Моделирование интеллектуального управления кристаллизацией металлических расплавов

Предложены новые принципы управления кристаллизацией металлических расплавов для повышения его конкурентной способности на мировом рынке с применением варианта метода Монте-Карло, адаптированного к задаче эволюции во времени исходного перегретого жидкого расплава с интенсивными конвекционными пот...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Datum:	2009
Hauptverfasser:	Кривонос, Ю.Г., Писаренко, В.Г., Варава, И.А.
Format:	Artikel
Sprache:	Russian
Veröffentlicht:	Інститут проблем штучного інтелекту МОН України та НАН України 2009
Schlagworte:	Интеллектуальные системы автоматизации научных исследований, проектирования и управления
Online Zugang:	http://dspace.nbuv.gov.ua/handle/123456789/8065
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:	Моделирование интеллектуального управления кристаллизацией металлических расплавов / Ю.Г. Кривонос, В.Г. Писаренко, И.А. Варава // Штучний інтелект. — 2009. — № 3. — С. 234-241. — Бібліогр.: 14 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	irk-123456789-8065
record_format	dspace
spelling	irk-123456789-80652010-06-01T13:49:48Z Моделирование интеллектуального управления кристаллизацией металлических расплавов Кривонос, Ю.Г. Писаренко, В.Г. Варава, И.А. Интеллектуальные системы автоматизации научных исследований, проектирования и управления Предложены новые принципы управления кристаллизацией металлических расплавов для повышения его конкурентной способности на мировом рынке с применением варианта метода Монте-Карло, адаптированного к задаче эволюции во времени исходного перегретого жидкого расплава с интенсивными конвекционными потоками. Описан ряд вычислительных экспериментов авторов. Запропоновано нові принципи управління кристалізацією металевих розплавів для підвищення його конкурентноспроможності на світовому ринку з використанням варіанта методу Монте-Карло, адаптованого до задачі еволюції в часі вихідного перегрітого рідкого розплаву з інтенсивними конвекційними потоками. Описано ряд обчислювальних експериментів авторів. New management principles crystallization of metal melts to increase its competitiveness in the global market with the use of variants of Monte Carlo method, adapted to the evolution in time the source of superheated liquid melt with intense convection currents are proposed. A series of computational experiments conducted authors are described. 2009 Article Моделирование интеллектуального управления кристаллизацией металлических расплавов / Ю.Г. Кривонос, В.Г. Писаренко, И.А. Варава // Штучний інтелект. — 2009. — № 3. — С. 234-241. — Бібліогр.: 14 назв. — рос. 1561-5359 http://dspace.nbuv.gov.ua/handle/123456789/8065 519.6:004.032.26:26:669.017 ru Інститут проблем штучного інтелекту МОН України та НАН України
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
language	Russian
topic	Интеллектуальные системы автоматизации научных исследований, проектирования и управления Интеллектуальные системы автоматизации научных исследований, проектирования и управления
spellingShingle	Интеллектуальные системы автоматизации научных исследований, проектирования и управления Интеллектуальные системы автоматизации научных исследований, проектирования и управления Кривонос, Ю.Г. Писаренко, В.Г. Варава, И.А. Моделирование интеллектуального управления кристаллизацией металлических расплавов
description	Предложены новые принципы управления кристаллизацией металлических расплавов для повышения его конкурентной способности на мировом рынке с применением варианта метода Монте-Карло, адаптированного к задаче эволюции во времени исходного перегретого жидкого расплава с интенсивными конвекционными потоками. Описан ряд вычислительных экспериментов авторов.
format	Article
author	Кривонос, Ю.Г. Писаренко, В.Г. Варава, И.А.
author_facet	Кривонос, Ю.Г. Писаренко, В.Г. Варава, И.А.
author_sort	Кривонос, Ю.Г.
