Основы научных исследований энергетических установок

Почему этот курс?

Современный инженер-исследователь должен владеть не только теорией, но и цифровыми инструментами анализа данных. Этот курс объединяет классические методы планирования эксперимента с передовыми подходами машинного обучения и многокритериальной оптимизации. Вы научитесь получать достоверные результаты и принимать обоснованные решения при доводке энергоустановок.

Ключевые обновления и темы:

Современная обработка измерений

— Оценка неопределенности по ГОСТ 34100.3-2017 (GUM).

— Автоматизация в Matlab/Python: проверка нормальности, отсев грубых ошибок.

— Работа с цифровыми измерительными системами: частота дискретизации, фильтрация шумов.

— Расчет погрешностей косвенных измерений для реальных задач (индикаторная диаграмма, расход топлива).

Регрессионный анализ 2.0

— Классический МНК и современные альтернативы: линейная регрессия с регуляризацией, случайный лес.

— Нелинейный регрессионный анализ в SciPy и MATLAB Curve Fitting Toolbox.

— Поверхности отклика (RSM) и метод крутого восхождения.

Планирование эксперимента (DOE) нового поколения

— D-optimal планы в Design Expert и JMP.

— Актуальные кейсы: исследование влияния параметров Common Rail на выбросы дизеля.

— Планирование экспериментов для газопоршневых установок ЯМЗ/КамАЗ.

Оптимизация: от классики до AI

— Численные методы: имитация отжига, генетические алгоритмы в scipy.optimize.

— Многокритериальная оптимизация (Pareto frontier) для компромисса NOx–сажа.

— Байесовская оптимизация и surrogate-based optimization.

— Оптимизация состава смесевого биотоплива и параметров системы EGR.

Статистический анализ

— Дисперсионный анализ (ANOVA) в современном ПО.

— Обработка результатов с помощью специализированных пакетов.

Для кого?

Инженеры-исследователи, специалисты по доводке ДВС, аспиранты, магистранты и все, кто занимается экспериментальными исследованиями энергетических установок.

Результат обучения:

Вы сможете профессионально планировать эксперименты, обрабатывать данные с использованием современных статистических методов и машинного обучения, находить оптимальные решения в многокритериальных задачах доводки двигателей.

Присоединяйтесь, чтобы превратить экспериментальные данные в научно обоснованные инженерные решения!