Железная дорога оказалась похожа на фононный кристалл
Инженеры изучили распространение поперечных механических волн вдоль рельс железной дороги, применив к ним теорему Блоха. Это стало возможным благодаря ее периодичности, что делает железную дорогу похожей на фононный кристалл. Добавляя в модель различные типы демпферов, они увидели пути к уменьшению нежелательных вибраций и шумов, создаваемых поездами. Исследование опубликовано в Scientific Reports.
Железнодорожный транспорт — это один из самых распространенных видов транспорта, используемый для передвижения за пределами городов. В силу большой массы железнодорожного состава для него характерна большая энергия взаимодействия между колесами и рельсами, что накладывает высокие требования к материалам, используемым при строительстве железной дороги. Механические вибрации и шум приводят к усталостным разрушениям и износу конструкционных элементов, а также к шумовому загрязнению районов вокруг дороги, что имеет негативные последствия для здоровья проживающих там людей. Для борьбы с нежелательными колебаниями традиционно используются инерционные демпферы, состоящие из массивного тела, задача которого — гасить и рассеивать колебательную энергию. Несмотря на их наличие, железные дороги все еще остаются источником громкого шума, поэтому инженеры ищут способы дополнительной борьбы с ним.
Чтобы уменьшить вибрации, группа инженеров из Индии и Италии при участии Анила Кумара (Anil Kumar) из Индийского технологического института Рурки предложила использовать периодические свойства железнодорожного полотна. Идея заключается в том, что движение волн в периодических средах приводит к их брэгговской дифракции и возникновению диапазона энергий, в которых распространение вперед подавлено (запрещенных зон). Такое наблюдается для электронов в обычных кристаллах, а также для света в фотонных и для звука в фононных кристаллах.
Авторы рассматривали железную дорогу, которая состоит из рельс, шпал и крепежа, как одномерную периодическую решетку. Моделируя все ее элементы с помощью масс и пружин с определенной жесткостью, исследователи применили формализм Эйлера — Бернулли для записи уравнения распространения механических волн по рельсам. Для его решения авторы применили теорему Блоха и построили дисперсионные соотношения для поперечных механических волн обеих поляризаций, которые несут информацию о запрещенных зонах. Аналитические вычисления были дополнительно проверены с помощью метода конечных элементов.
Получившиеся спектральные провалы, однако, оказались слишком узкими, чтобы с их помощью можно было эффективно подавлять колебания, поэтому инженеры включили в модель демпфирование с помощью трех типов резонаторов: латерально-локального, вертикально-локального и латерально-распределенного. Первые два представляли собой обычные инерционные демпферы, установленные на каждом сегменте вдоль направления соответствующей поляризации волны, а третий — периодическую связь рельс через пружинно-демпферные системы. Чтобы расфазировать колебания в латерально-распределенном случае авторы предложили связывать разные участки рельс.
Исследователи проанализировали влияние разных типов демпфирования на запрещенные зоны и на суммарные фильтрационные свойства рельс. Они обнаружили значительное ослабление волн в различных конфигурациях. Вместе с тем они обнаружили, что установка демпферов приводит к сдвигам запрещенных зон, а в ряде случаев даже к их исчезновению, однако суммарное подавление амплитуды вибраций перекрывает эти потери.
Сравнивая локальные демпферы с распределенным, авторы выяснили, что первые лучше гасят вибрации. Однако второй тип гашения имеет экономическое преимущество, поскольку не требует установки дополнительной серии массивных тел, так как роль такой массы играют соседние рельсы. Вместе с тем исследователи надеются, что поиск более сложных конфигураций связи поможет увеличить эффективность гашения в распределенной схеме.
Несмотря на почти двухвековую историю железные дороги продолжают оставаться объектом исследований и аккумулировать в себе новые технологии. Мы уже рассказывали, как к проверке железной дороги привлекли дронов, а грохот грузовых поездов предложили использовать для предсказания землетрясений.