title	Моделирование интеллектуального управления кристаллизацией металлических расплавов
title_short	Моделирование интеллектуального управления кристаллизацией металлических расплавов
title_full	Моделирование интеллектуального управления кристаллизацией металлических расплавов
title_fullStr	Моделирование интеллектуального управления кристаллизацией металлических расплавов
title_full_unstemmed	Моделирование интеллектуального управления кристаллизацией металлических расплавов
title_sort	моделирование интеллектуального управления кристаллизацией металлических расплавов
publisher	Інститут проблем штучного інтелекту МОН України та НАН України
publishDate	2009
topic_facet	Интеллектуальные системы автоматизации научных исследований, проектирования и управления
url	http://dspace.nbuv.gov.ua/handle/123456789/8065
citation_txt	Моделирование интеллектуального управления кристаллизацией металлических расплавов / Ю.Г. Кривонос, В.Г. Писаренко, И.А. Варава // Штучний інтелект. — 2009. — № 3. — С. 234-241. — Бібліогр.: 14 назв. — рос.
work_keys_str_mv	AT krivonosûg modelirovanieintellektualʹnogoupravleniâkristallizaciejmetalličeskihrasplavov AT pisarenkovg modelirovanieintellektualʹnogoupravleniâkristallizaciejmetalličeskihrasplavov AT varavaia modelirovanieintellektualʹnogoupravleniâkristallizaciejmetalličeskihrasplavov
first_indexed	2025-07-02T10:47:47Z
last_indexed	2025-07-02T10:47:47Z
_version_	1836531861929590784
fulltext	«Искусственный интеллект» 3’2009 234 5К УДК 519.6:004.032.26:26:669.017 Ю.Г. Кривонос, В.Г. Писаренко, И.А. Варaвa Институт кибернетики им. В.М. Глушкова НАН Украины, г. Киев, Украина jvpisarenko@gmail.com Моделирование интеллектуального управления кристаллизацией металлических расплавов Предложены новые принципы управления кристаллизацией металлических расплавов для повышения его конкурентной способности на мировом рынке с применением варианта метода Монте-Карло, адаптированного к задаче эволюции во времени исходного перегретого жидкого расплава с интенсивными конвекционными потоками. Описан ряд вычислительных экспериментов авторов. Введение К числу актуальных проблем управления многостадийными технологическими процессами как сложными распределенными системами относится проблема управления кристаллизацией металлических расплавов [1-3]. Актуальность этой проблемы обуслов- лена важностью повышения эксплуатационных свойств получаемого металла для повышения его конкурентной способности на мировых рынках и недостаточной пред- сказуемостью специальных технологических процессов, использующих управляющие физико-химические воздействия на кристаллизирующийся расплав с целью получения металлических сплавов с улучшенными эксплуатационными свойствами [3], [4]. К числу таких управляющих воздействий относятся «дозированные» по длительности, частоте и амплитуде акустические, ультразвуковые вибрации, электромагнитное перемешивание различных типов, введение в стальной расплав азот-ванадиевых легирующих добавок и др. [3]. Несмотря на определенный прогресс в развитии подобных эмпирических под- ходов к управлению кристаллизацией металлических расплавов определенных типов, до сих пор не создана достаточно надежная теоретическая база для предсказания оптималь- ных форм подобного воздействия, обеспечивающих получение устойчивого и значитель- ного улучшения свойств изделий. По мнению авторов, создание подобной теоретической базы требует построения многоуровневой информационной и математической моделей явлений кристаллизации, учитывающих процессы энергомассопереноса в расплаве как на макроуровне (гидроди- намика вязкой жидкости), так и на наноуровне (законы квантовой физики и химии, статистической физики и механики) [5-10]. Один из подходов, использующих достаточно строгие методы статистической физики, ведет к необходимости строить решения (начально-краевой задачи) для счетной цепочки зацепляющихся нелинейных интегро-дифференциальных уравнений с частными производными типа уравнений Больцмана [5] или подобной системы уравнений Боголю- бова-Борна-Грина-Кирквуда-Ивона (уравнения ББГКИ) [8], которая для случая популя- ции из N взаимодействующих атомов одного сорта (т.