Уведомления
Авторизуйтесь или зарегистрируйтесь, чтобы оценивать материалы, создавать записи и писать комментарии.
Авторизуясь, вы соглашаетесь с правилами пользования сайтом и даете согласие на обработку персональных данных.
Разработка Пермского Политеха поможет контролировать вредные выбросы в атмосферу из перспективных газотурбинных установок
Газотурбинные установки используют в нефтегазовой и авиационной промышленности в качестве источника энергии. В состав установки входит газотурбинный двигатель. Один из важнейших элементов в нем — камера сгорания — основной источник вредных выбросов. Снижение выбросов в атмосферу можно обеспечить применением малоэмиссионной камеры сгорания (МЭКС). Сегодня контроль выбросов в атмосферу не ведется, поскольку нет датчиков эмиссии. Ученые Пермского Политеха предложили для контроля вредных выбросов из камеры сгорания использовать математическую модель МЭКС, встроенную в систему автоматического управления газотурбинной установки. Для повышения адаптивных свойств модели использованы технологии искусственного интеллекта, а именно — нейронные сети, которые позволяют эффективно увеличить качество моделирования процессов в сложных объектах на основе создания гибких и простых алгоритмов. Таким образом, ученые Пермского Политеха разработали и апробировали систему автоматического управления МЭКС со встроенной нейросетевой моделью.
Исследование опубликовано в цифровой библиотеке IEEE Xplore по результатам международной российской конференции «Умная индустрия». Исследование выполнено в рамках программы стратегического академического лидерства «Приоритет 2030».
Газотурбинный двигатель управляется подачей топлива, который внутри двигателя смешивается с воздухом, сжимается и превращается в топливовоздушную смесь. Эта смесь подается в камеру сгорания, там сжигается и в виде реактивной струи газа выбрасывается в сопло двигателя, создавая тягу. Чем больше топлива в топливовоздушной смеси, тем больше вырабатываемая мощность (скорость самолета), но также увеличивается выброс (эмиссия) вредных веществ в атмосферу.
«Для того, чтобы снизить количество вредных выбросов в атмосферу, современные газотурбинные установки оснащают малоэмиссиоными камерами сгорания. В них горит обедненная топливная смесь с большим количество воздуха. За счет этого выделяется меньше оксидов азота и углерода, и работа установки становится более экологичной. Однако малоэмиссионные камеры имеют очень узкий рабочий диапазон, зависящий от концентрации топлива в смеси: при большом количестве топлива выбросов становится слишком много (что не отвечает экологическим требованиям), а при малом количестве – может произойти срыв пламени, и установка перестанет работать.
Чтобы не произошел срыв важно контролировать пульсацию давления в жаровых трубах (чем выше они по амплитуде, тем выше вероятность срыва пламени). При этом контролировать процессы в камере сгорания в современной практике невозможно поскольку «физические» датчики не устанавливаются в камеру сгорания в настоящее время», — рассказывает доцент кафедры конструирования и технологий в электротехнике ПНИПУ, кандидат технических наук Татьяна Кузнецова.
Разработанный учеными виртуальный регулятор для газотурбинных установок, построенный на основе нейросетевой математической модели камеры сгорания, прогнозирует выбросы оксидов азота и углерода в атмосферу из камеры сгорания и пульсацию давления в жаровых трубах в зависимости от расхода топлива.
«Нейросетевая модель камеры сгорания, встроенная в систему автоматического управления газотурбинной установки, выполняет роль «виртуального» сенсора. В отличие от физических датчиков он не замеряет концентрацию вредных веществ напрямую. Вместо этого виртуальный сенсор по специальным алгоритмам отслеживает расход топлива и в зависимости от его величины вычисляет уровень эмиссии вредных веществ и амплитуду пульсации давления в жаровых трубах. После этого сенсор посылает сигнал системе управления, которая в зависимости от ситуации может изменить уровень подачи топлива, чтобы не допустить излишних выбросов вредных веществ в атмосферу или срыва пламени», — объясняет ученая.