Марат Хамадеев
А также измерит расстояние до них
Американские ученые разработали технологию пассивного теплового зрения HADAR, которая по инфракрасному изображению получает информацию о температуре, материалах и текстуре поверхности объектов, их излучательной способности, а также умеет измерять расстояние. Технология позволяет в ночных условиях получать изображение, сопоставимое по качеству со стереоскопическими изображениями, получаемыми обычными RGB камерами при дневном освещении. Статья опубликована в журнале Nature. Для автономной навигации и взаимодействия с людьми роботам и беспилотникам нужна информация об окружении, которую они получают с помощью камер, лидаров, сонаров или радаров. Однако обычные камеры зависят от условий освещенности и плохо работают в ночное время и при плохой погоде. Кроме этого информация, получаемая с камер не содержит физического контекста, что может приводить к некорректной работе нейросетевых алгоритмов автопилота, который, к примеру, не может отличить настоящего человека от манекена. Активные сенсоры, такие как лидары и радары, при резком росте их числа начинают взаимно влиять друг на друга. Выходом могло бы стать использование в условиях недостаточной видимости камер, работающих в инфракрасном диапазоне. Однако из-за так называемого «эффекта призрачности» получаемые тепловизором изображения обычно выглядят как пятна без четкой текстуры. Это связано с тем, что поверх отражающихся от объекта инфракрасных лучей, которые несут информацию об особенностях его рельефа, накладывается его собственное тепловое излучение, которое засвечивает эту полезную информацию. Группа ученых под руководством Зубин Джакоб (Zubin Jacob) из Университета Пердью смогла справиться с этой проблемой. Они разработали технологию под названием HADAR (акроним от слов heat-assisted detection and ranging), которая с помощью машинного обучения извлекает из изображений, полученных в инфракрасном диапазоне, информацию о температуре объектов, излучательной способности материалов, из которых они состоят, а также их физической текстуре. Кроме того, технология позволяет определять расстояние до объектов на изображении. Выделение информации о собственном излучении объектов позволяет избавиться от «эффекта призрачности» и получить информацию о текстуре. Для этого авторы используют данные из библиотеки материалов, которая содержит информацию об их излучательной способности. Инфракрасное изображение фиксируется с помощью гиперспектральной камеры, после чего данные поступают на вход нейросетевой модели, которая производит декомпозицию исходных данных, выделяя из них информацию о температуре, собственном излучении и текстуре. Для обучения алгоритма исследователи использовали как настоящие изображения, полученные с помощью камеры, так и множество сгенерированных трехмерных сцен. Возможности технологии демонстрирует одна из сцен, на которой при слабом освещении запечатлен автомобиль черного цвета и человек, рядом с которым установлен вырезанный из картона портрет Альберта Эйнштейна в натуральную величину. Изображения, полученные с помощью обычной камеры, лидара и HADAR затем использовали для определения объектов с помощью алгоритма распознавания изображений. На изображении, полученном с помощью обычной камеры, алгоритм ошибочно распознал двух людей, приняв картонную фигуру за человека. На данных, полученных лидаром, оказалось невозможно определить автомобиль. При этом HADAR смог выделить все составляющие сцены, а также определить, что одна из человеческих фигур имеет сигнатуру краски на поверхности, а вторая покрыта тканью. Созданная технология может значительно улучшить системы автономной навигации беспилотных транспортных средств и роботов, дополнив уже существующие системы или даже заменив их. HADAR позволяет определять объекты и измерять расстояние по данным, полученным в ночное время, так же хорошо, как это делают традиционные системы компьютерного зрения, которые используют данные с камер в условиях дневного освещения. По словам авторов работы, в дальнейшем им предстоит решить проблему высокой стоимости оборудования для гиперспектральной съемки и невысокой производительности алгоритма. Сейчас процесс получения изображений и их обработки занимает минуты, но для работы в режиме реального времени это время необходимо сократить. Ранее мы рассказывали, как физики создали лидар, способный распознать метровые детали с рекордного расстояния в 45 километров в условиях высокого шума и слабого сигнала.