е. взаимодействие движущихся и сталкивающихся друг с другом атомов жидкости типа расплава металла или газа) прини- Моделирование интеллектуального управления кристаллизацией... «Штучний інтелект» 3’2009 235 5К мает вид следующей системы интегро-дифференциальных уравнений для так называе- мых s-частичных функций распределения fs(t,Ω1,…,:Ωs, Ωj) :      s ji isijis s i b iis s i i s pfFpfFrfv t f 1,11 /// =    s i sssii dfFpNs 1 111,/)( . (1) При этом каждая s-частичная функция распределения fs (t,Ω1,…,:Ωs, Ωj) зависит от значений времени t и от значений координат точки 6(s + 1)-мерного фазового простран- ства, образованного пространственными координатами и скоростями (x1, v1)≡ Ω1,…,(xs, vs)≡ ≡ Ωs , (xj, vj)≡ Ωj , и при этом каждая парa (xi, vi ) понимается как значение трех координат пространственных xi и трех координат скорости vi для i-го атома. В правой части (1) Fij – известный функционал, зависящий от функций распределения f1,…, fs . Полагая по- следовательно s = 1, 2, …, N, получим цепочку уравнений, или иерархию ББГКИ. Для системы уравнений (1) пока удалось получить лишь ряд модельных решений, относящихся, прежде всего, к разреженным газам. Вместе с тем для получения «практи- чески полезных» решений уравнений кинетики достаточно большой популяции взаимо- действующих атомов (через дальнодействующие силы на больших расстояниях и короткодействующие силы при столкновениях) последнее время все более популярными являются упрощенные математические модели этих явлений и соответствующие им ал- горитмы расчета, являющиеся разновидностью метода Монте-Карло. При этом обретает бóльшую ясность необходимость учитывать целую иерархию масштабов времени и вероятностей перехода между промежуточными стадиями доста- точно многочисленной группы основных процессов тепломассопереноса (на мезо-, микро- и наноуровнях), включая уровень отдельных атомов и их связанных групп в форме формирующихся кластеров атомов и молекул, которые затем могут со временем распадаться и переконфигурироваться в новые кластеры) [11]. Концепция существования трех главных стадий всего процесса кристаллизации Всю совокупность этих процессов применительно к кристаллизации расплава, по- видимому, целесообразно разделять условно на три главных стадии всего процесса [7]: стадия процессов переноса и предкристаллизации расплава, стадия кристаллизации «в основном» и стадия посткристаллизации (в последнюю следует, в частности, включить диффузию атомов и дислокаций в несовершенном кристалле, полиморфные превращения). С учетом сказанного, модели и алгоритмы расчета на каждой из трех основных стадий должны быть «свои индивидуальные», адекватные природе отдельных стадий движения к относительному равновесию группы атомов и молекул. Причем масштабы пространства и времени основных процессов кинетики атомов и молекул образуют неко- торую иерархию, на что обращали особое внимание Н.Н. Боголюбов [5] и В.В. Струмин- ский [6]. Понимание иерархичности по пространству и времени трехстадийного про- текания процессов кристаллизации металла открывает возможности «вмешиваться» в протекание этих процессов путем «оптимальных» управляющих воздействий на соот- ветствующих «оптимальных» стадиях этих процессов. На таком пути использование разновидности метода Монте-Карло позволило ав- торам работ [12], [13] выполнить моделирование процессов так называемого эпитаксиаль- ного напыления атомных слоев на кристаллическую подложку с заданной симметрией Кривонос Ю.Г., Писаренко В.Г., Варaвa И.