ГЛАВА 3. Решение задачи оптимизации
advertisement
Аннотация В данной работе рассматриваются основные типы и методы изготовления щелевых фильтроэлементов. Осуществлена разработка параметризованной модели щелевого фильтроэлемента в среде SolidWorks. С целью проведения вычислительных экспериментов и получения результатов в среде инженерного анализа SolidWorks Simulation, было разработано программное приложение на платформе .NET на языке C#. Также проведено исследование по выбору адекватной конечно-элементной сетки. Решение задачи оптимизации было осуществлено с использованием приложения PREFFILTER-SW. В качестве альтернативного средства решения задачи оптимизации была использована программная платформа ANSYS Workbench. Для решения задачи применялась технология метамоделирования, также были рассмотрены основные планы проведения эксперимента и основные методы построения метамоделей. 1 Оглавление ГЛАВА 1. Постановка задачи ........................................................................ 5 1. Введение в проблемную область ........................................................... 5 2. Обзор типов и методов изготовления щелевых фильтров .................. 7 2.1. Типы щелевых фильтров. ................................................................. 7 2.2. Технологии изготовления щелевых фильтров ............................... 8 3. Постановка задачи ................................................................................. 15 4. Выводы ................................................................................................... 20 ГЛАВА 2. Разработка моделей .................................................................... 21 1. Выбор среды моделирования и инженерного анализа ...................... 21 2. Разработка модели в среде SolidWorks ............................................... 21 3. Создание модели в ANSYS Workbench ............................................... 26 4. Параллельные возможности ANSYS APDL ....................................... 28 4.1. Параметры решателя ....................................................................... 29 4.2. Исследование ускорения ................................................................ 30 5. Технология метамоделирования .......................................................... 32 5.1. Планирование эксперимента.......................................................... 33 5.1.1. Central Composite Design (CCD) .............................................. 33 5.1.2. Box-Behnken Design .................................................................. 36 5.1.3. Latin Hypercube Sampling Design (LHS) ................................. 37 5.1.4. Optimal Space-Filling Design (OSF) ......................................... 38 5.1.5. Sparse Grid Initialization ............................................................ 39 5.2. Алгоритмы построения метамодели ............................................. 40 5.2.1. Full 2nd-Order Polynomial ......................................................... 41 5.2.2. Kriging ........................................................................................ 41 5.2.3. Non-Parametric Regression ........................................................ 42 5.2.4. Neural Network ........................................................................... 43 5.2.5. Sparse Grid.................................................................................. 45 2 5.3. Постобработка метамодели ............................................................ 45 5.3.1. Оценка качества метамодели ................................................... 46 5.3.2. Уточнение метамодели............................................................. 48 Построение метамодели........................................................................ 48 6. ГЛАВА 3. Решение задачи оптимизации ................................................... 50 Оптимизация с использованием приложения PREF-FILTER-SW .... 50 1. 1.1. Метод решения задачи оптимизации ............................................ 50 1.2. Решение задачи оптимизации. ....................................................... 53 2. Решение задачи оптимизации средствами ANSYS Workbench ........ 55 ГЛАВА 4. Организационно-экономическая часть .................................... 58 1. Введение ................................................................................................. 58 2. Расчет продолжительности работ и временных затрат ..................... 58 3. Определение численности исполнителей ........................................... 60 4. Календарный график выполнения проекта......................................... 61 5. Расчет материальных затрат ................................................................. 62 6. Расчет амортизационных отчислений ................................................. 62 7. Расчет заработной платы ...................................................................... 63 8. Расчет отчислений в социальные фонды ............................................ 65 9. Прочие расходы ..................................................................................... 66 10. Определение цены разработки проекта ........................................... 66 11. Выводы ................................................................................................ 67 ГЛАВА 5. Промышленная экология и безопасность ................................ 68 1. Введение ................................................................................................. 68 2. Анализ основных факторов воздействия среды на оператора ПК ... 68 3. Критерии проектирования освещения вычислительного центра ..... 69 4. Общие положения организации рабочего места ................................ 70 5. Требования к ПЭВМ ............................................................................. 71 6. Требования к микроклимату на рабочих местах ПЭВМ ................... 74 7. Эргономичность..................................................................................... 76 3 7.1. Обеспечение требований к размещению оборудования ............. 76 7.2. Отделка помещений для работы с ПЭВМ .................................... 78 7.3. Обеспечение электробезопасности ............................................... 78 7.4. Обеспечение пожаробезопасности ................................................ 80 7.5. Обеспечение допустимого уровня шума ...................................... 80 8. Охрана окружающей среды .................................................................. 81 8.1. Области применения исследуемых фильтров .............................. 81 8.2. Возможности регенерации фильтроэлементов ............................ 83 8.3. Изменение тонкости фильтрации .................................................. 85 9. Выводы ................................................................................................... 86 Список литературы ....................................................................................... 88 Приложение 1. Графические материалы .................................................... 91 4 ГЛАВА 1. Постановка задачи 1. Введение в проблемную область На сегодняшний день проблема очистки жидкостей актуальна для множества отраслей промышленности. Потребность в качественных фильтрующих элементах испытывает машиностроение, пищевая, химическая, медицинская промышленность, а также станции водоочистки и водоподготовки, нефтегазовая отрасль. К фильтрам предъявляются следующие требования: обеспечение необходимой тонкости фильтрации, высокая удельная проницаемость, долговечность, стойкость к очищаемой среде, возможность регенерации и технологичность изготовления [1]. Тонкость фильтрации – возможность проницаемой перегородки фильтрующего элемента задерживать частицы определенного размера. Как правило, задают номинальную тонкость фильтрации, под которой понимается минимальный размер частиц, 90-95% которых задерживается фильтром. При этом размер загрязняющих частиц принимается по наибольшему размеру. Исключение составляют игольчатые частицы, у которых толщина не более 30 мкм, а длина превышает толщину в 10 и более раз. Тонкость фильтрации определяется размерами живого сечения. Живое сечение – это сечение фильтрующего отверстия, перпендикулярное к направлению скорости движения жидкости. Процентное соотношение площади всех сквозных отверстий к общей площади поверхности фильтрующей перегородки называют коэффициентом живого сечения. Если же фильтрующий элемент способен изменять размер фильтрующих отверстий, то тонкость фильтрации определяется минимальным значением. Удельная проницаемость фильтра – коэффициент проникновения фильтруемого вещества через материал без физического или химического воздействия на него. Для подбора фильтров для гидравлических систем используется расходно-перепадная характеристика, позволяющая определить перепад давления на фильтроэлементе при заданном расходе 5 жидкости через него или выразить зависимость перепада давления от пропускной способности. Пропускная способность – это расход жидкости через фильтр, отнесенный к площади поверхности фильтрующей перегородки. Долговечность фильтра и стабильность его характеристик достигается за счет прочностных значений фильтрующих элементов и также зависит от такой характеристики как грязеёмкость. В качестве показателя прочности используется максимальный перепад давления. Грязеёмкость – это масса загрязнений, которая может быть отфильтрована с начального момента времени и до возникновения максимального значения перепада давления на фильтроэлементе. Также пользуются понятием удельной грязеёмкости, представляющей собой грязеёмкость, отнесенную к площади поверхности фильтроэлемента. Возможность регенерации является одной из важнейших характеристик фильтрующих систем, целесообразно при проводить этом без восстановление осуществления работоспособности разбора фильтра. Эффективность регенерации определяется как процентное отношение значения коэффициента сопротивления фильтроэмента после регенерации к его значению для незагрязненного фильтроэлемента. К наиболее эффективным методам регенерации относится метод промывки противотоком фильтрующей среды, который позволяет очистить фильтр без разборки и увеличить многократно ресурс фильтроэлемента. Эффективность регенерации напрямую связана со скоростью промывочного потока. Для обеспечения восстановления фильтра скорость потока должна превышать 0.5 м/с, именно поэтому эффективно очищаются только фильтры с невысоким гидравлическим сопротивлением. Это объясняется обеспечением необходимого расхода через фильтр без превышения допустимого перепада давления на фильтроэлементе. 6 2. Обзор типов и методов изготовления щелевых фильтров 2.1. Типы щелевых фильтров. По принципу фильтрования фильтры делятся на два типа. В глубинных фильтрах фильтрация происходит в порах фильтрующего материала, а в поверхностных на поверхности фильтроэлемента. Преимуществом глубинных фильтров является гарантированное задерживание частиц с размерами, превышающими размеры фильтрующих пор. Однако глубинные фильтры имеют высокое гидравлическое сопротивление из-за наличия глухих пор и извилистости фильтрующих отверстий. Таким образом, фильтры такого типа используются в основном для тонкой очистки жидкостей и газов, их использование для средней и грубой очистки нецелесообразно из-за повышенной склонности к засорению. Регенерация глубинных фильтров не дает высокой степени очистки. Это происходит из-за того, что фильтрация происходит в извилистых фильтрующих отверстиях, а при подобной структуре фильтрующего материала высока вероятность заклинивания фильтруемых частиц, также ограничение вносит высокое гидравлическое сопротивление. Фильтры, в которых фильтрация происходит на их поверхности, подразделяются на сетчатые и щелевые. В сетчатых фильтрах роль фильтрующей структуры исполняют ячейки, размеры профиля которой в живом сечении соизмеримы. В щелевых фильтрах структура фильтрации щели, один из размеров профиля в живом сечении которой существенно превышает другие Основным недостатком поверхностных фильтров является возможность прохода через фильтрующие отверстия пластинчатых или игольчатых частиц. Наибольшей способностью к регенерации обладают щелевые фильтры, которые по способу изготовления подразделяют на конструкции из набора дисков, проволочные пружинные, изготовленные точением, фрезерованием, лазерной вырезкой, деформирующим резанием. 7 2.2. Технологии изготовления щелевых фильтров Щелевые фильтры по технологическим методам изготовления подразделяются на: получаемые механической обработкой, получаемые физико-техническими методами обработки, сборные. Щелевые фильтры, получаемые механической обработкой. Один из способов получения щелевых фильтрующих труб из различных материалов – фрезерование дисковыми фрезами [2]. При этом щели могут быть как радиальные, так и параллельные оси заготовки. Ширина получаемых щелей при таком методе обработки зависит от ширины используемого инструмента и величины разбивки, что налагает ограничения на ширину щелей. Фрезерованием получают щели шириной 0.25 мм и более. Метод фрезерования также позволяет получать регулируемые фильтры. Для этого щели прорезают не рядами, а в шахматном порядке с угловым смещением инструмента 90°. Таким образом, снижается осевая жесткость трубы, что позволяет ей деформироваться в упругой области, обеспечивая возможность бесступенчатой регулировки ширины сквозных щелей. Конструктивно изменение длины фильтроэлемента осуществляется путем перемещения одного торца относительно другого с помощью механизма увеличения зазора. При регенерации противотоком давление промывки вызывает растяжение фильтрующего элемента вдоль своей оси, что вызывает увеличение ширины его отверстий и повышает эффективность регенерации. Недостатками данных конструкций является неравномерность ширины щели после изменения её размера и значительные осевые усилия для настройки ширины щелей на заданную тонкость фильтрации. Также низкая производительность изготовления, ограничение минимальной ширины щелей в 250 мм и сложность технологии изготовления. 