Қолданушылардың таңдауы
Этап 6: A н a лиз последствий
S- SHAPED ACCELERATION CHARACTERISTIC
Abstract. Currently, in order to obtain an adequate mathematical model of an industrial control object (ICO), an active experiment is used-obtaining a ICO acceleration curve along the studied channel (the reaction of the object to a stepped input effect). The bulk of the ICO have s-shaped acceleration curves. The paper proves that the inertial link of the second order always gives the acceleration curve of the S-shape. The mathematical model of such a link is known from the course of the theory of automatic control. The method of identification of complex ICO with S-shaped acceleration curve is proposed, which involves the determination of the structure of such objects as the second-order inertial link, and its dynamic parameters (gain, time constants) are determined by the use of a special mathematical technique. the adequacy of the obtained mathematical model is very high, and a small error (about 0.5÷2% of a separate model) is determined by the errors of experimental data processing.
Keywords: monotone S-shaped acceleration curve, II-order inertial link, transfer function, identification, active experiment.
ҚазҰТЗУ хабаршысы №6 2020 161 М.Д. Адамбаев, В. Вуйцик, Ж. М. Сарыбаева, А.Е. Калабаева
(М.Тынышбаев атындағы қазақ көлік және коммуникациялар академиясы, Алматы қ.
e-mail: [email protected], [email protected], [email protected])
ӨНЕРКӘСІПТІК БАСҚАРУ ОБЪЕКТІСІНІҢ ДИНАМИКАЛЫҚ ҚҰРЫЛЫМЫН ОНЫҢ S-ПІШІНДІ ЕКПІНДІ СИПАТТАМАСЫНЫҢ ТҮРІ БОЙЫНША БАРАБАР БАҒАЛАУ
МҮМКІНДІГІН НЕГІЗДЕУ
Аңдатпа. Қазіргіуақыттаөнеркәсіптікбасқаруобъектісінің (ӨБО) барабар математикалықмоделіналу үшінбелсендіэксперимент – зерттелетінарнабойыншаӨБОекпінқисығыналу (объектініңсатылыкірісәсеріне реакциясы) қолданылады. ӨБО -дың негізгі массасы S - пішінді нысанды екпін қисығы бар. Жұмыста негізделген, екіншіреттіинерциялықзвено әрқашан S-пішіндіекпінқисығынбереді. Мұндай буындардыңматематикалық моделіавтоматтыбасқарутеориясыкурсынанбелгілі. Олекіншіреттіинерциялықзвеносысияқтыобъектілердің құрылымынанықтаудыболжайды, алоныңдинамикалықпараметрлері (күшейтукоэффициенті, Тұрақтыуақыт) арнайы математикалық қабылдауды қолдану арқылы алынған математикалық модельдің барабарлығы өте жоғары, алшағынқателік (жекемодельдің 0,5÷2%-ғажуық) эксперименталдыдеректердіөңдеуқателіктерімен анықталады[1].
Түйінді сөздер: монотонды S-пішінді екпін қисығы, II-ретті инерциялық буын, беріліс функциясы, идентификация, белсенді эксперимент.
Идентификациялау әдістері басқару обьектісіне (БО) кіріс және шығыс сигналдарын талдау кезінде бөлінетін ақпаратты өңдеуге негізделген. Сәйкестендіруде белсенді, пассивті және аралас әдістер қолданылады. Белсенді әдістер басқару объектісінің (БО) кіруіне берілген тестілік (сынақ) әсерлердің берілуімен және шығу сигналдарының зерттелуімен сипатталады. Белсенді идентификация қолданыстағы өнеркәсіптік объектілерге қатысты жаңа технологияларды әзірлеу кезінде, жаңа құбылыстарды зерттеуде, математикалық модельді бастапқы әзірлеуде қолданылады. Көптеген жағдайларда объектінің қалыпты жұмыс істеуін жасанды байқау сигналымен бұзуға мүлдем жол берілмейді, және онда әдетте статистикалық (мысалы, корреляциялық) пассивті идентификация әдістерін қолданады, ал басқару обьектісіне (БО) сигналдардың кездейсоқ табиғи тербелістері қолданылады.
Пассивті сәйкестендіру математикалық үлгіні нақтылау, объектідегі өзгерістерді бақылау үшін қолданылады. Ақпарат объектіні басқару жүйесінде тез қолданылады, сәйкестендіру процесі 1.1 суретте көрсетілген.
1.1-урет. Пассивті сәйкестендіру
Басқару объектілерін белсенді сәйкестендіру уақытша салада да, жиілік саласында да жүргізілуі мүмкін. Бұл ретте әрбір облыста жеке алгоритмдер мен сәйкестендіру әдістері қолданылады.
Белсенді сәйкестендіру кезінде көптеген жағдайларда эксперимент нәтижесінде алынған сипаттамаларды пайдаланады:
• жиілік сипаттамалары (AФЖ, ЛАФЖС, және т.б.),
• уақытша сипаттамалар (тапсырманың қадамдық өзгеруі, тапсырманың «тар» импульсі және т.б.