А. «Искусственный интеллект» 3’2009 236 5К решетки. По сути, это осаждение потока высокотемпературного газа атомов на поверх- ность твердого тела. При этом была получена компьютерная модельная картина образо- вания трехмерного поверхностного слоя на 107 атомных мест на поверхности кристал- лического кремния. А в модели «решеточного газа» авторами работы [14] смоделирована методом Монте-Карло спонтанная кристаллизация однокомпонентных и бинарных расплавов металла и получена компьютерная модель визуализации процесса образования кристаллических кластеров как первичных зародышей кристаллизации из нескольких атомов на поверхности кристалла. Из анализа литературы авторы пришли к выводу, что расчетам кристаллизации жидкого расплава посвящено весьма ограниченное число работ. Для построения многоуровневой информационной модели управляемой кристал- лизации расплава металла с применением варианта метода Монте-Карло, адаптирован- ного к задаче эволюции во времени исходного перегретого жидкого расплава с интенсив- ными конвекционными потоками через стадию Semisolid к стадии постепенного охлажде- ния, образования первых кристаллических кластеров атомов-зародышей кристаллизации и далее к стадии Solid всего объема необходимо, в частности, корректно учесть следую- щие факты: 1) реальный расплав металла, получаемый металлургами (например, в струе рас- плава из промковша), содержит, помимо декларированных ГОСТами «штатных» метал- лов, также распределенные весьма не равномерно по пространству примеси иных элемен- тов, их соединений – как между собой, так и со «штатными» металлами. Это означает, что такой расплав следует рассматривать как некоторую многофазную внутренне нестацио- нарную гетеросреду с межфазовыми переходами; 2) до наступления кристаллизации основной массы металла энергия атомов и молекул расплава распределена не только в виде тепловой энергии их броуновского дви- жения, но и в форме кинетической энергии поступательного движения различных групп молекул и атомов, обусловленных потоками конвекционной природы и потоками микро- скопических локальных струй, вызванных процессом «втекание свободной струи в бассейн» и процессом «турбулизация пограничной зоны» взаимодействия свободной струи с «покоящейся» жидкостью в бассейне; 3) кристаллизация в минимальном объеме (в том числе образование так называемых нанозародышей кристаллизации (ЗК), которые можно назвать первичными твердотель- ными кластерами) начинается не раньше, чем: во-первых, относительные скорости посту- пательного движения атомов будущего ЗК в некоторой локальной (движущейся с этим ЗК) системе отсчета не обнулятся и, во-вторых, скорости вращательного движения в этой локальной системе отсчета также не обнулятся с некоторой «необходимой» точностью. Выбор пространства переменных конкретной имитационной модели Предлагаемое в докладе алгоритмическое и программное обеспечение предусмат- ривает возможность моделирования ряда процессов (но пока далеко не всех!) каждой из трех главных стадий процесса кристаллизации: процессов переноса и предкристаллиза- ции расплава, процесса кристаллизации «в основном» и процесса посткристаллизации. Для каждой такой модели производится некоторый оптимальный выбор следующей комбинации входных или выходных параметров расчета:  количество атомов «штатных» металлов Ni, і = 1, 2, …, q и количество атомов Pj, j = 1,2, …, h «примесных» элементов каждого сорта;  начальное распределение по пространству и по скоростям атомов «штатных» металлов и атомов «примесных» элементов; Моделирование интеллектуального управления кристаллизацией... «Штучний інтелект» 3’2009 237 5К  количество соударений всего множества «атомов» за время счета t[0, t*]  ;  скорость изменения среднего значения температуры (равновесного квазимаксвел- ловского распределения скоростей популяции «атомов» каждого сорта);  количество направлений Q учитываемых скоростей (это мера грубости аппроксимации необходимой