Математическое моделирование и расчет теплового состояния камер сгорания энергетических установок на основе нейросетевой вычислительной архитектуры тема диссертации и автореферата по ВАК РФ 01.04.14, доктор технических наук Кретинин, Александр Валентинович

• Кретинин, Александр Валентинович
• доктор технических наук
• 2006

Оглавление диссертации доктор технических наук Кретинин, Александр Валентинович

Введение

1 Оптимизационная стратегия проектирования камер сгорания энергетических установок

1.1 Интеграция математического моделирования и процессов проектирования агрегатов тепловых двигателей летательных аппаратов

1.2 Постановка цели и задач исследований 25 2. Разработка информационной базы данных системы моделирования теплового состояния камеры ЖРД

2.1. Моделирование гидродинамики систем смесеобразования и охлаждения ЖРД с использованием численных методов динамики жидкости

2.2. Моделирование распределения термодинамических параметров продуктов сгорания в огневом пространстве камеры сгорания ЖРД

2.3. Моделирование параметров конвективного и лучистого теплообменов в камере ЖРД

3 Нейросетевая вычислительная архитектура

3.1 Методика построения искусственных нейронных сетей

3.2 Проблемы проектирования нейросетевых поверхностей отклика

3.3 Алгоритм комбинированного обратного распространения ошибки

3.4 Формирование нейросетевой базы данных для оптимизации структуры персептронов

3.5 Аппроксимационные возможности искусственных нейронных сетей

4 Метод взвешенных невязок на базе нейросетевых пробных функций

4.1 Методика синтеза искусственных нейронных сетей для моделирования с использованием расчетно-экспериментальных результатов

4.2 Численное решение уравнений на базе нейросетевых пробных функций

4.3 Анализ современных методов нелинейного программирования применительно к нейросетевым математическим моделям

4.4 Оптимизация нейросетевых пробных решений на базе искусственных нейронных сетей

5 Разработка нейросетевых «портретов» функционирования агрегатов жидкостных ракетных двигателей

5.1 Вычислительная структура нейросетевых моделей функционирования

5.2 Структура и составные части имитационной модели энергетической установки жидкостного ракетного двигателя

5.3 Численная реализация нейросетевой модели жидкостного ракетного двигателя

6. Разработка нейросетевых математических моделей для анализа теплового состояния камеры ЖРД

6.1. Использование ИНС для разработки экспериментальных факторных моделей рабочих процессов в камере ЖРД

6.2. Использование ИНС для аппроксимации законов теплообмена и моделирования распределения соотношения компонентов и расходонапряженности в поперечном сечении камеры сгорания

6.3. Использование нейросетевого MBH для численного расчета параметров гидравлической разверки смесительной головки и теплового состояния камеры ЖРД

6.4. Оптимизация экспериментальных факторных моделей на базе искусственных нейронных сетей

6.5. Синтез нейроконтроллера для инерционного звена второго порядка

6.6. Анализ теплового состояния камеры ЖРД с учетом неравномерности распределения соотношения компонентов в пристеночном слое

Основные результаты

Введение диссертации (часть автореферата) на тему «Математическое моделирование и расчет теплового состояния камер сгорания энергетических установок на основе нейросетевой вычислительной архитектуры»

Актуальность проблемы. Одной из самых теплонапряженных конструкций камер сгорания энергетических установок является камера жидкостного ракетного двигателя (ЖРД). Можно отметить следующие особенности и специфические условия теплообмена в камере ЖРД, затрудняющие использование традиционных теплотехнических методов, а именно: большие скорости движения газового потока (скорость продуктов сгорания на срезе сопла для кислородно-водородного ЖРД достигает -4600 м/с); наличие резкого градиента температуры и, следовательно, теплофизических свойств поперек пограничного слоя (от -1000 К на стенке до -3600 К в ядре потока); форма профилированного сопла значительно отличается от канонической цилиндрической трубы, для которой, как правило, получают теплообменные соотношения; наличие химически реагирующих продуктов сгорания в огневом пространстве камеры, т.е. реакций диссоциации и рекомбинации, сопровождающихся поглощением или выделением тепла, которые необходимо учитывать. Актуальность проведенных исследований может быть подтверждена следующими фактами. Во-первых, сложность рабочих процессов в ЖРД делает невозможным во многих случаях получение достоверных математических моделей в рамках классического математического аппарата. Математическое моделирование представлено в основном в виде поверочных инженерных методик расчета, основанных на большом количестве допущений и упрощений, эмпирических зависимостей, которые в ряде случаев не позволяют выявить на этапе проектирования параметрических и функциональных проблем сложной технической системы. Это и процессы гидродинамики и теплообмена в каналах, трубопроводах, газоводе, охлаждающем тракте и т.д., процессы горения и кинетики химических реакций, сложного теплообмена диссоциированных продуктов сгорания со стенкой камеры сгорания, динамические процессы, в том числе на самых ответственных режимах запуска, останова, форсирования и дросселирования, быстро меняющиеся процессы, т.е. вибрационно-пульсационные характеристики функционирования и многое другое. Во-вторых, накопленный богатейший опыт по проектированию множества ЖРД российскими двигателестроительными компаниями (например, в Воронежском КБ химавтоматики разработано более 60 ЖРД, 30 из которых доведены до серийного производства) используется на этих предприятиях незначительно. В то же время эти экспериментальные знания активно используется нашими зарубежными партнерами. Например, при разработке кислородно-водородного ЖРД «Вулкан» для ракеты-носителя (РН) Европейского космического агентства (ЕСА) «Ариан 5» активно использовалась имитационная математическая модель кислородно-водородного ЖРД РН «Энергия», разработанная совместно со специалистами КБХА на основе богатейшей экспериментальной информации по отработке данного двигателя, что позволило свести к минимуму количество доводочных огневых испытаний двигателя «Вулкан» (для воронежского ЖРД потребовалось в свое время сотни таких испытаний и сожженных опытных экземпляров двигателей). В настоящее время до 80 % всех затрат на разработку ЖРД приходится на экспериментальные исследования, проводимые на всех этапах проектирования. Стоимость создания новых ЖРД составляет сотни миллионов долларов, а одно испытание на огневом стенде в условиях России обходится в несколько миллионов рублей. Сегодня, как и несколько десятков лет назад, при разработке ЖРД может потребоваться десятки и сотни огневых испытаний и опытных образцов двигателей. Если учесть множество автономных экспериментальных работ, осуществляемых при проектировании и доводке узлов и агрегатов ЖРД, а также то, что экспериментальные результаты, как правило, являются единственным источником объективной информации для анализа рабочих процессов и принятия проектных решений. Таким образом, возможность снижения количества экспериментальных доводочных работ в первую очередь зависит и в основном сдерживается из-за отсутствия достоверных параметрических и функциональных математических моделей рабочих процессов в ЖРД.

