Q.A.Iasaýı atyndaǵy Halyqaralyq qazaq-túrіk ýnıversıtetіnіń habarlary

ИССЛЕДОВАНИЕ ФИЗИКО-МЕХАНИЧЕСКИХ СВОЙСТВ ПОКРЫТИЙ ZRCN, ПОЛУЧЕННЫХ МЕТОДОМ ВЫСОКОСКОРОСТНОГО ГАЗОПЛАМЕННОГО НАПЫЛЕНИЯ

2025-03-11T04:26:41+00:00

Применение покрытий на основе карбонитрида циркония (ZrCN) продемонстрировало значительное повышение твердости и износостойкости сталей 65Г и У8Г. Высокоскоростное газопламенное напыление (HVOF) зарекомендовало себя как эффективный метод формирования плотных покрытий с высокой адгезией, что способствует существенному улучшению эксплуатационных характеристик обработанных поверхностей. Установлено, что микротвердость образцов зависит от параметров напыления HVOF, поскольку после нанесения покрытия она увеличивается в 1,5–2 раза. В частности, микротвердость стали 65Г после нанесения ZrCN достигла 456,6 HV, а для стали У8Г данный показатель составил 649,7 HV. Полученные результаты подтверждают высокую эффективность ZrCN в улучшении механических и эксплуатационных свойств сталей, что обусловлено их значительной твердостью, повышенной износостойкостью и высокой адгезией. Это делает данные покрытия перспективными для применения в условиях интенсивного механического и абразивного воздействия.

ИССЛЕДОВАНИЕ ТЕПЛОВЫХ И МЕХАНИЧЕСКИХ СВОЙСТВ МЕТАЛЛОВ PD, PT И RH МЕТОДОМ МОЛЕКУЛЯРНОЙ ДИНАМИКИ

2025-03-19T03:54:33+00:00

Термические и механические свойства чистых металлов Pd, Pt и Rh исследуются с помощью моделирования молекулярной динамики (MD) с использованием моделей потенциала Саттона-Чена (SC) и квантового Саттона-Чена (Q-SC). Исследование направлено на анализ поведения этих металлов при повышении температуры, что дает представление об их структурной стабильности и термодинамических свойствах. Материалы нагреваются от 0 К до температур, немного превышающих соответствующие точки плавления с шагом 100 К. Зависящие от температуры полиномиальные и линейные функции результатов моделирования, полученные с использованием моделей SC и Q-SC, позволяют получить полное представление об их температурно-зависимых свойствах. Систематически рассчитываются ключевые физические свойства, включая параметр решетки, плотность, энтальпию, энергию сцепления, упругие константы, объемный модуль, модуль сдвига, коэффициент Пуассона, модуль Юнга, теплоемкость и коэффициент теплового расширения. В исследовании сравниваются характеристики потенциалов SC и Q-SC в прогнозировании этих свойств и оценивается их точность по сравнению с имеющимися экспериментальными и теоретическими данными в литературе. Полученные результаты способствуют лучшему пониманию термомеханических свойств благородных металлов, помогая в их потенциальном применении в высокотемпературных средах и при разработке передовых материалов. Сравнительный анализ моделей SC и Q-SC также подчеркивает их сильные и слабые стороны при моделировании металлических систем.

ПРИМЕНЕНИЕ МЕТОДА ПАРАМЕТРИЗАЦИИ К ИНТЕГРО -ДИФФЕРЕНЦИАЛЬНЫМ УРАВНЕНИЯМ ТИПА ПАНТОГРАФА

2025-03-30T18:34:23+00:00

Первые уравнения пантографа 1940г. были рассмотрены в работах Mahlerа.Он использовал функционально-дифференциальные уравнения с аргументами сжатия в теориичисел. В 1971году J. Ockendon использоваль функционально-дифференциальные уравнения с преобразованными аргументами вида для описания движения токо приемника электровоза.Впоследнее время уравнения типа пантограф находят широкое применение. Например, настраиваемый (пантограф) держатель телефонного устройства, выдвижное (пантограф) микрофонное устройствоит.д.

В данной статье на отрезке рассмотрена двухточечная краевая задача для систем интегро-дифференциальных уравнении типа пантографа. Для решения данной задачи используется метод параметризации, предложенный профессором Д. Джумабаевым. Для этого рассматриваемый отрезок разбиваем рассматриваемый интервал на части. Обозначим значение искомой функции начальной точке каждой отрезка через параметры и произведем замену в интервалах . Тогда рассматриваемая задача формально делится на две части, т. е. система линейных алгебраических уравнении, относительно введенных параметров и к задаче Коши для системы интегро - дифференциальных уравнении типа пантографа. Таким образом задача сводится в замкнутую систему для определения решения специальной задачи Коши для систем интегро – дифференциальных уравнении типа пантографа и систему линейных уравнении. На основе этого предлагается алгоритм определения решения исходной задачи.