Динамикалық объектілерді сәйкестендіру жалпы жағдайда олардың құрылымы мен параметрлерін байқалатын деректер – кіріс әсері мен шығыс шамалары бойынша анықтаудан тұрады.
Бұл жағдайда объект (жүйе элементі, басқару объектісі, технологиялық процесс элементі және т.б.) "қара жәшік" болып табылады. Зерттеуші нысанды сыртқы әсерлерге ұшыратып және оның
● Технические науки
162 №6 2020 Вестник КазНИТУ
реакцияларын талдай отырып, математикалық модель (оның құрылымы мен параметрлерінің сипаттамасы) алуы, яғни "қара жәшікті" ақ жәшікке "айналдырып, оның" ақпараттық ашықтығына "қол жеткізуі қажет. Графикалық сәйкестендіру процесі 1.2 суретте көрсетілген.
1.2 Сурет. Сәйкестендірудің графикалық процессі
Бұл үдерістің маңызды сәті сыртқы әсерлерді қосу нүктелерін таңдау және объектінің реакциялары туралы ақпарат жинау, яғни басқару құрылғылары мен датчиктік жүйелерді орналастыру болып табылады (сурет 1.3). Объекттерді идентификациялау кезінде қарапайым (салыстырмалы түрде қарапайым) тапсырма шешіледі, бұл объектінің математикалық моделінің құрылымы алдын ала белгілі болған кезде, бірақ оның параметрлері белгісіз болған жағдайда параметрлерді сәйкестендіру міндетті.
1.3 Сурет. Графикалық түрде параметрлерді анықтау процесі
Математикалық модель (сурет) нақты объектінің (түпнұсқаның, бейненің) дерексіз көрінісі болып табылады. Модель жасалатын және пайдаланылатын объектінің түрі мен мақсатына байланысты формальды сипаттама әртүрлі болуы мүмкін. Объектілерді модельдеу үшін құрылымдық схемалар, операторлық теңдеулер, алгебралық теңдеулер, дифференциалдық, интегралды және интегралды-дифференциалдық теңдеулер, маркалық тізбектер, беріліс функциялары, жиілік сипаттамалар, салмақ функциялар, бағандар және т. б. пайдаланылады. Бұл әдістердің барлығы объектінің кіріс және шығыс сигналдарын функционалды байланыстырады.
Объектінің математикалық сипаттамасын алу үшін екі принципті түрлі тәсіл болады:
1) объектідегі физикалық процестер туралы априорлық білімге негізделген математикалық модель құрудың теориялық әдістері;
2) Объектінің нақты сипаттамаларын өлшеуге негізделген сәйкестендіру әдістері.
Өтпелі функцияны алу үшін стандартты сигнал ретінде уақыт функциясы қолданылады.
Мұндай әсерге, мысалы, реттеу жүйелерінде жүктемені тастау немесе қосу (реттеу жүйесіндегі мотордың істен шығуы) сәйкес келеді (сурет 1.4).
ҚазҰТЗУ хабаршысы №6 2020 163
1.4 Сурет. Өтпелі сипаттама: а) бастапқы әрекет; б) екпін қисығы S- тәріздес
Өтпелі функция x(t) = 1(t) кіріс сигналы және нөлдік бастапқы жағдайларда сызықтық дифференциалдық теңдеуді шешуге арналған аналитикалық өрнек деп аталады.
𝒂𝒂𝒏𝒏𝒚𝒚𝒏𝒏(𝒕𝒕) +𝒂𝒂𝒏𝒏−𝟏𝟏𝒚𝒚(𝒏𝒏−𝟏𝟏)(𝒕𝒕) +⋯+𝒂𝒂𝟏𝟏𝒚𝒚́(𝒕𝒕) +𝒂𝒂𝟎𝟎𝒚𝒚(𝒕𝒕) =𝒃𝒃𝟎𝟎𝟏𝟏(𝒕𝒕) (𝟏𝟏.𝟏𝟏) 𝒚𝒚(𝟎𝟎) =𝟎𝟎; 𝒚𝒚́(𝟎𝟎), 𝒚𝒚 𝒏𝒏−𝟏𝟏(𝟎𝟎) =𝟎𝟎
Екпін қисығы деп объектінің (жүйенің) нөлдік бастапқы жағдайларда бір сатылы әсерге реакциясы деп аталады.