Диссертационная работа выполнялась в соответствии с НИР кафедры ракетных двигателей ВГТУ «Моделирование и оптимизация рабочих процессов ЖРД на базе искусственных нейронных сетей и структурно-параметрических методов нелинейного программирования» по НТП Минобразования «Научные исследования высшей школы по приоритетным направлениям науки и техники на 2003-2004 годы» (ГР № 01200306963).

Основной целью диссертационной работы является создание нейросетевой системы моделирования теплового состояния камеры ЖРД.

Исходя из поставленной цели работы, и на основе анализа состояния вопроса были определены следующие задачи аналитического и расчетно-теоретического исследования математического моделирования теплового состояния камеры ЖРД с использованием нейросетевых вычислительных структур.

1. Формирование методологии нейросетевого моделирования гидродинамических, термодинамических и теплообменных процессов в камере ЖРД.

2. Математическое моделирование гидродинамических, термодинамических и теплообменных процессов в камере ЖРД с использованием нейросетевой вычислительной архитектуры.

3. Разработка программно-алгоритмических средств обучения искусственных нейронных сетей (ИНС). Создание методики построения адекватных нейросетевых моделей оптимальной структуры с использованием регуляризации обучения. Разработка и тестирование алгоритмов построения нейросетевых факторных моделей с использованием комбинации расчетных и экспериментальных результатов. Построение нейросетевых баз данных на основе аппроксимации расчетной и эмпирической информации, используемых при проведении расчетов конвективного, лучистого тепловых потоков в камере ЖРД и наружного охлаждения.

4. Разработка численного метода взвешенных невязок (MBH) на базе нейросетевых пробных функций для использования в математических моделях микроуровня. Анализ применимости современных методов нелинейного программирования для использования в нейросетевом MBH.

5. Формирование методологии создания нейросетевых функциональных моделей агрегатов ЖРД для генерации исходных данных моделирования теплофизических процессов на переходных режимах работы.

6. Создание имитационных математических моделей функционирования кислородно-водородного ЖРД и кислородно-керосинового ЖРД и программная реализация этих моделей.

Методы исследований основаны на теории математического моделирования, теории искусственных нейронных сетей, теории рабочих процессов в ЖРД (гидродинамики, термодинамики, теплообмена, прочности).

Научная новизна работы.

1. Сформированы методологические положения использования нейросетевых вычислительных структур для расчета теплового состояния камеры ЖРД

2. Разработана методика численного моделирования и комплексного анализа теплового состояния камеры ЖРД с использованием нейросетевой вычислительной архитектуры.

3. Разработан комплекс нейросетевых математических моделей гидравлической неравномерности в коллекторных системах охлаждения и смесеобразования ЖРД.

4. Предложен метод проектирования нейросетевых «портретов» функционирования агрегатов ЖРД по данным огневых испытаний. Построена нейросетевая имитационная модель кислородно-водородного ЖРД и кислородно-керосинового ЖРД на запуске.

5. Разработан численный метод взвешенных невязок на базе нейросетевых пробных функций для математических моделей теплофизических процессов на микроуровне.

6. Разработана процедура регуляризации обучения ИНС с использованием энергетического фактора.

7. Сформирована нейросетевая база данных для оптимизации структуры ИНС, используемых для описания теплофизических процессов.

Достоверностьрезультатов подтверждается обобщением экспериментальных данных по автономной и огневой отработке ЖРД. Нейросетевые методы расчета применяются для решения задач тепломассообмена с использованием фундаментальных законов явлений переноса. Адекватность математических моделей оценивалась сопоставлением с экспериментом по общепринятым методикам идентификации расчетных результатов.

Практическая ценность работы.

1. Разработана технология комплексного анализа параметров теплового и теплонапряженного состояния стенок камеры ЖРД с использованием нейросетевых поверхностей отклика, которая позволяет оптимизировать конструктивные параметры тракта охлаждения и гидравлические характеристики форсунок и была использована для оптимизации ширины каналов тракта охлаждения кислородно-водородного ЖРД с целью минимизации гидравлических потерь в тракте охлаждения при сохранении надежного охлаждения стенок камеры.

2. Разработанные нейросетевые функциональные модели используются для автоматизированного анализа результатов огневых испытаний ЖРД РД 0124. Нейросетевая модель гидравлической неравномерности позволила снизить неравномерность распределения компонентов по форсункам смесительной головки газогенератора ЖРД РД-0124.

3. Разработанные нейросетевые базы данных кислородно-водородного и кислородно-керосинового ЖРД предназначены для использования в системах автоматизированного проектирования, диагностирования и аварийной защиты, многодисциплинарного анализа и оптимизации рабочих процессов в ЖРД.

4. Разработаны программные продукты "Нейросетевая модель бустерного насосного агрегата ЖРД" и "Нелинейная оптимизация нейросетевых моделей", зарегистрированные в Государственном фонде алгоритмов и программ.