8 Рисунок 1.1. Труба с фрезерованными щелями Рисунок 1.2. Регулируемый фильтр с фрезерованным фильтроэлементом К достоинствам следует отнести относительно высокий коэффициент живого сечения (около 25 – 30%) и возможность использования универсального оборудования. Множество видов щелевых сеток получают обработкой давлением [2]. Используется как метод штамповки щелей или метод одновременной 9 просечки и вытяжки. Полученные сетки используются как фильтрующие перегородки или для производства фильтрующих труб. Данные щелевые сетки имеют высокий коэффициент живого сечения (25 – 30%), низкую себестоимость и высокую производительность изготовления. Недостатками данного метода является ограничение по ширине щелей – минимальная ширина щели составляет 500 мкм и невозможность регулировки ширины щелей в процессе эксплуатации. Таким установкой образом, их в применение качестве таких защитных сеток часто кожухов ограничивается перед основными фильтрующими элементами. Рисунок 1.3. Просечная сетка С помощью токарной обработки возможно получение сквозных щелей на трубных заготовках нестандартного сечения [3]. Резец прорезает спиральную канавку, формируя, таким образом, сквозную щель в стенке трубной заготовки. Профиль спиральной канавки определяется инструментом, а требуемая ширина фильтрующих щелей обеспечивается деформацией выступов между щелями фильтрующего элемента. Для облегчения этого процесса на поверхности заготовки формируются специальные существует возможность обеспечения технологические канавки. При необходимости непроницаемости фильтрующего элемента до начала его эксплуатации. Для 10 этого при формировании спиральной канавки стенка трубы прорезается не до конца, оставляя при этом перемычку толщиной 0.5 мм, а после монтажа перемычка срезается специальной прошивкой (рисунок 1.4-1.6). Недостатками метода является низкое значение коэффициента живого сечения, отсутствие возможности регулировки щели в процессе эксплуатации и сложность технологии изготовления. Достоинства заключаются в стабильности получения требуемой ширины щелей (от 150 мкм и более) и возможность обеспечения непроницаемости фильтра до завершения монтажа при использовании в скважинах. Рисунок 1.4. Щелевая труба, полученная на токарном станке Рисунок 1.5. Технологические пазы 11 Рисунок 1.6. Процесс деформирования выступов Щелевые фильтрующие элементы можно также получать методом деформирующего резания [4] (рисунок 1.7-1.8). Метод основан на подрезании припуска и целенаправленном пластическом деформировании подрезанного слоя. Образующаяся при обработке стружка не отделяется от заготовки и образует структуру, состоящую из ребер и щелевого зазора между ними. Метод безотходен и позволяет обрабатывать широкий диапазон пластичных материалов таких, как медь алюминий, титан, стали, термопластичные полимеры (полиэтилен, полипропилен, ПЭТ, фторопласт). Структуры, получаемые методом деформирующего резания, имеют повышенную площадь поверхности (до 14 раз по сравнению с исходной заготовкой), что позволяет применять метод для получения различных теплообменных поверхностей. Получаемая щелевая структура имеет управляемые геометрические характеристики, зависящие от технологических параметров обработки, такие как: толщина ребер, их шаг, ширина щелевого зазора. Применение метода деформирующего резания при обработке полимерных заготовок позволяет получать фильтрующие структуры с шириной щелей от 15 мкм и более. 12 Рисунок 1.7. Структуры, получаемые методом деформирующего резания Рисунок 1.8. Принцип обработки методом деформирующего резания Щелевые фильтры, получаемые физико-техническими методами обработки. Щелевые сетки могут быть получены методами электрохимической обработки [5] (рисунок 1.9). Метод основан на анодном растворении материала заготовки. Для этого на материал заготовки наносится защитная маска для формирования щелевой структуры со щелями заданной формы и расположением. Защитная маска представляет собой фотополимеры, которые засвечиваются через трафарет, тем самым образуется защитная плёнка. Далее производится двухсторонняя электрохимическая обработка заготовки, в результате которой получают щелевую сетку. К достоинствам данной технологии относится отсутствие механических воздействий на заготовку, возможность получения отверстий с размером от 60 мкм, высокий коэффициент живого сечения у получаемых сеток. 13 Недостатками является невозможность регулировки ширины щели, низкая производительность изготовления, сложность и неэкологичность технологии, а также невозможность получения сеток с толщиной, превышающей ширину щелей. Использование метода лазерной обработки позволяет использовать в качестве заготовки лист или трубы различного профиля [6] (рисунок 1.10). Положительными сторонами метода является отсутствие механических воздействий на заготовку, возможность получения щелей от 5 мкм, отсутствие ограничений по обрабатываемому материалу. К недостаткам относится высокая стоимость обработки и значительная энергоёмкость процесса изготовления. Рисунок 1.9. Сетки, полученные электрохимической обработкой Рисунок 1.10. Фильтрующая труба со щелями, полученными лазерной обработкой 14 3. Постановка задачи Математическую модель щелевого фильтра определяют следующие его параметры (рисунок 11): D – внешний диаметр щелевого фильтра; L – длина фильтра; h – толщина стенки фильтра; G – длина необработанной части фильтра; N c – число винтовых рядов щелей; b – ширина щелей; – угол наклона винтовых рядов щелей (рисунок 1.11); Rи – радиус траектории инструмента, формирующего сквозную щель (рисунок 1.12); S o – осевой шаг щелей (рисунок 1.11) Рисунок 1.11. Модель фильтра Взаимосвязи указанных параметров фильтра определяет следующая последовательность действий. 15 1) Задав численные значения параметров , Rи , So , рассчитываем шаг витков спирали Sв D tg . 180 2) Вычисляем высоту спирали (длина участка трубной заготовки со сквозными щелями) H с L 2G . 3) Определяем число щелей на одной спирали nщ H с So . 4) Вычисляем требуемое расстояние А между осью вращения заготовки и осью вращения инструмента по формуле A D 2 Rи t , где t h 1, мм – максимальная глубина внедрения инструмента, заданная из технологических соображений. 5) Определяем длину прорезаемой щели на внутренней поверхности заготовки lвн.щ 2r, где r D 2 h – внутренний радиус заготовки; r 2 A2 Rи2 arccos центральный угол, на который опирается дуга lвн.щ 2 Ar (рисунок 2). Это сделано в допущении о независимости длины щели от режима резания (встречное или попутное). Рисунок 1.11. К расчету длины щели на внутренней поверхности фильтра: 1 – профиль трубной заготовки фильтра, 2 – траектория инструмента 16 В соответствии со стандартом ГОСТ 18599-2001 распространяющимся на напорные трубы из полиэтилена наружный диаметр модели щелевого фильтрующего элемента принимается равным 50 мм, а толщина стенки 4 мм. Остальные размеры выбирались на основе имеющихся данных об изготовлении и тестировании подобных фильтрующих элементов, значения размеров отображены в таблице 1.1. Таблица 1.1. Параметры модели фильтроэлемента Наружный диаметр, мм Толщина стенки, мм Длина участка со сквозными щелями, мм Длина необработанной части, мм Количество рядов щелей Ширина щели в свободном состоянии, мкм Направление винтовых рядов щелей В качестве компонентов вектора 50 4 80 15 6 100 правое варьируемых параметров X рассматриваем x1 - угол наклона винтовой линии рядов щелей, град; x2 So - шаг щелей, мм; x3 Rи - радиус вращения инструмента, мм. Допустимая область варьируемых параметров, полагаем, имеет вид DX X | 30 x1 80; 1 x2 3; 20 x3 50. В процессе эксплуатации щелевые фильтроэлементы подвергаются силовым воздействиям двух типов: во-первых, радиальные воздействия, обусловленные перепадом давлений внутри и снаружи фильтра; во-вторых, осевая нагрузка, используемая для управления шириной щели, например, при промывке фильтроэлементов противотоком. Таким образом, при проектировании щелевого фильтра необходимо учитывать, как минимум, три критерия оптимальности фильтра: живое сечение ф1 ( X ) ; жесткость ф2 ( X ) , мм; прочность ф3 ( X ) МПа. 17 1) Живое сечение равно отношению суммарной площади щелей 1 к площади нарезанной части поверхности фильтра 2 : ф1 ( X ) 1 min; 1 N c nщlвн.щb; 2 2 rH c . X 2 (1.1) Говоря более строго, живое сечение подлежит максимизации. Однако для единообразия записи в формуле (1) используем знак минус и решаем задачу минимизации функции ф1 ( X ) . 2) Жесткость фильтра определяем относительным увеличением ширины щелей (их раскрытием) в результате растяжения фильтра осевой силой F , приложенной к одному из торцов фильтроэлемента при закреплении другого торца: ф2 ( X ) L So min. X Hc (1.2) Здесь L – удлинение фильтра, вызванное силой F 100 Н. 3) Прочность фильтра. В качестве данного критерия используем максимальное напряжение, возникающее в материале фильтра при перепаде давления, равном P : ф3 ( X ) min. X (1.3) Ставим трехкритериальную задачу оптимизации фильтра: найти значения его варьируемых параметров X D X , которые, в пределе, обеспечивают выполнение всех условий (1) – (3). Выбор материала для фильтроэлементов в общем случае обусловлен множеством факторов, самыми значительными из которых являются устойчивость против коррозии, допустимость обработки кислотами, а в скважинах питьевого водоснабжения не ухудшение качества воды. Кроме того, требуется прочность для восприятия давления фильтрационного потока и стойкость к абразивному истиранию проникающими частицами. Использование пластмасс для создания современных фильтрующих элементов является тенденцией во множестве отраслей промышленности. Их 18 применение обусловлено стойкостью к разрушению в результате действия коррозионных процессов. Кроме того, уменьшается загрязнение отверстий фильтроэлементов гидрохимическими отложениями вследствие гидрофобности пластмасс. Также фильтры на основе таких материалов имеют более гладкую наружную и внутреннюю поверхность, их пропускная способность при одинаковых условия работы выше, чем у фильтров из металлов. Пластмассы обладают стойкостью при абразивном истирании, антисептичны и допускают обработку кислотами для борьбы с загрязнением фильтров. При необходимости замены или возникновении аварийной ситуации скважинные фильтры, на основе пластмассовых фильтрующих элементов разбуривают или дробят, после чего извлекают по частям. Следует отметить большую технологичность изготовления пластмасс и меньшую долю требуемых капиталовложений, чем на аналогичные изделия из металлов или керамики. Одним из наиболее перспективных материалов среди пластмасс, с точки зрения изготовления фильтрующих элементов, является полиэтилен низкого давления. Его важными достоинствами являются стойкость к различным маслам и химическим реагентам, безопасность для человеческого организма, а по сравнению с другими полиэтиленами, например высокого давления, этот материал выгодно отличает более высокая прочность и лучшая обрабатываемость резанием. Таким образом, в качестве параметров материала исследуемой модели были выбраны характеристики полиэтилена марки ПЭ 80 [1], представленные в таблице 1.2. 19 Таблица 1.2. Характеристики полиэтилена ПЭ 80 Модуль упругости, Н/м² Коэффициент Пуассона Модуль сдвига, Н/м² Плотность, кг/м³ Предел прочности при растяжении, Н/м² Теплопроводность, Вт/(м · К) Удельная теплоёмкость, Дж/(кг · К) 2 ∙ 109 0,3940 3,189 ∙ 108 1020 3 ∙ 107 0,2256 1386 4. Выводы Основные результаты работы в данной главе заключаются в следующем. 1) Рассмотрены основные типы и методы изготовления щелевых фильтров. 2) Разработана математическая модель щелевого фильтра, изготавливаемого методом деформирующего резания. 3) Поставлена трехкритериальная задача оптимизации геометрии этого фильтра. 20 ГЛАВА 2. Разработка моделей 1. Выбор среды моделирования и инженерного анализа В качестве используемой системы трехмерного моделирования и инженерного анализа рассматривалось множество подобных систем, таких как NX (Unigraphics), SolidWorks, ANSYS DesignModeler/Mechanical. Основным преимуществом системы SolidWorks является возможность построения массива элементов по кривой (Curve Driven Pattern). С помощью данного инструмента упрощается процесс проектирования трехмерной модели фильтроэлемента, а также появляется возможность задания таких параметров модели, как угол наклона винтовых рядов щелей , используя известные математические выражения. Кроме того, для данной системы существует наиболее подробная документация, включающая в себя разделы по написанию приложений с использованием интерфейса прикладного программирования (Application Programming Interface, API). Интерфейс API позволяет получить доступ к возможностям трехмерного моделирования, а также задействовать функциональность модуля инженерного анализа. При выполнении конечно-элементного анализа используется большой объем оперативной памяти, однако преимуществом системы SolidWorks является невысокая потребность в данном ресурсе (~150 Мбайт в режиме редактирования геометрии для 64-битного приложения), также существует возможность работы в фоновом режиме, что снижает потребность в вычислительных ресурсах. 