Екінші ретті инерциялық байланыстың өтпелі процессі:
𝐖𝐖(𝐩𝐩) = 𝐤𝐤
(𝐓𝐓𝟏𝟏𝐩𝐩+𝟏𝟏)(𝐓𝐓𝟐𝟐𝐩𝐩+𝟏𝟏) (𝟏𝟏.𝟐𝟐) Берілгені:
Т1= 0,2;
Т2= 2;
к= 10
𝑾𝑾(𝐩𝐩) = 𝐤𝐤
(𝐓𝐓𝟏𝟏𝐩𝐩+𝟏𝟏)(𝐓𝐓𝟐𝟐𝐩𝐩+𝟏𝟏) =
𝐤𝐤
𝐓𝐓𝟏𝟏𝐓𝐓𝟐𝟐𝐩𝐩(𝐓𝐓𝟏𝟏+𝐓𝐓𝟐𝟐) +𝟏𝟏
𝑾𝑾(𝐩𝐩) = 𝟏𝟏𝟎𝟎
(𝟎𝟎.𝟐𝟐𝐩𝐩+𝟏𝟏)(𝟐𝟐𝐩𝐩+𝟏𝟏) =
𝟏𝟏𝟎𝟎
(𝟎𝟎.𝟒𝟒𝐩𝐩𝟐𝟐+𝟎𝟎.𝟐𝟐𝐩𝐩+𝟐𝟐𝐩𝐩+𝟏𝟏) =
𝟏𝟏𝟎𝟎
(𝟎𝟎.𝟒𝟒𝐩𝐩𝟐𝟐+𝟐𝟐.𝟐𝟐𝐩𝐩+𝟏𝟏) 𝑾𝑾(𝒑𝒑) =𝑭𝑭𝟏𝟏(𝒑𝒑)
𝑭𝑭𝟐𝟐(𝒑𝒑)
Карсон- Хевисайдтың екінші ыдырау теоремасын пайдаланамыз:
𝒚𝒚(𝒕𝒕) =𝑭𝑭𝟏𝟏(𝟎𝟎)
𝑭𝑭𝟐𝟐(𝟎𝟎) +� 𝑭𝑭𝟏𝟏(𝒑𝒑𝒑𝒑) 𝒑𝒑𝒑𝒑∙ 𝑭𝑭𝟐𝟐(𝒑𝒑𝒑𝒑)́
𝒏𝒏 𝒑𝒑=𝟏𝟏
𝒆𝒆𝒑𝒑𝒑𝒑𝒕𝒕 (𝟏𝟏.𝟑𝟑)
𝐅𝐅𝟐𝟐=𝟎𝟎.𝟒𝟒𝐩𝐩𝟐𝟐+𝟐𝟐.𝟐𝟐𝐩𝐩+𝟏𝟏 𝐅𝐅𝟐𝟐=𝟎𝟎.𝟖𝟖𝐩𝐩+𝟐𝟐.𝟐𝟐
𝐅𝐅𝟐𝟐(𝐩𝐩) түбірлерін табамыз:
𝐩𝐩𝟏𝟏 =𝟎𝟎.𝟐𝟐𝐩𝐩+𝟏𝟏 𝐩𝐩𝟐𝟐=𝟐𝟐𝐩𝐩+𝟏𝟏 0.2p+1=0 𝟐𝟐𝐩𝐩+𝟏𝟏=𝟎𝟎
𝐩𝐩𝟏𝟏 =−𝟎𝟎.𝟐𝟐𝟏𝟏 =−𝟓𝟓 2p= -1 𝐩𝐩𝟐𝟐=−𝟎𝟎.𝟓𝟓
● Технические науки
164 №6 2020 Вестник КазНИТУ
Карсон- Хевисойдтың II- ші ыдырау теоремасына қоямыз:𝒚𝒚(𝒕𝒕) =𝒑𝒑
𝟏𝟏+ 𝒑𝒑
− 𝟏𝟏𝑻𝑻𝟏𝟏�𝟐𝟐𝑻𝑻𝟏𝟏𝑻𝑻𝟐𝟐∙ �− 𝟏𝟏𝑻𝑻𝟏𝟏�+𝑻𝑻𝟏𝟏+𝑻𝑻𝟐𝟐�∙ 𝒆𝒆− 𝟏𝟏𝑻𝑻𝟏𝟏𝒕𝒕+
+ 𝒑𝒑
�𝟐𝟐𝑻𝑻𝟏𝟏𝑻𝑻𝟐𝟐∙ �− 𝟏𝟏𝑻𝑻𝟐𝟐�+𝑻𝑻𝟏𝟏+𝑻𝑻𝟐𝟐 � ∙ 𝒆𝒆− 𝟏𝟏𝑻𝑻𝟐𝟐𝒕𝒕
𝐲𝐲(𝐭𝐭) =𝐤𝐤+ 𝐤𝐤 𝐓𝐓𝟐𝟐
𝐓𝐓𝟏𝟏− 𝟏𝟏 − 𝐓𝐓𝐓𝐓𝟐𝟐𝟏𝟏
∙ 𝐞𝐞− 𝟏𝟏𝐓𝐓𝟏𝟏𝐭𝐭 𝐤𝐤 𝐓𝐓𝟏𝟏
𝐓𝐓𝟐𝟐− 𝟏𝟏 − 𝐓𝐓𝐓𝐓𝟏𝟏𝟐𝟐
∙ 𝐞𝐞− 𝟏𝟏𝐓𝐓𝟐𝟐𝐭𝐭 (𝟏𝟏.𝟒𝟒)
Мәндерді орындарына қойып шығарамыз:
𝐲𝐲(𝐭𝐭) =𝟏𝟏𝟎𝟎+ 𝟐𝟐𝟏𝟏𝟎𝟎
𝟎𝟎.𝟐𝟐− 𝟏𝟏𝐞𝐞−𝟓𝟓𝐭𝐭+ 𝟎𝟎.𝟐𝟐𝟏𝟏𝟎𝟎
𝟐𝟐−𝟏𝟏𝐞𝐞−𝟎𝟎.𝟓𝟓𝐭𝐭=𝟏𝟏𝟎𝟎+𝟏𝟏.𝟏𝟏𝟏𝟏𝐞𝐞−𝟓𝟓𝐭𝐭− 𝟏𝟏𝟏𝟏.𝟏𝟏𝟏𝟏𝐞𝐞−𝟎𝟎.𝟓𝟓𝐭𝐭 𝐲𝐲(𝐭𝐭) =𝟏𝟏𝟎𝟎+𝟏𝟏.𝟏𝟏𝟏𝟏𝐞𝐞−𝟓𝟓𝐭𝐭− 𝟏𝟏𝟏𝟏.𝟏𝟏𝟏𝟏𝐞𝐞−𝟎𝟎.𝟓𝟓𝐭𝐭
Кесте 1.1. Екінші ретті инерциялық буынның беріліс функциясының мәндері
Есептелген мәннен график тұрғызамыз (сурет 1.5) :
1.5 Сурет. Инерциялық буынның өтпелі процессінің графигі Қорытынды
II инерциялық байланыстардың сериялық қосылуы (екінші ретті инерциялық буын) әрдайым S тәрізді өтпелі болады. Сондықтан, егер белгісіз зерттеу нысаны S-тәрізді үдеу сызығын берсе, онда оның математикалық моделін II ретті инерциялық байланыс ретінде анықтауға болады.
t 0 0,45 0,9 1,2 1,65 1,95 2,1 2,4 2,7 3
У 0 1,24 2,92 3,9 5,13 5,80 6,11 6,65 7,12 7,52
ҚазҰТЗУ хабаршысы №6 2020 165
ЛИТЕРАТУРА
[1] Васильев Д.В., Чуич В.Г. Системы автоматического управления (примеры расчета). – М.: Высшая школа, 1967.
[2] Адамбаев М.Д. Определение динамической структуры и параметров промышленных объектов управления. – Алматы, комплекс 2010.
[3] Адамбаев М.Д. Теория и практика технического эксперимента (учебник рекомендованный МОН РК).
– Алматы: КазНТУ им К.И. Сатпаева, 2013.
[4] Льюнг Л. Идентификация систем (теории для пользователя). – М.: Высшая школа, 1991.
[5] Адамбаев М.Д. Автоматтандырылған реттеу мен реттегіштер. Оқу құралы. – Астана: Фолиант, 2018 – 216 б.
[6] Адамбаев М.Д., Джулаева Ж.Т., Калабаева А.Е. Сызықты автоматты реттеу жүйелері (математикалық негіздері) Оқу құралы. – Алматы: М. Тынышбаев атындағы ҚазККА, 2019 – 180 б.