статистической гомогенности всего множества актов столкновений);  количество V градаций модуля векторов скоростей (до или после столкновения);  количество W градаций вращательной скорости «атомов» (вращения по или против часовой стрелки);  мера В достигнутой релаксации скорости (импульса) входящего инжектируемого пучка в результате многих столкновений с прочими «атомами» обеих популяций;  количество Р используемых в программе процессоров на кластере СКИТ Института кибернетики НАН Украины. Выбор критерия оптимизации в программном обеспечении конкретной имитационной модели Критерий оптимизации в программном обеспечении может быть в виде максими- зации некоторой функции в пространстве вышеуказанных семи параметров: S = ),,,,,,( 1 PBWVQNRii k    , (2) где k дробно-рациональных функций ),,,,,,( PBWVQNTRi выбираются пользователем в зависимости от конкретной выбираемой реализации информационной модели предмет- ной области и соответствующего программного обеспечения. В частности, функция (2) для задачи расчета эволюции поступательной и вращательной энергии популяции «ато- мов» расплава в условиях управляемого теплоотвода через внешнюю границу рабочей области (отток энергии за счет охлаждения) и выбор дробно-рациональной функции ),,,,,,( PBWVQNTR будет отражать требование минимизации максимального прост- ранственного градиента кинетической энергии популяции «атомов» во всей рабочей зоне. Модель-1. В качестве примера рассмотрим «атомы» одного сорта (т.е. q = 1, h = 0), приводятся результаты некоторых проведенных численных экспериментов, посвященных изучению механизмов соударения атомов в 2D-приближении для «сферически симмет- ричных атомов». Ширина каждого интервала скорости при построении гистограммы ско- ростей «атомов» выбиралась одинаковой. Начальная конфигурация моделируемой про- блемы многих тел выбиралась в виде «равновесной» популяции «атомов». Это Популя- ция-1, их число выбиралось равным не менее 103. И впрыскиваемой (инжектируемой) популяции «атомов». Это Популяция-2, их число на порядок меньше. Популяция-1 дви- жется внутри замкнутого участка 2D-пространства (рабочая зона), сторона которого равна 100Dа, где Dа – диаметр «атома». Начальное распределение скоростей атомов каж- дого сорта выбирается с помощью генератора случайных чисел для следующего распре- деления значения скоростей атомов популяции (распределение Максвелла): Ф(V) = N (m/2)1/2(kТ)-3/2 ехр(-mV 2/2kТ ), (3) где Т – абсолютная температура, k – постоянная Больцмана, m и V – масса и скорость атома, N – число атомов популяции. Пучок «атомов» Популяции-2, инжектируемый через внешнюю границу рабочей зоны (рис. 1), выбирается монохроматичным (т.е. вектор скорости для каждого «атома» пучка одинаков), а модуль скорости каждого «атома» пучка выбирается равным 10 Vд, где Vд – среднеквадратичная скорость распределения для Популяции-1. Кривонос Ю.Г., Писаренко В.Г., Варaвa И.А. «Искусственный интеллект» 3’2009 238 5К Рисунок 1 – Начальное распределение медленных (Популяция-1) и быстрых (Популяция-2) «атомов» «Атомы» в пучке инжектируются в исход- ную «равновесную» Популяцию-1 вдоль од- ной оси. Расстояния между соседними «ато- мами» на оси пучка одинаковы к моменту попадания внутрь рабочей зоны. Область для моделирования представлена в виде квадра- та. Каждый «атом» Популяции-1 и Популя- ции-2 моделируется кругом такого радиуса, что общая площадь, занимаемая собствен- но Популяцией-1, составляет 60 – 80% всей рабочей зоны. Площадь, занимаемая Популя- цией-2, в 30 – 40 раз меньше. Одним из пара- метров моделирования служит отношение диаметра «атома» к длине стороны квадрата. Моделирование осуществлялось по алгорит- му, являющемуся разновидностью метода Монте-Карло. Результатом численного моделирования служит общее количество соуда- рений между шарами на момент достижения динамического равновесия всей популяции «атомов», а также гистограмма распределения их скоростей (рис. 2 а, б). В частности, для осуществления серии экспериментов разработана программа «АТОМ-1». При этом вращательные степени свободы не учитываются (т.