Автоматизация технологического и организационного управления в литейном производстве на основе интеллектуализации синтеза (1024677), страница 2

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 2)

1. Методы и результаты автоматизации ТОУ в ЛП на основе интеллектуализации структурно-параметрического синтеза и анализа ТП ЛПД и в ПГФ на АЛЛ, АЛЛ, ориентированные на использование в системах технической подготовки и реализации ЛП.

2. Методы и результаты математического моделирования дефектов отливок, ТП ЛПД и в ПГФ на АЛЛ, АЛЛ, реализуемые на основе применения статических и динамических нейронных сетей.

3. Причинно-следственные закономерности проявления дефектов в отливках и методы их формирования на основе интеллектуального анализа параметров реализуемых ТП и используемого оборудования, конкретных условий производства и внешней среды.

4. Методы и результаты диагностики и устранения дефектов отливок в конкретных условиях производства, реализуемые с применением разрабо-танной АСС синтеза и анализа ТП ЛПД и в ПГФ на АЛЛ на основе нечеткой логики.

5. Алгоритмы структурно-параметрического синтеза и анализа ТП ЛПД и в ПГФ на АЛЛ, АЛЛ основанные на реализации процедур ИОД и объектно-ориентированного подхода.

Апробация работы. По содержанию диссертационной работы был сделан ряд докладов на научно-технических конференциях различного уровня, в том числе:

- Региональной научно - практической конференции "Современные про-блемы российского общества: экономический, политический и духовный аспекты", ВЗФЭИ, г. Орел, 26 ноября 2004 г.;

- Научном семинаре кафедры МТ - 5 "Литейные технологии" МГТУ им. Н.Э.Баумана, г. Москва, 19 мая 2005 г.;

- Научном семинаре кафедры МТ - 5 "Литейные технологии" МГТУ им. Н.Э.Баумана, г. Москва, 20 марта 2006 г.;

- Международной научно-практической конференции "Информатизация и глобализация экономических процессов в XXI веке: теория и практика", г. Москва, 22 – 23 мая 2006 г.;

- V Всероссийской научно - технической конференции "Информационные

системы и модели в научных исследованиях, промышленности и экологии", г. Тула, 30 июня 2006 г.;

- Всероссийской научно - технической конференции "Приоритетные нап-равления развития науки и технологий", г. Тула, 21 ноября 2006 г.;

- Международной научно – практической конференции "Баландинские чтения", посвященной 80-летию со дня рождения Г.Ф. Баландина, г. Москва, 21 декабря 2006 г.;

- Научном семинаре кафедры МТ - 5 "Литейные технологии" МГТУ им. Н.Э.Баумана, г. Москва, 16 апреля 2007 г.

- VIII Всероссийском съезде литейщиков, г. Ростов на Дону, 23–27 апреля 2007 г.;

- Международном научно-практическом симпозиуме "Современные науко-емкие технологии: теория, эксперимент и практические результаты", г. Хур-гада (Египет) 14 - 20 апреля 2007 г.;

- Межрегиональной научно-практической конференции "Теория и практи-ка применения инновационных технологий в условиях становления социально-ориентированной экономики", г. Орел, 25 ноября 2008 г.;

- Межкафедральнм научном семинаре кафедр МТ-11 "Электронные технологии в машиностроении" и МТ-5 "Литейные технологии" МГТУ им. Н.Э.Баумана, г. Москва, 18 февраля 2010 г.

Публикации. По теме диссертационной работы опубликовано: статей в центральных научных рецензируемых изданиях и сборниках, входящих в "Перечень периодических научных и научно-технических изданий, выпус-каемых в РФ, в которых рекомендуется публикация основных результатов диссертации на соискание ученой степени доктора наук" – 12, статей в различных межвузовских и внутривузовских сборниках научно-технических трудов – 18.

Структура и объем диссертации. Диссертационная работа состоит из введения, шести глав, общих выводов по работе, списка использованных источников из 252 наименований и приложений, включает 312 страниц машинописного основного текста, содержит 161 рисунок, 81 таблицу. Общий объем работы составляет 491 страницу.

Основное содержание работы

Во введении приведены актуальность, основные научные и методологи-ческие направления решения задач автоматизации ТОУ в ЛП на основе интеллектуализации синтеза и анализа ТПО в системах технической подго-товки и реализации производства. Даны научная и практическая значимость проведенных исследований, сформулированы основные положения, выноси-мые на защиту.

