Теплофизика высоких температур, 2021, T. 59, № 4, стр. 584-588
Идентификация траектории подвижного точечного источника при нагреве одномерного стержня
1 Азербайджанский государственный университет нефти и промышленности
г. Баку, Азербайджан
* E-mail: xan.h@rambler.ru
Поступила в редакцию 29.03.2019
После доработки 26.03.2020
Принята к публикации 18.08.2020
Аннотация
Рассматривается процесс нагрева неоднородного одномерного стержня подвижным точечным источником тепла, описываемым параболическим уравнением с сингулярной правой частью. Поставлена задача идентификации траектории подвижного источника в заданном температурном режиме в заданной точке стержня. Для решения полученного разностного аналога поставленной задачи предлагается специальное представление, позволяющее разделить задачу на две взаимно независимые разностные задачи второго порядка. В результате получена явная формула для определения положения подвижного точечного источника при каждом значении временной переменной.
ВВЕДЕНИЕ
Известно, что для осуществления ряда технологических процессов применяется нагрев материалов подвижным источником тепла. В технике широко распространены локальные или точечные подвижные источники тепла. Такие технологические процессы, как нагрев лазерным и электронным лучом, пламенем газовой горелки, электрической дугой и другие, характеризуются наличием подвижных источников теплового воздействия. Подвижные источники тепла применяются в процессах плавки и рафинирования металла в металлургии, термообработки, сварки и микрообработки в машиностроении, приборостроении и др. [1, 2].
Одной из основных задач, возникающих при исследовании технологических процессов с подвижными точечными источниками, является определение параметров модели подвижного источника, т.е. формы, мощности источника и закона его движения (траектория источника). В литературе данная задача в зависимости от поставленной цели представляется как задача оптимального управления и в основном исследуются вопросы существования и единственности решения поставленных задач [2–6]. Следует отметить, что при решении задачи оптимального управления требуется большой объем вычислений, связанный с процедурой вычисления градиента функционала, а также поиска нужного значения параметра регуляризации. Кроме того, части решения задачи определяются одновременно, что приводит к потере оперативности получения решения. В связи с этим в настоящей работе задача об идентификации траектории подвижного точечного источника представляется как обратная задача математической физики. В настоящее время существует обширная литература по теории и методам численного решения обратных задач [7–10]. Однако обратные задачи, связанные с идентификацией траектории подвижных точечных источников, недостаточно исследованы.
ПОСТАНОВКА ЗАДАЧИ И МЕТОД РЕШЕНИЯ
Пусть рассматривается процесс нагрева неоднородного металлического стержня подвижным точечным источником с мощностью $q(t).$ Предполагается, что концы стержня теплоизолированы, а на боковой поверхности происходит теплообмен по закону Ньютона с окружающей средой, имеющей заданную температуру. Для описания формы подвижного точечного источника используется дельта-функция Дирака. Математическая модель данного процесса представляется в следующем виде:
(1)
$\begin{gathered} {{c}_{p}}\rho \frac{{\partial u(x,t)}}{{\partial t}} = \frac{\partial }{{\partial x}}\left( {\lambda (x)\frac{{\partial u(x,t)}}{{\partial x}}} \right) - \beta (u(x,t) - \theta (x,t)) + \\ + \,\,q(t)\delta (x - r(t)),\,\,\,\,0 < x < l,\,\,\,\,0 < t \leqslant T, \\ \end{gathered} $Предполагается, что траектория движения подвижного точечного источника $r(t)$ заранее неизвестна и требуется найти такой закон движения источника, который обеспечивал бы в заданной точке стержня $x = \eta $ заданный температурный режим
где $f(t)$ – заданная функция.Таким образом, задача заключается в определении функций $u(x,t)$ и $r(t),$ удовлетворяющих уравнению (1) и условиям (2)–(5). Поставленная задача относится к классу обратных задач, связанных с восстановлением правых частей дифференциальных уравнений в частных производных [7, 8].
Для устранения сингулярности в уравнении (1) дельта-функция аппроксимируется непрерывной функцией [11]. Для этого используется следующее соотношение:
(6)
$\delta (x - r(t)) = \frac{{\sqrt \varepsilon }}{{\sqrt \pi }}{{{\text{e}}}^{{ - {{\varepsilon }}{{{(x - r(t))}}^{2}}}}},$(7)
$\begin{gathered} {{c}_{p}}\rho \frac{{\partial u(x,t)}}{{\partial t}} = \frac{1}{{{{l}^{2}}}}\frac{\partial }{{\partial x}}\left( {\lambda (x)\frac{{\partial u(x,t)}}{{\partial x}}} \right) - \beta (u(x,t) - \\ - \,\,\theta (x,t)) + \frac{{q(t)}}{l}\frac{{\sqrt \varepsilon }}{{\sqrt \pi }}{{{\text{e}}}^{{ - {{\varepsilon }}{{{(x - s(t))}}^{2}}}}},\,\,\,\,0 < x < 1, \\ 0 < t \leqslant T,\,\,\,\,0 < x < 1,\,\,\,\,0 < t \leqslant T, \\ \end{gathered} $Известно, что одним из распространенных методов решения обратных задач является метод регуляризации Тихонова [7, 8], основная идея которого заключается в сведении обратной задачи к задаче минимизации некоторого функционала с дополнительным стабилизирующим членом. В основном используются две разновидности метода регуляризации Тихонова: глобальная (интегральная) и локальная (последовательная) [7–10, 12, 13]. В методе регуляризации Тихонова одной из наиболее сложных проблем является определение параметра регуляризации. Значение этого параметра необходимо согласовывать с погрешностью входных данных.