Основу разработки нейросетевой модели составляют полученные данные натурных испытаний для одного из вариантов промышленной камеры сгорания. Моделирование, обучение и тестирование нейронной сети проводилось в MATLAB Simulink. Эффективность работы регулятора эмиссии и нейросетевой модели МЭКС была проверена на имитаторе двигателя в ходе стендовых испытаний на программно-аппаратной платформе PXI N. В результате спрогнозированные данные оказались с высокой точностью соответствующими данным, полученным в ходе эксперимента.
Использование нейронных сетей в регуляторах камер сгорания позволит увеличить их адаптивность, точность и быстродействие при прогнозировании выбросов вредных веществ в атмосферу в режиме реального времени. Ученые отмечают, что в будущем нейросетевую модель можно будет использовать при создании систем управления наземными газотурбинными установками и авиационными двигателями нового поколения.
Telegram 
Дзен 
VK За последнее десятилетие ученые создали несколько сложных систем «мозг — компьютер», которые позволяли преобразовывать мозговую активность людей, лишившихся способности говорить из-за различных заболеваний, в речь. Однако до сих пор удавалось расшифровать лишь небольшое количество слов. Теперь в США создали алгоритм, благодаря которому удалось распознать до 54 процентов «речи».
Биотехнологи из Ноттингемского университета (Великобритания) воспроизвели процесс естественной ферментации какао-бобов в лаборатории, чтобы проверить, можно ли улучшить вкус готового продукта «вручную». Оказалось, что правильно подобранная колония микроорганизмов может внести свои нотки и определить качество будущего шоколада.
В системе Альфа Центавра, расположенной всего в 4,5 световых годах от Земли, обнаружена новая экзопланета. Хотя ее поверхность кажется необитаемой, астрономы не исключают, что на ее возможных спутниках могут идти биологические процессы. Ученый Пермского Политеха рассказал, почему это открытие может перевернуть наше представление о механизмах формирования планет.
Астрономы подсчитали, что с поверхности летящего по Солнечной системе межзвездного объекта 3I/ATLAS каждую секунду испаряется около 40 килограммов водяного льда. Такую сильную кометную активность он проявил, будучи в три с половиной раза дальше Земли от Солнца. По мнению ученых, это довольно необычно.
За последнее десятилетие ученые создали несколько сложных систем «мозг — компьютер», которые позволяли преобразовывать мозговую активность людей, лишившихся способности говорить из-за различных заболеваний, в речь. Однако до сих пор удавалось расшифровать лишь небольшое количество слов. Теперь в США создали алгоритм, благодаря которому удалось распознать до 54 процентов «речи».
Изображение блазара PKS 1424+240, полученное с помощью радиоинтерферометра VLBA, напомнило астрономам легендарное «Око Саурона» из «Властелина колец» — джет, пронизывающий кольцеобразное магнитное поле объекта, устремлен к нашей планете, а сам блазар может оказаться одним из наиболее ярких источников нейтрино в космосе.
Прибывшая из межзвездного пространства предполагаемая комета 3I/ATLAS движется по траектории, максимально удобной для гравитационных маневров управляемого корабля, при этом возможность ее отслеживания с Земли практически минимальна. По мнению некоторых ученых, такое «поведение» объекта наводит на определенные мысли.
Примерно 12 800 лет назад в Северном полушарии началось резкое изменение климата, которое сопровождалось вымиранием мегафауны и угасанием культуры Кловис. Такое могло произойти, например, из-за прорыва пресных вод в Атлантику или мощного вулканического извержения. Несколько лет назад ученые обнаружили места на суше с повышенным содержанием элементов платиновой группы, прослоями угля, микрочастицами расплава. По их мнению, это может быть признаком пребывания Земли в потоке обломков кометы или астероида. В новой работе впервые представлены доказательства кометного события в позднем дриасе из морских осадочных толщ.
Команда исследователей из Сколтеха, МФТИ, Института искусственного интеллекта AIRI и других научных центров разработала метод, позволяющий не просто отличать тексты, написанные человеком, от сгенерированных нейросетью, но и понимать, по каким именно признакам классификатор принимает решение о том, является ли текст генерацией или нет. Анализируя внутренние состояния глубоких слоев языковой модели, ученые смогли выделить и интерпретировать численные признаки, отвечающие за стилистику, сложность и «степень уверенности» текста.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
Понятно
Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
Понятно
Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
Понятно
Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
Понятно