Работы автора

Настоящая работа посвящена развитию теории испытаний в целом и опытно-теоретического метода в частности. Авторами разработан алгоритм синтеза модели объекта испытаний, основанный на решении уравнения непараметрической идентификации динамической системы с использованием гипердельтной аппроксимации и преобразования Лапласа. В отличие от существующих данный алгоритм применим для входных и выходных сигналов произвольной формы и физических величин. Кроме того, он не требует больших вычислительных ресурсов. Алгоритм позволяет формализовать многомерную зависимость между факторами и тактико-техническими характеристиками объекта испытаний. С помощью языков программирования C++ и Python реализованы математическая библиотека идентификации модели объекта испытаний и приложение с графическим пользовательским интерфейсом для автоматизации расчетов. Представленное программное решение выполнено по аналогии с классическими моделями машинного обучения. Для обоснования возможности применения разработанного алгоритма проведен вычислительный эксперимент на различных типах входных и выходных сигналов (периодических, непериодических и случайных) с разной точностью гипердельтной аппроксимации. По результатам вычислительного эксперимента получены рекомендации по использованию алгоритма, в частности, при высоких амплитудах выходного сигнала следует увеличить количество начальных моментов гипердельтной апроксимации.

Предметом исследования является процесс сопровождения жизненного цикла сложных технических систем. Целью исследования является внедрение информационных технологий в процесс сопровождения жизненного цикла. В работе изложена концепция и математическая модель поддержки принятия решений задач сопровождения жизненного цикла сложных технических систем. Отмечено, что поддержка принятия решений должна рассматриваться на следующих взаимосвязанных уровнях: системы информационной поддержки жизненного цикла как источника информации о текущем состоянии образца; цифровой модели как источника информации о прогнозируемом состоянии образца; программного обеспечения компьютерного моделирования, выступающего в роли инструментального средства исследования образца с использованием цифровой модели; информационного обеспечения для обобщения, обработки и хранения промежуточных и итоговых данных об образце; функциональных модулей, обеспечивающих интеллектуальную поддержку и автоматизацию; задач сопровождения жизненного цикла, определяющих целевую функцию системы поддержки принятия решений.
Результаты: Представлены компоненты системы поддержки принятия решений и приведена их взаимосвязь. Показано, что внедрение системы поддержки принятия решений позволит решить следующие задачи сопровождения жизненного цикла: обоснование необходимости создания сложных технических систем; оценка результатов научно-исследовательских и опытно-конструкторских работ; оценка реализации требований к сложным техническим системам; мониторинг и оценка эксплуатационных характеристик образца системы. Даны рекомендации по дальнейшему развитию систем поддержки принятия решений, касающиеся: внедрения отечественных CALS-систем и их интеграции с программным обеспечением компьютерного моделирования; унификации форматов представления данных и содержания информации о свойствах материалов и веществ для CAE- и CALS-систем; совершенствования нормативной и правовой документации по вопросам проведения цифровых испытаний сложных технических систем; интеграции центров коллективного пользования вычислительных ресурсов и компонентов системы поддержки принятия решений.