Публикации автора

Введение. Разрушение покрытий автомобильных дорог и гидротехнических сооружений часто происходит из-за недостаточного уплотнения насыпных грунтов ввиду послойного уплотнения на малую глубину. Решение этой проблемы требует совершенствования технологии и оборудования для равномерного уплотнения грунтов на глубину, независящую от толщины насыпного слоя. Целью данного исследования является определение передаточного отношения нового устройства для глубокого уплотнения грунтов, разработанного соавторами.

Материалы и методы. В работе используются методы математического моделирования нового устройства по кинематическим схемам для определения передаточного отношения. Рассмотрены кинематические схемы нового устройства с использованием трех конусных роликов, расположенных между водилом, эпициклом (уплотняемым грунтом) и забурником через равные углы. На основе анализа кинематических схем выявлена зависимость передаточного отношения устройства от угловых скоростей водила и конусного ролика. Определены угловые скорости и построена схема для определения радиусов водила и конусного ролика. Получена зависимость передаточного отношения нового устройства от его геометрических характеристик.

Результаты. Получено Свидетельство о государственной регистрации программы для ЭВМ № 2025660077. Представлены фрагменты исходного кода программы для расчета передаточного отношения устройства на языке программирования Python. Результаты работы могут быть использованы инженерами и специалистами профильных предприятий, конструкторских бюро и инжиниринговых центров при расчете параметров аналогичных устройств. Практическое значение результатов исследования связано с усовершенствованием устройств глубокого уплотнения грунтов и повышением показателей эффективности дорожно-строительных машин.

Обсуждение и заключение. Ценность работы обусловлена полученным выражением для передаточного отношения нового устройства, обладающим научной новизной. Установленная связь между передаточным отношением, углом между осями конусных роликов и углом наклона образующей конусного ролика позволяет рассчитать крутящий момент на валу рассматриваемого механизма. Также представлен экспериментальный образец нового устройства с оптимальными геометрическими параметрами.

Актуальность. В последние десятилетия метаэвристические методы оптимизации стали популярными для решения сложных задач, требующих поиска глобальных экстремумов. Алгоритмы, такие как генетический алгоритм (GA), оптимизация колоний муравьев (ACO), оптимизация роя частиц (PSO), а также более современные подходы, как алгоритм кошачьей стаи (CSO) и оптимизация стаи серых волков (GWO), демонстрируют высокую эффективность, но их применение зачастую ограничивается условиями непрерывности и дифференцируемости целевых функций. Это представляет собой вызов при решении задач с дискретными данными, где такие требования не соблюдаются. В данном контексте особую актуальность приобретает поиск методов, позволяющих адаптировать метаэвристические алгоритмы для работы с дискретными функциями.

Цель исследования направлена на проверку гипотезы о возможности использования нейронной сети, обученной на ограниченном наборе дискретных данных, в качестве аппроксимации функции, достаточной для корректного выполнения алгоритма GWO при поиске глобального минимума.

Методы. Исследование основано на анализе существующих подходов и экспериментальной проверке гипотезы на двух тестовых функциях: линейной функции и функции Бута, которые широко применяются в качестве стандартов для оценки производительности алгоритмов оптимизации. Для получения результатов проведены численные эксперименты с использованием нейронных сетей в качестве аппроксимирующей модели.

Решение. В ходе экспериментов проведен анализ применимости нейронных сетей для аппроксимации дискретных функций, показавший успешность данного подхода. Было установлено, что нейронные сети могут с высокой точностью аппроксимировать дискретные функции, создавая условия для успешного поиска глобального минимума с использованием алгоритма GWO.

Новизна. Впервые предложена и проверена гипотеза о применении нейронных сетей для аппроксимации целевых функций в задачах метаэвристической оптимизации на дискретных данных. Это направление ранее не получило должного освещения в научной литературе, что придает ценность полученным результатам и подтверждает эффективность предложенного подхода.

Значимость. Результаты исследования открывают новые перспективы для применения алгоритмов, таких как GWO, в задачах оптимизации, основанных на дискретных данных, расширяя возможности метаэвристических методов и способствуя их внедрению в более широкий класс прикладных задач, включая задачи, где применение других методов ограничено.