МОДЕЛИРОВАНИЕ ПРОЦЕССА ГОРЕНИЯ ВОДОРОДА ПРИ РАЗЛИЧНЫХ ДАВЛЕНИЯХ С ПОМОЩЬЮ НЕЙРОННОЙ СЕТИ

Исследуется возможность решения задач химической кинетики с использованием искусственных нейронных сетей. Основная трудоемкость решения задач химической кинетики заключается в решении жесткой системы уравнений баланса, в правой части которой стоит интенсивность производства массы компонентов. Эта задача может быть выделена в отдельный этап решения системы обыкновенных дифференциальных уравнений внутри общего шага по времени глобальной задачи, и в данной работе рассматривается именно этот этап. Разработана достаточно простая модель, способная решить эту задачу, благодаря которой удалось добиться трехкратного ускорения вычислений по сравнению с численными методами. Полученная нейронная сеть работает в рекурсивном режиме и может предсказывать поведение химической многокомпонентной динамической системы на много шагов вперед.

The possibility of solving problems of chemical kinetics using artificial neural networks is investigated. The main laboriousness of solving problems of chemical kinetics lies in solving a rigid system of balance equations, whose right side contains the component mass production intensity. This problem can be singled out as a separate stage of solving a system of ordinary differential equations within a common time step of the global problem, and this stage is considered in this paper. A fairly simple model is developed that can solve this problem, which makes it possible to achieve a threefold acceleration of calculations as compared to numerical methods. The resulting neural network operates recursively and can predict the behavior of a chemical multicomponent dynamic system many steps ahead.