Для численного решения задачи (7)–(11) применяется конечно-разностный метод с использованием естественной регуляризации (саморегуляризация) [7, 8]. Сначала необходимо построить дискретный аналог дифференциальной задачи (7)–(11). С этой целью вводится равномерная разностная сетка
Построенная разностная задача представляет собой систему линейных алгебраических уравнений, в которой в качестве неизвестных выступают приближенные значения искомых функций $u(x,t)$ и $s(t)$ в узлах сетки $\bar {\omega },$ т.е. $u_{i}^{j},{{s}^{j}};$ $i = 0,1,2,...,n;$ $j = 1,2,3,....,m.$
Данная система разностных уравнений представляется в виде
(12)
$\begin{gathered} {{a}_{i}}u_{{i - 1}}^{j} - {{c}_{i}}u_{i}^{j} + {{b}_{i}}u_{{i + 1}}^{j} = - {{c}_{p}}\rho \Delta {{x}^{2}}u_{i}^{{j - 1}} - \\ - \,\,\beta \Delta {{x}^{2}}\Delta t\theta _{i}^{j} - \frac{{{{q}^{j}}}}{l}\frac{{\sqrt \varepsilon }}{{\sqrt \pi }}{{{\text{e}}}^{{ - {{\varepsilon }}{{{({{x}_{i}} - {{s}^{j}})}}^{2}}}}}\Delta {{x}^{2}}\Delta t, \\ \end{gathered} $С целью разделения задачи (12)–(16) на взаимно независимые подзадачи, каждая из которых может решаться самостоятельно, принимается
(17)
$u_{i}^{j} = w_{i}^{j} + v_{i}^{j}{{{\text{e}}}^{{ - {{\varepsilon }}{{{({{x}_{i}} - {{s}^{j}})}}^{2}}}}},\,\,\,\,i = 0,1,2,...,n,$Подставив выражение $u_{i}^{j}$ в каждое уравнение системы (12)–(14), получим
Из последних соотношений получаются следующие разностные задачи для определения вспомогательных переменных $w_{i}^{j},v_{i}^{j}{\text{:}}$
(18)
$\begin{gathered} {{a}_{i}}w_{{i - 1}}^{j} - {{c}_{i}}w_{i}^{j} + {{b}_{i}}w_{{i + 1}}^{j} + \\ + \,\,{{c}_{p}}\rho \Delta {{x}^{2}}u_{i}^{{j - 1}} + \beta \Delta {{x}^{2}}\Delta t\theta _{i}^{j} = 0, \\ i = 1,2,...,n - 1, \\ \end{gathered} $(21)
$\begin{gathered} {{a}_{i}}v_{{i - 1}}^{j} - {{c}_{i}}v_{i}^{j} + {{b}_{i}}v_{{i + 1}}^{j} + \frac{{{{q}^{j}}}}{l}\frac{{\sqrt \varepsilon }}{{\sqrt \pi }}\Delta {{x}^{2}}\Delta t = 0, \\ i = 1,2,...,n - 1, \\ \end{gathered} $Полученные разностные задачи (18)–(20) и (21)–(23) при каждом фиксированном значении $j = 1,2,...,m$ представляют собой систему линейных алгебраических уравнений с трехдиагональной матрицей, и решения этих систем независимо от ${{s}^{j}}$ можно найти методом Томаса [8].
Подставив представление (17) в (15), будем иметь
Отсюда можно определить приближенное значение искомой функции $s(t)$ при $t = {{t}_{j}},$ т.е.
