Релиз 25.11 📅☁️❄️

Привет, ноябрь!
Для нас последние 30 дней стали месяцем действий: мы не только провели для вас яркий День Engee 2025 и целую россыпь полезных тренингов, но и готовим будущие эвенты, которые будут не менее интересны:

🧑‍🎓 27.11 Вебинар: Пакет поддержки Arduino
📌 03.12 День Engee в Политехе (СПб)
🧑‍🎓 17.12 Моделирование радиолокационных систем

А ещё мы, как и всегда, наполнили Engee свежими функциями и блоками. Наша цель — сократить вашу рутину и увеличить КПД. Всё, что появилось в ноябре, уже ждёт вас на Engee.com.

Самое важное в обновлении:
✨Пакет поддержки L-Сard 502;
✨Поддержка Steady-state для Load Flow Source;
✨Несохраненные изменения в редакторе масок;
✨Возможность скрыть имя отдельных блоков;
✨Новая логика распределения портов по стороне блока;
✨Улучшения генератора кода;

А еще:
✔️Новые блоки и функции в библиотеках Базовая, Газ, Связь, ЦОС, РЧ, Механика, Электричество, Гидравлика, Оборудование и КПМ РИТМ;
✔️Поддержка Enabled Subsystem для генерации Verilog;
✔️Поддержка блока «РИТМ Спектр»;
✔️Новое поведение графиков при закрытии моделей;
✔️Новые статьи в Документации и новые Примеры;

Подробности — в разделе Что нового 25.11.
До встречи в Engee! 💼

🏅Программа поддержки авторов Engee: первые результаты!

Первый участник Программы поддержки авторов Engee дошёл до публикации по направлению «Научная работа»!

Поздравляем Петрову Айгуль Камиловну (ЛЭТИ) сразу с тремя статьями, в которых Engee используется для решения инженерных задач. Cтатьи проиндексированы в реферативной базе данных Scopus:

1️⃣«Исследование объединения нечёткой логики и нейронных сетей»
Сообщество Engee | Scopus

2️⃣«Кластеризация результатов анкетирования»
Сообщество Engee | Scopus

3️⃣«Моделирование управления давлением в трубопроводе в Engee»
Сообщество Engee | Scopus

Вот что говорит сама Айгуль Камиловна о своих исследованиях:

«Я выбрала тему кластеризации, так как было интересно поисследовать обратную связь студентов с помощью Engee, а нечёткую логику и нейросети я использовала в кандидатской диссертации и продолжила эту тему... Платформа Engee помогла, она достаточно удобна»

Программа поддержки авторов Engee — это возможность получить:
🔹денежные гранты до 500 тыс. рублей
🔹лицензии и вычислительное пространство
🔹приоритетную техническую поддержку
🔹доступ к ранним версиям
🔹продвижение публикаций и освещение на мероприятиях

👉 Подать заявку на участие в программе поддержки авторов Engee по ссылке

🏛️ День Engee в СПб — уже в ближайшую среду. До встречи!

🚨 Последний шанс!

Регистрация на День Engee в Политехе закрывается сегодня, это финальный вызов❗️

Мест остаётся всё меньше, а следующий приезд команды в Петербург может быть очень нескоро.

👉 Регистрация 👈

Нейросеть, которая учится играть прямо в консоли! 🐦👉🤖

Правда ли, что ИИ может сам научиться играть в культовую аркаду?
И правда ли, что для этого не нужны ни TensorFlow, ни PyTorch — только чистая Julia?

Мы решили проверить это на самой беспощадной игре детства — Flappy Bird.

Мы перенесли знаменитую игру на чистый Julia и обучили две разные сети: простую полносвязную и свёрточную (CNN). Всё это — чтобы на практике показать, как можно учить алгоритмы принимать решения. Никаких фреймворков, никакой графики: только код, эволюция и псевдографика прямо в терминале.

🔍 Почему этот пример хорошо подходит для обучения:

🔹Эволюционный подход вместо backprop-а: сеть развивается через пробу, ошибку и «естественный отбор» лучших экземпляров.
🔹Две архитектуры для сравнения: видно, как по-разному CNN и полносвязная сеть «видят» одну и ту же игру.
🔹Прозрачность процессов: каждый шаг обучения открыт: от получения состояния игры до выбора действия.

Минимум «магии»: только базовые структуры данных и простая математика.

Всего через 14 поколений «птица» стабильно набирала 58 очков — и могла бы и больше. В проекте мы показали, какая архитектура справилась лучше и почему иногда простая сеть выигрывает у более сложной CNN.