2. Разработка модели в среде SolidWorks Параметризованная модель щелевого фильтра разработана в среде системы трёхмерного моделирования SolidWorks (рисунок 2.1). Так как работа через стандартный пользовательский интерфейс не обеспечивает доступа ко многим функциональным возможностям, заложенным разработчиками в SolidWorks, было разработано программное приложение, позволяющее программно управлять моделью, а также проводить исследования жесткости 21 и прочности фильтра. Разработка приложения выполнена с использованием среды разработки программного обеспечения VisualStudio 2010 на языке программирования C#. Для управления набором функциональных средств SolidWorks, приложение использует интерфейс прикладного программирования. Рисунок 2.1. Модель фильтроэлемента В качестве конечных элементов (КЭ) конечно-элементной сетки используются параболические тетраэдральные элементы, которые в отличие от линейных позволяют получить более точную аппроксимацию модели [19]. Основным управляемым параметром конечноэлементной модели является максимальный размер ребра конечного элемента smax . Разработанное программное приложение позволяет не только задавать размер smax , но также def использовать значение этого размера по умолчанию smax = smax , которое определяется в пакете CosmosWorks (SolidWorks Simulation), исходя из геометрических параметров модели. Пакет CosmosWorks входит в состав SolidWorks и предназначен для выполнения конечно-элементного анализа. Поскольку при решении МКО-задачи требуется многократное интегрирование модельной системы дифференциальных уравнений в частных производных, актуальной является задача сокращения соответствующих вычислительных затрат. С этой целью желательно использовать КЭ-сетки, содержащие минимальное число узлов. С другой стороны, для обеспечения требуемой точности результатов необходимы сетки с большим числом узлов. 22 В этой связи в первую очередь была выполнена серия вычислительных экспериментов, призванных определить оптимальный размер сетки. Стандартной инженерной практикой при выборе размера КЭ является исследование энергии деформации при варьировании размера КЭ. При этом размеры КЭ уменьшают до тех пор, пока энергия деформации практически престает меняется. Результаты такого рода экспериментов, выполненных с помощью конечно-элементной SolidWorks-модели фильтра, представлены на рисунках 2.2-2.4. Исследование выполнено при варьировании максимального размера smax ребра КЭ в диапазоне от 5 мм до 0,5 мм. Рисунок 2.2. Максимальная энергия деформации фильтра: SolidWorks-модель; осевое растяжение фильтра силой F=100 H 23 Рисунок 2.3. Максимальная энергия деформации фильтра: SolidWorks-модель; перепад давления P 150 кПа Рисунок 2.4. Время расчета: SolidWorks-модель; осевое растяжение фильтра силой F=100 H; перепад давления P 150 кПа 24 Представленные результаты исследования позволяют сделать вывод о том, что при размерах конечных элементов smax , меньших 1 мм, энергия деформации, обусловленная, как осевым растяжением фильтра, так и перепадом давления, меняется незначительно. В то же время, при такой величине smax вычислительные затраты оказываются приемлемыми. На этом основании, а также исходя из принципа гарантированного результата, дальнейшие исследования выполнены при smax 1 мм. Из экспериментов, результаты которых представлены выше, вытекает, что максимальные напряжения при указанных деформациях фильтра возникают у оснований щелей (рисунок 2.5). Таким образом, максимальная точность проводимых расчетов может быть достигнута только при задании длины ребра конечного элемента равным значению, меньшему, чем ширина щелевого отверстия фильтроэлемента. Однако в данной среде инженерного анализа невозможно задать измельчение конечноэлементной сетки только в определенных областях автоматически, данная возможность доступна только при редактировании сетки «вручную», что делает невозможным использование приложений, позволяющих программно управлять процессом исследования. Таким образом, выбранная длина ребра конечных элементов является компромиссом между точностью вычислений, и временем выполнения исследования. Рисунок 2.5. Распределение максимальных напряжений в фильтре 25 3. Создание модели в ANSYS Workbench Модуль ANSYS DesignModeler позволяет осуществлять построение, а также импорт геометрии из всех основных систем трехмерного моделирования, таких как CATIA, NX, SolidWorks, Solid Edge, Inventor. После импортирования геометрии доступна ассоциативная связь с исходной CADсистемой, таким образом, существует возможность проведения параметрической оптимизации модели. Так как в модуле DesignModeler отсутствуют инструменты копирования массивов объектов по спирали, что делает процесс построения модели трудоёмким, использовалась модель фильтроэлемента, импортированная из системы SolidWorks (рисунок 2.6). Рисунок 2.6. Импортированная модель фильтроэлемента. Модуль ANSYS DesignModeler В качестве конечных элементов конечноэлементной сетки использовались параболические тетраэдральные элементы. Число конечных элементов было задано таким образом, чтобы на границе щелей модели фильтроэлемента размещались элементы с длиной ребра меньшей, чем ширина щели. С этой целью была изменена геометрия модели. Скругление острых углов на границе щелей позволило при автоматической генерации конечноэлементной сетки использовать инструмент Curvature Size Function. Данный инструмент позволяет учитывать кривизну поверхности модели для задания большего числа конечных элементов. Число элементов на границе щелей было принято равным пяти (рисунок 2.7). 26 Рисунок 2.7. Конечно-элементная сетка на границе отверстий модели Программная платформа ANSYS Workbench позволяет в едином информационном пространстве интегрировать модули импорта геометрии модели, проведения эксперимента и оптимизации. Тем самым ликвидируются затраты как на передачу данных из одного приложения в другое на уровне текстовых файлов, так и на интерпретацию файлов результатов при переходе из одной системы в другую. Общая схема проекта представлена на рисунке 2.8. Рисунок 2.8. Схема проекта в ANSYS Workbench 27 4. Параллельные возможности ANSYS APDL Во многих случаях решение задач большой размерности сопряжено с большими вычислительными затратами и дальнейшее увеличение точности расчета возможно лишь за счет учета всех особенностей геометрии модели. При поиске оптимального решения часто приходится решать десятки, а иногда и сотни вариантов исследуемой задачи. Подобные факторы ведут к дальнейшему увеличению размерности расчетной модели и увеличению времени расчета. Выгодной особенностью программных комплексов ANSYS является способность решать задачи подобного класса, используя технику параллельных вычислений на различных платформах [7]. Решатель ANSYS поддерживает несколько режимов параллельных вычислений: параллельные вычисления на системах с общей памятью Shared Memory Parallel (SMP) и распределенной памятью Distributed Memory Parallel (DMP), также поддерживаются расчеты на профессиональных графических ускорителях NVIDIA Tesla. С точки зрения реализации распараллеливания решателя ANSYS, более удобным является применение систем, использующих режим распараллеливания с общей памятью, так как при этом не требуется использование высокоскоростного сетевого интерконнекта типа InifiniBand, Myrinet, GigE, Ethernet не рекомендуется использовать. Также в этом случае необходимо конфигурирование программного обеспечения для правления передачей данных между вычислительными узлами Message Passing Interface (MPI), на платформах Windows в большинстве случаев используется Platform MPI (по умолчанию) или Intel MPI. Однако запуск решателя ANSYS в режиме DMP также возможен на локальной машине, при этом требуется лишь указание числа используемых решателем ядер процессора. Проведение расчетов на графических ускорителях NVIDIA, начиная с версии ANSYS 14.0, возможно только при наличии вычислительных систем Tesla третьего поколения (20-series) или Quadro модели 6000 или K5000. Поддержка ускорителей второго поколения имеется только в версии 28 ANSYS 13.0, однако её использование нецелесообразно, так как в последующих версиях оптимизированы алгоритмы параллельных вычислений, а также увеличено быстродействие алгоритма генерации конечно-элементной модели. 4.1. Параметры решателя Для задач механики деформируемых твердых тел ANSYS предлагает широкий набор современных решателей: прямой решатель разряженных матриц (Sparse), итерационный решатель с предварительно заданным сопряженным градиентом (PCG), сопряженным градиентом Якоби (JCG), и т.д. Для распределенных вычислений используются модификации DPCG, DJCG и решателя разреженных матриц. Возможные типы решателей представлены в таблице 2.1. Таблица 2.1 Типы решателей ANSYS APDL для параллельных вычислений Тип решателя Прямой Итерационный Sparse PСG JCG DSparse С распределенной памятью DPCG DJCG В данной работе в случае решения задачи в режиме распараллеливания с общей памятью использовался решатель по умолчанию – PCG. Решатель PCG оперирует малыми значениями операций ввода/вывода дисковой системы (I/O). Поэтому его использование на одном компьютере при решении нескольких процессоров показывает хорошее быстродействие. В случае решения задачи в режиме распараллеливания с распределенной памятью использовалась модификация данного алгоритма для распределенных вычислений DPCG. 29 4.2. Исследование ускорения Вычислительные компьютере, эксперименты имеющем следующие проводились значения на персональном основных параметров: четырёхядерный процессор Intel® Core™ i5 CPU 750; 2,63 ГГц; оперативная память − 16 Гбайт. Число узлов конечно-элементной модели – 793253, число элементов − 429121. Эффективность параллельных вычислений оценивалась ускорением S(N ) T (1) , T (N ) (2.1) где T (1) − время последовательного решения задачи на одном процессоре системы, T ( N ) − время параллельного решения той же задачи на N процессорах. Результаты исследования ускорения представлены на рис. 2.9 и рис. 2.10. 2.2 2 S(N) 1.8 1.6 1.4 1.2 1 1 2 3 4 N Рисунок 2.9.Ускорение решения задачи методом PCG 30 2.4 2.2 S(N) 2 1.8 1.6 1.4 1.2 1 1 2 3 4 N Рисунок 2.10. Ускорение решения задачи методом DPCG Результаты исследования позволяют сделать вывод, о том, что использование 4-х ядерных процессоров даёт существенный прирост производительности. Ускорение решения задачи S ( N ) на 4-х ядрах в режиме Shared Memory Parallel, составило 2,0025, в режиме Distributed Memory Parallel − 2,2839. Разница в 14% возможно связана с лучшей реализацией модификации алгоритма PCG и хорошей оптимизацией Platform MPI для работы на одной машине. Все дальнейшие вычисления проводились в режиме DMP с использованием решателя DPCG. 31 5. Технология метамоделирования Явные аналитические зависимости характеристик объекта от параметров проектирования невозможно получить для сколько-нибудь сложного реального объекта проектирования. В подобных случаях компьютерное моделирование применяется для сокращения количества дорогостоящих (в материальном и временном смысле) натурных экспериментов. Таким образом, целью моделирования является прогноз характеристик проектируемого объекта. Использование сложных моделей для конечно-элементного анализа делает время моделирования неприемлемо высоким. Если выполнение одного эксперимента с моделью требует более часа, то проведение тысяч или даже сотен экспериментов, например, при решении задач оптимизации, является нецелесообразным. В качестве ответа на возникшие сложности, в последние годы стало активно развиваться альтернативное направление математического моделирования – метамоделирование [8], в рамках которого математические предсказательные модели для сложных систем строятся по результатам вычислительных экспериментов с компьютерными моделями. Построение таких моделей основано на идеях машинного обучения, где модели «обучаются» по множеству входных и выходных данных – результатах экспериментов. Построенные модели, зачастую их называют метамоделями (модели над моделями), полностью заменяют собой источники получения данных. Как правило, метамодели описывается функциями, имеющими явный аналитический вид, и поэтому могут иметь существенно более высокую вычислительную эффективность по сравнению с исходными моделями. Таким образом, цель построения метамодели – предоставление приближенных значений выходных параметров на основе любых входных параметров из области допустимых значений, без необходимости проведения полных расчётов. 32 Ключевой задачей анализа данных в метамоделировании является задача построения аппроксимационной зависимости, при этом используются методы параметрической и непараметрической регрессии. Величину погрешности для «точек проектирования» можно непосредственно вычислить и проконтролировать, а погрешность для новых или проверочных точек характеризует обобщающую способность построенной метамодели. Точность построенной метамодели зависит от множества факторов: сложность ландшафта аппроксимируемой поверхности, число первоначальных вычислений, выбора алгоритма построения метамодели. 5.1. Планирование эксперимента Планирование эксперимента [9] (Design of Experiments) – методика, применяемая для определения расположения точек проектирования. Основная цель планирования эксперимента – задание точек наиболее эффективным образом, что позволит получить требуемую информацию при наименьшем числе вычислений, а также повысить точность метамодели. При использовании модуля ANSYS Design Exploration, кроме возможности задания точек проектирования «вручную», доступны следующие планы проведения эксперимента: Central Composite Design (CCD); Box-Behnken Design; Sparse Grid Initialization; Latin Hypercube Sampling Design (LHS); Optimal Space-Filling Design (OSF). 5.1.1. Central Composite Design (CCD) Центральный композиционный план [9], также известный как план БоксаУилсона, является пятиуровневым дробным факторным планом, наиболее эффективен, если метамодель представляет собой поверхность второго порядка. Факторами в данном случае являются управляемые параметры модели. Значения, принимаемые каждым фактором, называются уровнями. 