е. W = 0) и коли- чество интервалов усреднения для получения гистограммы итогового распределения ско- ростей практически выбирается неограниченным. Графические приложения создавались для двух модификаций: исполняемые на персональном компьютере (Delphi 9.0) и в виде программы для суперкомпьютера СКИТ Института кибернетики НАН Украины (на языке С). На вход программы поступает файл координат и скоростей Популяции-1 и Попу- ляции-2 «атомов». В теле итерационного цикла осуществляется вычисление новых коор- динат «атомов», а также происходит смена и перераспределение скоростей при их столкновениях с одной из стенок или друг с другом. Для заданного количества итераций вычисляется усредненная гистограмма и сохраняется в файл (рис. 2 а, б). а) б) Рисунок 2 – Гистограммы распределения скоростей «атомов» в модели-1: а) начальная гистограмма скоростей; б) средняя по 10 последним гистограммам Результатами моделирования служат общее количество соударений между шарами, время до достижения динамического равновесия, гистограмма распределения скоростей. С помощью одного из приложений формируется начальное расположение «атомов» в прямоугольной области, и задаются векторы их скоростей. На старте «атомам» Попу- Моделирование интеллектуального управления кристаллизацией... «Штучний інтелект» 3’2009 239 5К ляции-1 задается скорость, которая вычисляется при помощи генератора случайных чисел. «Атомам» Популяции-2 скорости задаются пользователем в виде монохроматиче- ского тонкого пучка, инжектируемого в рабочую зону существования Популяции-1. Другое приложение служит для обработки файлов гистограмм и позволяет их ото- бражать и проводить их усреднение из числа файлов, выбранных пользователем. На вход программы поступает файл координат и скоростей «атомов». В теле итерационного цикла проводится вычисление новых координат шаров, а также происходит смена и перерас- пределение скоростей при столкновении шаров о стенку или друг с другом. Для задан- ного количества итераций вычисляется усредненная гистограмма и сохраняется в файл. На рис. 2 приведены гистограммы одного из экспериментов. Модель-2. Проводилось моделирование взаимодействий между «атомами» специ- ального типа, а именно, не обладающими сферической симметрией и способными соеди- няться попарно и в большие группы. На рис. 3 каждый такой «атом» символически обозначен треугольником с линией-биссектрисой одной из трех его вершин. Введено «правило скрепления» двух атомов в следующей форме: «Если два таких соседних сбли- зившихся «атома» вращаются (к концу некоторого расчетного цикла) с минимально возможной скоростью и при этом линии-биссектрисы этих двух атомов параллельны и направлены в одну и ту же сторону, то они считаются скрепленными в пару и сохраняют на всех последующих расчетных циклах это состояние». На «матрице скоростей» из рис. 3 каждый нескрепленный атом изображается темной точкой, а скрепленный – пробелом. В данной модели рассматривается популяция «атомов», обладающих как поступа- тельной, так и вращательной скоростями, распределенными в начальный момент слу- чайным образом, близким к максвелловскому распределению. Процесс отражения «атома» приобретает несимметричный вид из-за потерь энергии при столкновении на охлаждаемой стенке (отметим, что в предыдущей модели-1 и нашей работе [6] охлаждение атомов на стенке не рассматривалось). В модели-2 возможно формирование устойчивых наборов «атомов», являющихся моделью зарождающегося кристалла, реали- зованной в программе «АТОМ-3». Вычислительные эксперименты осуществляются с целью определения оптималь- ного количества «атомов» инжектируемого пучка и оптимального времени