Кафедра "Математичне моделювання та інтелектуальні обчислення в інженерії"

Постійне посилання колекціїhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/1366

Офіційний сайт кафедри http://web.kpi.kharkov.ua/dpm

Від 2022 року кафедра має назву "Математичне моделювання та інтелектуальні обчислення в інженерії", первісна назва – "Динаміка та міцність машин".

Iсторія кафедри починається в 1930 році, коли в нашому університеті, що називався тоді Харківський механіко-машинобудівний інститут, була створена спеціальність "Динаміка і міцність машин".

Засновниками спеціальності були видатні вчені: академіки Йоффе Абрам Федорович, Обреїмов Іван Васильович, Синельников Кирило Дмитрович, професор Бабаков Іван Михайлович. В різні роки кафедрою завідували: член-корреспондент АН УРСР Майзель Вениамин Михайлович (1936-1941); академік АН УРСР Філіппов Анатолій Петрович (1948-1960), професор, доктор технічних наук, лауреат Державної премії України Богомолов Сергій Іванович (1960-1991); професор, доктор технічних наук, академік АН вищої школи України Львов Геннадій Іванович (1992-2020). Від 2020 року і по теперішній час завідувач кафедри – лауреат премії Президента України для молодих вчених за видатні досягнення, доцент, кандидат технічних наук Водка Олексій Олександрович.

Кафедра входить до складу Навчально-наукового інституту комп'ютерного моделювання, прикладної фізики та математики Національного технічного університету "Харківський політехнічний інститут". Наукова школа з динаміки і міцності машин, створена в нашому університеті, широко відома у світі.

У складі науково-педагогічного колективу кафедри працюють; 2 доктора технічних наук, 7 кандидатів технічних наук, 1 доктор філософії; 2 співробітника мають звання професора, 5 – доцента.