АдамбаевМ.Д., ВуйцикВ., СарыбаеваЖ. М., КалабаеваА.Е.
Обоснование возможности адекватной оценки динамической структуры промышленного объекта управленияпо виду его S-образнойразгонной характеристики
Резюме. В настоящее время для получения адекватной математической модели промышленного объекта управления (ПОУ) используют активный эксперимент – получение кривой разгона ПОУпо исследуемому каналу (реакция объекта на ступенчатое входное воздействие). Основная масса ПОУ имеют кривые разгона S-образной формы. В работе обосновано инерционное звено второго порядка всегда дает кривую разгона S-образной формы.
Математическая модель такого звена известна из курса теории автоматического управления. Предложен метод идентификации сложных ПОУ с S-образной кривой разгона, который предполагает определение структуры таких объектов как инерционное звено второго порядка, а его динамические параметры (коэффициент усиления, постоянные времени) определяются применением специального математического приема адекватность полученной математической модели весьма высокая, а небольшая погрешность (порядка 0,5÷2% отдельной модели) определяется погрешностями отработки экспериментальных данных[1].
Ключевые слова: монотонная S-образная кривая разгона, инерционное звено II-порядка, передаточная функция, идентификация, активный эксперимент.
УДК 532.536
Zh.K. Akasheva, B.K. Assilbekov, A.A. Kudaikulov (Satbayev University, Almaty, Kazakhstan
e-mail: [email protected])
REVIEW OF STUDIES ON THE TWO-PHASE FLUID FLOW AT THE PORE-SCALE Abstract. This paper provides an overview of studies of the flow of a two-phase fluid on the pore-scale. As the need for reliable theories of two-phase flow in a porous medium is constantly growing, a deeper understanding of the multiphase flow of two immiscible fluids in a porous medium, as well as the study of factors affecting the structure of a porous medium during multiphase flow, is important for all practical applications. This work includes methods based on pore-scale computer simulation and equation scaling from micro-level to macro-level. Compared to physical experiments, computer simulation of a two-phase flow has such advantages as the ability to reuse the same core, a shorter time to determine the effective (macroscopic) parameters of a porous medium (permeability and porosity), and also requires lower financial costs.
