Друзья,

Уже меньше недели осталось до старта Зимней школы Julia! 🗓

Летняя школа Engee стала важным событием прошлого года и собрала сотни участников! Вместе с коллегами из ЦИТМ Экспонента подготовили для вас отзывы в карточках.

Почему надо изучить Julia вместе с Engee именно сейчас?
✔️Julia идеальна для науки, ML, анализа данных, ТАУ, ЦОС и не только;
✔️Скорость как у C, простота как у Python;
✔️Возможность легкой интеграции кода из Python, R, C и использования их библиотек;
✔️Julia выбирают ведущие российские компании, а также NASA, MIT, Google для прорывных проектов.

Пройдя обучение в Зимней школе Julia, вы получите:
🧮Бесплатное обучение и поддержку от профессиональных инженеров,
🧮Возможность стать частью активно растущего Сообщества.

Торопитесь, пока еще есть свободные бесплатные места!
Начинаем 24го февраля.

👉 Регистрация 👈

Динамическое моделирование в ЦОС 💼

Друзья,

Среда моделирования Engee позволяет эффективно создавать динамические модели систем ЦОС любой сложности, используя обширную библиотеку блоков. Сегодня мы хотим познакомить вас с моделями, демонстрирующими фундаментальные возможности, которые каждый день требуются всем инженерам РТС:

А еще мы хотим пригласить всех инженеров, которые занимаются ЦОС, Радиолокацией и Связью, на “День Engee – Проектирование РТС”, который состоится 9го апреля в офисе ЦИТМ Экспонента. До скорой встречи!

1️⃣Первая из рассматриваемых моделей описывает генерацию, анализ и обработку сигнала с линейной частотной модуляцией (ЛЧМ). В этой модели мы пропускаем ЛЧМ-сигнал через фильтр нижних частот (ФНЧ), наблюдаем изменение формы сигнала во временной области, а также смотрим за изменением спектра сигнала в динамике.

2️⃣Следующая модель описывает особенности построения цифровых цепей, изменяющих частоту дискретизации (ЧД) входного сигнала. В примере описывается задача увеличения ЧД синусоиды в 2.5 раза, вносимые этим процессом искажения и необходимость применения цифровой фильтрации для успешного изменения ЧД.

3️⃣Третья модель фокусируется на вопросах генерации векторных (многоканальных) сигналов, их анализа и обработки. Одновременно из одного блока мы получаем пять синусоид разной частоты, выделяем отдельные каналы, производим операции над элементами вектора и над всем массивом.

Эти и другие примеры из области ЦОС доступны для ознакомления в нашем сообществе, присоединяйтесь и изучайте захватывающий мир обработки сигналов! 🤝

Научим проектировать РЛС в Engee! 📡

Друзья, приглашаем вас на первый открытый тренинг, посвященный моделированию радиолокационных систем в Engee. Engee – идеальный инструмент для решения этой задачи, поскольку содержит необходимый набор встроенных библиотек по моделированию узлов РЛС и обеспечивает принципы модельно-ориентированного проектирования (МОП), что существенно ускоряет процесс разработки РЛС.

👉 Зарегистрироваться на обучение 👈

А пока, чтобы подогреть ваш интерес, расскажем об одном интересном расчетом проекте – Моделирование ЭПР элементарных объектов.

В нем мы моделируем отраженный сигнал от элементарных радиолокационных объектов: цилиндра и конуса. Особенность этих объектов в том, что
они имеют аналитическое выражение для расчета эффективной поверхности рассеяния (ЭПР):

1️⃣Для вычисления диаграмм обратного рассеяния цилиндра и конуса мы применяем функции rcscylinder и rcstruncone. Функция helperTargetRCSPatternPlot успешно позволяет нам визуализировать 3д-модель ЭПР-целей.

2️⃣Далее с помощью системного объекта EngeePhased.BackscatterRadarTarget мы формируем радиолокационную цель с ранее рассчитанным ЭПР.

3️⃣Моделируем сценарий вращательного движения цели на основе гармонического закона и вычисляем отраженный сигнал для N одиночных импульсов при различных углах визирования с помощью функции calc_resp_sig.

Готово! В результате по сравнению с цилиндром график отраженного сигнала от конуса имеет более плавный характер при изменении угла места.

Приходите на тренинг и научитесь моделировать так же! 💼

🚘 Моделируем движение электромобиля по циклу WLTC!

Друзья,

Хотите узнать, как анализировать запас хода и энергопотребление электрокара? В нашем новом проекте мы смоделировали движение электромобиля (аналога Nissan Leaf) по ездовому циклу WLTC с детальным расчетом сил, моментов и мощности систем.

Почему этот проект стоит вашего внимания?
🔹Мультидоменный подход: модель объединяет электрические, механические и управляющие системы. Блок Электромобиль учитывает инерцию и сопротивление воздуха, а подсистема Водитель выдает управляющие сигналы для точного следования циклу WLTC.
🔹Анализ энергоэффективности: графики сил показали, что на высоких скоростях аэродинамическое сопротивление (растущее как квадрат скорости!) становится ключевым фактором энергозатрат.
🔹Гибкость настроек: в блок From Workspace можно загрузить любой ездовой цикл (NEDC, FTP-75 и др.) для тестов в разных условиях. Параметры двигателей, редукторов и тормозов легко меняются для соответствия реальной системе.

Как это работает?
1️⃣Подсистема Водитель сравнивает заданную скорость (из цикла WLTC) с текущей, генерируя управляющие сигналы для двигателей и тормозов через ПИД-регуляторы.
2️⃣Электромеханическая система: два двигателя (передний + задний) создают крутящий момент, который через редукторы передаётся на колёса.
3️⃣Тормозная система с 4 дисками преобразует давление (входной сигнал P) в тормозной момент, распределяя его на каждое колесо.

Результаты:
📊 При разгоне частота вращения двигателей растёт, а крутящий момент падает. При этом затрачиваемая мощность увеличивается из-за роста силы сопротивления воздуха.
📊 Наибольшее энергопотребление — на этапах цикла с пиковыми скоростями.

Сам проект ТУТ. Вы можете сделать и свой проект на основе этого, добавив:
✔️ Систему охлаждения для электрических компонентов системы
✔️ Режимы рекуперативного торможения
✔️ Динамическое изменение массы автомобиля

⁉️ А как бы вы использовали такую модель?

📎 День Engee в Чебоксарах
📎 День Engee в Москве. Разработка РТС