Программа "Нейросетевая модель бустерного насосного агрегата ЖРД" предназначена для имитационного моделирования функционирования бустерного насосного агрегата горючего кислородно-водородного ЖРД на основе искусственных нейронных сетей. Нейросети, в которых заложена информация о допустимых сочетаниях входных параметров для бустерного насоса и нелинейных функциональных зависимостях от них выходных характеристик агрегата, обучены по данным семи балансовых испытаний двигателя РД-0120. Результаты моделирования проверены на трех контрольных испытаниях того же двигателя разной продолжительностью: продемонстрирована высокая точность моделирования.

Программа "Нелинейная оптимизация нейросетевых моделей" предназначена для оптимизации математических моделей на основе искусственных нейронных сетей и настройки параметров нейросетевых пробных решений в методе взвешенных невязок. В качестве методов оптимизации используются метод Нелдера-Мида с использованием различных начальных приближений, полученных по ЭЛЬ-ПИ-ТАУ алгоритму, и метод непрямой статистической оптимизации на основе самоорганизации, который обеспечивает высокую вероятность поиска глобального экстремума модели.

Автор защищает;

- методику разработки нейросетевых расчетных алгоритмов на основе моделей разного иерархического уровня для исследования теплофизических процессов в условиях камеры ЖРД; методику нейросетевого моделирования распределения расходонапряженности и соотношения компонентов в камере сгорания, распределения термодинамических параметров продуктов сгорания, параметров теплового состояния конструкции камеры ЖРД;

- нейросетевые методы решения интегрального уравнения энергии для пограничного слоя при течении продуктов сгорания в камере ЖРД;

- методику разработки нейросетевых «портретов» функционирования агрегатов ЖРД на основе статистики огневых испытаний с использованием конечных автоматов на основе многозначных переменных состояния с нейросетевой внутренней структурой для повышения точности аппроксимации;

- метод взвешенных невязок на базе нейросетевых пробных функций, предназначенный для решения дифференциальных уравнений в частных производных математической физики, используемых в теплофизике. Сущность метода заключается в подборе параметров глобального нейросетевого пробного решения для минимизации суммарной невязки решаемых уравнений в произвольно расположенных расчетных точках. Методику нелинейной оптимизации нейросетевых пробных решений и программную реализацию данной методики;

- нейросетевую базу данных для оптимизации структуры персептронов, предназначенную для выбора оптимального количества нейронов в скрытом слое нейронной сети прямого распространения, который осуществляется предварительно на основе анализа обучающего множества данных;

- методику регуляризации обучения с использованием энергетического фактора, заключающуюся во введении дополнительной целевой функции обучения, представляющей собой «энергию» искривления нейросетевой поверхности отклика. Показано, что по аналогии со сплайн-аппроксимацией, адекватность нейросетевой факторной модели повышается в случае минимального значения кривизны нейросетевой поверхности отклика.

Апробация работы. Основные положения диссертации докладывались и обсуждались более чем на 20 международных, всесоюзных, российских, межрегиональных, городских и вузовских конференциях и совещаниях, в том числе: на Минских международных форумах (Минск, 1996, 2000), 3 Российской национальной конференции по теплообмену (Москва, 2002), на международной научно-технической конференции СИНТ (Воронеж-2001, 2003, 2005); на международном научном семинаре «Технологические проблемы прочности» (Подольск, 2003 ); Российской научно-технической конференции «Авиакосмические технологии АКТ» (Воронеж, 2003-2005), XXIII Российской школе по проблемам науки и технологий (Екатиренбург, 2003), XIV школе-семинаре под руководством академика РАН А.И.Леонтьева (Рыбинск, 2003), международной конференции «Системные проблемы качества, математического моделирования» (Москва-Сочи, 2003), Российской конференции «Проблемы и перспективы развития двигателестроения» (Самара, 2003), международной школе-семинаре «Современные проблемы механики и прикладной математики» (Воронеж, 2004-2005), Всероссийской научно-практической конференции «Авиакосмические технологии и оборудование» (Казань, 2004), Всероссийской научно-технической конференции «Ракетно-космические двигательные установки» (Москва, МГТУ им. Баумана, 2005).

Реализация работы. Результаты диссертационной работы использованы:

- в ОАО КБ химавтоматики при разработке методики расчета раздающих коллекторов и расходной неравномерности, методов расчета гидравлических характеристик сборных коллекторов ЖРД, при анализе результатов огневых испытаний ЖРД;

- на ФГУП «Турбонасос» при разработке математических моделей ряда турбонасосных агрегатов ЖРД и насосных агрегатов для нефтегазовой промышленности;

- в 2 научно-исследовательских работах, в которых соискатель являлся ответственным исполнителем.

Теоретические материалы по теме диссертационной работы включены в лекционные курсы, а разработанные пакеты программ используются для организации практических занятий и лабораторных работ по курсам «Теория, расчет и проектирование ЖРД», «САПР ЖРД», «Математическое моделирование». Соискатель награжден дипломом Минобразования России и дипломом Воронежского отделения РАЕН.

Публикации. По материалам диссертации автором опубликовано 50 печатных работ (из них 2 монографии и 22 статьи из Перечня ВАК).

В работах, опубликованных в соавторстве, лично соискателю принадлежат: /30,65/- технология нейросетевого моделирования рабочих процессов в ЖРД, /66,68,109,113/- методы регуляризации обучения нейромоделей, /66-68/- методика оптимизации структуры нейросетей, /112/-метод взвешенных невязок на базе нейросетевых пробных функций; /74, 75-77, 98-99/- методика разработки нейросетевых портретов функционирования, /7577, 98/- методика использования нейросетевых конечных автоматов для автоматизированного анализа результатов огневых испытаний, /69,13,34,113/-методика нелинейной оптимизации нейросетевых математических моделей, /107,108,34,110,111,82-83,10-53/- математические модели тепломассопереноса, нейросетевые экспериментальные факторные модели.

