В журнале «Известия высших учебных заведений. Электромеханика» (Южно-Российский государственный политехнический университет (НПИ) им. М.И. Платова, Новочеркасск) Том 64 №4-5 за 2021 год опубликованы следующие статьи.
1. Имитационное моделирование однонаправленного динамического перемагничивания электротехнической стали.
Авторы: И.Б. Подберезная, А.Н. Ткачев (Южно-Российский государственный политехнический университет (НПИ) имени М.И. Платова).
Стр.: 5-13.
Представлено решение задачи моделирования процесса однонаправленного динамического перемагничивания электротехнической стали в периодических режимах, в том числе при синусоидальном и несинусоидальном изменении средней по сечению листа индукции. Актуальность проблемы определяется тем, что при проектировании полупроводниковых импульсных преобразователей систем электропитания, работающих в режимах пиковых нагрузок, возникает необходимость расчета их характеристик и параметров при более точном задании магнитных характеристик стали, с учетом реальных процессов динамического перемагничивания, наблюдаемых в магнитопроводах трансформаторов и дросселей. Предложенная имитационная модель динамического перемагничивания ферромагнетика позволяет с приемлемой точностью описать нелинейные, гистерезисные и динамические свойства и характеристики стали, в том числе петли гистерезиса, основные кривые намагничивания, потери. Выполненная модернизация классической модели Джайлса – Атертона (JA) дает возможность учесть и приближенно описать проявляющиеся при динамическом перемагничивании вихревые токи и магнитную вязкость.
Разработанная численная процедура позволяет выполнить идентификацию параметров построенной модели, ее настройку.
Результаты выполненной валидации модели с использованием экспериментальных данных подтверждают возможность ее применения для описания характеристик электротехнической стали в динамических режимах перемагничивания.
2. Моделирование нелинейных магнитных систем методом конечных элементов с применением BLR-факторизации.
Автор: А.С. Хорошев (Южно-Российский государственный политехнический университет (НПИ) имени М.И. Платова).
Стр.: 14-19.
Рассмотрена возможность практического применения BLR-факторизации (низкоранговой аппроксимации матрицы неизвестных системы линейных уравнений) для конечно-элементного моделирования топологии электромагнитного поля нелинейных магнитных систем. Показан способ оценки точности вычисленного решения СЛАУ и характер влияния заданной точности низкоранговой аппроксимации матрицы неизвестных на верхний предел относительной прямой погрешности вычисленного решения СЛАУ. На примере модельной задачи показана зависимость точности расчета интегральных характеристик электромеханического аппарата от точности низкоранговой аппроксимации матрицы неизвестных, а также ее влияние на сходимость процесса решения нелинейной численной задачи. Выполнена количественная оценка уменьшения вычислительной сложности процесса решения численной задачи и необходимого объема памяти ПЭВМ для решения СЛАУ.
Выполнена оценка применимости BLR-факторизации для конечно-элементного моделирования топологии электромагнитного поля без применения численных методов подпространства Крылова.
3. Управление ресурсами и жизненными циклами погружного электрооборудования нефтедобычи на основе технической диагностики и динамики изменения его текущего состояния.
Авторы: В.С. Романов (Тольяттинский государственный университет), В.Г. Гольдштейн, В.В. Сенько (Самарский государственный технический университет).
Стр.: 46-52.
В оптимизации и управлении жизненными циклами погружного электрооборудования (ПЭО) нефтедобычи целесообразен комплексный подход к организации технического обслуживания и ремонтов (ТОиР) на основе разработки более совершенной стратегии проведения ремонтных циклов. Установлено, что принятые в отрасли нефтедобычи стратегии проведения ТОиР не обеспечивают в полной мере эффективность эксплуатации, что приводит к росту преждевременных отказов оборудования, сокращению межремонтных периодов и, как следствие, убыткам нефтедобывающих компаний. Оценены достоинства и недостатки подходов по организации эксплуатации ПЭО по наработке и фактическому состоянию при планировании, реализации ТОиР, а также целесообразность их комплексного применения. Предложено использование статистических моделей для принятия аргументированного решения по определению состава и периода проведения ТОиР, прогноза граничных состояний множеств в целом и конкретных электроустановок ПЭО. При заданном времени наработки возможно определение основных закономерностей появления дефектов и наработки на отказ элементов, а также в целом парка оборудования нефтедобывающих предприятий.
Полученные результаты являются обоснованием комплекса рекомендаций по повышению эффективности эксплуатации и оптимизации управления жизненными циклами ПЭО нефтедобычи.
4. Градиентный метод построения образа отображения для задачи классификации режимов работы объекта.
Авторы: Ю.А. Дементий, К.П. Николаев (ООО «Релематика»).
Стр.: 64-71.
Описано решение задачи разграничения (классификации) режимов работы объекта путем построения областей, соответствующих каждому из рассматриваемых типов режимов, с последующей проверкой попадания точки, определяемой наблюдаемым состоянием объекта, в одну из областей. В качестве источника информации об объекте использована его имитационная модель (ИМО) и допустимые диапазоны объектных параметров. Исследуемое отображение объединяет в себе функцию ИМО и функцию замера. Всё это позволяет свести задачу обучения классификатора к задаче поиска области значений (образа) отображения. Представленный подход к решению задачи основан на максимизации информативности точек, аппроксимирующих границу области. В качестве критерия информативности выступают площадь искомой области и абсолютное отклонение длин рёбер, формирующих границу области, от их среднего значения. Предлагаемый подход применён для решения задачи разграничения режимов работы объекта путём построения образа отображения и нахождения его граничной линии. Проанализированы результаты работы алгоритма, отмечены преимущества и недостатки. Полученные образы отображений могут быть использованы в качестве основы классификатора режимов работы объекта. Процедура оптимизации в данном случае будет являться процедурой обучения классификатора.