Диссертация (Разработка методики адаптации технологии автоматической сварки корневого слоя шва кольцевых соединений магистральных трубопроводов), страница 6

Более мощным инструментом дляпоиска зависимости между входными и выходными параметрами системыявляются интеллектуальные системы и методы распознавания. Данные методычасто используются на практике для разработки закрытых моделей, или моделейтипа «черный ящик». Они характеризуются высокой точностью и робастностью,таккакпараметрыиструктурамоделейопределяетсянаосновеэкспериментальных данных.Широкоераспространениеполучилиаппаратнечёткойлогикииискусственные нейронные сети (ИНС)[58,67,68] .С 90-х годов было проведенобольшое количество исследований в этой области, и в частности, эти моделибыли применены и для управления процессом сварки.В работе [69] выполнена реализация алгоритма управления процессом сваркиплавящимся электродом с помощью искусственной нейронной сети.

В качествевходных параметров модели использовались параметры режима сварки(скорость сварки, скорость подачи проволоки, угол наклона электрода,напряжение,вылетэлектрода),авкачествевыходныхпараметровхарактеристики процесса и сварного соединения (глубина проплавления,35ширинаивысотавалика,коэффициентразбрызгивания).Достигнутапогрешность результатов обучения системы в 5%. К недостаткам отнесенысущественные затраты на процедуры проектирования и тестирования модели.В работе [70] выполнялось управление размерами сварочной ванны впроцессе роботизированной сварки неплавящимся электродом в защитном газе.В качестве входных параметров системы использовались параметры режимасвари с импульсами тока, в качестве выходных длина и ширина сварочнойванны.Вкачествесредстваидентификацииданныхиспользоваласьискусственная нейронная сеть.

Для управления процессом на основе нейроннойсети был реализован самообучающийся пропорционально-суммирующийдифференциальный (англ. Proportional - Summational - Differential (PSD)контроллер.Одним из проблематичных моментов использования искусственныхнейронных сетей является отсутствие чётких принципов по выбору ихархитектуры и алгоритмов обучения.

В работе [71] выполнялся выбор иоптимизация алгоритма обучения нейронной сети в задаче управленияпроцессом автоматической сварки плавящимся электродом. Система имела одинвыход – ширину валика, и четыре входа – номер прохода, скорость сварки,сварочный ток, напряжение на дуге. Выполнено сравнение алгоритма обратногораспространение ошибки и алгоритма Левенберга-Марквардта и установленыпреимущества последнего.В работе [13] нейронная сеть использовалась для решения задачпрогнозирования появления дефектов формирования (подрез, высота валика) взависимости от режимов сварки.

Управление по нейронной сети реализовано ввыделенном контуре управления.Перечисленные выше системы интеллектуального управления относятся кмоделям прямого действия, где по аналогии с самим процессом сваркивыходнымихарактеристикамикоторыхявляютсяпараметрысварногосоединения [11]. В контексте управления оборудованием, более перспективными36выглядят обратные модели, в которых выходными параметрами являютсяпараметры режима сварки.В работе [72] обратная нейросетевая модель использовалась для определениявеличин тока, напряжения и скорости сварки в зависимости от требуемыхгеометрических характеристик сварного соединения (размеры валика) ихарактеристик свариваемой детали (толщина).Отдельногоупоминаниязаслуживаютинтеллектуальныесистемыуправления сварочными процессами, моделирующие, по аналогии с реалиямиприменения автоматического сварочного оборудования, действия операторасварочной установки.Изучение интеллектуальных методов, то есть методов, моделирующихработу человеческого мозга, является важной областью автоматизации ироботизации.

Намного лучше, чем любой сварочный робот, профессиональныйсварщик способен адаптироваться к конкретной ситуации. Наблюдая заположением электрода, ванны, стабильностью дуги и качеством шва, онвыполняет регулировку параметров для улучшения качества, опираясь на своинавыки, опыт и интуицию.В работах [73,74] выполнено построение адаптивной сварочной системы сиспользованием модели опытного оператора сварщика, полученной посредствомаппарата нечёткой логики. Реализовано управление сварочным током в процессесварки неплавящимся электродом в защитном газе, при этом, в качестве входныхпараметров использовались размеры сварочной ванны. Также выполненосравнение действий опытного и неопытного сварщика.В работе [74]полученные алгоритмы реализованы на тестовом оборудовании, полученоавтономное управление обратным валиком соединения с точностью до 0,5 мм.1.2.4.

Обзор сварочного оборудования с адаптивным управлениемОдна из первых промышленных сварочных систем с адаптивнымуправлением разработана и внедрена в результате совместного проекта фирм37ESAB (Швеция) и Borsig (Германия.) [75]. Установка под названием ESAB ABW(adaptive butt welding) представляет собой портальный робот для сварки подфлюсом толстостенных сосудов давления (Рис.1.14). Установка оснащенаоптическим сенсором для измерения разделки кромок.Рис.