Key words: two-phase flow, absolute permeability, relative phase permeability, capillary pressure, porous medium, pore-scale modeling.
Ж.К. Акашева, Б.К. Асилбеков, А.A. Кудайкулов (Satbayev University, Алматы, Казахстан
e-mail: [email protected])
ОБЗОР ИССЛЕДОВАНИЙ ТЕЧЕНИЯ ДВУХФАЗНОЙ ЖИДКОСТИ В МАСШТАБЕ ПОР Аннотация.В работе представлен обзор исследований течения двухфазной жидкости в масштабе пор. В связи с тем, что потребность в надежных теориях двухфазного течения в пористой среде постоянно растет, более глубокое понимание многофазного течения двух несмешивающихся жидкостей в пористой среде, а также исследование факторов, влияющих на структуру пористой среды во время многофазного течения важно для всех практического применения. Современные исследования включают методы, основанные на компьютерном моделировании в пористом масштабе и масштабировании уравнений от микроуровня до макроуровня. По сравнению с физическими экспериментами компьютерное моделирование двухфазного течения имеет такие
● Технические науки
166 №6 2020 Вестник КазНИТУ
преимущества, как возможность повторного использования одного и того же керна, меньшее время определения эффективных (макроскопических) параметров пористой среды (проницаемость и пористость), а также требует меньших финансовых затрат.
Ключевые слова: Двухфазное течение, абсолютная проницаемость, относительная фазовая проницаемость, капиллярное давление, пористая среда, поромасштабное моделирование.
Введение. В настоящее время актуальные проблемы механики жидкости и газа требуют более детального изучения для оптимизации процессов, например, происходящих в пористых средах.
Поэтому течение двухфазной жидкости в пористой среде представляет собой особый научный интерес.
Обзор литературы. Существуют различные методы расчета течения жидкости в пористой среде в масштабе пор. В частности, поросетевая модель в работах [1-3] широко используется для понимания процесса вытеснения многофазных жидкостей в пористых средах. Поросетевая модель является эффективной при вычислениях, также она является заслуживающим внимания инструментом для понимания многофазного потока в масштабе пор. Однако, данная модель основана на упрощенной геометрии и физике, что ограничивает ее возможности для прогнозирования [4].
Модель Больцмана используется для моделирования потока через реалистичную геометрию пор пористой среды, как для однофазного, так и для многофазного потока. В работе [5] модель Больцмана используется для моделирования двухфазного потока в масштабе пор. Однако, применение этой модели к многофазному потоку ограничено допустимым кругом свойств жидкости из-за ограниченной численной стабильности и ее высокими вычислительными затратами.
Другие подходы, которые используют точную геометрию в качестве входных данных для численного моделирования потока жидкости в пористых средах, включают: метод объема жидкости [6-8], гидродинамику сглаженных частиц [9], функцию установки уровней [10] и функциональный метод плотности [11].
В работе [6] описывается устойчивая численная схема для моделирования многофазного потока в пористых средах, где характерный размер области потока составляет порядка от микрон до миллиметра. Численный метод разработан для эффективного моделирования многофазного течения в пористых средах со сложным движением границы раздела фаз и нерегулярными твердыми границами.
В работе [12] теоретически и численно прогнозируется проницаемость упорядоченной волокнистой пористой среды. Теоретическое прогнозирование профиля скорости позволяет детально исследовать течение жидкости в масштабе пор или в микромасштабе.
Поскольку потребность в надежных теориях двухфазного течения в пористых средах в масштабе пор постоянно возрастает, исследование явления пальцеобразования важно для практического применения. Явление пальцеобразования на границе раздела между двумя несмешивающимися жидкостями можно наблюдать при течении под давлением двух несмешивающихся жидкостей в канале. Пальцеобразование может привести к снижению добычи нефти за счет вытеснения воды или газа в пористой среде [13]. В работе [14] исследуется клинообразное пальцеобразование между двумя несмешивающимися жидкостями при течении в канале с различными размерами сетки.
Работа [16] описывает базовую технологию, а именно визуализацию порового пространства горных пород в масштабе от нанометра и выше, в сочетании с набором различных численных методов для моделирования одно- и многофазного потока и транспорта с помощью данных изображений.
Авторы приходят к заключению, что моделирование в масштабе пор, вероятно, станет более широко применяемым в нефтяной промышленности, включая оценку нетрадиционных ресурсов нефти и газа.
В работе [17] приведен прогноз свойств течения для различных горных пород с использованием моделирования в масштабе пор для геологически реалистичных сетей. Поровое пространство представлено топологически неупорядоченной решеткой пор, связанных между собой горловинами с угловыми сечениями. Была успешно предсказана однофазная неньютоновская реология, а также двух- и трехфазная относительные проницаемости сред, смачиваемых водой. Распределение пор по размерам поровой сети может быть настроено так, чтобы совпадать с данными о капиллярном давлении, когда изображение интересующей поровой сети недоступно.