🔥 Заглядывайте под капот AI: Читать и скачать 🔗

Не пропусти последний вебинар 2025 года:
🧑‍🎓 17.12 Моделирование радиолокационных систем в Engee

Оптимизация потоков в сетях массового обслуживания

Друзья, сегодня расскажем об интересном практическом проекте в Engee.

🔧 Задачи распределения нагрузки в сетях — привычная инженерная рутина для телекома, логистики, энергетики и любых распределенных систем. В проекте рассматривается задача оптимизации распределения нескольких независимых потоков в сети, представленной ориентированным графом. Каждая линия графа имеет ограниченную пропускную способность, а каждый поток может использовать один или несколько допустимых маршрутов. Требуется построить конфигурацию распределения, минимизирующую суммарную загрузку узлов и каналов.

Для оптимизации используется мощный алгоритм Ipopt с настраиваемыми параметрами:

model = Model(Ipopt.Optimizer)
set_optimizer_attribute(model, "max_iter", 2^18)
set_optimizer_attribute(model, "constr_viol_tol", 2.0^-32)
set_optimizer_attribute(model, "tol", 2.0^-32)
@variable(model, x[1:nVars])

1️⃣ Постановка задачи

Сеть задается матрицей смежности, где веса соответствуют пропускной способности линии связи. Потоки описываются матрицей смежности, где для каждого потока задана интенсивность λᵢ.

Каждый канал моделируется как система массового обслуживания типа M/M/1:

🟡входящий поток — пуассоновский;
🟡время обслуживания — экспоненциальное;
🟡интенсивность обслуживания — μ.

Целевая функция определяется как сумма загруженности всех линий связи, где каждая линия учитывается независимо.

2️⃣ Построение модели

1. Импорт матрицы структуры системы. Из неё строится граф, где дуги — потенциальные маршруты, а веса — доступные пропускные способности.
2. Определение всех допустимых маршрутов для каждого потока (поиск путей в графе) и набор возможных комбинаций распределения.
3. Формирование параметров M/M/1 для каждого канала: коэффициенты μ выбираются из таблицы структуры, λ — переменные оптимизации.

3️⃣ Нелинейная оптимизация

Оптимизатор автоматически подбирает комбинации значений, уменьшающие нагрузку наиболее загруженных каналов. На практике получаем перераспределение потоков на обходные ветви, локальное «разгрузочное» поведение, снижение суммарного ожидаемого времени обслуживания.

4️⃣ Ключевые наблюдения по результатам

🟢Один из потоков автоматически «уходит» через альтернативный маршрут, уменьшая коэффициент загрузки центрального канала почти на треть.
🟢По визуализации графа видно, что оптимизация активирует резервные пути, которые при ручной настройке зачастую игнорируются.
🟢Изменение интенсивности одного потока влияет на весь набор маршрутов — модель показывает чувствительность системы.

🔗 Подробный расчёт, код, графики и формулы — в публикации

Запустите задачу в Engee, и вы получите:
✔️оптимальные маршруты для каждого потока;
✔️коэффициенты загрузки каналов до и после оптимизации;
✔️графики зависимостей времени ответа M/M/1 от интенсивности;
✔️визуализацию сети с раскраской по загрузке каналов;
✔️рекомендации по укреплению узких мест (увеличение пропускной способности или снижение нагрузки).

Хороших вам выходных! 💼

🧑‍🎓 17.12 Моделирование радиолокационных систем в Engee

⚡️ Моделирование в силовой электронике

В силовой электронике важно заранее понимать, как преобразователь влияет на сеть: коэффициент мощности, гармоники и поведение при рекуперации. В Engee мы разобрали проект моделирования активного выпрямителя AFE с анализом режимов потребления и возврата энергии в сеть.

AFE-выпрямитель — это активный сетевой преобразователь, который формирует практически синусоидальный ток, удерживает коэффициент мощности близким к 1, умеет возвращать энергию обратно в сеть при рекуперации.

Такие устройства применяются в промышленных приводах, транспорте и энергоёмких установках, где критичны гармонические искажения, реактивная мощность и стабильность напряжения в DC.

Нам была поставлена задача — проверить алгоритмы управления AFE в режимах потребления и рекуперации без физического стенда.

👉 Особенности модели

Разработали модель активного выпрямителя, состоящую из:
🔹трёхфазного сетевого источника;
🔹силовой части на управляемых ключах (IGBT);
🔹звена постоянного тока;
🔹нагрузки с возможностью генерации (имитация торможения);
🔹системы векторного управления в dq-осях.

Ключевой момент управления заключается в том, что проекция тока по оси q задается равной нулю, и, как следствие, формируется cosφ ≈ 1. Управление токами позволяет работать как в режиме потребления, так и рекуперации.

👉 Что сделано в Engee

1️⃣Загрузили и запустили модель через программный интерфейс Engee.