Структура и объем диссертации. Диссертационная работа состоит из введения, шести глав, выводов, списка литературы, приложения, изложена на 269 страницах, включающих 99 рисунков, 17 таблиц, список использованной литературы из 130 наименований на 15 страницах, приложение дополнительно на 61 странице.

Заключение диссертации по теме «Теплофизика и теоретическая теплотехника», Кретинин, Александр Валентинович

ОСНОВНЫЕ РЕЗУЛЬТАТЫ

1. Разработана технология нейросетевого моделирования теплового состояния камеры ЖРД, включающая комплекс математических моделей рабочих процессов, нейросетевые численные алгоритмы и программные реализации нейросетевых методов аппроксимации и моделирования, позволяющая осуществлять математическое моделирование и расчет теплофизических процессов на стационарных и переходных режимах работы двигателя.

2. Разработан алгоритм численного решения уравнений математической физики методом взвешенных невязок на базе нейросетевых пробных решений (НМВН). Применение НМВН позволяет устранить погрешности решения дифференциальных уравнений, вызванные дискретизацией производных и низкой точностью представления границ, что повышает адекватность моделирования. Создана методика нелинейной оптимизации нейросетевых пробных моделей с использованием метода непрямой статистической оптимизации на основе самоорганизации и градиентных методов с предварительным зондированием области поиска точками равномерно распределенной последовательности.

3. Предложен комплекс нейросетевых математических моделей и расчетных алгоритмов для моделирования гидродинамических, термодинамических и теплообменных процессов в камере ЖРД. Продемонстрирована эффективность применяемого подхода для моделирования теплового состояния камеры с учетом неравномерности распределения соотношения компонентов в поперечном сечении камеры сгорания. Реализованы принципы комплексного анализа теплонапряженного состояния элементов конструкции камеры ЖРД.

4. Разработаны интеллектуальные базы данных теплофизических параметров продуктов сгорания и охладителей, основанные на нейросетевых аппроксимациях расчетных результатов и справочной информации - комплекса физико-термодинамических свойств продуктов сгорания в пристеночном слое 5

252 для использования приближенных формул В.М.Иевлева, степеней чернот водяного пара и углекислого газа, комплекса теплофизических параметров К* для ряда компонентов, гидравлической неравномерности потока переменной массы, неравномерностей распределения компонентов по форсункам смесительных головок ЖРД. Полученные базы данных используются в численных алгоритмах и являются эффективным средством для анализа проектных решений.

5. Сформирована методика построения нейросетевых «портретов» функционирования агрегатов ЖРД. Осуществлено практическое внедрение методики решения задач автоматного программирования на основе многозначных переменных состояния для моделирования функционирования агрегатов кислородно-керосинового ЖРД. Построена имитационная нейросетевая модель функционирования энергетической установки кислородно-керосинового ЖРД. Разработана имитационная нейросетевая модель кислородно-водородного ЖРД.

6. Разработаны программные продукты "Нейросетевая модель бустерного насосного агрегата ЖРД" и "Нелинейная оптимизация нейросетевых моделей", зарегистрированные в Государственном фонде алгоритмов и программ. Программа "Нейросетевая модель бустерного насосного агрегата ЖРД" предназначена для имитационного моделирования функционирования бустерного насосного агрегата горючего кислородно-водородного ЖРД на основе искусственных нейронных сетей. Программа "Нелинейная оптимизация нейросетевых моделей" предназначена для оптимизации математических моделей на основе искусственных нейронных сетей.

7. Разработано программно-алгоритмическое обеспечение построения искусственных нейронных сетей типа многослойного персептрона с использованием различных методов оптимизации. Разработана методика регуляризации обучения ИНС по энергетическому фактору. На основании численного анализа показано, что адекватность математических моделей для одной и той же ошибки аппроксимации повышается при уменьшении энергетического фактора. Разработана нейросетевая база данных для оптимизации структуры персептронов.

8. Разработан новый алгоритм комбинированного обратного распространения обучения ИНС для получения аппроксимаций заданной точности с минимально возможным значением суммарной кривизны поверхностей отклика по входным переменным, что повышает адекватность нейросетевых моделей, и, как следствие, улучшает робастные свойства разработанной методики создания ИНС оптимальной структуры для использования в качестве экспериментальных факторных моделей.

Список литературы диссертационного исследования доктор технических наук Кретинин, Александр Валентинович, 2006 год

1. Алемасов В.Е., Дрегалин А.Ф., Тишин А.П. Теория ракетных двигателей/ Под ред. В.П.Глушко. М.: Машиностроение, 1989. 512 с.

2. Артамонов Е.И. Использование новых информационных технологий при проектировании PKT// XXV академические чтения по космонавтике: Сб. тез. докл.- М.: Война и мир, 2001.- С. 238-239.

3. Афанасьев И. Коммерческий потенциал китайских ракет-носителей// Новости космонавтики.- 2001.- № 2.- С. 57.

4. Афанасьев В.А. и др. Экспериментальная отработка космических летательных аппаратов / Под ред. Н.В.Холодкова. М.: Изд-во МАИ, 1994. 412 с.

5. Белов И.А. Модели турбулентности. Л.: Судостроение, 1982. 276 с.

6. Белов И.А., Исаев С.А., Коробков В.А. Задачи и методы расчета отрывных течений несжимаемой жидкости. JL: Судостроение, 1989. 313 с.

7. Боглаев Ю.П. Вычислительная математика и программирование. М.: Высш. шк, 1990. 424 с.

8. Булыгин Ю.А., Валюхов С.Г, Кретинин A.B. Mathematical simulation of fuel flow in injector of LRE / 3 Китайско-Российско-Украинский симпозиум по космической науке и технике. Сиань, 1994. С. 234-237.

9. Булыгин Ю.А., Валюхов С.Г., Кретинин A.B. Numerical computation of flow field in rocket engine main injector/ 2 Международный аэрокосмический конгресс. M., 1994. С. 222.