Большой интерес вызывают исследования, проводимые на различных образцах керна для определения основных характеристик образцов керна (абсолютная проницаемость, пористость, связанность пор, распределение пор по размерам), а также основные характеристики течения двухфазной жидкости сквозь керны (относительные фазовые проницаемости и капиллярное давление).
ҚазҰТЗУ хабаршысы №6 2020 167 В работе [18] экспериментально изучено растворение известняка при помощи закачки водой, обогащенной углекислым газом. Авторы измерили пористость и проницаемость керна во время растворения периодическим сканированием с помощью микротомографа с разрешением в 4,91 мкм, затем построили зависимость проницаемости керна от его открытой пористости. Их результаты показали, что степень в степенном законе пористость-проницаемость уменьшается с течением процесса растворения.
В работе [19] экспериментально было изучено изменение пористости и проницаемости во время закачки углекислого газа в известняк. В результате авторы получили распределение пористости по длине керна и 3D изображение керна до и после его растворения углекислым газом. Для этого они сканировали керн до и после его растворения.
В работе [20] было экспериментально исследовано влияние закачки различных жидкостей (обогащенных углекислым газом) с разными значениями pH на изменение пористости, проницаемости и другие свойства.
В работе [21] экспериментально изучено влияние режима равномерного растворения карбонатного керна Кеттон во время закачки рассола, насыщенного углекислым газом. Во время исследования они сравнили распределение пористости до, на 67 и 149 минутах растворения керна и определили зависимость проницаемости от пористости со степенью 5,16 в степенном законе. Также было изучено изменение распределения пор по размерам до и после закачки рассола.
В работах [22-24] были исследованы влияние режимов растворения карбонатных кернов закачкой жидкости, обогащенной углекислым газом, с использованием поромасштабного моделирования на основе изображений, полученных с помощью микротомографии.
Выводы. приведен обзор исследований двухфазного течения в масштабе пор. В существующих исследованиях в основном изучено влияние режимов растворения кернов закачкой жидкостей, обогащенных углекислым газом только на абсолютную пористость и проницаемость, а также на их взаимосвязь. Отсюда следует, что исследования, связанные с изучением влияния режимов растворения кернов соляной кислотой на относительные фазовые проницаемости и капиллярное давление, имеют высокую актуальность.
Благодарность. Данное исследование финансируется Комитетом науки Министерства образования и науки Республики Казахстан (грант №AP08052055 «Исследование влияния режимов растворения карбонатных образцов керна на характеристики течения двухфазной жидкости сквозь него в масштабе пор»), за что авторы выражают признательность.
ЛИТЕРАТУРА
[1] M.J. Blunt, P. King. Relative permeabilities from two- and three-dimensional pore-scale network modelling // Transport in Porous Media 6 (4) (1991). – pp. 407-433.
[2] K.E. Thompson. Pore-scale modeling of fluid transport in disordered fibrous materials // AIChE Journal 48 (7) (2002). – pp. 1369-1389.
[3] M. Piri, M.J. Blunt. Three-dimensional mixed-wet random pore-scale network modeling of two- and three-phase flow in porous media. I. Model description, Physical Review E 71 (2) (2005).
[4] M.J. Blunt. Flow in porous media-pore network models and multiphase flow, Current Opinion Colloid Interface Science 6(3) (2001). – pp. 197-207.
[5] C. Pan, M. Hilpert, C.T. Miller. Lattice Boltzmann simulation of two-phase flow in porous media // Water Resources Research 40 (1) (2004).
[6] A.Q. Raeini, M.J. Blunt, B. Bijeljic. Modelling two-phase flow in porous media at the pore scale using the volume-of-fluid method // Journal of Computational Physics 231 (2012). – pp. 5653-5668.
[7] H. Huang, P. Meakin, M.B. Liu. Computer simulation of two-phase immiscible fluid motion in unsaturated complex fractures using a volume of fluid method // Water Resources Research 411 (12) (2005).
[8] A.Q. Raeini, M.J. Blunt, B. Bijeljic. Direct simulations of two-phase flow on micro-CT images of porous media and upscaling of pore-scale forces. Advances in Water Resources 74 (2014). – pp. 116-126.
[9] A.M. Tartakovsky, N. Trask, K. Pan, B. Jones. Smoothed particle hydrodynamics and its applications for multiphase flow and reactive transport in porous media // Computational Geosciences 20 (4) (2015). – pp. 1–28.
[10] M. Sussman, P. Smereka, S. Osher. A level set approach for computing solutions to incompressible two- phase flow // Journal of Computational Physics 114 (1) (1994) P.146–159.
[11] O. Dinariev, N. Evseev. Multiphase flow modeling with density functional method // Computational Geoscience 20 (4) (2015). – pp. 1–22.