2️⃣Проверили работу в двух режимах:
- потребление энергии из сети;
- рекуперация (инверсия фаз тока и напряжения).

3️⃣Проанализировали осциллограммы токов и напряжений, спектр гармоник, устойчивость напряжения DC-звена.

👉 Результаты моделирования

Что показала симуляция:
✔️Коэффициент мощности близок к 1 в обоих режимах.
✔️THD тока — 5.8%, что существенно ниже, чем у неуправляемого выпрямителя.
✔️Напряжение 600 В в звене постоянного тока без просадок при смене режимов.
✔️В режиме рекуперации фазы тока и напряжения инвертированы — энергия возвращается в сеть.

👉 Практическая польза

Такая модель позволяет:
🟡проверять алгоритмы AFE до изготовления силовой части;
🟡оценивать гармоники и реактивную мощность без измерительного стенда;
🟡анализировать рекуперацию энергии в безопасной среде;
🟡отлаживать управление для транспорта и промышленных приводов.

🔗 Полная модель, код для анализа осциллограмм и спектров гармоник

Вы можете запустить модель и адаптировать её под свои параметры сети и нагрузки. Хороших выходных!

Предновогодний релиз 25.12 🎄✨

Конец года — это редкий момент, когда рабочая суета становится немного тише, а планы на следующий год уже начинают выстраиваться в голове. Пока все подводят итоги и закрывают последние задачи, мы выпускаем завершающее обновление Engee в этом году.

Ниже — ключевые изменения и новые возможности этого обновления.

Самое важное:
❄️Формальные методы для верификации КА;
❄️Новый способ авторизации для внешнего API;
❄️Блоки GOOSE-TX и GOOSE-quality;
❄️Новый раздел физической библиотеки – Теплообменники;
❄️Быстрый доступ к подсистемам специального типа;

А еще:
✔️Новые блоки и функции в библиотеках Базовая, ЦОС, Связь, Навигация, РЧ, Электричество, Гидравлика, Газ и Оборудование;
✔️Поддержка программного управления для физических блоков;
✔️Автоформатирование модели с помощью программного управления;
✔️Функции для получения подключенных блоков и портов;
✔️Новые статьи в Документации и новые Примеры;

Подробности — в разделе Что нового 25.12.

А дальше самое важное. В последние дни года не стоит пытаться успеть всё. Хорошие инженерные решения требуют спокойной головы, а не перегрева.
Пусть оставшиеся рабочие часы пройдут без авралов, а праздники — с чувством завершенного года и интересом к тому, что впереди. Мы уже готовим много нового, но об этом позже.

Пока еще на связи! 🧑‍🎄

🚀 Моделируем управляющую логику космического аппарата на основе конечных автоматов

Друзья, хотим поделиться с вами простой и наглядной моделью системы аварийного прерывания полёта.

Если при запуске космического аппарата происходит нештатная ситуация, в зависимости от набранной высоты он может:

1️⃣ Вернуться на место старта.
2️⃣ Осуществить посадку на аварийной площадке.
3️⃣ Приземлиться после одного витка вокруг Земли.
4️⃣ Выйти на стабильную орбиту.

Но как спроектировать алгоритм переключения между различными режимами и при этом не запутаться во всех возможных вариантах обработки отказов?

К счастью, в Engee уже есть надёжное и функциональное решение для разработки сложной управляющей логики - библиотека "Конечные автоматы"!

👉 На основе конечных автоматов мы разработали модель, позволяющую:

✔️ Проанализировать текущую высоту космического аппарата и признак наличия неисправности.
✔️ Выбрать корректный аварийный режим.
✔️ Осуществить операции прерывания полёта - сброс топлива, отделение боковых ускорителей и внешнего топливного бака.

👉 Данный проект демонстрирует, как легко использовать продвинутые возможности редактора конечных автоматов:

🔹 Иерархические и параллельные состояния.
🔹 Оператор проверки активности состояний in().
🔹 Суперпереходы.
🔹 Операторы темпоральной логики.

Для переключения между тестовыми сценариями мы использовали маску кодовой ячейки интерактивного скрипта и блок "Вариантный источник".

🔗 Ознакомиться с проектом вы можете в Сообществе Engee.

🎓 Если же у вас появилось желание досконально разобраться в разработке управляющей логики на основе конечных автоматов или систематизировать уже имеющиеся знания вместе с преподавателем, у нас есть хорошая новость!

Мы разработали тренинг "Моделирование конечных автоматов в Engee" и с удовольствием проведём его для вас. Можете перейти по ссылке и оставить заявку на обучение.

Желаем вам тёплых и уютных выходных. Новогоднее настроение уже близко! 💼