10. Булыгин Ю.А., Валюхов С.Г., Кретинин A.B. Методика управляемого эксперимента при поиске оптимального технического решения / Труды 10-й международной научно-технической конференции, 2002. Сумы, С. 128-132.

11. Булыгин Ю.А., Валюхов С.Г., Кретинин A.B. Использование нейросе-тевых поверхностей отклика для оптимизации рабочих процессов в ЖРД/ Системы управления и информационные технологии, 2004. № 2. С. 58-62.

12. Булыгин Ю.А., Валюхов С.Г., Кретинин A.B. Математическая модель потенциального течения в круговой области с боковым подводом и дискретно расположенными стоками/ Межвуз. сб. науч. тр. «Теплоэнергетика». Воронеж, Изд-во ВГТУ. 1993.-С. 108-113.

13. Булыгин Ю.А., Валюхов С.Г., Кретинин A.B., Глушаков А.Н. Применение теории аналитических функций и методов нелинейного программирования при моделировании течения в смесителе/ Воронежская зимняя математическая школа. Воронеж, Изд-во ВГУ. 1995. С. 52.

14. Булыгин Ю.А., Глушаков А.Н., Левицкий М.П., Рудис М.А. О долговечности дросселирующего элемента / Вестник машиностроения, 1982. № З.С. 14-17.

15. Булыгин Ю.А., Заварзин Н.В., Кирпичев М.И., Кретинин A.B. Параметрическая идентификация гидродинамики каналов ЖРД. Учебное пособие. Воронеж, Изд-во ВГТУ. 2001. 157 с.

16. Булыгин Ю.А., Кирпичев М.И., Кретинин A.B. Идентификация математических моделей распределения компонентов в предфорсуночных коллекторах. Воронеж, Изд-во ВГТУ, 2000. 112с.

17. Булыгин Ю.А., Кирпичев М.И., Кретинин A.B. Применение метода особенностей для расчета распределения расхода по стокам внутри круга. М.: ВИНИТИ, 1999. С. 11. № 1199 В99.

18. Булыгин Ю.А., Кирпичев М.И., Кретинин A.B. Численное моделирование гидродинамических параметров предфорсуночного коллектора ЖРД. Тезисы докладов 4 Международной электронной научной конференции, ВГТУ. Воронеж, 1999. С. 132.

19. Булыгин Ю.А., Кирпичев М.И., Кретинин A.B., Туртушов В.А. Исследование гидравлической неравномерности в газогенераторе при наличии продувки на запуске. ГР № 01200005282. Отчет о НИР № 7/96. Воронеж, ВГТУ, 1997. 124 с.

20. Булыгин Ю.А., Кирпичев М.И., Кретинин A.B., Феропонтов М.П. Идентификация параметров распределения компонента по смесительным элементам газогенератора ТНА. Труды 1 международной конференции "СИНТ'01". Воронеж, 2001. С. 24-29.

21. Булыгин Ю.А., Козелков В.П., Кретинин A.B., Мыслицкий A.C. Численное решение задачи неравномерности распределения компонента по форсункам головки ЖРД/ Межвуз. сб. науч. тр. «Теплоэнергетика». Воронеж, Изд-во ВГТУ. 1995. С. 95-102.

22. Булыгин Ю.А., Козелков В.П., Кретинин A.B., Черниченко В.В. Влияние конструкции смесительных элементов на эффективность смесеобразования/ Межвуз. сб. науч. тр. «Теплоэнергетика». Воронеж, Изд-во ВГТУ. 1999.-С. 219.

23. Булыгин Ю.А., Кретинин A.B. Влияние стохастичности распределения компонента по форсункам головки ЖРД на организацию рабочего процесса. ВИНИТИ. 31.03.94 № 782-В94. 17 с.

24. Булыгин Ю.А., Кретинин A.B. Гидродинамика коллекторов жидкостных ракетных двигателей: Монография. Воронеж. Воронеж, гос. техн. ун-т, 2004. 250 с.

25. Булыгин Ю.А., Кретинин A.B. Исследование гидродинамики пред-форсуночного коллектора ЖРД/ Межвуз. сб. науч. тр. «Теплоэнергетика». Воронеж, Изд-во ВГТУ. 1995. С. 114-120.

26. Булыгин Ю.А., Кретинин A.B. Моделирование рабочих процессов в ЖРД. Воронеж, Изд-во ВГТУ. 2000. (Электронный ресурс).

27. Булыгин Ю.А., Кретинин A.B. Оптимизация режимов эксплуатации и критериев качества агрегатов ЖРД/ Межвуз. сб. науч. тр. «Теплоэнергетика». Воронеж, Изд-во ВГТУ. 1997. С. 5.

28. Булыгин Ю.А., Кретинин A.B. Оптимизация функционирования смесительных устройств с использованием нейросетевых поверхностей отклика // Конверсия в машиностроении. 2004. № 5. С. 23-27.

29. Булыгин Ю.А., Кретинин A.B. Особенности распределения расхода по форсункам периферийных рядов смесительной головки ЖРД/ Гагаринские чтения. М.: Изд-во МГАТУ, 1995. С. 41.

30. Булыгин Ю.А., Кретинин A.B. Создание методики повышения эффективности сложных технических систем. ГР № 01970008854. Отчет о НИР № 3/97. Воронеж, ВГТУ, 1997. 78 с.

31. Булыгин Ю.А., Кретинин A.B., Манулиц Э.Г. О некоторых вопросах исследования смесительных элементов./ Межвуз. сб. науч. тр. «Теплообмен в энергетических установках и повышение эффективности их работы». Воронеж, Изд-во ВПИ. 1990.-С. 108-114.

32. Булыгин Ю.А., Кретинин A.B., Морозова Л.А. Применение численных методов для исследования тепломассопереноса в плоском полуограниченном канале/ Межвуз. сб. науч. тр. «Теплоэнергетика». Воронеж, Изд-во ВГТУ. 1996.-С. 45-53.