Переглянути

Результати пошуку

Зараз показуємо 1 - 10 з 29

Методичні вказівки до лабораторного практикуму "Створення деталей конструкцій"
(Національний технічний університет "Харківський політехнічний інститут", 2023) Потопальська, Ксенія Євгенівна; Вязовиченко, Юлія Андріївна
Метою методичних вказівок є напрацювання навичок створення окремих деталей конструкцій у середі твердотільного моделювання SolidWorks. У даних методичних вказівках надано варіанти завдань для чотирьох лабораторних робіт відповідно до яких необхідно створити твердотільні моделі. При проведенні практичних занять з дисципліни “Моделювання в CAD-системах” – студенти повинні приділити особливу увагу розгляданню наступних питань: - побудова ескізів твердотільних моделей; - редагування ескізу; - додавання на ескіз геометричних взаємозв'язків та розмірів; - повне визначення ескізу; На рисунку 1 показано робочу область у режимі «Деталь».
Моделювання електричного поля прохідного полімерного ізолятору для визначення точок концентарції поля
(Запорізький національний технічний університет, 2022) Шевченко, Сергій Юрійович; Данильченко, Дмитро Олексійович; Вязовиченко, Юлія Андріївна; Потривай, Андрій Едуардович; Цюпа, Владислав Миколайович
Мета роботи. Використання моделювання, як інструменту, що дозволить виявляти слабкі місця конструкції в електричному обладнанні та на їх основі виконати її оптимізацію, з метою нівелювання слабкостей через недосконалість конструкції. Позначення реально існуючої проблеми в конструкціях прохідних полімерних ізоляторів, що негативно впливають на їх техніко-економічних та експлуатаційних характеристика і робить їх менш конкурентними у порівнянні з іншими типами ізоляторів. Методи дослідження. Аналіз експериментів по виявленню часткових розрядів, моделювання напруженості електричного поля, синтез аналізованих робіт та результатів моделювання. Отримані результати. В результаті виконаного наукового дослідження було виявлено, що безпосередній вплив на електричну міцність прохідного полімерного ізолятору має процес виникнення часткових розрядів. Даний факт прийнято за основу для пошуку методів подальшого впливу на конструкцію ізолятора, з метою збільшення строку його служби. В роботі виявлено, що причиною виникнення часткових розрядів є нерівномірність розподілу напруженості електричного поля. Це послугувало причиною для подальшого дослідження напруженості електричного поля прохідного ізолятору та його моделювання. В результаті моделювання, було виявлено точки концентрації напруженості електричного поля в прохідному полімерному ізоляторі та позначено їх, як точки впливу для підвищення електричної міцності прохідного полімерного ізолятора. Наукова новизна. Наукова новизна виконаної науково-дослідної роботи полягає у використанні моделювання електричного поля полімерного прохідного ізолятору, як інструмента для виявлення слабких місць в його конструкції, при впливі на котрі можна буде спостерігати позитивний вплив на його технічні характеристики. Практична цінність. Практична цінність виконаної науково-дослідної роботи полягає в тому, що результати дослідження слугують міцним фундаментом для подальшої оптимізації конструкції прохідних полімерних ізоляторів, що призводитиме до позитивного впливу на їх технічні характеристики та зробить їх конкурентними у порівнянні з іншими типами ізоляторів.
Models and computer simulations of mechanical behavior of two-component material for structures data-driven reliability prediction
(Національний технічний університет "Харківський політехнічний інститут", 2023) Shapovalova, Mariia I.; Vodka, Oleksii O.
This monograph deals with investigation the influence of material microstructure on its mechanical properties. The authors use machine learning and computer vision techniques to assess material microstructure, and computational and experimental methods to determine mechanical characteristics. The theoretical background of material elastic characteristics is investigated, with a focus on processing microstructure images, determining microstructure stress-strain states, and yield criterion. The study also examines the microstructure of dual- component material, generating statistically equivalent artificial microstructures, and evaluating the yield surface. The authors apply data-driven yield surface for structural reliability prediction and evaluate the proposed algorithm for predicting the reliability on example of the Kirsch plate and water pump housing.
Методичні вказівки до виконання контрольних завдань "Метод скінченних елементів в розрахунках згинальної деформації стержневих систем"
(Національний технічний університет "Харківський політехнічний інститут", 2024) Грищенко, Володимир Миколайович
Метод скінченних елементів (МСЕ) – це основний найпопулярніший метод сучасної обчислювальної механіки. Створено велику кількість обчислювальних програмних комплексів на ПЕОМ, які побудовані на базі МСЕ (NASTRAN, COSMOS, ANSYS та інші). ANSYS – це універсальна розрахункова платформа для застосовування у різноманітних видах аналізу. Засоби МСЕ ANSYS дозволяють проводити розрахунки лінійного і нелінійного, статичного і динамічного аналізів конструкцій, задач руйнувань від втоми, рішення лінійних та нелінійних задач стійкості та теплофізики, задач гідрогазодинаміки, акустики, електродинаміки та електростатики, частот і форм коливань, допомагають у моделюванні складних процесів штампування, витяжки, ударної взаємодії, руйнування. Він використовується для розрахунку конструкцій різного призначення під впливом сил різноманітної природи (авіабудування, суднобудування, машинобудування, будівництво, енергетика, електронна промисловість, тощо).