33 Существуют три наиболее часто используемых модификации данного метода: описанный (circumscribed), вписанный (inscribed), а также центральный композиционный план с центрами на гранях (face-centered). Значения, кодируемые пятью уровнями для каждого фактора, представляются в виде [-α, -1, 0, +1, +α], где уровни [-1, +1] соответствуют верхней и нижней границе области допустимых значений, а уровни [-α, +α] устанавливают новые пределы для управляемых параметров. Значение переменных α зависят от типа исследуемой модели, а также числа факторов. Circumscribed CCD. Этот план проведения эксперимента является первоначальной версией центрального композиционного плана. План используется для генерации данных, необходимых при построении высокоточной метамодели. Значение переменной α всегда принимается большим единицы, таким образом некоторые значения управляемых параметров выходят из области допустимых значений. Необходимо убедиться в возможности проведения эксперимента для каждого входного параметра на уровнях [-α, +α]. Геометрическое представление плана для трех управляемых параметров дано на рисунке 2.11. Рисунок 2.11. План Circumscribed CCD Inscribed CCD. В отличие от первоначальной версии плана, уровни [-1, +1] используются как минимальные и максимальные значения управляемых параметров. Подобное изменение влияет на качество создаваемой метамодели вблизи границ области допустимых значений. Таким 34 образом, использование данного плана обеспечивает высокую точность модели только для центральной области допустимых значений входных параметров. Геометрическое представление плана для трех входных параметров дано на рисунке 2.12 Рисунок 2.12. План Inscribed CCD Face-centered CCD. Данный план является частным случаем центрального композиционного плана, для которого значение переменной α принимается всегда равным единице. Таким образом, точки проектирования задаются в центре граней, формируемых любыми двумя факторами. Для данного плана проведения эксперимента не требуется задание точек проектирования вне области допустимых значений управляемых параметров. Центральный композиционный план с центрами на гранях, по сравнению с Inscribed CCD, обеспечивает сравнительно высокое качестве метамодели для всей области допустимых значений факторов. Основным недостатком является высокая погрешность при вычислений старшего коэффициента квадратного уравнения. Графическое представление плана для трёх факторов дано на рисунке 2.13. 35 Рисунок 2.13. План Face-centered CCD 5.1.2. Box-Behnken Design В отличие от центрального композиционного плана, план Бокса-Бенкена не содержит в себе вложенного факторного или дробного факторного плана [9]. План является трёхуровневым, это означает, что каждый фактор представлен тремя уровнями [-1, 0, +1]. Уровни [-1, +1] используются как минимальные и максимальные значения управляемых параметров. Точки проектирования задаются таким образом, чтобы они располагались в центре ребер, формируемых любыми двумя факторами. При равной точности метамодели, план Бокса-Бенкена наиболее эффективен, по сравнению с центральным композиционным планом, в тех случаях, когда используется не более трёх-четырёх факторов. В таком случае множество точек проектирования задается меньшим числом комбинаций уровней управляемых параметров. Однако, также, как и при использований плана Inscribed CCD, качество создаваемой метамодели вблизи границ области допустимых значений остаётся низким. Отсутствие вложенного факторного плана позволяет избежать потери данных, если для исследуемой модели существуют физические ограничения, не позволяющие проводить эксперименты для точек проектирования, полученных комбинацией максимального и минимального значения каждого управляемого параметра. Графическое представление плана для трёх факторов дано на рисунке 2.14. 36 Рисунок 2.14. План Box-Behnken Design 5.1.3. Latin Hypercube Sampling Design (LHS) Latin Hypercube Sampling Design [10] − план проведения эксперимента при котором точки проектирования создаются при помощи LHS алгоритма, который представляет собой усовершенствованную версию алгоритма МонтеКарло, исключающей образование скоплений точек. Данный план подразумевает создание точек проектирования случайным образом на квадратной сетке, расположенной в области допустимых значений. Число рядов и столбцов сетки соответствует числу управляемых параметров. Две точки проектирования не могут иметь одинаковых значений (исключается создание нескольких точек в одном ряду или столбце). Основным недостатком данного плана является то, что он не гарантирует создание точек на границах области допустимых значений, таким образом, задание малого числа точек проектирования способно отразиться на качестве метамодели. Рисунок 2.15. Результат работы алгоритмов Монте-Карло и Latin Hypercube 37 5.1.4. Optimal Space-Filling Design (OSF) Данный план подразумевает создание максимально удаленных друг от друга точек, таким образом достигается однородное распределение точек проектирования во всей области допустимых значений. План OSF является расширенной версией плана LHS [10]. Рассматриваемый план инициализируется как LHS, после проверки на отсутствие нескольких точек в одном ряду или столбце сетки, производится максимизация расстояния между точками с целью получения наиболее однородного распределения. Для компенсации погрешности измерений, связанных с физическими экспериментами, классические планы проведения эксперимента, например центральный композиционный план, направлены на задание точек проектирования вблизи границы области допустимых значений. Так как в компьютерном моделировании не существует подобной проблемы, план OSF используется для создания точек проектирования во всей области допустимых значений. Данный план позволяет получить максимум информации для построения метамодели, используя при этом минимальное число точек. Optimal Space-Filling Design наиболее эффективен при применении сложных методов регрессионного анализа, использующих сравнительно большое число точек проектирования, например метод Kriging, нейронные сети или метод непараметрической регрессии. План OSF также имеет недостатки плана LHS. Не существует гарантий того, что точки проектирования будут созданы на границах области допустимых значений. Несмотря на это, задание достаточного числа точек позволяет построить высокоточную метамодель. Для примера рассмотрим применение данного плана для модели с двумя управляемыми параметрами. Создание шести точек проектирования неспособно обеспечить высокое качество метамодели, однако полученное распределение точек более однородно, нежели при использовании плана LHS (рисунок 8). 38 Рисунок 2.16. Задание шести точек согласно плану LHS и OSF Качество метамодели может быть улучшено при увеличении числа точек проектирования до двадцати. Точки, заданные планом LHS, образуют близкорасположенные скопления, таким образом могут возникнуть пробелы при покрытии области допустимых значений. План OSF обеспечивает лучшее покрытие, так как расстояние между точками проектирования максимально (рисунок 2.17). Рисунок 2.17. Задание двадцати точек согласно плану LHS и OSF 5.1.5. Sparse Grid Initialization Sparse Grid Initialization – план проведения эксперимента, необходимый для осуществления интерполяции методом Sparse Grid [10]. Алгоритм создания точек проектирования является адаптивным, позволяет строить метамодель с указанной точностью. Задание новых точек в этом случае происходит в тех областях, где относительная погрешность для выходных параметров наиболее высока. Алгоритм основан на концепции иерархии сеток. Число точек проектирования задается согласно уровню сетки: нулевой 39 уровень предполагает вычисление значений выходных параметров для текущих значений управляемых параметров, первый уровень позволяет создать по две точки для каждого входного параметра. Главным достоинством плана является то, что задание точек проектирования происходит только в тех областях, где это необходимо. Высокое качество метамодели достигается при сравнительно меньшем числе точек. План Sparse Grid также возможно использовать совместно с другими методами построения метамодели. 5.2. Алгоритмы построения метамодели Регрессионный анализ — статистический метод исследования влияния одной или нескольких независимых переменных на зависимую переменную. В данном случае для проведения подобного анализа необходимо наличие некоторого множества точек проектирования из области допустимых значений управляемых параметров, для которых известны значения критериев оптимальности. Таким образом, регрессионный анализ служит для определения взаимосвязи между входными и выходными параметрами на основе множества точек проектирования. Найденная взаимосвязь также зависит от выбора модели регрессионного анализа или алгоритма построения метамодели. После определения взаимосвязи, полученное приближение представляется в виде функции, называемой метамоделью. Для построения метамодели при использовании модуля ANSYS Design Exploration доступны следующие алгоритмы [10]: Full 2nd-Order Polynomial; Kriging; Non-Parametric Regression; Neural Network; Sparse Grid. 40 5.2.1. Full 2nd-Order Polynomial Full 2nd-Order метамодели, Polynomial выбираемый – стандартный системой по алгоритм умолчанию. построения Как правило, регрессионная модель, полученная данным алгоритмом, является достаточно грубой аппроксимацией отношения между входными и выходными параметрами и лишь в некоторых случаях способна отразить точную взаимосвязь. Поэтому в ANSYS используются следующие модификации стандартного алгоритма. Forward-Stepwise-Regression. Алгоритм основан на том, что отдельные члены регрессии итерационно добавляются к регрессионной модели, если будет установлено, что их добавление приведет к значительному улучшению результатов регрессии. Оценка необходимости добавления основана на вычислении значения некоторого статистического критерия. Использование функций преобразования. Только в отдельных случаях выходные параметры конечно-элементного анализа, такие как напряжения или перемещения, могут быть точно описаны как полиномиальная функция второго порядка от входных параметров. Обычно аппроксимация, полученная при помощи полинома второго порядка, позволяет получить лишь приблизительные результаты. Точность аппроксимации может быть значительно повышена при использовании функции преобразования. Однако если полученная метамодель не удовлетворяет требованиям точности, возможно выбрать другой тип преобразования. Так Box-Cox преобразование в некоторых случаях обеспечивает более высокую точность аппроксимации. Также допустимо построение регрессионной модели без использования функций преобразования. 5.2.2. Kriging Kriging – алгоритм построения метамодели, обеспечивающий лучшее качество аппроксимации при значительной вариации значений выходных параметров [13]. Алгоритм позволяет производить точную многомерную интерполяцию, совмещая при этом полиномиальную модель, которая 41 используется как «глобальная» модель и локальные отклонения, заданные так, чтобы максимально точно описать положение точек проектирования. Kriging Алгоритм Auto-Refinement. позволяет автоматически генерировать множество точек, необходимых для уточнения построенной метамодели. Процесс уточнения обеспечивает создание точек именно в тех областях, где это особенно необходимо и завершается при выполнении заданного критерия останова. На каждой итерации процесса автоматического уточнения для каждого критерия оптимальности вычисляется прогнозируемое значение относительной погрешности вычислений. Поиск новых точек уточнения метамодели происходит при помощи градиентных методов оптимизации, используемых для нахождения экстремумов функции прогнозирования погрешностей. Если прогнозируемая погрешность для точки больше требуемой, то она автоматически добавляется в список точек уточнения. После каждого добавления для выбранных значений управляемых параметров происходит вычисление критериев оптимальности и уточняется исходная метамодель. Процесс выполняется итерационно, происходит обнаружение и добавление новых точек до тех пор, пока не будет достигнута заданная максимальная относительная погрешность вычислений для каждого выходного параметра или пока не будет создано максимально допустимое число точек. 5.2.3. Non-Parametric Regression Непараметрическая регрессия [11] – метод регрессионного анализа, обеспечивающий улучшенное качество метамодели, по сравнению с алгоритмом по умолчанию. Метод может быть использован совместно с любым алгоритмом генерации точек. Данный алгоритм используется в ANSYS DesignXplorer для аппроксимаций сравнительно сложного нелинейного поведения выходных параметров. 42 Алгоритм относится к классу методов Support Vector Method (метод опорных векторов) [12]. Это набор схожих между собой алгоритмов, применяющихся в задачах классификации. Их главной особенностью является применение гиперплоскостей, использующихся для разделения данных на классы. Метод непараметрической регрессии работает схожим образом, его главная отличительная особенность заключается в том, что гиперплоскости используются параметров, для выделения являющегося подмножества достаточным для векторов управляемых представления значений критериев оптимальности. Полученное подмножество называется набором опорных векторов. В текущей версии данного алгоритма, внутренние параметры метода формирования метамодели фиксированы и не могут быть оптимизированы для конкретного случая. Параметры заранее определены серией тестов и представляют собой компромисс между точностью метамодели и высокой скоростью вычислений. Для широкого круга задач текущие настройки обеспечивают оптимальные результаты, однако для некоторых типов задач (в которых изменение выходных параметров может быть представлено плоскостями или полиномами низкого порядка) использование данного метода может привести к появлению колебаний между точками. 5.2.4. Neural Network Для построения данной регрессионной модели используется персептрон двухслойной структурой [14]. Схема организации нейронной сети представлена на рисунке 1. 