. Х. Харасов, М. А. Шамсутдинов. Доменная структура в центральноассиметричных антиферромагнетиках. – ФТТ, 2001, том 43, № 8.

МЕТОДЫ ОПРЕДЕЛЕНИЯ ТРУДОЕМКОСТИ ИЗГОТОВЛЕНИЯ И МОНТАЖА СТРОИТЕЛЬНЫХ ИЗДЕЛИЙ И. В. Левахова, В. С. Ширманов Нижегородский институт менеджмента и бизнеса, г. Нижний Новгород, Россия На стадии вариантного проектирования необходимо иметь данные не только по размерам и массе конструктивного элемента. Для полного и окончательного анализа той или иной конструктивной формы в рассматриваемой статье на примере балочного изделия предлагается иметь также данные по трудоемкости изготовления и монтажа.

Первичными элементами, образующими изделие, являются сборочные детали. В свою очередь, первичными элементами, из которых компонуется здание или сооружение, являются изделия. Установление зависимости трудоёмкости изготовления детали от её конструктивной формы основная предпосылка для определения трудоёмкости изготовления изделия и сооружения в целом. Конструктивная форма детали и изделия, а также их технология изготовления, прежде всего, зависят от вида проката. Так, форма листовой детали обычно близка к прямоугольнику. Для изготовления её применяется разметка и резка по периметру. От периметра детали зависят трудоёмкости сборки и сварки. Деталь, изготовленная из профильного металла (уголок, двутавр, швеллер, труба), имеет форму, при которой поперечные размеры малы по сравнению с длиной элемента. Технология изготовления такой детали состоит в основном из намётки и резки. Трудоёмкость образования отверстий в сварных изделиях не является определяющей. Сборка и сварка изделий из профильных деталей отличаются от сборки и сварки деталей из листа. В связи с этим отдельно рассматривается вопрос, связанный с определением трудоёмкости изготовления деталей и изделий из листа и профильной стали.

В качестве примера рассматривается листовая деталь, имеющая форму прямоугольника со сторонами m и n (рис.1). Трудоёмкость обработки такой детали (без учёта образования отверстий) складывается из трудоёмкости таких операций, как разметка, намётка и резка. Данные операции зависят от периметра, а поэтому удельная трудоёмкость обработки может быть представлена как функция периметра р tобл = f1 (р) = (m + n). (1) С другой стороны, масса детали может быть представлена как функция площади детали S м = f2 (S) = m n. (2) Принимая отношение сторон прямоугольника n/m =, получаем tобл = m (1 + ) = 1 m;

(3) м = m2 = 1 m2. (4) Подставляя (4) в (3) значение m, получаем tобл = (1 / 1) м = обл м, (5) где 1, 1, л соответствующие коэффициенты пропорциональности.

об Трудоёмкость обработки всех деталей, входящих в изделие, будет равно Тоб = tобл k = обл k м, (6) tобл трудоёмкость обработки одной листовой детали.

где Полагая, что масса детали в среднем равна м = G/k, получаем Тоб = обл k G/k = обл G k, (7) где k число деталей;

G масса изделия.

Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) Таким образом, трудоёмкость обработки листовой детали в функции её массы (5) изменяется по параболическому закону (рис.1) и она пропорциональна корню квадратному из массы детали. Трудоёмкость обработки листового изделия изменяется по такому же закону (7) и пропорциональна корню квадратному из произведения массы изделия на число деталей.

Из формулы (5) видно, что трудоёмкость обработки листовой детали возрастает с увеличением значения, т. е. для деталей, имеющих форму вытянутого прямоугольника, она выше, чем для деталей, близких по форме к квадрату. Для основных листовых деталей строительных изделий: балок, колонн значение находится обычно в пределах 4 6 и достигает 10 15 для полос, получаемых путём резки листа при отсутствии универсальной широкополосной стали. При этом трудоёмкость изготовления полосы из листа по сравнению с трудоёмкостью листовой детали возрастает (при одинаковой площади) в 1,4 1,5 раза. Отсюда видно, насколько невыгодно по трудоёмкости (и, следовательно, по стоимости) применение листа для изготовления деталей.

t об 2,5 л n m 1, 0, Рис. 1. Зависимость удельной трудоёмкости обработки листа t об от массы детали м 0 1 2 3 4 5 л t мон, чел. ч. т 10 2 - Балка 1 - Колонна 3 - Ферма G(т ) 0 2 4 6 8 10 12 14 16 18 20 Рис. 2. Зависимость удельной трудоёмкости монтажа t мон от массы изделия G Трудоёмкость сборки (установка, прихватка) изделия из листовых деталей также зависит от периметра деталей, а поэтому формула трудоёмкости сборки отличается от формулы (7) только коэффициентом пропорциональности и имеет вид Тсб = = сбл G k. (8) Трудоёмкость сборки существенно зависит от способа сборки (по разметке вручную или в кондукторе), а также от длины собираемых элементов (при длине изделия более 12м сборка значительно усложняется).

Очевидно, трудоёмкость изготовления изделия равна сумме трудоёмкостей по операциям обработки, сборки и сварки Тизг = Тоб + Тсб + Тсв. (9) Ежегодная Всероссийская научная конференция учащихся, студентов и молодых ученых «НАУЧНОЕ ТВОРЧЕСТВО XXI ВЕКА» (февраль 2009 г.) Было показано, что трудоёмкости обработки и сборки зависят от одних и тех же показателей массы и числа деталей. Трудоёмкость сварки зависит от внешней нагрузки и размеров изделия.

В то же время трудоёмкость сварки зависит и от массы, поскольку масса изделия является функцией внешней нагрузки, и от числа деталей. Поэтому приближённо можно принять зависимость трудоёмкости изготовления изделия от этих двух основных показателей в виде Т изг= G (10) об сб св где = л + л + л общий коэффициент пропорциональности.

Эта зависимость используется для приближённого определения трудоёмкости изготовления изделия в несколько ином виде, а именно Тизг = kт т с Gо kо чел. ч, (11) где Gо масса основных деталей в тоннах;

kо число основных деталей;

kт коэффициент, учитывающий повышение трудоёмкости при применении стали повышенной прочности и принимаемый равным 1,15 при ручной сварке и 1,09 при автоматической сварке;

с технологический коэффициент, характеризующий трудоёмкость изготовления данного вида изделия, принимаемый для подкрановых балок, равным 4,5;

т строительный коэффициент трудоёмкости, определяемый по формуле т = 1,6 + 3/L, (12) где L пролёт балки в метрах.

Трудоёмкость монтажа можно определить по приближённой формуле Тмон = tмон G чел. (13) мон удельная трудоёмкость, определяемая по графику (рис. 2);

где t G масса изделия (балки) в тоннах.



Pages:     | 1 | 2 || 4 | 5 |   ...   | 18 |
 





 
© 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.