Методичні вказівки до виконання лабораторних завдань з навчальної дисципліни "Програмування на Python"
(Національний технічний університет "Харківський політехнічний інститут", 2024) Шаповалова, Марія Ігорівна
Методичні вказівки до дисципліни «Програмування на Python» розроблені для комплексного супроводу навчального процесу та допомоги студентам у систематичному вивченні основ програмування на мові Python. Вони включають як теоретичні матеріали, так і детальні рекомендації для виконання практичних завдань, що дозволяє поступово та структуровано опанувати навички, необхідні для ефективного програмування. Основна мета цих методичних вказівок – допомогти студентам зрозуміти принципи роботи мови Python, розібратися в її синтаксисі та ключових конструкціях. Особлива увага приділяється таким базовим темам, як синтаксис мови, типи даних (числові, рядкові, логічні типи), оператори порівняння, цикли та логічні оператори. Ці теми є фундаментом для подальшого вивчення мови та необхідні для розуміння більш складних концепцій. Курс також включає розгляд колекційних типів даних, таких як списки, кортежі, множини та словники, які дозволяють зберігати та опрацьовувати великі обсяги інформації ефективно та зручно. Завдяки детальному розгляду роботи з колекціями студенти навчаться застосовувати їх у реальних програмних рішеннях. У вказівках наводяться численні приклади, що демонструють, як правильно використовувати ці інструменти для вирішення різних типів завдань. Друга частина курсу присвячена функціям та методам їх оптимізації через використання обгорток. Студенти навчаться створювати власні функції, що сприяє організації коду в модулі та повторному його використанню. Велике значення надається також обробці помилок — методи та інструменти, що розглядаються в рамках цієї теми, допоможуть студентам створювати програми, стійкі до помилок, та підвищувати їх надійність. Ще одним важливим аспектом курсу є ознайомлення з об'єктно-орієнтованим програмуванням (ООП). У методичних вказівках розглядаються основні принципи ООП, такі як класи, об’єкти, спадкування та поліморфізм. Це дозволяє студентам зрозуміти, як структурувати великі програмні проекти, використовуючи ООП для побудови більш гнучких і масштабованих систем. Окрема увага приділяється практичним аспектам роботи з бібліотеками Python, які знайшли широке застосування у наукових та інженерних розрахунках. У методичних вказівках представлені такі бібліотеки, як NumPy, Pandas та Matplotlib, що дозволяють ефективно виконувати складні розрахунки, а також візуалізувати отримані результати. Студенти навчаться використовувати ці бібліотеки для аналізу даних, побудови графіків та вирішення прикладних задач. Для повноцінного оволодіння навичками програмування на Python також важливим є вивчення принципів створення графічного інтерфейсу користувача (GUI). У методичних вказівках розглянуто основи роботи з інструментами для розробки GUI, що дозволить студентам створювати власні застосунки з інтуїтивно зрозумілими інтерфейсами. Зокрема, увага приділяється використанню таких бібліотек, як Tkinter або PyQt. Загалом, методичні вказівки є важливим інструментом для опанування програмування на Python. Вони не тільки сприяють ефективному засвоєнню матеріалу, але й надають практичні інструменти та приклади, які допоможуть студентам закріпити знання на практиці та застосовувати їх у реальних проектах. Кожен розділ вказівок містить чіткі інструкції, приклади коду та рекомендації щодо самостійного виконання завдань, що допомагає студентам у поглибленні знань та підготовці до подальшої професійної діяльності у сфері програмування.
Методичні вказівки до виконання лабораторних завдань з навчальної дисципліни "Програмування на Java"
(Національний технічний університет "Харківський політехнічний інститут", 2024) Шаповалова, Марія Ігорівна
Методичні вказівки з курсу програмування мовою Java для студентів спеціальностей 122 «Комп'ютерні науки» та 113 «Прикладна математика» спрямовані на формування у студентів фундаментальних знань з об'єктно орієнтованого програмування та розвиток практичних навичок у розробці програмного забезпечення. Лабораторні роботи дозволяють поступово освоювати ключові можливості мови Java, починаючи з простих програм на зразок "Hello World" і переходячи до складніших завдань, таких як робота з колекціями, обробка рядків і використання регулярних виразів. Цей підхід дозволяє студентам крок за кроком занурюватися в мову програмування та її можливості. На початкових етапах студенти знайомляться з базовими елементами синтаксису Java, а також із концепціями об'єктно-орієнтованого програмування, такими як спадкування та поліморфізм. Поступово робота ускладнюється через завдання, які передбачають розробку консольних додатків та освоєння графічного інтерфейсу на основі JavaFX. Це допомагає студентам зрозуміти, як можна створювати більш масштабовані та функціональні програми, використовуючи ці підходи. Додатково, у рамках лабораторних робіт студенти вивчають принципи створення динамічних веб-додатків із застосуванням сервлетів, що є важливим етапом для розуміння взаємодії між сервером і клієнтом у веб-розробці. Завдяки цьому курсу студенти отримують міцний фундамент для подальшого розвитку своїх навичок програмування та успішного застосування їх у професійній діяльності.
