Формирование функционала оптимизации параметров многофакторного режима упрочнения металлопокрытий
Автор: Русанов Вячеслав Анатольевич, Данеев Алексей Васильевич, Агафонов Сергей Викторович, Лямин Сергей Васильевич
Журнал: Известия Самарского научного центра Российской академии наук @izvestiya-ssc
Рубрика: Машиностроение и машиноведение
Статья в выпуске: 1-1 т.18, 2016 года.
Бесплатный доступ
Строится и исследуется нелинейная многомерная регрессионно-тензорная модель в обосновании (необходимые и достаточные условия) оптимального многофакторного физико-химического процесса упрочнения металлопокрытий. Предложена робастно-адаптивная стратегия рационального формирования целевого функционала физико-механического качества металлообработки. Результаты могут стать методологической основой для создания автоматизированного проектирования технологий упрочнения поверхностей сложных композитных металлоизделий на базе комплексных трибологических испытаний.
Трибологические испытания, регрессионно-тензорная модель, упрочнение металлопокрытия
Короткий адрес: https://sciup.org/148204345
IDR: 148204345
Текст научной статьи Формирование функционала оптимизации параметров многофакторного режима упрочнения металлопокрытий
В основе методов упрочнения рабочих поверхностей силовых машин лежат сложные физико-химические процессы (ФХП), в связи с чем по прежнему актуальны вопросы, связанные с формализацией/разработкой их математических моделей. В данном контексте востребованы регрессионные модели - линейные [1, 2] / нелинейные [2, 3], в том числе матричные [2, 4], где важный класс образуют регрессионно-тензорные системы [5,6]. Эти системы, с одной стороны, весьма близки по своим свойствам к полиноминальным [2], допуская достаточно детальное аналитическое описание на базе тензорного исчисления [7], сильной дифференцируемости векторных отображений [8, с. 480] и теории экстремальных задач [8, с. 499], а с другой, приобретают важную роль в нелинейном моделировании многофакторных трибологических свойств синтезируемых металлопокрытий, в частности, при прогностическом описании поверхностных нано-размерных структур [9, 10].
Ниже развиваются задачи, поставленные в выводах работы [6], при этом целью является
не столько формальная точность умозаключений, а ясность концепций в разработке проблем трибологии [11]. В этом контексте решается вопрос формирования функционала физикомеханических свойств металлопокрытий для режима упрочнения. Определяются строгие аналитические интерпретации многосвязных условий, определяющих оптимальный режим ФХП, налагаемых нелинейными ограничениями [12, 13] и обеспечивающих адекватность модели ФХП данным трибологических испытаний -многокритериальная идентификация по методу наименьших квадратов (МНК) координат ковариантных тензоров уравнения ФХП как многомерной нелинейной регрессии с минимальной тензорной нормой.
ОСНОВНЫЕ ПОЛОЖЕНИЯ И ПОСТАНОВКА ЗАДАЧИ РЕГРЕССИОННО-ТЕНЗОРНОГО
МОДЕЛИРОВАНИЯ ОПТИМАЛЬНОГО ФХП
Пусть R – поле вещественных чисел, Rn – n-мерное векторное пространство над R с евклидовой нормой ||.||Rn, col(y1,…,yn) ∈Rn - вектор-столбец с элементами y1,…,yn∈R и пусть Mn,m(R) - пространство всех n х m-матриц с элементами из R. Далее, через Tmk обозначим пространство всех ковариантных тензоров k-ой валентности (вещественных полилинейных форм fkm: Rm х _ х Rm ^ R) с тензорной нормой Ц/*, m || := (У t2.. j) , где ti…j – коэффициенты (координаты [7, с. 61]) тензора f k,m, значения которых заданы относительно стандартного (естественного [14, c. 15]) ортонор-мированного базиса в евклидовом Rm.