● Технические науки
168 №6 2020 Вестник КазНИТУ
[12] Kudaikulov A., Josserand C., Kaltayev A. Theoretical and Numerical Prediction of the Permeability of Fibrous Porous Media // Mathematical Modeling of Technological Processes, Series of Communications in Computer and Information Science, Book Series. - Springer, 2015. - Vol. 549. – pp. 85-93.
[13] A.A. Kudaikulov, C. Josserand, A. Kaltayev. Numerical investigation of fingering pattern formation during the flow of two immiscible fluids in a channel // News of the NAS of the RK, Physico-mathematical series, Volume 3, Number 307. –Almaty, 2016. – pp. 86 – 90.
[14] Zh.K. Akasheva, B.K. Assilbekov, A.A. Kudaikulov. Numerical investigation of fingering formation during the flow of two immiscible fluids in a channel with different grids // Proceedings of Satpayev’s readings
“Innovative technologies are the key to the successful solution of fundamental and applied problems in the ore and oil and gas sectors of the economy of the Republic of Kazakhstan”, Volume I, 2019. – pp. 509-513.
[15] C. Soulaine, F. Gjetvaj, Ch. Garing, S. Roman, A. Russian, et al.. The Impact of Sub-Resolution Porosity of X-ray Microtomography Images on the Permeability. Transport in Porous Media, Springer Verlag, 2016, 113(1), – pp.
227-243.
[16] M.J. Blunt, B. Bijeljic, H. Dong, O. Gharbi, S. Iglauer, P. Mostaghimi, A. Paluszny, C. Pentland. Pore-scale imaging and modelling // Advances in Water Resources, Vol. 51, 2013. – pp. 197-216.
[17] P. Valvatne, M. Piri, X. Lopez, M.J. Blunt. Predictive Pore-Scale Modeling of Single and Multiphase Flow // Transport in Porous Media 58(1) 2005. – pp. 23-41.
[18] Noiriel C., P. Gouze and D. Bernard (2004). Investigation of porosity and permeability effects from microstructure changes during limestone dissolution, Geophys. Res. Lett., 31, L24603, doi:10.1029/2004GL021572.
[19] L. Luquot, P. Gouze. Experimental determination of porosity and permeability changes induced by injection of CO2 into carbonate rocks. Chemical Geology, Vol. 265 (2009). – pp. 148-159.
[20] S. Vialle, S. Contraires, B. Zinzsner, J.-B. Clavaud, K. Mahiouz, P. Zuddas, and M. Zamora (2014), Percolation of CO2-rich fluids in a limestone sample: Evolution of hydraulic, electrical, chemical, and structural properties, J. Geophys. Res. Solid Earth, 119, 2828–2847, doi:10.1002/ 2013JB010656.
[21] H.P. Menke, B. Bijeljic, M.G. Andrew, M.J. Blunt. Dynamic Three-Dimensional Pore-Scale Imaging of Reaction in a Carbonate at Reservoir Conditions. Environ. Sci. Technol. 2015, 49, – pp. 4407-4414. DOI:
10.1021/es505789f.
[22] C. Soulaine, S. Roman, A. Kovscek and Hamdi A. Tchelepi. Mineral dissolution and wormholing from a pore-scale perspective. J. Fluid Mech. (2017), Vol. 827, – pp. 457-483. doi:10.1017/jfm.2017.499.
[23] Y. Hao, Megan M. Smith, S.A. Carroll. Multiscale modeling of CO2-induced carbonate dissolution: From core to meter scale. Int. J. of Greenhouse Gas Control, Vol. 88 (2019). – pp. 272-289.
1. K. Singh, B.U. Anabaraonye, M.J. Blunt, J. Crawshaw. Partial dissolution of carbonate rock grains during
reactive CO2-saturated brine injection under reservoir conditions. Advances in Water Resources, Vol. 122 (2018).
– pp. 27-36.
АкашеваЖ.К., АсилбековБ.К., КудайкуловА.A.
Кеуектік масштабтағы сұйықтықтың екі фазалы ағыны туралы зерттеулерге шолу
Түйіндеме. Бұл жұмыста екі фазалы сұйықтық ағынының кеуекті масштабтағы ағыны туралы зерттеулерге шолу берілген. Бұл жұмыс компьютерлік кеуекті масштабтау мен теңдеулерді масштабтан макродеңгейге масштабтауға негізделген әдістерді қамтиды. Физикалық эксперименттермен салыстырғанда екі фазалы ағынды компьютерлік модельдеу бір ядроны қайта пайдалану мүмкіндігі, кеуекті ортаның тиімді (макроскопиялық) параметрлерін анықтау үшін қысқа уақыт (өткізгіштік пен кеуектілік) сияқты артықшылықтарға ие, сонымен қатар төмендеуді қажет етеді қаржылық шығындар.
Түйінді сөздер: екі фазалы ағын, абсолютті өткізгіштік, салыстырмалы фазалық өткізгіштік, капиллярлық қысым, кеуекті орта, кеуекті масштабты модельдеу.