Аналіз властивостей тензора другого рангу
(2023) Львов, Геннадій Іванович
Один з важливіших прикладів застосування тензорів другого рангу є характеристика напруженого стану. Аналіз напруженого стану в точці навантаженого тіла є один з фундаментальних аспектів не тільки теорії пружності, але і в цілому механіки твердого тіла, що деформується, і є необхідним етапом будь-яких міцносних розрахунків. Індивідуальні домашні завдання по даній темі виконуються з метою закріплення теоретичних відомостей і придбання практичних навиків роботи з характеристиками напруженого стану. Перед виконанням роботи слід ретельно вивчити відповідні розділи теорії. Робота виконується в окремому зошиті протягом двох тижнів з моменту отримання завдання і здається на перевірку викладачу. Оцінка здійснюється по наступних основних параметрах: - повнота і правильність виконання завдання; - акуратність оформлення; - своєчасність здачі.
Алгоритмічні підходи обробки зображень для порівняння мікроструктур матеріалів
(Національний технічний університет "Харківський політехнічний інститут", 2024) Гріцкова, Валерія Іванівна; Семененко, Олег Сергійович; Шаповалова, Марія Ігорівна; Водка, Олексій Олександрович
Application of machine learning methods for predicting the mechanical behavior of dispersion-strengthened composite material
(ФОП Паляниця В. А., 2022) Babudzhan, Ruslan A.; Vodka, Oleksii O.; Shapovalova, Mariia I.
The work is devoted for creating a model for approximating the solution by the finite element method of the problem of plane deformation of a dispersion-strengthened composite material. An algorithm for constructing a parametric 2-D composite model is proposed. The processing of the parameters of the microstructure material stress-strain state occurs using a convolutional neural network. A surrogate model is used for calculations speed up and determine the overall approximations quality of such type mechanics problems.
Application of computational intelligence methods for the heterogeneous material stress state evaluation
(Національний університет "Одеська політехніка", 2022) Babudzhan, Ruslan A.; Vodka, Oleksii O.; Shapovalova, Mariia I.
The use of surrogate models provides great advantages in working with computer-aided design and 3D modeling systems, which opens up new opportunities for designing complex systems. They also allow us to significantly rationalize the use of computing power in automated systems, for which response time and low energy consumption are critical. This work is devoted to the creation of a surrogate model for approximating the finite element solution of the problem of dispersion–strengthened composite plane sample deformation. An algorithm for constructing a parametric two–dimensional model of a composite is proposed. The calculation model is created using the ANSYS Mechanical computer-aided design and analysis program using the APDL scripting model builder. The parameters of the stress-strain state of the material microstructure are processed using a convolutional neural network. A neural network based on the U–Net architecture of the encoder-decoder type has been created to predict the distribution of equivalent stresses in the material according to the sample geometry and load values. A direct sequence of layers is taken from the specified architecture. To increase the speed and stability of training, the type of part of the convolutional layers has been changed. The architecture of the network consists of serially connected blocks, each of which combines layers such as convolution, normalization, activation, subsampling, and a latent space that connects the encoder and decoder and adds load data. To combine the load vector, such a neural network architecture as a concatenator is created, which additionally includes the Dense, Reshape and Concatenate layers. The model loss function is defined as the root mean square error over all points of the source matrix, which calculates the difference between the actual value of the target variable and the value generated by the surrogate model. Optimization of the loss function is performed using the first–order gradient local optimization method ADAM. The study of the model learning process is illustrated by plots of loss functions and additional metrics. There is a tendency for the indicators to coincide between the training and validation sets, which indicates the generalizing capability of the model. Analyzing the output of the model and the value of the metrics, a conclusion is made about the sufficient quality of the model. However, the values of the network weights after training are still not optimal in terms of minimizing the loss function. And also, to accurately reproduce the solution of the finite element method (FEM), the proposed model is quite simple and requires clarification. The speed comparison of obtaining results by the FEM and using the architecture of the neural network is proposed. The surrogate model is significantly ahead of the FEM and is used to speed up calculations and determine the overall quality of the approximation of problems of mechanics of this type.