(24)
${{s}^{j}} = {{x}_{k}} - \sqrt { - \frac{1}{\varepsilon }\ln \left| {\frac{{{{f}^{j}} - w_{k}^{j}}}{{v_{k}^{j}}}} \right|} .$Таким образом, полученный алгоритм решения разностной задачи (12)–(16) по определению $u_{i}^{j},$ $i = \overline {0,n} $ и ${{s}^{j}}$ при каждом фиксированном значении $j = 1,2,...,m$ основан на решении двух линейных разностных задач второго порядка (18)–(20) и (21)–(23) относительно вспомогательных переменных $w_{i}^{j},v_{i}^{j},$ $i = \overline {0,n} ,$ определения ${{s}^{j}}$ из (24) и использовании представления (17) для $u_{i}^{j},$ $i = \overline {0,n} .$
РЕЗУЛЬТАТЫ ЧИСЛЕННЫХ РАСЧЕТОВ
Предложенный вычислительный алгоритм был опробован на модельных задачах. Численные расчеты проводились по следующей схеме:
для заданной функций $s(t),$ $0 \leqslant t \leqslant T$ определяется решение задачи (7)–(10), т.е. функция $u(x,t),$ $0 \leqslant x \leqslant 1,$ $0 \leqslant t \leqslant T;$ найденная зависимость $f(t) = u(\xi ,t)$ принимается в качестве точных данных для решения обратной задачи по восстановлению $s(t).$ Первая серия расчетов выполнялась с использованием невозмущенных данных. Вторая серия расчетов проводилась при наложении на $f(t)$ некоторой функции, моделирующей погрешность экспериментальных данных
где $\delta $ – уровень погрешности; $\eta (t)$ – случайная величина, моделируемая с помощью датчика случайных чисел.Результаты численного эксперимента, проведенного для случая $l = 2$ м, ${{c}_{p}}$ = 450 Дж/(кг град), $\rho = 7800$ кг/м3, $\lambda (x)$ = 80 Вт/(м град), $s(t) = 0.85{{{\text{e}}}^{{ - {{{\left( {1 - \frac{{2t}}{T}} \right)}}^{2}}}}},$ q(t) = 2 × 108 Вт/м3, θ(x, t) = 25°C, φ(x) = 25°C, $\varepsilon = 12.6;$ $\xi = 0.95$ м; $\beta = 0.02$ представлены в таблице. Здесь $t$ – время, ${{s}^{t}}$ – точные значения функции $s(t),$ $\bar {s}$ – вычисленные значения $s(t)$ при невозмущенных данных, $\tilde {s}$ – вычисленные значения $s(t)$ при возмущенных данных. Для возмущения входных данных в качестве уровня погрешности использовались $\delta = 0.02,$ $\delta = 0.05.$
Результаты численных расчетов показывают, что при использовании невозмущенных входных данных искомая функция $s(t)$ восстанавливается с высокой точностью (второй и третий столбцы таблицы). При этом относительные погрешности восстановления значений функции не превышают 0.0002%. Однако при использовании возмущенных входных данных, в которых погрешность имеет флуктуационный характер, искомая функция восстанавливается с погрешностью. С целью уменьшения погрешности восстановления решения был использован метод саморегуляризации. Известно, что этот метод основан на вязкостных свойствах вычислительных алгоритмов решения системы разностных уравнений и реализуется соответствующим выбором шагов аппроксимации исходной задачи. В качестве параметра регуляризации был выбран шаг дискретизации по времени Δt. Численные расчеты показали, что с ростом шага дискретизации по времени увеличивается точность восстановления решения. Это совершенно противоположный эффект по сравнению с численным решением прямых задач.
Можно предположить, что этот факт связан со структурой самой формулы вычисления ${{s}^{j}}.$ Дело в том, что переменные $w_{k}^{j},v_{k}^{j}$ определяются в ходе решения системы разностных уравнений (18)–(20) и (21)–(23) абсолютно устойчивым методом Томаса. Численные расчеты показывают, что решения этих систем разностных уравнений, а также значения ${{f}^{j}},$ почти прямо пропорциональны $\Delta t,$ т.е. при увеличении $\Delta t$ одновременно увеличиваются и значения переменных $w_{k}^{j},\,\,v_{k}^{j}$,${{f}^{j}}$. Несложный анализ показывает, что при использовании возмущенных входных данных погрешность при определении ${{s}^{j}}$ будет зависеть от величины ${1 \mathord{\left/ {\vphantom {1 {v_{k}^{j}}}} \right. \kern-0em} {v_{k}^{j}}}.$ Следовательно, увеличение $\Delta t$ приводит к уменьшению погрешности в решении.