формирова- ния зародышей кристаллов в виде устойчивых симметричных кластеров, состоящих из взаимодействующих в состоянии равновесия «атомов». Предполагается, что программа «АТОМ-3» потребует для оптимальной работы не менее 20 процессоров суперкомпью- тера СКИТ Института кибернетики НАН Украины. В данной модели-2 расчет проводится двумя последовательными этапами: на первом этапе инжектируемый пучок быстрых атомов (имеющих поступательную скорость, отвечающую температуре ТПучка > T0), внедряясь в исходную популяцию медленных атомов, в начальный момент имеющих максвелловское распределение скоростей со средней температурой Т = Т0, за счет последовательности столкновений от- дает свою энергию исходной популяции атомов. Возникшая смешанная популяция обла- дает новой температурой ТС , такой, что Т0 < ТС < ТП. Эти расчеты выполняются программой «АТОМ-1». На втором этапе подпрограмма «АТОМ-2» моделирует процесс релаксации поступательной энергии инжектируемого пучка быстрых атомов с учетом заданного закона снижения температуры стенки, что будет определять отвод энергии поступательного движения всей смешанной популяции. На выходе подпрограммы «АТОМ-2» получаем модель кристаллизирующегося расплава, представленного смешан- ной популяцией в виде фазы Semisolid, предшествующей возникновению сначала отдель- ных изолированных кластеров взаимосвязанных атомов, а затем с помощью программы АТОМ-3 и состояния закристаллизировавшегося твердого тела (фаза Solid). Кривонос Ю.Г., Писаренко В.Г., Варaвa И.А. «Искусственный интеллект» 3’2009 240 5К Именно формирование возникновения отдельных кластеров связанных групп ато- мов в остывающем расплаве моделируется подпрограммой «АТОМ-3», позволяющей «наблюдать» компьютерное видео процесса слипания первых «лидерских» групп сопри- касающихся атомов в новообразованный кластер (в нем атомы, входящие в состав такого кластера, уже закреплены химическими связями и согласно выводам квантовой механики и экспериментальным наблюдениям, способны лишь колебаться в окрестности положе- ния равновесия некоторой мини-решетки, образуя трехмерную высокосимметричную геометрическую конфигурацию, индивидуальную для каждого химического элемента, к которому принадлежит рассматриваемая популяция атомов). Результаты расчета с помощью программы «АТОМ-3» показаны на рис. 3, причем справа приведен текущий вид матрицы скоростей вращения популяции модельных несферически симметричных «атомов» (рабочая зона из точек и пробелов), где пробелы означают уже не вращающиеся, скрепленные в некоторую пару «атомы». В правом нижнем углу на гистограмме отображено количество вращающихся «атомов» в конце каждого из 38 расчетных шагов. . а) б) Рисунок 3 – Популяция из вращающихся атомов с изображением справа матрицы скоростей вращения модельной популяции несферически симметричных «атомов»: а) исходная популяция; б) популяция из вращающихся атомов в конце 38-го расчетного шага Вычислительные эксперименты с помощью программ «АТОМ-1», «АТОМ-2» и «АТОМ-3» проводятся с целью определения оптимального количества «атомов» инжек- тируемого пучка и оптимального времени формирования зародышей кристаллов в виде устойчивых симметричных кластеров, состоящих из взаимодействующих в состоянии равновесия «атомов». Выводы Таким образом, в статье дан обзор ряда работ по построению информационных, математических и алгоритмических моделей ключевых процессов кристаллизации из газовой фазы (молекулярно-лучевая эпитаксия) и из жидкой фазы. Предложены принципы построения многоуровневой информационной модели управляемой кри- сталлизации расплава металла с применением варианта метода Монте-Карло, адапти- рованного к задаче эволюции во времени исходного перегретого жидкого расплава с интенсивными конвекционными потоками. Описан ряд вычислительных экспери- Моделирование интеллектуального управления кристаллизацией... «Штучний