Архив статей журнала
Экструзия является широко распространенным способом переработки материалов в различных отраслях промышленности. При этом конструкция шнека в значительной мере определяет качество экструдата и эффективность самого процесса его получения. В данной статье рассмотрены основные существующие перспективные подходы к определению оптимальных геометрических параметров шнеков. Предложена концепция системы автоматизированного проектирования, базирующаяся на использовании предварительно построенных параметризованных моделей шнеков. Их геометрия определяется переменными, которые могут варьироваться в широких пределах. Такой подход позволяет использовать прикладные программы аналитического определения важнейших геометрических характеристик шнека, обеспечивать быструю генерацию 3D-модели и проверку методом конечных элементов с одновременной оптимизацией параметров. Рассмотрено построение в Компас-3D параметризованной рабочей зоны шнека, включающей основной гребень переменного шага, барьерный гребень, а также зону основной и барьерной нарезки. Дана оценка основных методов построения сложных геометрических поверхностей в Компас-3D с точки зрения производительности моделирования. Предлагаемый метод может значительно увеличить скорость и улучшить точность проектирования шнеков экструдера, а также повысить качество и эффективность производственного процесса экструзии.
В статье описывается программная система, представляющая собой прикладное программное обеспечение для проектирования микрополосковых полоснопропускающих фильтров. В ее основе лежит программное обеспечение Ansoft HFSS, предназначенное для трехмерного электромагнитного моделирования СВЧ-структур. Система состоит из двух основных взаимосвязанных компонентов - программы для решения задачи анализа фильтра и программы для решения задачи синтеза многополюсника, заменяющего фильтр в процессе его проектирования. В работе приведено описание структуры программной системы и взаимосвязи ее отдельных компонентов. Использование программной системы проиллюстрировано на примере проектирования фильтра, состоящего из трех противонаправленных шпилечных резонаторов с металлизированными отверстиями в середине сгиба шпильки. Введение в середину резонатора короткозамкнутого отверстия позволяет почти в два раза расширить верхнюю полосу заграждения фильтра за счет перехода от простого полуволнового резонатора к совокупности двух четвертьволновых резонаторов. Для проектирования фильтра с отверстиями использована программная система, основанная на переходе от фильтра к многополюснику, состоящему из связанных друг с другом резонаторов. В результате спроектирован фильтр, обладающий требуемыми электрическими характеристиками. Описанная в статье программная система для проектирования данного фильтра подтвердила свою состоятельность и эффективность. Практическая значимость работы заключается в более чем двукратном расширении верхней полосы заграждения фильтра с металлизированными отверстиями по сравнению с аналогичным фильтром из простых шпилечных резонаторов без отверстий.
В настоящей статье рассматриваются аспекты применения методов машинного обучения к существующим способам моделирования поведения интеллектуальных агентов для обеспечения возможности агентам повысить показатели своей эффективности в моделях конкуренции. Практическая значимость исследования представлена разработкой подхода к моделированию поведения интеллектуальных агентов, за счет которого можно повысить эффективность их функционирования в таких сферах деятельности, как компьютерные игры, разработка беспилотных летательных аппаратов и поисковых роботов, изучение городской и транспортной мобильности, а также в прочих сложных системах. Проведен обзор существующих методов машинного обучения (обучение с подкреплением, глубокое обучение, Q-обучение) и способов моделирования поведения агентов (модель на правилах, конечно-автоматная модель поведения, деревья поведения). Выбрана наиболее подходящая к задаче комбинация метода обучения и модели поведения: деревья поведения и обучение с подкреплением. Средствами Unity реализована тестовая платформа, разработаны модели поведения четырех основных архетипов агентов, которые должны соревноваться в задаче сбора ресурсов в условиях ограниченного времени. Реализован обученный агент с помощью средств Unity ML и TensorFlow. На базе тестовой платформы проведена серия экспериментов в различных условиях: ограниченность, изобилие, среднее количество ресурсов. В рамках эксперимента тестировалась способность разработанной модели поведения интеллектуального агента выигрывать в условиях конкуренции с агентами, снабженными различными вариантами традиционных моделей поведения на базе деревьев поведения. Оценены работоспособность и преимущества использования разработанной модели поведения. Проанализированы результаты эксперимента, сделаны выводы относительно потенциала выбранной комбинации методов.