Identification of Mechanical Parameters in Mathematical Model of Human Abdominal Fascia

Миглена Г. Кирилова-Донева - Едномерен експеримент на релаксация беше извършен с 14 образци от човешка пъпна фасция. Механичното поведение на фасцията по време на релаксация беше моделирано прилагайки нелинейната теория на Максвел-Гуревич-Рабинович. Параметрите на модела за изследваните образци бяха определени и стойностите им бяха сравнени в зависимост от посоката на натоварване на образците по време на експеримента. Установено бе, че стойностите на началния вискозитет ∗η0 и на параметъра ∗m, който се влияе от скоростта на деформация на материала се изменят в много широки граници не само за образци от различни донори, но и за образци от един донор. В резултат от прилагането на модела бе изчислено изменението на вискозитета и вискозната деформация на материала по време на релаксацията. Бе показано, че изменението на вискозитета и вискозната деформация зависи от посоката на натоварване на образците.

Parametric Identification and Diagnosis of Integrated Navigation Systems in Bench Test Process

Growth of complexity and functional importance of integrated navigation systems (INS) leads to high losses at the equipment refusals. The paper is devoted to the INS diagnosis system development, allowing identifying the cause of malfunction. The proposed solutions permit taking into account any changes in sensors dynamic and accuracy characteristics by means of the appropriate error models coefficients. Under actual conditions of INS operation, the determination of current values of the sensor models and estimation filter parameters rely on identification procedures. The results of full-scale experiments are given, which corroborate the expediency of INS error models parametric identification in bench test process.

Parameter Identification of a Fed-Batch Cultivation of S. Cerevisiae using Genetic Algorithms

Fermentation processes as objects of modelling and high-quality control are characterized with interdependence and time-varying of process variables that lead to non-linear models with a very complex structure. This is why the conventional optimization methods cannot lead to a satisfied solution. As an alternative, genetic algorithms, like the stochastic global optimization method, can be applied to overcome these limitations. The application of genetic algorithms is a precondition for robustness and reaching of a global minimum that makes them eligible and more workable for parameter identification of fermentation models. Different types of genetic algorithms, namely simple, modified and multi-population ones, have been applied and compared for estimation of nonlinear dynamic model parameters of fed-batch cultivation of S. cerevisiae.