Одним из главных принципов уникальной «системы Физтеха», заложенной в основу образования в МФТИ, является тщательный отбор одаренных и склонных к творческой работе представителей молодежи. Абитуриентами Физтеха становятся самые талантливые и высокообразованные выпускники школ всей России и десятков стран мира.

Студенческая жизнь в МФТИ насыщенна и разнообразна. Студенты активно совмещают учебную деятельность с занятиями спортом, участием в культурно-массовых мероприятиях, а также их организации. Администрация института всячески поддерживает инициативу и заботится о благополучии студентов. Так, ведется непрерывная работа по расширению студенческого городка и улучшению быта студентов.

Адрес e-mail:

Метод нейронных сетей для задачи риск анализа при проектировании воздушно-космических самолетов (ВКС)

Е.А. Дурашкин

Московский физико-технический институт

В работе даётся краткое сравнение методологий риск-анализа (метода моментов, метода Монте-Карло и метода нейронных сетей). Представлено одно из возможных применений метода нейронных сетей для задачи риск-анализа - имитатор работы двигателя на различных режимах полёта. На вход имитатора вводится число Маха и высота полёта. На выходе получаются стендовые тяговые характеристики.

Задача имитации работы двигателя сводится к обучению нейронной сети, то есть к задаче о минимизации функции ошибок (в нашем случае - квадрата разности желаемых (известных) значений и значений, полученных с помощью нейронной сети). С помощью же корректно подобранной архитектуры нейронной сети и алгоритма оптимизации возможно решать задачи на минимум и максимум для функций, которые имеют сложное строение и обладают целым рядом неприятных свойств, в частности, могут иметь локальные минимумы, плоские участки, седловые точки и длинные узкие овраги. Одним словом, нейронные сети находят своё применение там, где строгие методы оптимизации терпят неудачу. В работе представлена газо-термодинамическая модель СПВРД на основе теоретического расчёта. На рисунке 1. показаны сравнительные характеристики для значений тяги, полученных с помощью нейронной сети и на основании термодинамического расчёта одномерной модели СПВРД (при одном и том же входном векторе).

Актуальность выбранной задачи обусловлена необходимостью проведения как теоретических, так и экспериментальных изысканий в данной области. Нейронные сети позволяют на основе уже полученных ранее данных (допускается даже некоторая их зашумленность) моделировать в режиме реального времени работу двигателя при произвольных условиях полёта в широком диапазоне изменения входных параметров. И, ввиду большой стоимости стендовых испытаний, результат моделирования представляет некоторый интерес для экспериментатора. Кроме того, с помощью нейронной сети можно вычислять, к примеру, характеристики двигателя, меняя компоновку его элементов, что представляет уже интерес для теоретика.  ЛИТЕРАТУРА:

A98-31494, Neep Hazarika, Ismail H. Tuncer, David Lowe, “An Inverse Design Procedure for Airfoils Using Artificial Neural Networks”. AIAA-93-5151 V.Skipenco, “Application of Risk-Analysis to the Problem on Comparing Various Aerospace Plane Concepts ”, TsAGI, Moscow Region, Russia. Ф.Уоссермен, “Нейрокомпьютерная техника: Теория и практика”, 1992г. Л.М.Бондарюк, С.М.Ильюшенко, “Прямоточные ВРД”, Государственное издательство оборонной промышленности, 1958г.
Если вы заметили в тексте ошибку, выделите её и нажмите Ctrl+Enter.

© 2001-2016 Московский физико-технический институт
(государственный университет)

Техподдержка сайта

МФТИ в социальных сетях

soc-vk soc-fb soc-tw soc-li soc-li
Яндекс.Метрика