УДК 007.51
N. Astapenko, G. Ponomarev, А. Kashevkin
INFLUENCE OF HARD AND SOFT SKILLS ON SUCCESS OF SPECIALIST OF ENGINEERING AND DIGITAL TECHNOLOGIES
Abstract. Modern research shows the urgent need to develop in future specialists not only hard skills (professional skills), but also soft skills (social, intellectual and volitional competencies, such as sociability, teamwork, creativity, punctuality, balance), especially in the field of engineering and digital technology. Today, education does not meet the real needs of employers and the actual pressing needs of the national economy. The authors put forward the idea of developing and measuring the level of soft skills, in order to prepare specialists of a new formation who are ready to work in the conditions of modern business requirements.
Key words: hard skills, soft skills, rating scale, specialist, engineer.
ҚазҰТЗУ хабаршысы №6 2020 169
1Н.В. Астапенко, 2Г.В. Пономарев, 1А.А. Кашевкин (1Северо-Казахстанский университет имени М.Козыбаева,
2АО «Национальные информационные технологии», Петропавловск, Республика Казахстан, [email protected])
ВЛИЯНИЕ HARD И SOFT SKILLS НА УСПЕШНОСТЬ СПЕЦИАЛИСТА ИНЖЕНЕРИИ И ЦИФРОВЫХ ТЕХНОЛОГИЙ
Аннотация. Современные исследования показывают назревшую необходимость развивать в будущих специалистах не только hard skills (профессиональные навыки), но и soft skills (социальные, интеллектуальные и волевые компетенции, как коммуникабельность, умение работать в команде, креативность, пунктуальность, уравновешенность), особенно в сфере инженерии и цифровых технологий. На сегодняшний день образование не соответствует реальным запросам работодателей и действительным насущным нуждам народного хозяйства. Авторами выдвигается идея развития и измерения уровня soft skills, с целью подготовки специалистов новой формации, готовых работать в условиях современных требований бизнеса.
Ключевые слова: hard skills, soft skills, оценочная шкала, специалист, инженер.
Профессия инженера требует у выпускника вуза профильных знаний, однако в последнее время важнейшим вопросом становится подготовка кадров, обладающих творческим, креативным потенциалом, умеющих работать и думать в новом мире. Важно, чтобы обучающийся овладел умениями и навыками, средствами коммуникации, а также чтобы знал, как опираться на эти умения и знания в своей профессиональной деятельности. В утвержденной госпрограмме «Цифровой Казахстан» направление «Развитие человеческого капитала» также является ключевым, так как от этого зависит продвижение остальных направлений [1]. Важнейшим вопросом становится подготовка кадров, обладающих творческим, креативным потенциалом, умеющих работать и думать в новом мире.
Важно, чтобы обучающийся овладел умениями и навыками, средствами коммуникации, а также чтобы знал, как опираться на эти умения и знания в своей профессиональной деятельности.
Причина, по которой современное высшее образование не соответствует реальным запросам работодателей и действительным насущным нуждам народного хозяйства, заключается в том, что система образования сосредоточена на развитии только профессиональных компетенций. Однако востребовательность специалиста на рынке труда зависит от двух видов навыков hard skills и soft skills [2].
Hard skills (англ. «жесткие», трудовые навыки) ̶ профессиональные навыки, которым можно научить и которые можно измерить [3]. Hard skills требуются работодателям от соискателей и сотрудников, это сложные навыки, воплощенные в приобретенных квалификациях. Примерами этих навыков у специалистов инженерии и цифровых технологий могут быть следующие [4]: способность к программированию, умение осуществлять статистический анализ и т.д. Для обучения hard skills необходимо усвоить знания и инструкции, качество обучения можно проверить спомощью экзамена.
Soft skills (англ. «мягкие» навыки) ̶ универсальные компетенции, которые не поддаются количественному измерению [5, 6]. Примеры soft skills: преодоление барьеров в общении, построение отношений с клиентами, планирование работы, сотрудничество с другими и т.д. В IT-сфере – это те знания и умения, которые не имеют отношения к разработке или тестированию, но необходимы для успешной работы в команде. Они больше соответствуют приобретенным навыкам, чем психологические черты, предпочтения, мотивация и другие предрасположенности, обычно называемые некогнитивными способностями. Различие между этими двумя категориями может быть проиллюстрировано различием между коммуникативностью (предрасположенность) и способностью эффективно общаться в рабочей среде (soft skill), потому что даже человек с низкой степенью коммуникативности может быть очень хорошим коммуникатор (благодаря знанию соответствующих методов и инструментов), который может, например, передавать сложную информацию другим без предвзятости. Более того, некоторые мягкие навыки более тесно связаны с когнитивными, чем с некогнитивными способностями (например, решение проблем, планирование и организация или изучение и ориентация в информации).
Оба типа навыка значительно увеличивают производительность человека. За последние десятилетия мировые ученые оценивают актуальность внедрения программ развития soft skills наряду с профессиональными компетенциями, особенно в области инженерии и цифровых технологий. Стоит признать, что soft skills ̶ это компетенции будущего. Из двух IT-специалистов более успешным станет