О РАЗРЕШИМОСТИ ПРЯМЫХ И ОБРАТНЫХ ЗАДАЧ ДЛЯ ОДНОГО КЛАССА ВЫРОЖДЕННЫХ ПАРАБОЛИЧЕСКИХ УРАВНЕНИЙ С ИНВОЛЮЦИЕЙ

2025-03-30T18:34:06+00:00

В данной работе для вырожденных диффузионных уравнения с инволюцией исследуются вопросы разрешимости прямой и обратной задачи по определению правой части. Рассматривается уравнение с дробным производным в смысле Капуто. В эллиптической части рассматриваемого уравнения участвует нелокальный аналог оператора Лапласа с коэффициентом, зависящий от временной переменной.

При исследовании этих задач по временной переменной получаем одномерное вырожденное уравнение с дробной производной Капуто. Решение этого уравнения выражается через специальной функции типа Килбаса-Сайго. Аналогично, по пространственной переменной получается спектральная задача для нелокального оператора Лапласа с краевым условием Дирихле. В явном виде находим собственные функции и собственные значения этой задачи и показываем полноту системы собственных функций в пространстве

Используя классический метод Фурье решения рассматриваемых задач ищутся в виде разложения в ряд по собственным функциям. Доказана абсолютная и равномерная сходимость рядов, возможность их почленного дифференцирования по всем переменным и абсолютная и равномерная сходимость дифференцированных рядов. Основные утверждения относительно рассматриваемых задач приведены в виде теорем о существования и единственности.

КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ ПСИХОЛОГИЧЕСКОГО СИМБИОЗА ЧЕЛОВЕКА

2025-02-20T05:10:05+00:00

В данной работе, предлагается математическая модель оценки психического симбиоза человека, связанной с силой неблагоприятно воздействующего на сознание, так называемого, психической зависимости. Такая модель, строится на основе формализации психического потенциала человека, мощности этого потенциала и психической энергии. При этом утверждается, что именно потенциал психики определяет степень симбиоз зависимости. Всякий раз, когда происходит трансакт, человека с внешней средой нарушается упорядоченность нашего сознания, подвергая опасности существующей структуры психического потенциала, мы оказываемся в состоянии внутреннего беспорядка или психического симбиоза. Исход, которого зависит от психического потенциала участвующей в этом трансакте. Исходя из этого определения, принимая за основу связи между «Я-концепции», фантазии Ф, и силы воли характеризующие потенциал психики индивида, предложена аналитическая формула для оценки психической энтропии (). Показан что, численно оценивая эти параметры и сравнивая их, возможность определить степень симбиоза. На основе понятия мощности и энергии психики, оценивается минимальная психическая энергия, требуемая человеку для минимизации психического симбиоза. Доказывается практичность предложенных соотношений между психологическими параметрами индивида «Я-концепция», фантазия Ф, и силы воли .

ИСПОЛЬЗОВАНИЕ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ОБНАРУЖЕНИЯ БОЛЕЗНИ ПАРКИНСОНА

2025-03-18T04:21:25+00:00

Болезнь Паркинсона — прогрессирующее неврологическое заболевание, которым страдают миллионы людей во всем мире. Раннее и точное выявление этого заболевания имеет решающее значение для контроля его прогрессирования и улучшения результатов лечения пациентов. В этом исследовании алгоритмы машинного обучения были применены к набору данных, содержащему 195 экземпляров и 24 признака, представляющих как здоровых людей, так и людей с диагнозом болезни Паркинсона. Анализ показал, что набор данных несбалансирован. Около 75% записей соответствуют людям с диагнозом болезнь Паркинсона. Для оценки эффективности моделей машинного обучения при выявлении болезни Паркинсона было представлено пять алгоритмов: логистическая регрессия, машина опорных векторов (SVM) с линейным ядром, дерево решений, случайный лес и K-ближайший сосед (KNN). Результаты показали, что модели Random Forest и KNN достигли более высокой производительности по сравнению с другими методами. В частности, модель KNN показала самую высокую точность (95%), прецизионность (94%), полноту (100%) и оценку F1 (97%). Модель случайного леса также показала высокую производительность с точностью (92%) и другими показателями, близкими к KNN, что указывает на ее надежность для этой задачи классификации. С другой стороны, логистическая регрессия и SVM показали средние результаты с точностью, полнотой и показателями F1 ниже 95%. Это исследование вносит вклад в развивающуюся область медицинской диагностики, демонстрируя потенциал использования методов машинного обучения для выявления болезни Паркинсона.