Пусть ve Rm - вектор варьируемых физикохимических предикторов [2, с. 38] регрессии ФХП с фиксированным началом в e R Rm (опорный режим упрочнения), w(ю + v) e Rn - вектор качественных показателей ФХП. В данной постановке выделим к рассмотрению многомерную нелинейную систему типа «вход-выход», описываемую векторно-тензорным к-валентным уравнением многофакторной регрессии w (ю + V ) = col | I f; jm (V,..., V ),..., I j (V,..., V Н + Е(®, V ), (1)
V j = 0, -, k j = 0, -, к )
где f j,m e T m , вектор-функция e(w, x ): R m ^ R n класса
Ik( ®, v HI R * = o ( ( v i2 + ... + V m ) k /2 ) (1 ')
v = col( v 1 ,., v m ), f i 0 m (1 < i < n ) - инварианты, т.е. тензоры нулевой валентности [7, c. 62] (трибологические показатели качества [11, c. 5] ФХП в опорном режиме юe R m ).
З а м е ч а н и е 1. Описание ФХП регрессионной системой (1) адекватно с учетом утверждения 2 [5] о непрерывной зависимости [8, с. 495] решения дифференциального уравнения ФХП [15] от начально-краевых условий и параметров.
Задача апостериорного регрессионно-тензорного моделирования оптимального ФХП поставлена и подробно исследована в [5, 6] для двухвалентной модели (1), при этом в [5] получены аналитические решения трех позиций данной задачи:
-
1) для фиксированного индекса к , заданного предиктора we R m и V с R m - открытой окрест-
- ности вектора w определены аналитические условия, при которых вектор-функция w(•): V
^ R n показателей качества ФХП удовлетворяет
системе (1);
-
2) построен алгоритм идентификации координат симметричных [16, с. 271] тензоров f jm , 1 < i < n , 0 < j < к = 2 в математической модели ФХП (1) на базе двухкритериальной МНК-задачи (2) (параметрическая МНК-идентификация много-
- мерной регрессионно-тензорной системы (1) с минимальной тензорной нормой):
r min I i=1,..., q
V
2 У/2
( 1 ) ’".
)
i
-
3) для двухвалентной модели (1) при заданном векторе -предикторе we R m и е(ю, v ) = 0 получено аналитическое решение « v -оптимизации» квадратичной функции (см. определение 1 [16, c. 215]) варьируемых относительно w фактор-предикторов ФХП:
max ^ F ( v ) : V e Rm },
F ( v ):= r;w; (® + v ) +... + rnwn (® + v ), (3) где вектор-функция v ^ col( w 1 (ю + v ),., wn (ю+ v )) = w (ю + v ) e Rn имеет координатное представление согласно идентифицированной модели (1)-(2), r i > 0 - весовые коэффициенты, отражающие «относительный приоритет» между трибологическими характеристиками wi , 1 < i < n физико-механических свойств ФХП.
Постановка задачи (по материалам выводов работы [6]): определить необходимые условия в решении задачи (3) при к = 3 (поиск стационарных точек в (3) для трехвалентной модели (1)), дополнив поиском достаточных условий « v -оптимизации», т.е. обеспечение «эллиптического характера» критиче ских точек функционала F через зависимость спектральных характеристик его гессиана [14, c. 465] от вариаций вектора r := col( r 1 , ..., rn ) относительно некоторого «начального» положения r 0 e Rn .
ПОСТРОЕНИЕ ОПТИМАЛЬНОГО ФХП
Рассмотрим случай уравнений многомерной регрессии с тензорной структурой валентности к = 3; решение задачи (2) при к = 3 - несложная модификация доказательства утверждения 3 [5]. В такой постановке систему уравнений (1) можно подать в векторно-матрично-тензорной форме w (ю+ v ) = c + Av + col( v ' B 1 v + f3 m ( v ,..., v ), ..., v ' B n v +
+ f n3 ,m ( v ,., v )) + е(ю, v ), " (4)
c e Rn , A e M nm ( R ), B i e M mm ( R ), i =1,., n (при этом считаем, что каждая Bi - верхняя треугольная матрица), здесь и далее верхний индекс-штрих «'» - операция транспонирования вектора или матрицы, вектор-функция е(ю, х ): R m ^ Rn удовлетворяет (согласно утверждения 2 [5]) оценке
Ik( w , v Hl r = o ( ( v i2 + ... + v m ) 3/2 ^1
При к = 3 целевой функционал F : R m ^ R дважды непрерывно дифференцируемый (что гарантирует равенство смешанных производных д 2 F ( v 1 ,., v m )/ dv g dv p , V g , P = 1,., m ), поэтому в решении задачи (3) основным результатом в согласно теоремы 3 [8, с. 505] (см. уточнения в [16, c. 160] и теореме 7.2.5. [14, с. 479]) для трехвалентной модели (4) можно считать следующее предложение.