43 Вход A Скрытая функция Скрытая функция Вход B Скрытая функция Вход C Скрытая функция Выходная функция Выходная функция f1(X) f2(X) Скрытая функция Рисунок 2.181. Схема организации нейронной сети Все компоненты вектора управляемых параметров 𝑋 передаются на нейроны скрытого слоя нейронной сети. Каждому выходу нейрона скрытого слоя, представляющего функцию 𝑔(𝑋), сопоставлен весовой коэффициент 𝑤𝑗𝑘 . Таким образом, итоговую функцию можно представить в виде f k X K w jk g j X , (2.2) где 𝐾 – сигмоидальная функция типа гиперболического тангенса. Процесс обучения заключается в нахождении значений весовых коэффициентов 𝑤𝑗𝑘 , правильный подбор которых позволяет минимизировать погрешность между ожидаемыми и известными значениями выходных параметров. Разница между этими значениями вычисляется на каждой итерации алгоритма. Используются те проверочные точки, которые не были отобраны для процесса обучения. Работа алгоритма завершается при достижении минимально допустимого значения погрешности аппроксимации. Так как для построения метамодели используются не все точки, для корректной работы алгоритма необходимо максимально возможное 44 увеличение их числа. Также возможно изменение числа нейронов в скрытом слое – чем больше их число, тем выше точность аппроксимации. 5.2.5. Sparse Grid Метод Sparse Grid [15] использует адаптивный алгоритм построения метамодели. Уточнение решения производится автоматически. Алгоритм определяет, какие области метамодели имеют большую погрешность, в результате точки уточнения метамодели задаются в тех областях, где это необходимо. Таким образом, становится возможным быстрее получить решение с необходимой точностью, уменьшить число точек для проведения расчетов и снизить общие вычислительные затраты. Данный адаптивный алгоритм основан на концепции иерархии сеток [15]. Алгоритм используется совместно с методом генерации точек для первоначальных вычислений Sparse Grid Initialization. На каждом этапе работы алгоритма создается число точек согласно уровню сетки: нулевой уровень предполагает вычисление значений выходных параметров для текущих значений управляемых параметров, первый уровень позволяет создать по две точки для каждого входного параметра. Генерация новых уровней сетки выполняется на основании заданного критерия оценки качества метамодели. Остановка итерационного процесса происходит в следующих случаях. Метамодель удовлетворяет заданным требованиям к точности. Создано максимально возможное число точек уточнения метамодели. Построено максимальное число уровней сетки. Точность метамодели определяется максимальной относительной погрешностью, вычисляемой для каждого значения выходного параметра. Погрешность рассчитывается на каждой итерации как разница между ожидаемым и действительным значением. 5.3. Постобработка метамодели ANSYS DesignXplorer предоставляет множество инструментов постобработки, необходимых для оценки качества и улучшения построенной 45 метамодели. Инструменты постобработки позволяют оценить, каким образом каждый управляемый параметр влияет на критерии оптимальности, и какие параметры используемых функций необходимо изменить для достижения результатов наибольшей точности. 5.3.1. Оценка качества метамодели Введем следующие обозначения: 𝑦𝑖 – значение выходного параметра в i-ой пробной точке; 𝑦̂𝑖 – значение регрессионной модели в i-ой пробной точке; 𝑦̅ – среднее арифметическое значений 𝑦𝑖 ; 𝜎𝑦 – среднеквадратичное отклонение значений 𝑦𝑖 ; 𝑁 – число точек проектирования; 𝑃 – число полиномиальных членов для квадратичной метамодели (число факторов). Для оценки качества метамодели вычисляются значения коэффициентов, позволяющих определить степень несоответствия между метамоделью и реальным источником данных. Коэффициент детерминации – это доля дисперсии выходных параметров, объясняемая рассматриваемой регрессионной моделью. Более точно – это единица минус доля необъяснённой дисперсии (возникающей изза погрешности полученной метамодели) в дисперсии выходных параметров: N R2 1 y yˆ 2 y y 2 i i i 1 N i . (2.3) i i 1 Скорректированный коэффициент детерминации применяется для сравнения моделей с разным числом факторов так, чтобы их число не влияло на статистику. Данный коэффициент является предпочтительным критерием оценки при небольшом числе точек (до 30). Оценка с помощью данного 46 критерия доступна только при использовании алгоритма по умолчанию. Математически коэффициент определяется выражением N 1 i 1 yi yˆi R 1 . N P 1 N yi y 2 N 2 2 (2.4) i 1 Maximum Relative Residual – максимальное относительное расстояние между точками метамодели и точками, для которых были вычислены значения выходных параметров. При значениях выходных параметров близких к нулю, возможно получение ошибочной оценки. Математически коэффициент определяется формулой y yˆ max abs i i . i 1: N y (2.5) Среднеквадратическое отклонение вычисляется как квадратный корень из среднего значения квадрата разности между действительными и предполагаемыми значениями выходных параметром. При значениях критерия близких к нулю достигается наилучшее качество метамодели. Математически критерий определяется выражением 1 N 2 yi yˆi . N i 1 (2.6) Относительное среднеквадратическое отклонение вычисляется как квадратный корень из среднего значения квадрата нормированной разности между действительными и предполагаемыми значениями: 2 1 N yi yˆi . N i 1 yi Максимальная нормированная абсолютная (2.7) погрешность – максимальная разность между действительным и предполагаемым значением выходных параметров, нормированная значением среднеквадратического отклонения: 1 y max abs yi yˆi . i 1: N (2.8) 47 Средняя нормированная абсолютная погрешность – среднее значение суммы разностей между действительным и предполагаемым значением выходных параметров, нормированное значением среднеквадратического отклонения: 1 1 y N N abs( y i yˆi ) . (2.9) i 1 Данные критерии оценки качества не являются надежными показателями при оценки качества метамодели, построенной с помощью алгоритма Kriging или Sparse Grid. В таком случае метамодель проходит через все точки, для которых известны значения критериев оптимальности, в результате оценка качества всегда приближена к максимальной. Для адекватной оценки Kriging или Sparse Grid метамодели используется множество проверочных точек. Если погрешность вычислений в проверочных точках меньше прогнозируемой относительной погрешности, возможно их использование в качестве точек уточнения. 5.3.2. Уточнение метамодели Возможность использовать уточнение метамодели «вручную» доступно при использовании любого алгоритма построения метамодели, за исключением метода Sparse Grid. При использовании методов оптимизации зачастую возникает необходимость добавления точек уточнения для улучшения метамодели в области с лучшими решениями. Для подобных ситуаций предусмотрены инструменты быстрой передачи точек из имеющихся решений задач оптимизации. 6. Построение метамодели В качестве плана проведения эксперимента использовался план Optimal Space-Filling Design. Данный план обеспечивает однородное распределение точек проектирования во всей области допустимых значений управляемых параметров. Число точек проектирования было выбрано равным тридцати, что превышает в два раза, значение, устанавливаемое по умолчанию для трех входных параметров. 48 В качестве алгоритма построения метамодели использовался алгоритм Kriging. Алгоритм позволяет производить многомерную интерполяцию, совмещая при этом полиномиальную модель, которая используется как «глобальная» модель и локальные отклонения, заданные так, чтобы максимально точно описать положение точек проектирования. Число точек уточнения метамодели выбиралось автоматически, критерием остановки создания новых точек служило значение функции прогнозирования погрешностей не более 10%. Таким образом, было создано 15 точек уточнения метамодели. Для примера полученная зависимость раскрытия щели от радиуса траектории инструмента и угла наклона винтовых рядов щелей представлена на рисунке 2.19. Рисунок 2.19. Зависимость раскрытия щели от радиуса траектории инструмента и угла наклона винтовых рядов щелей 49 ГЛАВА 3. Решение задачи оптимизации 1. Оптимизация с использованием приложения PREF-FILTER-SW 1.1. Метод решения задачи оптимизации Пусть X ( x1 , x2 ,..., xn ) – вектор варьируемых параметров задачи. Область допустимых значений вектора X образует множество DX . Векторный критерий оптимальности Ф( X ) (ф1 ( X ), ф2 ( X ), ..., фm ( X )) определен на множестве DX и ЛПР стремится минимизировать значение каждого из частных критериев оптимальности фi ( X ) , i [1 : m] , что условно записываем в виде min Ф( Х ) Ф( Х * ), Х DX . X (3.1) В нашем случае n m 3 . Обычно критерии оптимальности являются противоречивыми и свои оптимальные значения достигают в различных точках множества допустимых значений вектора варьируемых параметров DX . Вследствие этого решением МКО–задачи является множество компромиссных решений, называемое множеством Парето. Это множество включает в себя решения, которые нельзя улучшить сразу по всем критериям. Обозначим ( X , ) операцию скалярной свертки частных критериев оптимальности, где (1 , 2 , ..., m ) D – вектор весовых множителей; D – множество допустимых значений этого вектора. При каждом фиксированном векторе D метод скалярной свертки сводит решение задачи (3.1) к решению однокритериальной задачи глобальной условной оптимизации (ОКО–задачи) min ( Х , ) ( Х * , ), Х DX . X (3.2) Обозначим D множество достижимости задачи, то есть множество, в которое векторная целевая функция Ф(X ) отображает область D X . Если при каждом D решение задачи (3.2) единственно, то это решение ставит в соответствие вектору единственный вектор X. Данное обстоятельство позволяет полагать, что функция предпочтений ЛПР определена не на 50 множестве D X , а на множестве D . В результате МКО–задача сводится к задаче выбора вектора * D такого, что max ( ) (* ), D . Величину полагаем лингвистической переменной со значениями от «очень – очень плохо» до «отлично». Ядро нечеткой переменной обозначим , так что ее значению «очень – очень плохо» соответствует 1 , а значению «отлично» – 9 . Таким образом, МКО–задачу сводим к задаче отыскания вектора * D , обеспечивающего максимальное значение целочисленной функции () : max ( ) ( * ) * , D . (3.3) В качестве функции ( X , ) используется аддитивная свертка m ф ( X ). i i i 1 Известно, что решения, доставляющие минимум этой свертки, принадлежат множеству Парето задачи. Для решения задачи оптимизации применяется программное приложение PREF-FILTER-SW [18], в котором реализован рассмотренный метод решения МКО-задачи. Для аппроксимации функции предпочтений в программе используется многослойный персептрон с семью нейронами в скрытом слое. Многослойный персептрон строит указанную аппроксимирующую функцию в виде H m1 j 0 f 2 i f1 i , j ф j , i 0 где i , i , j - параметры, вычисляемые в процессе обучения нейронной сети; f1 () , f 2 () - сигмоидальная и линейная функции соответственно; H - число нейронов в скрытом слое нейронной сети (в нашем случае H=7). Программная реализация нейронных сетей выполнена на основе свободно распространяемого пакета FANN (Fast Artificial Neural Network Library) [16]. 51 Для решения ОКО-задач, в программном приложении используется свободно распространяемый пакет NLopt (NonLinear Optimization), поддерживающий широкий класс методов многомерной локальной и глобальной оптимизации [17]. В частности, в качестве метода глобальной условной оптимизации для решения задач (3.2) и (3.3) использован метод мультистарта в комбинации с прямым методом многомерной локальной условной оптимизации COBYLA (Constrained Optimization BY Linear Approximations), реализация которого имеется в указанном пакете. 52 1.2. Решение задачи оптимизации. В качестве лица, принимающего решения, выступал профессор МГТУ им. Н.Э. Баумана Н.Н. Зубков. Число «разгонных» решений, которые предоставляются ЛПР для оценки на первой итерации, было принято равным пяти. На рисунке 3.1 в трех разных проекциях изображены решения, предлагаемые ЛПР для оценки. Задача была решена за девять итераций диалога с ЛПР. Полученному решению соответствует точка с номером 13 на рисунке 3.1. Соответствующие значения варьируемых параметров и критериев оптимальности равны: угол наклона винтовой линии рядов щелей x1 59 град; шаг щелей x2 S0 1 мм; радиус вращения инструмента x3 Rи 49 мм; живое сечение ф1 0,093; жесткость фильтра ф2 0,012 мм; прочность фильтра ф3 3,675 МПа. а) 53 б) в) а) – проекция в осях ф1 и ф3 ; б) – проекция в осях ф2 и ф1 ; в) – проекция в осях ф2 и ф3 Рисунок 3.1. Аппроксимация фронта Парето для трехкритериальной задачи оптимизации геометрии фильтра 54 2. Решение задачи оптимизации средствами ANSYS Workbench Решение задачи оптимизации получено за 7 итераций метода MOGA. Полученная аппроксимация фронта Парето представлена на рисунке 3.2. В качестве решения задачи оптимизации система определяет три точкикандидата. Соответствующие значения варьируемых параметров и критериев оптимальности для лучшего решения равны: угол наклона винтовой линии рядов щелей x1 51,26 град; шаг щелей 1,01 мм; радиус вращения инструмента x3 Rи 33,90 мм; живое сечение ф1 0,047; жесткость фильтра ф2 0,020 мм; прочность фильтра ф3 3,735 МПа. В данном случае решение было выбрано исходя из предположения, что все управляемые параметры обладают равной значимостью. a) 55 б) в) 56 г) a) – оси ф1 , ф2 , ф3 ; б) – проекция в осях ф1 и ф3 ; в) – проекция в осях ф2 и ф1 ; г) – проекция в осях ф2 и ф3 Рисунок 3.2. Аппроксимация фронта Парето для трехкритериальной задачи оптимизации геометрии фильтра 57 ГЛАВА 4. Организационно-экономическая часть 1. Введение Дипломная работа посвящена разработке конечно-элементной модели и дальнейшей оптимизации щелевого фильтроэлемента, полученного методом деформирующего резания. Ключевым этапом данной работы является моделирование воздействия внешней среды на изделие, при варьировании множества параметров. Для этого используются программные продукты, позволяющие при помощи расчетных методов, провести серию экспериментов. Таким образом, становится возможным получить данные о том, как поведёт себя изделие в реальных условиях эксплуатации без существенных материальных затрат на изготовление опытных образцов и проведение экспериментов. Полученные данные также используются для оптимизации геометрии щелевого фильтроэлемента, позволяя выбрать оптимальную геометрию фильтрующей структуры в зависимости от предпочтений лица, принимающего решения. Организационно-экономическая часть работы посвящена разработке комплекса мероприятий организационно–экономического и финансового планов, которые необходимо выполнить при создании и исследовании параметризованной модели фильтрующего элемента с использованием программных комплексов трехмерного моделирования и инженерного анализа SolidWorks 2012 и ANSYS Workbench 14.5. Результаты, полученные в ходе выполнения проекта, используются исключительно в интересах кафедры и не предназначены для последующей продажи. 