33. Булыгин Ю.А., Кретинин A.B., Мыслицкий A.C. Повышение эффективности смесеобразования при оптимальной организации процесса течения в коллекторе./ Всероссийская конференция «Процессы горения и охрана окружающей среды. Рыбинск, 1994. С. 124-128.

34. Булыгин Ю.А., Кретинин A.B., Наливайко Н.В. Много дисциплинарный анализ несущей способности элементов конструкций камер ЖРД //

35. Труды 4 российской научно-технической конференции «Авиакосмические технологии АКТ-2003», 2003. 4.2, С. 149-157.

36. Булыгин Ю.А., Кретинин A.B., Черниченко В.В. Оптимизация распределения компонента топлива по форсункам смесительной головки/ 4 Украинско-Российско-Китайский симпозиум по космической науке и технике. Киев, 1996. С. 132-137.

37. Булыгин Ю.А., Кретинин A.B., Черниченко В.В. Результаты экспериментов по оптимальному расположению двухкомпонентных коаксиальных соосноструйных форсунок/ 15 Российская школа по проблемам проектирования неоднородных конструкций, Миасс. 1996. С. 55.

38. Булыгин Ю.А., Кретинин A.B., Шостак A.B. Нейросетевая аппроксимация гидродинамики смесительной головки ЖРД// Системные проблемы качества, математического моделирования.- М.: Радио и связь, 2003. С. 138139.

39. Булыгин Ю.А., Кретинин A.B., Стогней В.Г. Моделирование гидравлической неравномерности коллекторов ЖРД / Вестник ВГТУ, Сер. Энергетика, 2003. №7.3. С. 103-107.

40. Быстров П.И., Михайлов B.C. Гидродинамика коллекторных теплооб-менных аппаратов.- М.: Энергоиздат, 1982. С. 257.

41. Валюхов С.Г., Булыгин Ю.А., Кретинин A.B. Использование искусственных нейронных сетей для анализа работоспособности теплонапряжен-ных конструкций ЖРД/ Динамика научных исследований. Технические науки. Днепропетровск, 2004. С. 3-6.

42. Валюхов С.Г., Булыгин Ю.А., Кретинин A.B. Моделирование гидродинамики кольцевого коллектора форсуночной головки// Проблемы и перспективы развития двигателестроения.- Самара, СГАУ. С. 117-118.

43. Валюхов С.Г., Булыгин Ю.А., Кретинин A.B., Феропонтов М.П. Моделирование гидродинамики в каналах сложной формы на основе искусственных нейронных сетей// Проблемы и перспективы развития двигателестроения.- Самара, СГАУ. С. 119-120.

44. Волчков И.И. Перспективы развития транспортных систем/ И.И.Волчков, В.М.Нестеров, Л.П.Самойлов// Системный анализ в технике: Тематич. сб. науч. тр.- М.: Изд-во МАИ, 1992.- С. 57-69.

45. Вороновский Г.К. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности/ Г.К.Вороновский, К.В.Махотило, С.Н.Петрашев. X.: ОСНОВА, 1997. - 112 с

46. Гриценко В.Д. Моделирование гидродинамики и теплопереноса неньютоновской жидкости в каналах изменяющейся геометрии и запорной арматуре // Диссертация на соискание ученой степени канд. техн. наук. Воронеж, ВГТУ, 2003.

47. Егоров И.Н. Метод непрямой статистической оптимизации на основе самоорганизации решения экстремальных задач в авиационных ГТД // НММ ВВИА им. Жуковского «Процессы и характеристики авиационных двигателей». М., 1991. С. 69-95.

48. Егоров И.Н., Кретинин Г.В., Матусов И.Б., Статников Р.Б. Задачи проектирования и многокритериального управления регулируемых технических систем. Доклады АН РФ, том. 359, № 3. 1998. С. 312-317

49. Егоров И.Н., Фомин В.Н. Оптимизация параметров многоступенчатых компрессоров/ Известия ВУЗов. Авиационная техника, №3. 1988. С. 24-27

50. Жернаков C.B. Идентификация параметров авиационного двигателя на основе нейронных сетей / Информационные технологии, № 12, 2003. С. 31-39.

51. Заенцев И.В. Нейронные сети: основные модели: Учеб. пособие. -Воронеж: 2:5025/2000@fidonet. 76 с

52. Иевлев В.М. Турбулентное движение высокотемпературных сплошных сред. -М.: Наука, 1975. 376 с.

53. Калихман JI.E. Турбулентный пограничный слой на поверхности, обтекаемой газом. М.: Оборонгиз, 1956. 213 с.

54. Кабаев В.А. Статистический анализ гидравлических характеристик сб.ед. 01-00.360-02 и 01-00.420-02. Тех. справка № 013-696. Предпр. п/я А-1872, 1986.

55. Кретинин A.B., Стогней В.Г. Моделирование и оптимизация энергетических систем с использованием нейросетевой вычислительной архитектуры: Монография. Воронеж. Воронеж, гос. техн. ун-т, 2004. 225 с.

56. Кретинин A.B. Формирование нейросетевой базы данных для оптимизации структуры персептронов // Сиб. журн. вычисл. математики / РАН. Сиб. отд-ние, 2005. Т. 8, № 1. С. 43-55.

57. Кретинин A.B. Метод взвешенных невязок на базе нейросетевых пробных функций для моделирования задач гидродинамики// Сиб. журн. вычисл. математики / РАН. Сиб. отд-ние, 2006. Т. 9, № 1 .С. 23-35.

58. Кретинин A.B. Выбор оптимального количества нейронов в персептро-не с одним скрытым слоем/ Системы управления и информационные технологии, 2004. № 3. С. 27-29.

59. Кретинин A.B. Моделирование и оптимизация физических процессов на базе искусственных нейронных сетей // Техника машиностроения. 2004. -N 4. - С. 37-39

60. Кретинин A.B. Разработка нейросетевых портретов функционирования агрегатов жидкостных реактивных двигателей для автоматизированного анализа результатов испытаний/ Автоматизация и современные технологии, 2004. № 9. С. 24-30.