У т в е р ж д е н и е 1. Пусть B * := ( B i + B i ') e M m m ( R ), 1 < i < n , где каждая B i - матрица системы (4) и, сверх того, рассмотрим вектор-функцию
Ф( v ):= ( r 1 в; + ... + rn B * )-1( A ' + +[ v v f 3,m ( v ,., v ),., V v f n 3 ,m ( v ,., v )]) r .
Тогда стационарные точки v * e R m задачи (3) суть решения уравнения
v * + Ф( v * ) = 0, (5)
при этом достаточным условием, что точка v* пространства фактор- предикторов обеспечивает «максимальное качество ФХП» вида max^F(v): v e Rm },
F (v ) := r' w (c9 + v ) является требование: v* как критическая точка функционала F(v) должна иметь специальный эллиптический тип, – это в точности тоже самое, что сказать det [ bj] ] p < 0, p=1,., m, (6)
где [ b j ] ] p e Mpp ( R ), p =1,., m - главные подматрицы гессиана G ( r ) в точке v * e R m
G ( r ) = ( r i ( B * +
+2 ^ 1 < gp < m [ д 2 f 3m ( v ,., v )/ дV g дV p / v * ]) +.+
+ Гп(В** + 2[д2fn3,m(v,.,v)/дVgдVp/ v* ]) e e Mm,m(R), или эквивалентно - характеристические числа X p матрицы G(r) удовлетворяют
X p < 0, p =1,., m . (7)
С л е д с т в и е 1. При k = 2 гессиан G ( r ) функционала F ( v ) инвариантен к положению критической точки и равен
G (r ) = rB* +... + r*B*, при этом, если rank G(r) = m, то решение уравнения (5) единственно и имеет вид v * = - G -1( r) A' r.
Ясно, что (5) - пересечение m квадрик [16, с. 219], поэтому если (6), равносильно (7), не выполняются, то критическая/кие точка/и (5) является гиперболической (седловой). Таким образом, наличие седловой точки гарантирует смена хотя бы в одном (не во всех) неравенстве «<» из (6) или (7) на «>» (см., например, (16) [6]); смена неравенства «<» на рефлексивное « < » вызывает в v * структуру стационарной параболической точки функционала ( v ), при этом rank G ( r ) < m , следовательно, необходим дополнительный анализ (5). В таком положении для обеспечения эллиптического характера (6) требуется параметрическая коррекция функционала (3).
Ясно, что одним из факторов, влияющих на геометрию F ( • ) в критической точке v * , является координатная настройка вектора r , что определяет для (3) постановку «адаптивной коррекции» r ^ r ' w (ю + v ), анализ которой проведем ниже.
АДАПТАЦИЯ ФУНКЦИОНАЛА КАЧЕСТВА ФХП НА АФФИННОМ СЕМЕЙСТВЕ
ЕГО ГЕССИАНОВ
В этом разделе рассмотрим задачу: на базе регрессионно-тензорной модели (4) построить численную процедуру выбора вектора весовых коэффициентов r e Rn , обеспечивающего эллиптический характер фиксированной стационарной точки v * (некоторое решение уравнения (5)) целевого функционала F ( v ) = r ' w (ю + v ), исходя из выполнения алгебраических (спектральных) условий (7).
З а м е ч а н и е 2. Не смотря на алгебраическую эквивалентность (6) ~ (7), попытка использовать в построении адаптивной коррекции r ^ r ' w (ю + v ) разложение определителей (6) почти неизбежно обречена на неудачу вследствие большого количества членов, присутствующих в таком разложении.