2. Расчет продолжительности работ и временных затрат Для планирования продолжительности выполнения проекта используются расчетные и опытно-статистические нормативы. Однако по значительной части работ такие нормативы отсутствуют. Поэтому для определения продолжительности работ используются две оценки времени, выдаваемые ответственным исполнителем: минимальная и максимальная продолжительность работы. При этом оценки рассматриваются не как 58 обязательство ответственного исполнителя, а как предложение, основанное на опыте, интуиции и на учете факторов, влияющих на продолжительность работы. Рассмотрим перечень работ по всем этапам выполнения проекта: техническое задание – постановка задач проекта, определение основных положений и методик; выбор направления исследования – сбор и изучение научнотехнической информации, формулирование возможных направлений решения задач; подготовка экспериментальной базы – окончательный выбор решений, направленных на экспериментальный анализ модели, определение границ рассматриваемой задачи; теоретические и экспериментальные исследования – построение модели объекта исследования, обоснование допущений, проведение экспериментов, обработка полученных данных; обобщение и оценка результатов исследования – обобщение результатов предыдущих этапов работ, оценка полноты решения задач, составление итогового отчёта. Рассчитываем ожидаемое время выполнения каждой работы 𝑡ож : tож 3Tmin 2Tmax , 5 где 𝑇𝑚𝑖𝑛 – минимальная продолжительность работы, т.е. время, необходимое для выполнения работы при наиболее благоприятном стечении обстоятельств (час, дни, недели и т.д.); 𝑇𝑚𝑎𝑥 – максимальная продолжительность работы, т.е. время, необходимое для выполнения работы при наиболее неблагоприятном стечении обстоятельств (час, дни, недели и т.д.). Для определения возможного разброса ожидаемого времени рассчитываем дисперсию (рассеивание) 𝜎𝑡 2 : 59 𝜎𝑡 2 = 0.04 ∙ (𝑇𝑚𝑎𝑥 − 𝑇𝑚𝑖𝑛 )2 . Результаты расчетов приведены в таблице 4.1. Таблица 4.1 Оценки затрат времени Этапы 1 2 3 4 5 Стадии Техническое задание Выбор направления исследования Подготовка экспериментальной базы Теоретическое и экспериментальное исследование Обобщение и оценка результатов исследования 𝑇𝑚𝑎𝑥 , дни 10 18 13 2.56 10 21 14 4.84 18 25 21 1.96 40 55 46 9 5 12 8 1.96 Итого: 𝑡ож , дни 𝜎𝑡 2 , дни 𝑇𝑚𝑖𝑛 , дни 102 Полученное большое значение дисперсии на некоторых этапах проекта говорит о том, что существует неопределенность относительно момента завершения данной работы. Данное положение объясняется комплексностью проекта, а так же большой долей исследовательских работ, результаты и сроки выполнения которых имеют вероятностный характер. Суммарное ожидаемое время выполнения комплекса проектных работ составляет 102 дня. 3. Определение численности исполнителей Для определения количества исполнителей и построения план-графика выполнения НИОКР необходимо рассчитать продолжительность каждого 60 этапа работы. Требуемое количество исполнителей R по этапам определяется по формуле: Rэт эт К д Fи К в , где эт - трудоемкость этапа, час; К д - коэффициент дополнительных затрат (1.1 < Кд < 1.15); Fu - фонд рабочего времени исполнителя (176 часов в месяц); К в - коэффициент выполнения норм К е 1.15 . В рамках данного проекта число исполнителей является постоянной величиной, заданной изначально – это один студент дипломник. В приведенных расчетах показано, что студент должен справиться с поставленной задачей в установленные сроки. 4. Календарный график выполнения проекта Для иллюстрации последовательности проводимых работ проекта применяют ленточный график (календарно-сетевой график, диаграмму Ганта). На диаграмме Ганта на оси Х показывают календарные дни (по рабочим неделям) от начала проекта до его завершения. По оси Y – выполняемые этапы работ. Для наглядности приведем график Ганта (рисунок 4.1), отражающий взаимодействие шагов проекта во времени. График показывает последовательность действий в нужном порядке и те из них, которые могут выполняться одновременно. Если отдельные этапы проекта могут выполняться параллельно различными исполнителями, то они отображается в виде нескольких нумерованных отрезков (или прямоугольников), размещенных на временных интервалах. 61 Рисунок 4.1. Диаграмма Ганта 5. Расчет материальных затрат Материальные затраты на разработку и оптимизацию модели щелевого фильтроэлемента составляют только затраты на изготовление документации в печатном виде, а также затраты на носитель данных для передачи проекта в электронном виде. Результаты расчетов приведены в таблице 4.2. Таблица 4.2 Основные средства Наименование Количество, Цена за единицу, руб. Сумма, руб. материала шт. Бумага для принтера 1 200 200 500 листов A4 Флеш–накопитель 1 800 800 8Гб Итого: 1000 6. Расчет амортизационных отчислений В данной статье учитываются суммарные затраты на приобретение оборудования и нематериальных активов, требуемых для разработки данного программного продукта. Основные средства указаны в таблице 4.3. 62 Таблица 4.3 Основные средства Наименование материала Количество, Цена за единицу, Сумма, руб. шт. руб. Персональный компьютер 1 30000 30000 Windows 7 Professional 1 7700 7700 Visual Studio 2010 1 20900 20900 Итого: 58600 Стоимость оборудования распределяется в виде амортизационных отчислений пропорционально времени его использования, которые определяются по формуле: CАМ = КСО · НА · ti / FД, где КСО – балансовая цена оборудования, руб.; НА – норма годовых амортизационных отчислений для оборудования; FД – действительный годовой фонд времени, дней; ti – время использования оборудования при выполнении данной разработки, дней. FД = 248 дней. Норму амортизации составляет 12% от первоначальной или восстановительной стоимости основных производственных фондов. Расходы на амортизационные отчисления CАМ = 58600·0,125·102/248 = 3013 руб. 7. Расчет заработной платы В статью «Основная заработная плата» включается основная заработная плата всех исполнителей, непосредственно занятых разработкой данной программной продукции, с учётом их должностного оклада и времени участия в разработке. Расчёт ведётся по формуле: СЗАРП = СЗ.ОСН. + СЗ.ДОП. + СЗ.ОТЧ., где СЗ.ОСН. – основная заработная плата; СЗ.ДОП. – дополнительная заработная плата; СЗ.ОТЧ. – отчисление с заработной платы. 63 Расчет основной заработной платы (оплаты труда непосредственных исполнителей) производится по формуле: СЗ.ОСН = ТЗАН · ОДН, где ТЗАН.– число дней, отработанных исполнителем проекта; ОДН – дневной оклад исполнителя. При 8-ми часовом рабочем дне оклад исполнителя рассчитывается по соотношению в формуле: O ДН OМЕС 8 FM , где ОМЕС – месячный оклад; FМ – месячный фонд рабочего времени (128 часов). С учетом налога на доходы физических лиц размер оклада увеличивается, что отражено в формуле: OМЕС O (1 H НДФЛ 100 ) , где O – «чистый» оклад; ННДФЛ – налог на доходы физических лиц в размере 13%. Результаты расчета с перечнем исполнителей и их месячных и дневных окладов, а также их трудозатратах и рассчитанной основной заработной платой каждого исполнителя приведены в таблице 4. В статье «Дополнительная заработная плата» учитываются все выплаты непосредственным исполнителям за неотработанное время, предусмотренные трудовым законодательством, и определяются по формуле: CЗ.ДОП = CЗ.ОСН · αД, где αД – коэффициент отчислений на дополнительную зарплату, примем αД=0,2. Рассчитанные значения заработной платы приведены в таблице 4.4. 64 Таблица 4.4 Затраты на основную заработную плату сотрудников Исполнитель Месячный Дневная Продолжительность Основная Дополнительная оклад, руб. заработная работы, дн. заработная заработная плата, плата, руб. плата, руб. руб. Инженер50000 3125 102 318750 63750 конструктор Получаем расходы на заработную плату: CЗП = CЗО + CЗД = 318750 + 63750 = 382500 руб. 8. Расчет отчислений в социальные фонды Отчисления с заработной платы состоят в настоящее время в уплате единого социального налога. Налоговым кодексом РФ определяются ставки налога для отчисления в пенсионный фонд РФ, фонд социального страхования, фонды обязательного медицинского страхования (федеральный и территориальный фонды). На момент расчета экономической части продукта сумму ставок ЕСН соответствует 30%. Отчисления с заработной платы составят: СЗ.ОТЧ.=(СЗ.ОСН. + СЗ.ДОП.)·НСОЦ = 382500 · 0,3 = 114750 руб Таким образом, общие затраты на заработную плату составят: СЗАРП =318750 + 63750 + 114750 = 497250 руб Ставка взносов при общей системе налогообложения разбивается по фондам как показано в таблице 4.5. Таблица 4.5 Ставка взносов Наименование фонда Пенсионный фонд Фонд медицинского страхования Страховая часть Накопительная часть ФФОМС Ставка взносов, % 16 6 2,9 ТФОМС Всего: 5,1 30 65 9. Прочие расходы Расходы на интернет: CПР = 500 руб/мес· 4 мес = 2000 руб. 10. Определение цены разработки проекта Таким образом, затраты на разработку проекта (сметная себестоимость): C = 503263 руб. Таблица 4.6 Структура затрат Статья Сумма, руб Отчисления в социальные фонды 114750 Заработная плата 382500 Амортизационные отчисления 3013 Прочие затраты 2000 Материальные затраты 1000 Итого: 503263 На рисунке 4.2, а также в таблице 4.6 приведена структура затрат на выполнение проекта. 66 Заработная плата 76% Прочие затраты 0,4% Материальные затраты 0,2% Другое 1% Отчисления в социальные фонды 23% Амортизационные отчисления 0,6% Рисунок 4.2. Структура затрат 11. Выводы В результате расчётов было получено общее время выполнения проекта, которое составило 102 дня. Для выполнения проекта будет задействован один исполнитель – студентдипломник. Подсчитаны затраты на затраты на разработку и оптимизацию модели щелевого фильтроэлемента, которые составили 503263 рублей. 67 ГЛАВА 5. Промышленная экология и безопасность 1. Введение В данном разделе производится анализ вредных факторов, действующих на пользователя ПК, и рассматриваются вопросы проектирования средств защиты от воздействия этих факторов. В основе анализа лежат действующие санитарные правила и нормы СанПин 2.2.2./2.4.1340–03 «Гигиенические требования к персональным электронно–вычислительным машинам и организации работы», а также нормы противопожарной безопасности (НПБ 105–03) и электробезопасности (Правила устройства электроустановок (ПУЭ)). Логически данный раздел можно разбить на две части. Первая часть анализ соответствия основных вредных и опасных факторов действующим нормам. Во второй части произведен подробный обзор областей применения исследуемых фильтроэлементов, возможностей регенерации, а также изменения тонкости фильтрации. 2. Анализ основных факторов воздействия среды на оператора ПК Воздействие, которое компьютерная техника способна оказать на человека можно разделить на три группы: нагрузка на опорно-двигательный аппарат человека: интенсивная работа с клавиатурой и "мышкой" может вызывать болевые ощущения в пальцах рук, кистях, запястьях, предплечьях и локтевых суставах. Длительное пребывание в неподвижной, неудобной позе приводит к усталости и болям в позвоночнике, шее, плечевых суставах и мышцах спины; физическое воздействие: компьютер является источником электромагнитного поля промышленной частоты, электромагнитного излучения радиодиапазона, электростатического и постоянного магнитного полей, рентгеновского излучения. Так же компьютер и 68 периферийное оборудование могут создавать шум, а так же изменять микроклимат и ионизацию воздуха в рабочем помещении; напряженность труда: работа с компьютером предполагает визуальное восприятие и анализ больших объемов информации, что вызывает утомление зрительного аппарата человека и перегрузку его мозга и центральной нервной системы. Кроме того, рабочее место и взаимное расположение всех его элементов должно соответствовать заданным антропометрическим, физическим и психологическим требованиям. Большое значение имеет также характер работы. При организации рабочего места оператора ПК должны быть соблюдены следующие основные условия и параметры: параметры микроклимата; допустимые уровни электромагнитное излучение; эргономичность рабочего места и используемых устройств; оптимальное размещение оборудования, входящего в состав рабочего места; достаточное рабочее пространство, позволяющее осуществлять все необходимые движения и перемещения; необходимо естественное и искусственное освещение для выполнения поставленных задач; уровень акустического шума не должен превышать допустимого значения; достаточная вентиляция рабочего места; необходимая электробезопасность; необходимая пожаробезопасность. 