61. Кретинин A.B. Решение уравнений Навье-Стокса методом взвешенных невязок на базе нейросетевых пробных функций/ Системы управления и информационные технологии. 2005, № 2(19). С. 17-20

62. Кретинин A.B. Нейросетевая модель потока переменной массы / Вестник ВГТУ, сер. «Энергетика». 2004. .№ 7.4. С. 34-38.

63. Кретинин A.B., Булыгин Ю.А., Коробченко В.А. Исследования гидравлической неравномерности в смесительных головках ЖРД // Наука производству. 2004 № 11. С. 24-26.

64. Кретинин A.B., Солдатов Д.В., Коробченко C.B. Разработка конечного автомата с нейросетевой внутренней структурой для бустерного насосного агрегата ЖРД/ Вестник ВГТУ, сер. «Энергетика». 2004. .№ 7.4. С. 116-121.

65. Кретинин A.B., Солдатов Д.В., Шалыто A.A., Шостак A.B. Ракеты. Автоматы. Нейронные сети / Нейрокомпьютеры: разработка, применение, 2005, № 5.

66. Кретинин A.B., Шостак A.B., Гуртовой A.A. Построение нейросетевых моделей агрегатов кислородно-водородного жидкостного ракетного двигателя / Изв. вузов. Авиационная техника. 2005, № 1. С. 72-74

67. Кретинин A.B., Солдатов Д.В., Шалыто A.A., Шостак A.B. Использование нейросетевых конечных автоматов для моделирования функционирования агрегатов жидкостного ракетного двигателя / Информационные технологии, 2005. № 8. С. 47-53

68. Кретинин A.B., Солдатов Д.В., Стогней В.Г., Коробченко С.В. Методика построения нейросетевых функциональных моделей агрегатов ЖРД/ Вестник ВГТУ. 2005. Т. 1, № 6. С. 35-37.

69. Кретинин A.B., Солдатов Д.В. Нейросетевая модель бустерного насосного агрегата ЖРД // Государственный фонд алгоритмов и программ РФ. № 50200400528 от 21.05.04.

70. Кретинин A.B., Солдатов Д.В. Программа нелинейной оптимизации нейросетевых моделей // Государственный фонд алгоритмов и программ РФ. № 50200401354 от 23.11.04.

71. Кретинин Г.В. Численный метод многокритериальной оптимизации авиационных ГТД. В сб. «Рабочий процесс и характеристики авиационных силовых установок», ВВИА им. Жуковского, 1996, С. 53-68.

72. Коптев Ю.Н. Концепция и основные направления космической деятельности России на современном этапе// Радиотехника.- 1997.- № 1.- С. 43-47.

73. Кулифеев Ю.Б. Дискретно-непрерывный метод идентификации непрерывных систем. ДАН СССР, Механика твердого тела, № 5. 1981. С.47-55.

74. Курпатенков В.Д., Кесаев Х.В. Расчет камеры жидкостного ракетного двигателя: Учеб. пособие.- М.: Изд-во МАИ, 1993. 91 с.

75. Лаврентьев М.А., Шабат Б.В. Методы теории функций комплексного переменного.- М.: Наука, 1973. 716 с.

76. Минский М. Машины с конечным числом состояний-М.: Мир, 1971.

77. Митрофанов В.Б. Применение методов многомерного поиска при обработке физических экспериментов. Пакеты прикладных программ. Методы оптимизации.- М.: Наука, 1984. 424 с.

78. Моделирование рабочих процессов в ЖРД на базе искусственных нейронных сетей/ В.С.Рачук, А.В.Кретинин, А.В.Шостак, Ю.А.Булыгин, А.А.Гуртовой// Отчет о НИР (промежуточный) № госрегистрации 01.2.00 306963. Воронеж, 155 с.

79. Нейронные сети. STAT1ST1CA NEURAL NETWORKS. Пер. с англ.-М.: Горячая линия Телеком. 2000. - 182 с.

80. Неустойчивость горения ЖРД/ Под ред. Д.Т. Харрье и Ф.Г. Рирдона. -М.: Мир, 1975.644 с.

81. Овсянников Б.В., Яловой Н.С. Моделирование и оптимизация характеристик высокооборотных насосных агрегатов. М.: Машиностроение, 1992. 378 с.

82. Основы теории и расчета ЖРД. В 2 кн./ А.П.Васильев, В.М.Кудрявцев, В.А.Кузнецов и др.; Под ред. В.М.Кудрявцева. М.: Высш. шк., 1993.713 с.

83. Копков Г.А., Орлов В.А., Рачук B.C., Титков Н.Е. Выбор проектно-конструкторских решений на основе анализа признаков критичности элементов конструкций / Научно-технический юбилейный сборник. КБ химав-томатики ИПФ «Воронеж», 2001. С. 176-184.

84. Ракитин В.И., Первушин В.Е. Практическое руководство по методам вычислений. М.: Высш. шк., 1998. 142 с.

85. Рачук B.C. и др. Моделирование и оптимизация рабочих процессов в ЖРД на базе искусственных нейронных сетей и структурно-параметрических методов нелинейного программирования/ Отчет о НИР (заключительный) № госрег. 01.2.00 306963. Воронеж, 2004. 343 с.

86. Рачук B.C. Моделирование рабочих процессов в ЖРД на базе искусственных нейронных сетей/ В.С.Рачук, А.В.Кретинин, А.В.Шостак, Ю.А.Булыгин, А.А.Гуртовой// Отчет о НИР (промежуточный) № госрегистрации 01.2.00 306963. Воронеж, 155 с.

87. Рачук B.C., Баринштейн Б.М. Математическое моделирование жидкостных ракетных двигателей в КБХА / Научно-технический юбилейный сборник. КБ химавтоматики-ИПФ «Воронеж», 2001. С. 156-161.