Необходимые и достаточные условия разрешимости задачи (3) удается получить лишь в исключительных случаях; общая задача в подобных постановках, как правило, оказывается NP -сложной. Ниже для функционала F ( • ) обсудим подход к этой проблеме, основанный на идеях теории локализации и возмущений собственных значений матрицы [14, с. 408]. Другим плодотворным инструментом представляется трансформация условий (7) к так называемой проблеме квадратичной устойчивости, обычно сводящейся к построению функции Ляпунова в аффинном семействе матриц [19, с. 199] в предположении, что само это семейство функционально (благодаря второй формуле из (3)) зависит от координат вектора r e Rn .
Пусть задан начальный вектор r 0 e R n весовых коэффициентов из (3). Например, целенаправленный выбор вектора r 0 может осуществляться, исходя из равенства его координат r 0 j , 1 < j < n значениям некоторых (заданных) функций Y j : R ^ R от функционалов J ( v ) := w . (w + v ), j =1,., n в «вспомогательных задачах» прогнозирования качества ФХП по отдельным показателям wj , 1 < j < n ; согласно следствия 2 [5] при двухвалентной модели регрессии (1) это положение характеризует:
У т в е р ж д е н и е 2. Если k = 2, то вектор начальных весовых коэффициентов r0 =col(r01, ., r0n) с координатами r0j = Vj(Zj), Zj = max{Jj(v): v e Rm}, 1 < j < n, имеет аналитическое представление r0 = col(V1( c 1-e 1' A В**- A' e 1/2),., V n (Cn -
-
- e n ' A Bn A ' e n /2)).
З а м е ч а н и е 3. Фраза «Если k = 2» не является ключевой, поскольку данная конструкция вектора r0 может быть также использована и при трехвалентной (относительно предикторов) форме регрессионно-тензорной модели (4); ясно, что при этом r0 можно «корректировать» из условия нормировки ||r0|R =1.
Далее, обозначим через v 0 е R m некоторую критическую точку функционала F ( • ) (фиксированное решение уравнения (5)) в положении, когда r = r 0, через G 0 е M m m ( R ) - гессиан функционала F ( • ) вычисленный в точке v 0, и пусть
G, : = B * + 2
i i 1-g\P g, p < m d2 f3 m (v,..., v)
d V g d V p
,1 < i < n.
Тогда при варьировании вектора r согласно представления ri = r0 i+ A ri > 0,1 < i < n параметрическое семейство гессианов G(r) из утверждения 1, определяется аффинным матричным многообразием вида
A
G ( Г ) = G 0 + Е д rG е M m , m ( R ) ; (8)
V ‘ =1,..., n 7
гессианы (8) при любых r 0 + A r е R n суть симметричные матрицы [14, с. 200].
В случае произвольной матрицы единственное описание её собственных значений состоит в том, что это решения её характеристического уравнения. Для гессиана G ( r ) собственные значения можно, посредством теоремы Куранта -Фишера [14, с. 215], также охарактеризовать как ряда задач оптимизации. В круге приложений теоремы Куранта - Фишера рассуждения теоремы Вейля [14, с. 218], о связях между собственными значениями гессиана G 0 и любого гессиана из многообразия
-
G 0+ S1 < i < n A r i G i ,
позволяют отчасти прояснить «вариационный» смысл проводимых ниже робастно-адаптивных построений в коррекции r ^ r ' w (ю + v ). С учетом введенных выше конструкций потенциал робастно-адаптив-ной настройки функционала F ( v ) = r ' w (ю + v ), обеспечивающего (при варьировании r е R n ) в критической точке неравенства (7), содержит утверждение 3; модификация теоремы 6.3.12 [14, с. 444] на базе теоремы 4.1.3 [14, с. 204], учитывающей симметрическую структуру гессианов (8).