3. Критерии проектирования освещения вычислительного центра Методы, разработанные в рамках дипломного проекта не требуют для своего применения мощных серверов и аппаратных средств, что позволяет существенно сократить площади вычислительных центров, оптимизировать 69 их технические характеристики. Описанные технологии имеет смысл применять в наукоемких областях, где требуются большая вычислительная мощность для научных и конструкторских расчетов. Используемые для этих целей аппаратные средства представляют собой сервера, организованные в стойки или шкафы, плотно распределенные по площади вычислительного центра. Таким образом, формируется компьютерная сеть. Основной особенностью вычислительного центра является высокий уровень акустического шума и необходимость эффективного охлаждения воздушными или водяными системами. Это приводит к недопустимости постоянного нахождения персонала на территории ВЦ. Доступ к ресурсам осуществляется по сети через удаленные терминалы, тонкие клиенты или сетевые приложения. Таким образом, основными учитываемыми факторами являются: параметры микроклимата акустические параметры электробезопасность пожаробезопасность Эти факторы рассматриваются как для оператора ПК, так и для технических средств вычислительной системы. 4. Общие положения организации рабочего места Согласно с СанПиН компьютерами кондиционирования 2.2.2/2.4.1340-03, должны оборудоваться воздуха или помещения системами эффективной для работы отопления, приточно-вытяжной вентиляции. Расчет воздухообмена следует проводить по теплоизбыткам от оборудования, людей, солнечной радиации и искусственного освещения. Параметры микроклимата, ионного состава воздуха, содержание вредных веществ в нем должны отвечать нормативным требованиям. Звукоизоляция помещений и звукопоглощение ограждающих конструкций помещения 70 должны отвечать гигиеническим требованиям и обеспечивать нормируемые параметры шума на рабочих местах. Помещения должны иметь естественное и искусственное освещение. В помещениях ежедневно должна проводиться влажная уборка. Помещения с компьютерами должны быть оснащены аптечкой первой помощи и углекислотными огнетушителями. В случаях производственной необходимости эксплуатация компьютеров в помещениях без естественного освещения может проводиться только по согласованию с органами и учреждениями Государственного санитарно эпидемиологического надзора. 5. Требования к ПЭВМ ПЭВМ должны соответствовать требованиям СанПиН 2.2.2/2.4. 134003, и каждый их тип подлежит санитарно-эпидемиологической экспертизе с оценкой в испытательных лабораториях, аккредитованных в установленном порядке. Визуальные параметры ВДТ являются параметрами безопасности, и их неправильный выбор приводит к ухудшению здоровья пользователей. Для обеспечения надежного считывания информации при соответствующей степени комфортности ее восприятия СанПиН 2.2.2/2.4. 1340-03 определяет допустимые диапазоны визуальных параметров. Допустимые визуальные параметры устройств отображения информации приведены в таблице 5.1. 71 Таблица 5.1 Допустимые визуальные параметры устройств отображения информации № п/п Параметры Допустимые значения 1 Яркость белого поля Не менее 35 кд/кв. м 2 Неравномерность яркости Не более ±20% 3 Контрастность рабочего поля (для Временная нестабильность монохромного режима) Не менее 3:1 изображения (непреднамеренное 4 изменение во времени яркости Не должна фиксироваться изображения на экране дисплея мелькание) Пространственная 5 Не более 2х 10E(-4L), нестабильность изображения где L - проектное (непреднамеренные изменения расстояние наблюдения, мм положения фрагментов изображения Для дисплеев на ЭЛТ частота обновления изображения должна быть не на экране) менее 75 Гц при всех режимах разрешения экрана, гарантируемых нормативной документацией на конкретный тип дисплея, и не менее 60 Гц для дисплеев на плоских дискретных экранах (жидкокристаллических, плазменных и т.п.). Мощность экспозиционной дозы мягкого рентгеновского излучения в любой точке на расстоянии 0,05 м от экрана и корпуса ВДТ (на электроннолучевой трубке) при любых положениях регулировочных устройств не должна превышать 1 мкЗв/час (100 мкР/час) (СанПиН 2.2.2/2.4. 1340-03). Допустимые значения уровней звукового давления в октавных полосах частот и уровня звука, создаваемого ПЭВМ, не должны превышать значений, представленных в таблице 5.2. Таблица 5.2 72 Допустимые значения уровней звукового давления в октавных полосах частот и уровня звука. Октавные полосы Допустимые значения Реальные значения среднегеометрических уровней звукового уровней звукового частот, Гц 31,5 давления, дБ 86 давления, дБ 88 63 71 74 125 61 58 250 54 59 500 49 52 1000 45 48 2000 42 40 4000 40 42 8000 38 41 Измерение уровня звука и уровней звукового давления производится на расстоянии 50 см от поверхности оборудования и на высоте расположения источника(ов) звука. СанПиН 2.2.2/2.4. 1340-03. Временные допустимые уровни электромагнитных полей (ЭМП), создаваемых ПЭВМ, согласно СанПиН 2.2.2/2.4. 1340-03 не должны превышать значений, представленных в таблице 5.3. 73 Таблица 5.3 Временные допустимые уровни электромагнитных полей Наименование параметров Напряженность электрического поля Плотность ВДУ ЭМП в диапазоне частот 5 Гц - 2 кГц 25 В/м в диапазоне частот 2 кГц - 400 кГц 2,5 В/м в диапазоне частот 5 Гц - 2 кГц 250 нТл магнитного в диапазоне частот 2 кГц - 400 кГц потока Электростатический потенциал экрана видеомонитора 25 нТл 500 В Конструкция ПЭВМ должна обеспечивать возможность поворота корпуса в горизонтальной и вертикальной плоскости с фиксацией в заданном положении для обеспечения фронтального наблюдения экрана ВДТ. Дизайн ПЭВМ должен предусматривать окраску корпуса в спокойные мягкие тона с диффузным рассеиванием света. Корпус ПЭВМ, клавиатура и другие блоки и устройства ПЭВМ должны иметь матовую поверхность с коэффициентом отражения 0,4-0,6 и не иметь блестящих деталей, способных создавать блики. Конструкция ВДТ должна предусматривать регулирование яркости и контрастности (СанПиН 2.2.2/2.4. 1340-03). Концентрации вредных веществ, выделяемых ПЭВМ в воздух помещений, не должны превышать предельно допустимых концентраций (ПДК), установленных для атмосферного воздуха. 6. Требования к микроклимату на рабочих местах ПЭВМ В производственных помещениях, в которых работа с компьютером является основной (диспетчерские, операторские, расчетные, кабины и посты управления, залы вычислительной техники и др.), должны обеспечиваться 74 оптимальные параметры микроклимата. СанПиН 2.2.2/2.4.1340–03 устанавливает категории тяжести работ не выше Iа. Оптимальные параметры микроклимата во всех типах помещений с использованием ПЭВМ должны соответствовать нормам, приведенным в таблице 5.4. Таблица 5.4 Оптимальные параметры микроклимата. Период года Температура, ºС Относительная влажность, % Скорость движения воздуха, м/с Холодный 22–24 40–60 <0,1 Тёплый 23–25 40–60 <0,1 В рабочем пространстве, где осуществляется речевой обмен информацией, уровень шума должен быть менее 55 дБ. Самое вредное воздействие оказывает шум, имеющий в своем составе высокие тона. Для повышения влажности воздуха в помещениях с компьютерами следует также применять увлажнители воздуха, заправляемые ежедневно дистиллированной или прокипяченной питьевой водой Уровни содержания положительных и отрицательных аэроионов в воздухе помещений компьютерами должны соответствовать нормам, приведенным в таблице 5.5. 75 Таблица 5.5 Уровни содержания положительных и отрицательных аэроионов в воздухе. Уровни ионизации Число ионов в 1 см 3 воздуха помещения положительных отрицательных Минимально необходимые 400 600 Оптимальные 1 500 – 3 000 3 000 – 5 000 Максимально допустимые 50 000 50 000 7. Эргономичность 7.1. Обеспечение требований к размещению оборудования Площадь на одно рабочее место с компьютером для взрослых пользователей должна составлять не менее 6,0 м2, а объем – не менее 20,0 м3. Схемы размещения рабочих мест с ВДТ и ПЭВМ должны учитывать расстояния между рабочими столами с видеомониторами (в направлении тыла поверхности одного видеомонитора и экрана другого видеомонитора), которое должно быть не менее 2,0 м, а расстояние между боковыми поверхностями видеомониторов – не менее 1,2 м. При работе с монитором в глазу происходят процессы аккомодации и конвергенции, постоянно напрягающие мышцы хрусталика глазодвигательные мышцы. Аккомодация – изменение геометрии хрусталика, при котором изображение фокусируется на сетчатке. Расслабление глаз возможно фокусировке на «мнимый» объект на расстоянии примерно 800 мм. Взгляд под углом 30о на объект, удалённый на 530мм расслабляет глазодвигательные мышцы. Поэтому экран видеомонитора должен находиться на расстоянии 600 – 700 мм от глаз пользователя на высоте его головы. Зона досягаемости, сидящего за рабочим местом человека, составляет 350 – 400 мм. Ближней зоне соответствует область, охватываемая рукой при прижатом к туловищу локте, дальней зоне – область вытянутой руки. Поэтому клавиатуру следует располагать на поверхности стола на расстоянии 76 100 – 300 мм от края, обращенного к пользователю или на специальной выдвижной панели стола. Конструкция рабочего стула (кресла) должна обеспечивать поддержание рациональной рабочей позы при работе на ПЭВМ, позволять изменять позу с целью снижения статического напряжения мышц шейно–плечевой области и спины для предупреждения развития утомления. Рабочий стол должен иметь пространство для ног высотой не менее 600 мм, шириной – не менее 500 мм, глубиной на уровне колен – не менее 450 мм и на уровне вытянутых ног – не менее 650 мм. Конструкция рабочего стула должна обеспечивать: ширину и глубину поверхности сиденья не менее 400 мм; поверхность сиденья с закругленным передним краем; регулировку высоты поверхности сиденья в пределах 400 – 550 мм и углам наклона вперед до 15 град., и назад до 5 град.; высоту опорной поверхности спинки 300 ± 20 мм, ширину – не менее 380 мм и радиус кривизны горизонтальной плоскости – 400 мм; угол наклона спинки в вертикальной плоскости в пределах ± 30 градусов; регулировку расстояния спинки от переднего края сиденья в пределах 260 – 400 мм; стационарные или съемные подлокотники длиной не менее 250 мм и шириной 50 – 70 мм; регулировка подлокотников по высоте над сиденьем в пределах 230 ± 30 мм и внутреннего расстояния между подлокотниками в пределах 350 – 500 мм. Рабочие места по отношению к световым проёмам должны располагаться так, чтобы естественный свет падал сбоку, преимущественно слева (см. рисунок 5.1). 77 Рисунок 5.1. Расположение рабочих мест по отношению к световым проёмам 7.2. Отделка помещений для работы с ПЭВМ Для внутренней отделки интерьера помещений, где расположены ПЭВМ, должны использоваться диффузно-отражающие материалы с коэффициентом отражения для потолка – 0,7 – 0,8; для стен – 0,5 – 0,6; для пола – 0,3 – 0,5. Полимерные материалы используются для внутренней отделки интерьера помещений с ПЭВМ при наличии санитарно-эпидемиологического заключения. Помещения, где размещаются рабочие места с ПЭВМ, должны быть оборудованы защитным заземлением в соответствии с техническими требованиями по эксплуатации. Не следует размещать рабочие места с ПЭВМ вблизи силовых кабелей вводов, высоковольтных трансформаторов, технологического оборудования, создающего помехи в работе ПЭВМ. 7.3. Обеспечение электробезопасности Производителями персональных компьютеров предусмотрены все существующие способы обеспечения электробезопасности. Конструкция использованного в дипломной работе компьютера обеспечивает надежную электробезопасность для работающего с ним человека: по способу защиты от поражения электрическим током удовлетворяет требованиям ПУЭ. Защита от поражения электрическим током обеспечивается различными способами, в том числе: 78 размещением разъемов электропитания на тыльной стороне системного блока и монитора; применением надежных изоляционных материалов; использованием кабелей электропитания с заземляющими проводниками; использованием для электропитания устройств управления низковольтных напряжений (не более 12В); Системный блок и монитор подключены к трехфазной четырёхпроводной сети переменного тока с заземлением напряжением 220 В и частотой 50 Гц, нетоковедущие корпуса монитора и системного блока заземлены. Зануление электроустановки — преднамеренное электрическое соединение ее частей, нормально не находящихся под напряжением к нейтрали трансформатора через нулевой провод сети. При повреждении изоляции зануленного электрооборудования цепь аварийного тока замыкания имеет малое сопротивление, равное сумме сопротивлений фазного и нулевого проводов сети. Ток в этом случае значительно больше, чем при использовании только заземления, и защитная аппаратура сработает эффективнее. Быстрое и полное отключение поврежденного оборудования — основное назначение зануления. При обрыве нулевого провода на всех зануленных посредством этого провода корпусах появится напряжение, так как через остаток нулевого провода и хотя бы один включенный потребитель оказываются подключенными к фазному проводу. Поэтому недопустима установка в нулевой провод внутренней сети помещения предохранителей и автоматических выключателей, которые разрывали бы его при срабатывании. В сети 380/220 В недопустимо применять только заземление одних аппаратов и зануление других, так как в случае повреждения изоляции заземленного аппарата на нулевом проводе и зачтенном оборудовании может 79 появиться напряжение. Заземленный корпус аппарата должен иметь металлическое соединение с нулевым проводом сети. Дополнительными мерами при проектировании рабочего места пользователя является применение правил электробезопасности при эксплуатации электрических приборов. 7.4. Обеспечение пожаробезопасности Помещения ВЦ относятся к категории "В" пожаробезопасности: в них находятся твердые сгораемые вещества, не способные взрываться. При работе с ПЭВМ необходимо соблюдать требования пожаробезопасности. Не следует загромождать горючими и легко воспламеняющимися материалами (бумага, расходные материалы печатающих устройств, магнитные носители информации и т.