88. Результаты проливок. Тех. справка № 18.86-75-018. Предпр. п/я А-1872, 1986.

89. Себиси Т., Брэдшоу П. Конвективный теплообмен. М.: Мир, 1987. 578 с.

90. Сергиенко A.A. Жидкостные ракетные двигатели: настоящее и будущее// Системный анализ в технике 3: Тематич. сб. науч. тр.- М.: Изд-во МАИ, 1994.- С. 29-50.

91. Сидоров Ю.В., Федорюк М.В., Шабунин М.И. Лекции по ТФКП. М.: Наука, 1989.316 с.

92. Статников Р.Б., Матусов И.Б. Многокритериальное проектирование машин. М.: Знание, 1989. 257 с.

93. Севастьянов A.A., Харинцев С.С., Салахов М.Х. Нейросетевая регуляризация решения обратных некорректных задач прикладной спектроскопии/ Электронный журнал «Исследовано в России», http://zhurnal.ape.relarn.ru/articles/2003/189.pdf.

94. Стогней В.Г., Кретинин A.B., Булыгин Ю.А., Наливайко Н.В. Использование нейросетевых технологий для многодисциплинарного анализа тепло-напряженных конструкций ЖРД/ Наука производству, 2003. № 12. С. 25-29.

95. Стогней В.Г., Шостак A.B., Кретинин A.B. Разработка нейросетевых моделей агрегатов сложных технических систем/ Вестник ВГТУ, сер. Энергетика. 2003. № 7.3. С. 35-39.

96. Стогней В.Г., Кретинин A.B. Об адекватности факторных моделей на основе нейросетевых поверхностей отклика // Информационные технологии. -2004.-№ 12. С. 15-19

97. Стогней В.Г., Кретинин A.B. Моделирование течений в канале с проницаемой стенкой на базе искусственных нейронных сетей // Изв. Вузов. Авиационная техника. 2005. № 1. С. 34-38

98. Стогней В.Г., Кретинин A.B. Синтез нейроконтроллера для инерционного звена второго порядка/ Изв. Вузов. Электромеханика. 2005, № 1. С. 2325

99. Стогней В.Г., Кретинин A.B., Гуртовой A.A. Моделирование течения в канале с проницаемой стенкой методом взвешенных невязок на базе нейросетевых пробных функций/ Вестник ВГТУ. 2005. Т. 1, № 6. С. 25-28.

100. Стогней В.Г., Кретинин A.B. Обучение персептронов с регуляризацией для аппроксимации эмпирических данных/ Современные проблемы механики и прикладной математики. Воронеж, ВГУ. 2004. С. 479-482.

101. Тарасик В.ГТ. Математическое моделирование технических систем: Учебник для вузов.- Мн.: ДизайнПРО, 1997. 512 с.

102. Терехов В.Ф. О некоторых тенденциях развития мировой космонавтики// Наука и техника, 1996.- № .- С. 106-114.

103. Тарек Н. Набхан, Альберт Зомая. О проблемах создания нейросетевых структур для оптимизации функционирования/ http://neuroschool.narod.ru/ optbpa.pdf.

104. Терехов С.А. Введение в байесовы сети/ Научная сессия МИФИ-2003. V Всероссийская конференция «Нейроинформатика-2003»: Лекции по ней-роинформатике. Часть 1. М.: МИФИ, 2003. - 188 с.

105. Худенко Б.Г. Проектирование как вариационная проблема./ Темат. сб. научн. тр. «Системный анализ в технике». М.: Май, 1991. С. 56-76.

106. Шостак A.B., Булыгин Ю.А., Кретинин A.B. Использование нейросетевых технологий для моделирования рабочих процессов в ЖРД / Труды 2 международной конференции "СИНТ'ОЗ". Воронеж, 2003. С. 187-193.

107. Narendra K.S., Parthasarathy К. Identification and control of dynamical systems using neural networks // IEEE Trans. On Neur. Net. 1990. - vol. 1. - # l.-pp. 4-27

108. Balabanov V. et al., "Multifidelity Response Surface Model for HSCT Wing Bending Material Weight", 7th AIAA/USAF/NASA/ISSMO Symposium on Multidisciplinary Analysis and Optimization, St. Louis, Missouri, 778-789, 1998.

109. Holland J.H. Adaptation in natural and artificial systems.- Univ. Michigan Press, Ann Arbor, 1975.

110. Torczon V. and Trosset M.W., "Using Approximations to Accelerate Engineering Design Optimization", 7th AIAA/USAF/NASA/ISSMO Symposium on Multid-isciplinary Analysis and Optimization, St. Louis, Missouri, 738-749, 1998.

111. Rao S.S. Combined structural and control optimization for flexible structures. Engineering Optimization, Vol. 134, 1988, pp. 1-16.

112. Sobieszczanski-Sobieski J. and Haftka R.T., "Multidisciplinary Aerospace Design Optimization: Survey of Recent Development", Structural Optimization, 14, pp. 1-23, 1997.

113. Vanderplaats G.N. Numerical optimization techniques for engineering design; with applications. McGraw-Hill, New York, 1984.

114. Rumelhart D.E., Hinton G.E., Williams R.J. Learning representation by back-propagating errors// Nature. 1986. - vol.323. - pp. 533-536.

115. Шульман 3. П. Конвективный тепломассоперенос реологически сложных жидкостей. М., «Энергия», 1975.

116. Фройштетер Г. Б. Течение и теплообмен неньютоновских жидкостей в трубах. Киев, «Наукова Думка», 1990.

117. Фалеев В.В., Кретинин А.В., Булыгин Ю.А., Гриценко В.Д. Учет эффектов вязкоупругости в пристеночной области потоков нефтяных магистралей // Труды РНКТ-3. Т.2 Вынужденная конвекция однофазной жидкости. М.: Изд-во МЭИ, 2002. С. 285-288