У т в е р ж д е н и е 3. Пусть {(l p ( r 0), xp ): p =1, ..., m } c R ' R m - собственные пары гессиана G 0 и gpi = x p ф Gx p / x p ф x p . Тогда характеристические числа {l p ( r ): p =1, ..., m } c R , гессиана G ( r ), где r = r 0 + D r , имеют вид
M r ) = X , ( r 0) + ^ g ! i D r + о (| A r| R n ),
= 1,..., n
............................................ (9)
^m(r) = ^m(r0) + ^ gmi Dri + о(||Ar|| R» )• i=1,..., n
Система (9) представляет возможность оценить, насколько чувствительны собственные числа гессианов (8) к изменению весовых коэффициентов A r i , 1 < i < n ; разумеется, этот анализ приближенный (справедлив при небольших
II A r R n ; см. также формулы теории возмущений [16, с. 152]), что с учетом следствия 1 отражает:
С л е д с т в и е 2. Если k =2, n = m , Л( r 0):= col(X1( r 0),.,X m ( r 0)) - вектор собственных значений матрицы-гессиана ( r 01 B * + ... + r 0 m B m ) и { x p } p = 1 , m - соответствующие им собственные векторы, Л * := col(2*,., vCm ) - вектор эталонных по критерию (7) характеристических чисел гессиана G ( r ), B := [ bpi ] - m х m - матрица с элементами bpi = x p ' B . x p / x p ' xp , то при r = r 0 + A r и r 0 i + A r i > 0,1 < i < m , где A r = B "1(Л * -Л( r 0)), можно ожидать, что собственные значения у G ( r ) равны эталонным { Лр : p =1, _, m }.
З а м е ч а н и е 4. Поскольку при n = m система уравнений (9) справедлива для малых значений ||A r || R m , то остается открытым вопрос: будет ли сходиться итерационный вычислительный процесс r j = ( r - -1 + a r j -1 ) е Rm , j =1,2,...
построенный в силу следствий 1,2 из расчета A r j -1 = B "1(Л * -Л( r j -1 )), если начальное расхождение ||Л * -Л( r 0)|| R m значительно?; ясно, что согласно структуры функционала (3) на каждом итерационном шаге « j » для координат вектора r j е Rm необходима проверка условий r ij >0,1 < i < m .
В контексте замечания 4 приведем результат вычисления верхней оценки для относительного возмущения ||A r || R m . Пусть || . || М - матричная норма в Mmm ( R ), согласованная [20, с. 181] с || . || R m , причем 11 E || М =1, где E е M m m ( R ) - единичная матрица; например [20, с. 179], фробениусова матричная норма
Итак, возвращаясь к следствию 2, имеем (согласно прототипа - системе (9)):
B A r = Л * -Л( r 0)
с det B * 0. Предположим, что вектор Л * -Л( r 0) переходит в Л * -Л( r 0) + 5 (в частности, за счет слагаемого о (||A r|| Rm ) из системы (9)), а матрица B переходит в B + D . В такой постановке вектор адаптивной настройки A r получит (в силу модификации следствия 2) приращение 0, переходя к значению A r + 0, которое удовлетворяет линейному алгебраическому уравнению:
( B + D )(A r + 0) = Л * - Л( r 0) + 5;
ясно, что 5 е Rm , A е Mm m ( R ) моделируют возмущения «желаемого изменения» вектора собственных чисел Л * -Л( r 0), а также неточность параметрической оценки матрицы B (заметим, если || D || M || B -1|| M < 1, то || D || M <|| B || M [20, с. 197]). Результат вычисления верхней оценки относительного возмущения ||0|| R m /||A r || R m формулирует следствие 3 (технические детали см. в [20, с. 197]).
С л е д с т в и е 3. Пусть, в дополнение к предпо- ложениям следствия 2, s(B):= =||B||M ||B-1||M – условное число [20, c. 197] матрицы B, где ||.||M – матричная норма ||.||F или ||.||S . Тогда справедлива оценка
||θ|| R m /||Δ r || Rm ≤ s ( B )(1 - s ( B )|| D || M /|| B || M ) (||δ|| R m /||Λ*- Λ( r 0)|| R m + || D || M /|| B || M ).
Если || . || M = || . || S и λ1, λ m – наименьшее и наибольшее собственные значения B ' B, то в последнем неравенстве можно считать s ( B ) = (λ m /λ1)1/2.