п.) рабочие места операторов ЭВМ, выходы, проемы, коридоры; Подступы к средствам пожаротушения, средствам связи, электрораспределительным устройствам, а также к эвакуационным путям должны быть всегда свободны; Имеющиеся деревянные звукопоглощающие настенные панели и другие детали должны быть пропитаны огнезащитным составом; В системе кондиционирования должны быть предусмотрены клапаны для перекрытия воздухопроводов при пожаре. Противопожарные клапаны в системах кондиционирования должны закрываться вручную, дистанционно с пульта дежурного или автоматически при достижении температуры воздуха в помещении 70...80 гр. Цельсия; Рекомендуется установить блокировку на систему электропитания ЭВМ, обеспечивающую отключение аппаратуры от сети электропитания при возникновении пожара. 7.5. Обеспечение допустимого уровня шума При выполнении основной работы на ВДТ и ПЭВМ уровень шума на рабочем месте не должен превышать 50 дБа. На рабочих местах 80 в помещениях для размещения шумных агрегатов вычислительных машин (АЦПУ, принтеры и т.п.) уровень шума не должен превышать 75 дБА. Шумящее оборудование (АЦПУ, принтеры и т.п.), уровни шума которого превышают нормированные, должно находиться вне помещения с ВДТ и ПЭВМ. Допустимые значения уровней звукового давления в октавных полосах частот и уровня звука, создаваемого ПЭВМ приведены в таблице 5.6. Таблица 5.6. Допустимые значения уровней звукового давления и уровня звука Уровни звукового давления в октавных полосах со среднегеометрическими частотами 31,5 Гц 63Гц 86 дБ 125 Гц Уровни звука в 250 Гц 500Гц 1000 Гц 2000 Гц 4000 Гц 8000 Гц дБА 71 дБ 61 дБ 54 дБ 49 дБ 45 дБ 42 дБ 40 дБ 38 дБ 50 Измерение уровня звука и уровней звукового давления проводится на расстоянии 50 см от поверхности оборудования и на высоте расположения источника (ков) звука. 8. Охрана окружающей среды 8.1. Области применения исследуемых фильтров Потребность в недорогих и надежных механических фильтрах испытывает машиностроение для очистки технологических жидкостей, пищевая, химическая, медицинская промышленность, станции водоочистки и водоподготовки, нефтегазовая отрасль. Задача повышения надежности установок по очистке воды является актуальной для станции водоподготовки и водоочистки. Важным элементом угольных, песчаных, ионообменных фильтров является нижнее дренажнораспределительное устройство, использующееся для удержания фильтровального материала и сбора очищенной воды. Перспективным типом фильтроэлементов для дренажно-распределительных систем являются 81 полимерные щелевые фильтрующие трубы, полученные методом ДР. Данные фильтры обладают возможностью управления шириной сквозных щелей от 10 до 500 мкм и способностью к эффективной регенерации противотоком. Применение недорогих полимерных материалов (полиэтилен, полипропилен) обеспечивает низкую себестоимость изготовления и высокий срок службы фильтроэлементов. Повышенные экологические требования делают задачу увеличения эффективности очистки воды актуальной для областей водоподготовки и очистки сточных вод. Необходимость насыщения жидкости воздухом возникает в следующих случаях: Очистка природных вод, обеспечивающая требования по мутности и цветности, производится с помощью коагуляции, одним из методов которой является аэрофлокуляция. Процесс основан на перемешивании воды сжатым воздухом. Для очистки воды от механических частиц, нефтепродуктов, масла и других эмульгированных жидких веществ и радиоактивных соединений широко применяется флотация. Этот метод отделения дисперсных и коллоидных примесей от воды основан на способности частиц прилипать к газовым пузырькам и переходить вместе с ними в пенный слой. При водоподготовке широко применяется озонирование для обеззараживания воды. Озон вводят множеством способов, включая барботирование. Для удаления из природных вод летучих органических соединений биологического происхождения, вызывающих запахи и привкусы широко применяют аэрацию (насыщение воды кислородом воздуха). Также аэрация применяется для обезжелезивания, удаления углекислого и других растворенных газов из воды. В подавляющем большинстве случаев аэрацию осуществляют пропусканием воздуха через воду. 82 Одним из наиболее распространенных и эффективных методов удаления органических загрязнений из сточных вод является биологическая очистка. Для поддержания способности аэробных микроорганизмов питаться загрязняющими веществами необходимо насыщение воды кислородом. Для этого используют мелкопузырчатую аэрацию (размер пузырька 1...4 мм). Удовлетворить совокупности требований к устройствам для равномерной подачи воздуха могут проницаемые щелевые трубы, полученные методом ДР. Существуют образцы регулируемого щелевого аэратора из полиэтилена низкого давления. Испытания образцов показали, что при ширине щелей 10 мкм средний размер пузырьков составляет 3,5 мм, что подтверждает работоспособность данных щелевых труб в качестве устройств для мелкопузырчатой аэрации. Также разрабатываются фильтрующие устройства на основе щелевых фильтроэлементов, полученных методом ДР, предназначенные для очистки пластовых вод от пропанта - расклинивающего материала, который используется в нефтедобывающей промышленности при гидроразрыве пластов. Требуемая тонкость фильтрации составляет 50 мкм, однако конструкции позволяют производить настройку фильтроэлементов на тонкость от 5 мкм до единиц миллиметров. Фильтрация в данных устройствах производится снаружи внутрь фильтроэлементов. 8.2. Возможности регенерации фильтроэлементов Современным способом регенерации является метод фокусированной обратной промывки. Суть данного метода состоит в том, что внутри фильтра располагается соосная труба с форсунками, перпендикулярными ее оси, фильтрация при этом происходит с внутренней стороны фильтроэлемента наружу. Разница между рабочим давлением внутри фильтроэлемента и атмосферным давлением на выходе выпускного клапана создает обратный поток, устраняющий с фильтрующей поверхности загрязнение. При этом 83 работа фильтра не останавливается и лишь небольшая часть (около 1%) очищенной воды используется для промывки фильтроэлемента. Фильтры на основе щелевых труб, полученных методом ДР, также можно оснастить устройством для фокусированной обратной промывки. Фильтрация при этом должна осуществляться изнутри наружу. При таком направлении фильтрации трапецеидальная форма щелей, расширяющихся наружу (рис. 5.2), характерная для фильтрующих элементов изготовленных по методу ДР, обеспечивает повышенную эффективность очистки противотоком. Рисунок 5.2. Форма щелей регулируемого фильтра Применение устройства фокусированной обратной промывки возможно для фильтроэлементов с прямыми рядами щелей, полученных из стандартных трубных заготовок кольцевого сечения. Увеличить эффективность регенерации методом фокусированной обратной промывки можно путем применения регулируемых щелевых фильтрующих труб с винтовыми рядами щелей. Раскрытие фильтрующей трубы с увеличением ширины щелей позволит механически разрушить слой из частиц загрязнителя на ее поверхности и тем самым способствовать эффективной очистке фильтроэлемента. В данном случае необходимо останавливать работу фильтра путем перекрытия выхода для очищенной воды, т.к. в противном случае в очищенную воду попадут частицы большего размера, чем номинальная тонкость фильтрации, прошедшие через 84 увеличенные щели. Время полной регенерации зависит от размеров фильтроэлемента, размеров и количества форсунок, а также от рабочего давления и расхода, но, как правило, не превышает 40...60 с. Данное решение целесообразно применять для задач фильтрации, при которых на фильтрующей поверхности образуются трудноудаляемые уплотненные соединения частиц загрязнителя. 8.3. Изменение тонкости фильтрации Основной эксплуатационной характеристикой фильтроэлементов является тонкость фильтрации. Как правило, в технике используют номинальную тонкость фильтрации, определяющую минимальный размер частиц, 90-95% которых задерживается фильтроэлементом. Тонкость фильтрации определяет работоспособность фильтра и его применимость для конкретных задач фильтрации. Минимальная ширина щелей, которую обеспечивает метод ДР, полученная на полимерных трубках, составляет около 10 мкм. Для реализации возможности изменения ширины щелей, фильтроэлемент устанавливается в корпус, в верхней части которого выполняется резьбовое отверстие для винта, регулирующего длину щелевой трубы (рис. 5.3). Осевое перемещение ручки винта (изменение длины фильтроэлемента) может измеряется с помощью индикатора часового типа, установленного на корпусе фильтра. Настройка фильтроэлемента на требуемую тонкость фильтрации производится следующим образом. Рисунок 5.3. Фильтр с регулируемой тонкостью фильтрации. 85 Bначале фильтроэлемент сжимается с помощью винта до уменьшения ширины щелей до нулевого значения. Закрытие щелей фиксируется косвенным образом по резкому увеличению момента на ручке винта. Далее винт отворачивается на величину осевого перемещения ручки, тем самым, обеспечивая увеличение ширины сквозных щелей с нуля до требуемого значения. Существенно снизить конструктивную сложность фильтрационных установок возможно при использовании регулируемых фильтроэлементов с разнонаправленными винтовыми рядами щелей (рис 5.4). Рисунок 5.4. Модель фильтрующей трубы с разнонаправленными рядами щелей Такие трубы имеют два участка с винтовыми рядами щелей, причем на одном из них направление винта правое, а на другом - левое. Если направление винтовых рядов щелей меняется на противоположное, то в этом случае при осевой деформации будет поворачиваться середина фильтроэлемента, а не торцы относительно друг друга. Использование подобных щелевых труб с разнонаправленными рядами сквозных щелей позволяет значительно упростить конструкцию фильтрующей установки за счет устранения необходимости использования узлов, обеспечивающих возможность свободного поворота торцов фильтроэлементов относительно друг друга. 9. Выводы Мероприятия по обеспечению безопасности труда являются важнейшей составляющей любого производственного и не производственного процесса. 86 От их своевременной реализации и проработки зависит здоровье людей, а, как следствие, экономическая эффективность работы предприятия. В данном разделе дипломной работы был проведен анализ всех вредных и опасных факторов, воздействующих на разработчика. Также были рассмотрены основные области применения исследуемых фильтров, описаны возможности регенерации и изменения тонкости фильтрации фильтроэлементов. 87 Список литературы 1. Слепцов А. Д. Разработка и исследование метода получения щелевых фильтрующих структур: диссертация на соискание ученой степени кандидата технических наук: 05.02.07, 05.02.08 / Слепцов Аркадий Дмитриевич; [Место защиты: Моск. гос. техн. ун-т им. Н.Э. Баумана].Москва, 2011.- 179 с. 2. Гаврилко В.М., Алексеев B.C. Фильтры буровых скважин. М.: Недра, 1976. 345 с. 3. Скважинный фильтр и способ его изготовления: Пат. 2102110 РФ / В.Н. Коноплев, Ю.В. Коноплева, А.А. Радченко. Заявл.09.04.96 //Изобретения. 1998. №2. 4. Зубков Н.Н., Слепцов А.Д. Получение полимерных щелевых фильтрующих труб методом деформирующего резания // Вестник машиностроения. 2010. №12. С.51-53. 5. Григорьев М.А. Очистка топлива в двигателях внутреннего сгорания. М.: Машиностроение, 1991. 208 с. 6. Могорян Н.В. Электрические методы обработки материалов. Кишинев: Штиинца, 1982. 220 с. 7. Плыкин М., Чернов А. Параллельные возможности ANSYS // ANSYS Advantage. Русская редакция. 2007. №5 8. Агалаков Ю. Г., Бернштейн А. В. Сокращение размерности данных в задачах имитационного моделирования. // Информационные технологии и вычислительные системы. 2012. № 3. С. 3-17. 9. Асатурян В. И. Теория планирования эксперимента. Учебное пособие для вузов. М.: Радио и связь, 1983г. 248 с. 10. Design Exploration User Guide. [Электронный ресурс]. Режим доступа: http://www.ansys.com/Products/Workflow+Technology/ANSYS+Workbenc h+Platform/ANSYS+DesignXplorer, свободный (дата обращения 15.05.2013). 88 11. Непараметрическая регрессия. [Электронный ресурс]. Режим доступа: http://www.machinelearning.ru/wiki/index.php?title=Непараметрическая_ регрессия, свободный (дата обращения 15.05.2013). 12. Метод опорных векторов. [Электронный ресурс]. Режим доступа: http://www.machinelearning.ru/wiki/index.php?title=SVM, свободный (дата обращения 15.05.2013). 13. Regression-kriging. [Электронный ресурс]. http://en.wikipedia.org/wiki/Regression-kriging, Режим доступа: свободный (дата обращения 15.05.2013). 14. С. Хайкин. Нейронные сети: Полный курс. М.: Вильямс, 2006 г. 1104 с. 15. J. Garcke. A dimension adaptive sparse grid combination technique for machine learning. Proceedings of the 13th Biennial Computational Techniques and Applications Conference, volume 48, pages C725-C740, 2007. 16. FANN - Fast Artificial Neural Network Library [Электронный ресурс]. Режим доступа: http://leenissen.dk/fann/wp/, свободный (дата обращения 18.05.2013). 17. NLopt. NonLinear Optimization. [Электронный ресурс]. Режим доступа: http://ab-initio.mit.edu/wiki/index.php/NLopt, свободный (дата обращения 18.05.2013). 18. Карпенко А. П., Мухлисуллина Д. Т., Цветков А. А. Многокритериальная оптимизация геометрии щелевого фильтра для очистки жидкостей //Наука и образование: электронное научное издание. Инженерное образование, 2012, №2. Режим доступа: http://technomag.edu.ru/doc/539055.html, свободный (дата обращения 18.05.2013). 89 19. Карпенко А.П., Мухлисуллина Д.Т., Овчинников В.А. Нейросетевая аппроксимация функции предпочтений лица, принимающего решения, в задаче многокритериальной оптимизации //Информационные технологии, 2010, №10, с.2-9. 90 Приложение 1. Графические материалы 91
