Численный метод решения обратной краевой задачи теплопереноса в условиях неполных исходных данных

Н. М. Япарова · Успехи кибернетики / Russian Journal of Cybernetics · 2024

исследование посвящено разработке численного метода решения обратной задачи теплопроводности с неполными исходными данными, связанной с теплопереносом в объекте, внутри которого отсутствуют источники тепла, а его поверхность подвергается внешнему тепловому воздействию, одинаковому в каждой ее точке. Математическая модель обратной задачи представлена одномерным параболическим уравнением с начальными условиями и одним граничным условием, сформированным на основе информации, которая отражает характер результатов измерения температуры на поверхности объекта. В работе предложена вычислительная конечно-разностная схема решения обратной задачи, построенная с использованием регуляризирующих подходов, обеспечивающих устойчивость вычислительной схемы. Параметром регуляризации в предлагаемом алгоритме являются шаги дискретизации. Разработанная схема послужила основой для проведения вычислительных экспериментов. В экспериментах проводился сравнительный анализ численных решений обратной задачи с тестовыми функциями, сформированными на основе имитационного моделирования, получены оценки погрешности построенных численных решений. Результаты расчетов подтверждают принципиальную возможность численного решения обратных задач при неполных данных и иллюстрируют достаточную надежность предложенной схемы. we proposed a numerical method for solving the inverse heat conduction problem with incomplete data. The problem addresses heat transfer in a homogeneous object whose surface experiences uniform external thermal action. The model is formulated as an inverse heat conduction problem for a onedimensional parabolic partial differential equation, incorporating an initial condition and a single boundary condition. The boundary condition relies on temperature measurements taken at the object’s surface. Our approach utilizes a computational finite-difference scheme to solve the inverse problem, with regularization techniques ensuring numerical stability. The discretization steps serve as the regularization parameter. To assess the reliability of the proposed method and estimate the numerical error, we conducted computational experiments. These experiments included a comparative analysis of the numerical results against test functions. The computational findings demonstrate the feasibility of numerically solving inverse problems with incomplete data and confirm the sufficient reliability of the proposed approach.

Cited by 0 works. doi:10.51790/2712-9942-2024-5-4-18 Open-access PDF

Authors