З а м е ч а н и е 5. Конструкция спектрального условного числа s ( B ) = (l m /l1)1/2 (условное число, полученное с использованием спектральной нормы || . || S ) прозрачна в силу s ( B ) = || B || S || B -1|| S .
ЗАКЛЮЧЕНИЕ
Целью статьи было указать на естественную связь, существующую между проблемой определения области значений матричной функции-гессиана в критической точке целевого функционала физико-механического качества (3) процесса упрочнения металлопокрытия, выраженного уравнением (1), и вектором r весовых коэффициентов в (3), отражающих «приоритет» между wi , 1 ≤ i ≤ n - моделируемыми трибологическими свойствами ФХП. В данном контексте утверждение 1 и следствие 1 показывают, что в отличие от трехвалентной ( k = 3) в двухвалентной ( k = 2) модели нелинейной регрессии ФХП гессиан G ( r ) инвариантен к положению критической точки. При этом оба варианта (2 = k = 3) позволяют выявить зависимость r → G ( r ) на базе модели ФХП (1), идентифицированной по критерию (2).
Собственные значения матрицы – это в точности корни её характеристического полинома, поэтому результат утверждения 3 по существу основан на том, что собственные значения (7) непрерывно r -зависят от элементов матрицы-гессиана G ( r ) в процессе текущей параметрической коррекции целевого функционала F из (3). Однако следует заметить, что некоторая информация утрачивается, когда имеем дело лишь с характеристическим многочленом, ибо существует много различных матриц с заданным характеристическим полиномом. Поэтому не удивительно, что более сильные результаты по моделированию спектра гессиана G ( r ), в частности, утверждение 3 и следствие 2 учитывают строение матрицы G ( r ); последние допускают техническое упрощение, исходя из положения, что любая матрица-гессиан ортогонально подобна вещественной диагональной матрице [19, c. 73].
Численные методы отыскания собственных значений и собственных векторов представляют собой один из наиболее важных разделов общей теории матриц. В статье не затрагивалось каких-либо сторон этой темы при анализе вектора Λ*-Λ( r 0) и матрицы B из следствия 2, но следствие 3 дает верхнюю оценку для относительного возмущения Δ r через относительные возмущения
Λ*-Λ( r 0) и B и условное число s ( B ); s ( B ) участвует в оценке во всех случаях, будут ли возмущения происходить только в Λ*-Λ( r 0), только в B или в Λ*-Λ( r 0) и B одновременно.
В завершение обозначим другой подход в адаптивной коррекции r → r ' w (ω + v ), связанный с использованием достаточных условий робастной устойчивости матрицы G ( r ) (что тоже равносильно условиям (6), (7)). В данном контексте можно потребовать, чтобы в семействе G 0 + Σ1 ≤ i ≤ n D ri Gi при интервальных допусках на изменение координат вектора Δ r можно было построить функцию Ляпунова V ( x ) = xp ' Pxp , где P ∈ Mm,m ( R ) – симметричная положительно-определенная матрица; т.е. существовала матрица P > 0, для которой матричное уравнение Ляпунова G ( r ) P + PG ( r ) = Q имело решение при заданной симметричной положительно-определенной матрице Q ∈ Mm,m ( R ); переход к адаптивно-робастной квадратичной устойчивости и методы её решения предложены в [21-24]. Эта теория, благодаря обилию имеющихся в ней вычислительных задач, а также вследствие блестящих возможностей, которые она открывает для приложений многомерного регрессионнотензорного анализа, может приобрести теперь большое самостоятельное прикладное значение в задачах синтеза оптимальных металлопокрытий. Сделать это в краткой статье, разумеется, не представляется возможным, и мы с легким сердцем отказываемся от этого, будучи уверены, что детальные исследования этого вопроса не замедлит последовать.
Список литературы Формирование функционала оптимизации параметров многофакторного режима упрочнения металлопокрытий
- Stapleton J.H. Linear Statistical Models. New York: Wiley, 1995. 467 p.
- Дрейпер Н.Р., Смит Г. Прикладной регрессионный анализ. М.: Издательский дом «Вильямс», 2007. 912 с.