Результаты численного эксперимента свидетельствуют, что использование метода саморегуляризации может уменьшить влияние погрешности входных данных на точность восстановления значений функции $s(t).$ При уровне погрешности $\delta = 0.02$ максимальная относительная погрешность восстановления значений искомой функции $s(t)$ не превышает 3.5%, а при $\delta = 0.05$ не превышает 7.2% (таблица).
t, с | ${{s}^{t}}$ | $\bar {s}$ | $\tilde {s}$ | |
---|---|---|---|---|
Δt = 1 c | Δt = 10 c | |||
$\delta = 0.02$ | $\delta = 0.05$ | |||
10 | 0.338 | 0.338 | 0.339 | 0.339 |
20 | 0.365 | 0.365 | 0.366 | 0.366 |
30 | 0.392 | 0.392 | 0.398 | 0.405 |
40 | 0.420 | 0.420 | 0.418 | 0.414 |
50 | 0.448 | 0.448 | 0.450 | 0.451 |
60 | 0.477 | 0.477 | 0.481 | 0.485 |
70 | 0.506 | 0.506 | 0.506 | 0.504 |
80 | 0.535 | 0.535 | 0.535 | 0.535 |
90 | 0.564 | 0.564 | 0.567 | 0.570 |
100 | 0.593 | 0.593 | 0.595 | 0.597 |
110 | 0.621 | 0.621 | 0.619 | 0.616 |
120 | 0.649 | 0.649 | 0.654 | 0.660 |
130 | 0.675 | 0.675 | 0.672 | 0.665 |
140 | 0.700 | 0.700 | 0.713 | 0.730 |
150 | 0.724 | 0.724 | 0.713 | 0.695 |
160 | 0.747 | 0.747 | 0.752 | 0.761 |
170 | 0.767 | 0.767 | 0.786 | 0.814 |
180 | 0.786 | 0.786 | 0.773 | 0.754 |
190 | 0.802 | 0.802 | 0.821 | 0.853 |
200 | 0.817 | 0.817 | 0.801 | 0.779 |
Анализ результатов численных расчетов показывает, что предложенный вычислительный алгоритм можно применять при исследовании процессов нагрева материалов подвижным точечным источником тепла.
ЗАКЛЮЧЕНИЕ
Рассмотрена обратная задача, связанная с определением траектории подвижного точечного источника, при которой в заданной точке стержня устанавливается требуемый температурный режим. Для численного решения обратной задачи предлагается численный метод, основанный на аппроксимации дельта-функции, дискретизации задачи по времени и по пространству и использовании специального представления для разделения искомых переменных. Предложенный метод позволяет в каждом временном слое последовательно определить положение подвижного точечного источника и распределение температуры по длине стержня.
Список литературы
Ready J.F. Industrial Applications of Lasers. Elsevier Science, 1997. P. 599.
Бутковский А.Г., Пустыльников Л.М. Теория подвижного управления системами с распределенными параметрами. М.: Наука, 1980. 384 с.
Кубышкин В.А., Финягина В.И. Подвижное управление в системах с распределенными параметрами. М.: СИНТЕГ, 2005. 232 с.
Кубышкин В.А. Подвижное управление колебаниями в системах с распределенными параметрами // Автоматика и телемеханика. 2011. Т. 72. № 10. С. 117.
Теймуров Р.А. Об одной задаче оптимального управления подвижными источниками // Автоматика и телемеханика. 2013. Т. 74. № 7. С. 29.
Бардыбахин А.И. Оптимальный локальный нагрев полубесконечного стержня подвижным точечным источником тепла // Автоматика и телемеханика. 1997. Т. 58. № 6. С. 27.
Alifanov O.M. Inverse Heat Transfer Problems. N.Y.: Springer, 1994.
Samarskii A.A., Vabishchevich P.N. Numerical Methods for Solving Inverse Problems of Mathematical Physics. Berlin: Walter de Gruyter, 2007. P. 438.
Alifanov O.M., Artyukhin E., Rumyantsev A. Extreme Methods for Solving Ill-Posed Problems with Applications to Inverse Heat Transfer Problems. N.Y.: Begell House, 1995.
Beck J.V., Blackwell B., Clair C.R. Inverse Heat Conduction: Ill-Posed Problems. N.Y.: Wiley Interscience, 1985.
Zahedi S., Tornberg A.-K. Delta Function Approximations in Level Set Methods by Distance Function Extension // J. Computat. Phys. 2010. V. 229. Iss. 6. P. 2199.
Woodbury K.A., Beck J.V. Estimation Metrics and Optimal Regularization in a Tikhonov Digital Filter for the Inverse Heat Conduction Problem // Int. J. Heat Mass Transfer. 2013. V. 62(1). P. 31.
Alifanov O.M., Artyukhin E.A., Gejadze I.Yu. Iterative Regularized Solution of an Inverse Heat Conduction Problem // Doklady Mathematics (Proc. of the Russian Academy of Science). 1999. V. 59. № 1. P. 145.
Vabishchevich P.N., Vasil’ev V.I. Computational Algorithms for Solving the Coefficient Inverse Problem for Parabolic Equations // Inverse Probl. Sci. Eng. 2016. № 1. P. 42.
Gamzaev Kh.M. Numerical Solution of Combined Inverse Problem for Generalized Burgers Equation // J. Math. Sci. 2017. V. 221. № 6. P. 833.
Дополнительные материалы отсутствуют.
Инструменты
Теплофизика высоких температур