інтелект» 3’2009 241 5К ментов авторов данной работы, направленных на определение оптимального количества «атомов» инжектируемого пучка и оптимального времени формирования кристалла в виде симметричного кластера, состоящего из взаимодействующих в состоянии равновесия «атомов». В работе отмечается, что подобные вычислительные эксперименты и получаемые при этом базы знаний весьма актуальны для прогресса в понимании перспективных принципов управления кристаллизацией расплавов металлов в целях получения изделий с улучшенными эксплуатационными характеристиками. Литература 1. Ефимов В.А. Разливка и кристаллизация стали / Ефимов В.А. − М. : Металлургия. − 1976. − 551 с. 2. Ефимов В.А. Физические методы воздействия на процессы затвердевания сплавов / В.А. Ефимов, А.С. Эльдарханов. − М. : Металлургия, 1995. − 272 с. 3. Бабаскин Ю.З. Конструкционные и специальные стали с нитридной фазой / Бабаскин Ю.З., Шипицын С.Я., Кирчу И.Ф. − Киев : Наукова думка, 2005. − 372 с. 4. Писаренко В.Г. Информационные модели кристаллизации стальных расплавов / Писаренко В.Г., Чайковский О.И., Бойко А.Г. − М. : Астра, 2005. − 84 с. 5. Боголюбов Н.Н. Избранные труды в трех томах / Боголюбов Н.Н. − Том 2. − Киев : Наукова думка, 1970. − 522 с. 6. Струминский В.В. О решении цепочки уравнений кинетической теории газов / В.В. Струминский // ДАН СССР. − 1966. − Том 169. − № 1. − C. 58-61. 7. Неравновесные явления: Уравнение Больцмана : пер. с англ.; под ред. Дж.Л. Либовица, Е.У. Монтролла. − 1986. − 272 с. 8. Алексеев Б.В. Математическая кинетика реагирующих газов / Алексеев Б.В. – М. : Наука, 1982. − 424 с. 9. Писаренко В.Г. Некоторые вычислительные алгоритмы оптимизации режимов импульсного воздействия на охлаждаемый расплав металла / В.Г. Писаренко, И.А. Варава // Праці Міжнародного симпозіуму «Питання оптимізації обчислень (ПОО-ХХХIII)». – Київ. – 2007. − С. 238-239. 10. Писаренко В.Г. Моделирование субмолекулярных кластеров в гетерожидкостях / Писаренко В.Г. – М. : Астра, 2008. – 104 с. 11. Кривонос Ю.Г. Точные решения уравнений турбулентной диффузии в задачах управления кристаллиза- цией металла / Ю.Г. Кривонос, В.Г. Писаренко // Искусственный интеллект. − 2007. − № 3. − С. 469-475. 12. Саркисов Г.Н. Структурные модели воды / Г.Н. Саркисов // Успехи физических наук. − 2006. − Том 176. − № 8. − С. 833-845. 13. Зверев А.В. Моделирование процессов эпитаксии, сублимации и отжига в трехмерном приповерх- ностном слое кремния / А.В. Зверев, И.Г. Неизвестный, Н.Л. Шварц, З.Ш. Яновицкая // Физика и техника полупроводников. − 2001. − Т. 35. − Вып.9. − С. 1067-1074. 14. Овруцкий А.М. Моделирование спонтанной кристаллизации металлов / А.М. Овруцкий, М.С. Расщуп- кина, А.А. Рожко // Металлофизика и новейшие технологии. − 2006. − Т. 28, № 3. − С. 281-293. Ю.Г. Кривонос, В.Г. Писаренко, І.А. Варaвa Моделювання інтелектуального управління кристалізацією металевих розплавів Запропоновано нові принципи управління кристалізацією металевих розплавів для підвищення його конкурентноспроможності на світовому ринку з використанням варіанта методу Монте-Карло, адаптованого до задачі еволюції в часі вихідного перегрітого рідкого розплаву з інтенсивними конвекційними потоками. Описано ряд обчислювальних експериментів авторів. Yu. Кrivonos, V. Pisarenko, І. Varava Сrystallization Intelligent Control Modeling of Metal Melts New management principles crystallization of metal melts to increase its competitiveness in the global market with the use of variants of Monte Carlo method, adapted to the evolution in time the source of superheated liquid melt with intense convection currents are proposed. A series of computational experiments conducted authors are described. Статья поступила в редакцию 09.06.2009.

Моделирование интеллектуального управления кристаллизацией металлических расплавов

Institution

Ähnliche Einträge