Определение сопротивления как теории информации

Сопротивление гоночного автомобиля в значительной степени считается менее важным, чем прижимная сила. Бюджет сопротивления обычно определяется мощностью двигателя и процентом полного открытия дроссельной заслонки на круге, что означает, что требуется меньшее сопротивление при меньшей доступной мощности. Снижение сопротивления можно представить себе как снижение веса, достигаемое посредством небольших постепенных улучшений. Однако определение сопротивления, вероятно, сложнее, чем одновременное улучшение прижимной силы и веса. В этом видео будут рассмотрены принципы сопротивления с точки зрения теории информации и применены к результатам последней версии модели Формулы-1 от Airshaper. Итак, что же влияет на сопротивление автомобиля? Начнем с уравнения силы сопротивления. В этом уравнении сила сопротивления равна половине коэффициента сопротивления, умноженного на плотность воздуха, лобовую площадь и квадрат скорости. Единственные параметры, которые мы контролируем, — это лобовая площадь и тот самый магический коэффициент, который сводит все остальные аэродинамические свойства к одному безразмерному числу. Поскольку лобовая площадь не может быть изменена так сильно, Поскольку пространство в нём занимают шасси, колёса и крылья. Из всех этих элементов заднее антикрыло становится единственной частью автомобиля, которую можно настроить для снижения сопротивления. Лобовая площадь крыла может меняться в зависимости от того, движется ли автомобиль по трассе с низкой или высокой скоростью, DRS применяет эту концепцию, изменяя угол наклона второго элемента. Уменьшение площади крыла увеличивает максимальную скорость за счёт прижимной силы и скорости прохождения поворотов. Следовательно, если большая часть лобовой площади неподвижна и неэластична, нам придётся разобраться с этим магическим коэффициентом, чтобы уменьшить сопротивление. Довольно интересно, что сложность аэродинамического сопротивления болида Формулы-1 можно свести к этому числу. Нет никаких подсказок, как уменьшить это число, поскольку оно безразмерно. Это просто чистая информация, поэтому нам нужно будет её как-то отобразить. Очевидно, что эта информация связана с тем, как обтекает автомобиль воздух над, под и вокруг него. Airshaper включает эту шкалу в свой отчёт, иллюстрирующую изменение коэффициента сопротивления относительно тестируемых объектов. Очевидно, что добавление сложности, как правило, приводит к более высокому числу, например, для человека, находящегося на велосипеде, по сравнению с человеком, находящимся в кабине. Тогда значение 0,91 для этого автомобиля | со всеми его создающими прижимную силу деталями можно сравнить с обычным грузовиком. Но тогда | у грузовика гораздо большая лобовая площадь, и это означает, что ему, скорее всего, потребуется больше мощности для поддержания эквивалентной скорости. Итак, теперь у нас есть первая важная идея — сложность. Базовое введение в теорию информации покажет, как эта идея укладывается в теоретический контекст. Для теории информации есть идея | энтропия как вероятностная мера сложности, она выводится из энтропии Людвига Больцмана в термодинамике (кг⋅м2⋅с−2⋅К−1), но безразмерная или более общая версия. Для термодинамики и ее второго закона эта концепция гласит, что энергия имеет тенденцию течь от высокой температуры к низкой, то есть от низкой энтропии к высокой. Формула энтропии Больцмана — это вероятностное определение этого уравнения, основанное на числе состояний, в его случае соответствующих тому, как идеальный газ достигает равновесия. Информация, как первоначально вывел Шеннон с использованием общей безразмерной версии энтропии Больцмана, — это количественно измеримое количество, присутствующее относительно события; события с высокой вероятностью имеют низкое информационное содержание. Информационная энтропия расширяет это и представляет собой информацию о случайной величине, которую можно использовать для понимания того, как часто должно происходить измерение для представления сигнала или, в данном случае, геометрии. То есть геометрия с низкой энтропией будет иметь меньшую вероятность быть представленной, поскольку признаки будут зафиксированы с меньшей вероятностью. Другими словами, сложная геометрия имеет низкую энтропию и будет иметь большую вероятность быть представленной посредством большего числа случайных выборок. По сути, это увеличивает количество полигонов вашей модели для построения сетки вычислительной гидродинамики. Всё это означает, что коэффициент сопротивления объекта является следствием энтропии геометрии этого объекта. Однако этого недостаточно для окончательного вывода о том, что именно информация, представленная таким образом, является причиной того, что определённый коэффициент объекта требует определённого количества энергии для движения по воздуху. Но, основываясь на теории информации и понятии энтропии, можно предположить, что уменьшение сложности модели приведёт к уменьшению коэффициента. Очевидно, что это ещё не всё | поскольку на этой шкале также обозначено ...