1.14.Оборудование ESAB ABW (Швеция, Германия)В зависимости от геометрии разделки кромок, система управленияоборудованием выполняет подстройку скорости сварки, тока, количествапроходов и ориентации горелки на стык. Подстройка тока и скорости сваркивыполняется пропорционально изменению объёма разделки. Обслуживающийперсонал оборудования состоит из 1 человека, осуществляющего контроль заудалением шлака.

Значительно снижено время вспомогательных операций,сварка выполняется без перерывов, влияние человека на процесс исключено.Благодаря адаптивному управлению, качество сварных соединений былозначительно улучшено по сравнению с традиционными способами сварки, послесварочные ремонты по результатам контроля сварных швов были исключены.38Сварочное оборудование с адаптивным управлением также нашлоразвитие в области судостроения [64,65]. Коллективы ИЭС им. Е. А.

Патона(Украина) и ФГУП ЦНИИТС (Россия) разработали сварочный автомат «Радиан4» (Рис.1.15) с адаптивным управлением для сварки протяженных швовсудостроительных конструкций плавящимся электродом в защитном газе.Рис. 1.15.Автомат с адаптивным управлением «Радиан-4» (Россия, Украина)На основе данных о геометрии разделки получаемых с оптическойсистемы слежения выполняется подстройка энергетических параметровнаплавки для обеспечения заполнения разделки кромок.В области сварки трубопроводов отметим созданный коллективом ФГАУ«НУЦСК при МГТУ им.

Н.Э. Баумана» адаптивный сварочный комплекс длясварки кольцевых стыков магистральных трубопроводов [20,21]. Адаптивнаясварочная система осуществляет решение задач наведения инструмента на стыки управления формированием всех слоёв шва при многопроходной сварке (Рис.1.16). Теоретические основы алгоритма управления рассмотрены в предыдущемразделе настоящей главы.39Схожаясистемаcадаптивнымуправлениембылапредложенапромышленным гигантом в области сварки трубопроводов компанией CRCEvans (США). Система V weld [76,77] реализует аналогичный подход, в основекоторого лежит слежение за геометрией разделки посредством оптическогосенсора триангуляционного типа и подстройка ориентации горелки подгеометрию стыка.Рис. 1.16.Сварочное оборудование с адаптивным управлением для сварки трубопроводов(ФГАУ «НУЦСК при МГТУ им.

Н.Э. Баумана», Россия – слева; V weld CRCEvans, США - справа)Таким образом, можно сделать вывод, что одной из основных тенденцийразвития сварочной автоматики является переход от автоматической сварки кинтеллектуальным адаптивным системам [10,11], в том числе и при сваркетрубопроводов [78].40На основании обзора состояния вопроса по автоматической сваркекорневого слоя шва стыковых соединений магистральных трубопроводов можносделать следующие выводы:1.

Актуальной является задача исследования и разработки сварочныхпроцессов с адаптивным управлением, в частности для сваркикорневого слоя шва, с целью обеспечения качественного формированиясварного соединения в условиях возмущения сборки стыка.2. Перспективным подходом к построению адаптивных систем являетсятрёхконтурнаясхемауправленияавтоматическимсварочнымоборудованием.3.

На данный момент, исследователями сварочных процессов не былопредложеноуниверсальнойметодикиформализацииуправленияформированиемсварногосоединениязаконоввслучаерассмотрения задачи большой размерности.4. Аналитические методы решения задачи формализации законовуправления процессом сварки несут в себе существенные ограниченияс точки зрения применимости на реальном технологическом процессе.5.

Существующее автоматическое сварочное оборудование с адаптивнымуправлением, как правило, основывается на применении оптическихсистем технического зрения, работающих по принципу оптическойтриангуляции.6. Перспективными подходами к разработке оборудования с адаптивнымуправлением относятся методы на основе искусственного интеллекта.Исходя из перечисленных выводов были сформулированы цель и задачиработы.41Цель и задачи работыЦель: Повышение качества формирования корневого слоя шва стыковыхсоединений магистральных трубопроводов при сварке в автоматическом режимеза счет разработки и реализации алгоритмов адаптивного управления.Задачи работы:1. Исследование реальных значений разброса геометрических параметровсборкистыкамагистральныхтрубопроводовиихвлияниянаформирование сварного соединения в процессе сварки корневого слояшва.2.

Определение перечня управляющих воздействий и разработка способаформализации законов управления процессом сварки корневого слоя швав случае возмущений геометрии стыка.3. Разработка способа обеспечения непрерывности синтеза управляющихвоздействий на основе установленных законов управления процессомсварки корневого слоя шва.4. Рассмотреть прикладные аспекты интеграции системы слежения за стыкоми автоматического сварочного оборудования в задаче адаптивногоуправления формированием корневого слоя шва.5. Разработать научно-обоснованную методику адаптации технологииавтоматическойсваркикорневоговозмущениям сборки стыка.слояшвакгеометрическим42ГЛАВА 2.