- Ross G.J. Nonlinear Estimation. New York: Springer-Verlag, 1990. 237 p.
- Rusanov V.A., Agafonov S.V., Daneev A.V., Lyamin S.V. Computer modeling of optimal technology in materials engineering//Lecture Notes in Electrical Engineering. 2014. Vol. 307, pp. 279-286.
- Русанов В.А., Агафонов С.В., Думнов С.Н., Рудых А.Г. Регрессионно-тензорное моделирование многофакторной оптимизации процесса низкотемпературного сульфохромирования. I//Вестник МГТУ им. Н.Э. Баумана. Сер. Машиностроение. 2012. № 1. С. 17-30.
- Русанов В.А., Агафонов С.В., Думнов С.Н., Рудых А.Г. Регрессионно-тензорное моделирование многофакторной оптимизации процесса низкотемпературного сульфохромирования. II//Вестник МГТУ им. Н.Э. Баумана. Сер. Машиностроение. 2012. № 4. С. 62-72.
- Акивис М.А., Гольдберг В.В. Тензорное исчисление. М.: Наука, 1972. 352 с.
- Колмогоров А.Н., Фомин С.В. Элементы теории функций и функционального анализа. М.: Наука, 1976. 544 с.
- Хомич В.Ю., Шмаков В.А. Образование периодических наноразмерных структур на поверхности твердых тел при фазовых и структурных превращениях//Доклады РАН. 2012. Т. 446. № 3. С. 276-278.
- Герасимов С.А., Куксенова Л.И., Лаптева В.Г. и др. Повышение характеристик механических свойств теплостойких сталей методом активизации процесса азотирования//Проблемы машиностроения и надежности машин. 2014. № 2. С. 90-96.
- Труханов В.М. Прогнозирование ресурса деталей, узлов, механизмов и технического объекта в целом на стадии проектирования//Проблемы машиностроения и надежности машин. 2013. № 3. С. 38-42.
- Яковлев Н.Н., Лукашев Е.А., Радкевич Е.В. Исследование процесса направленной кристаллизации методом математической реконструкции//Доклады РАН. 2012. Т. 445. № 4. С. 398-401.
- Гилев В.Г., Безматерных Н.В., Морозов Е.А. Исследование микроструктуры и микротвердости псевдосплава сталь -медь после лазерной термической обработки//Металловедение и термическая обработка металлов. 2014. № 5. С. 34-39.
- Хорн Р., Джонсон Ч. Матричный анализ. М.: Мир, 1989. 656 с.
- Kärger J., Grinberg F., Heitjans P. Diffusion fundamentals. Leipzig: Leipziger Univ., 2005. 615 p.
- Кострикин А.И., Манин Ю.И. Линейная алгебра и геометрия. М.: Наука, 1986. 304 с.
- Статников Р.Б., Матусов И.Б. О решении задач многокритериальной идентификации и доводки опытных образцов//Проблемы машиностроения и надежности машин. 2012. № 5. С. 20-29.
- Сарычев А.П. Моделирование в классе систем регрессионных уравнений на основе метода группового учета аргументов//Международный научно-технический журнал «Проблемы управления и информатики». 2013. № 2. С. 8-24.
- Поляк Б.Т., Щербаков П.С. Робастная устойчивость и управление. М.: Наука, 2002. 304 с.
- Ланкастер П. Теория матриц. М.: Наука, 1982. 270 с.
- Ackerman J. Robust control: systems with uncertain physical parameters. New York: Springer-Verlag, 1993. 404 p.
- Boyd S.L., El Ghaoui L., Feron E., Balakrishnan V. Linear matrix inequalities in systems and control theory. Philadelphia: SIAM, 1994. 193 p.
- Kreinovich V., Lakeyev A.V., Rohn J., Kahl P. Computational complexity and feasibility of data processing and interval computational. Dordrecht: Kluwer. 1998. 472 p.
- Calafiore G., Polyac B.T. Stochastic algorithms for exact and approximate feasibility of robust LMIs//IEEE Trans. Autom. Control. 2001. V. 46. No 11. P. 1755-1759.