1. Состояние вопроса автоматизации технологического и организационного управления в литейном производстве

Важным направлением развития автоматизации ТОУ в ЛП является развитие системной информатизации ТОУ на основе разработки и применения новых информационных технологий, ориентированных, в частности, на качественное решение задач синтеза и анализа ТПО.

В системе технической подготовки ЛП указанные задачи, в большинстве случаев, решаются в рамках различных систем автоматизированного проектирования (САПР). САПР ТП характеризуются возможностью синтеза и анализа типовых технологий с узкой специализацией по типу деталей, их размерам, используемым сплавам, способам литья. Синтез и анализ качественных ТП, включающих решение задач предварительной диагностики и устранения дефектов отливок, влияния конкретных условий производства на их качество не реализуется из-за высокой системной сложности ЛП в целом и использования традиционных методов формализации, не ориентированных на описание большого числа трудноформализуемых факторов. В САПР литейного оборудования существует недостаток автоматизированных методов решения задач синтеза и анализа. Разрозненные частные методики решения отдельных задач не базируются на системной организации, слабо связаны с проблематикой дефектности отливок и ограниченно ориентированы на применение ЭВМ.

В системе реализации ЛП решаемые задачи также не включают текущей диагностики и устранения дефектов отливок, анализа качества функциониро-вания оборудования. В основном реализуется статистический анализ дефек-тов отливок. Оперативные технологические, прогнозные, конструкторские и другие решения формируются практически без применения методов и средств автоматизации, что приводит к снижению качества отливок и эффек-тивности производства в целом. Характерным для большинства производств являются частые отклонения технологических параметров от требуемых, от-сутствие эффективной информатизации и системного подхода при ликвида-ции дефектов отливок, недостаточная квалификация персонала, низкий уро-вень организация труда.

Анализ существующей проблематики показывает, что одним из возмож-ных путей повышения уровня автоматизации ТОУ в ЛП и, на этой основе, повышения качества отливок, производительности, надежности, эффектив-ности проектирования и эксплуатации литейного оборудования является применение новых автоматизированных методов синтеза и анализа ТПО, базирующихся на использовании процедур ИОД.

В результате проведенного анализа сформулирована цель и поставлены задачи исследования.

2. Информационные и методологические основы интеллектуализации синтеза и анализа технологических процессов и оборудования

Информационными и методологическими основами интеллектуализации синтеза и анализа ТПО являются процедуры ИОД, которые рассматриваются как система средств и методов поиска полезных знаний в данных, формируемых традиционными способами. Разработаны и реализованы следующие основные алгоритмы ИОД:

1. Подготовка исходного набора данных - формирование обучающих последовательностей.

2. Предобработка исходных данных, ориентированная на повышение их достоверности и качества.

3. Поиск новых знаний и формирование решений на основе использо-вания:

- статических нейронных сетей (СНС) - многослойных персептронов;

- динамических нейронных сетей (ДНС) - сетей Хопфилда и Коско;

- самоорганизующихся карт (СК) - нейронных сетей (НС) Кохонена;

- деревьев решений;

- нечеткой логики.

4. Постобработка данных, ориентированная на представление резуль-татных данных в терминах для конечного пользователя.

3. Интеллектуализация синтеза и анализа формализованных описаний технологических процессов и оборудования

Интеллектуализация синтеза и анализа формализованных описаний ТПО включает исследования на примере производства отливок из алюминиевых сплавов методом ЛПД и из серого чугуна в ПГФ на АЛЛ, АЛЛ, разработку и реализацию на указанной основе алгоритмов:

- синтеза и анализа адекватности НСММ дефектов отливок и ТПО;

- кластеризации и классификации дефектов отливок и параметров ТПО;

- установления причинно-следственных закономерностей проявления де-фектов отливкок в зависимости от параметров ТПО, конкретных условий производства и внешней среды;

- анализа результатов формализации.

Разработка и оценка адекватности НСММ основана на процедурах формирования, обучения и декомпозиции СНС, на базе которых формируется НСММ, с учетом конкретных значений коэффициентов весомости синаптических связей, смещений и функций активации нейронов. НСММ представляет собой комплексное формализованное описание взаимосвязей различных технологических, технических, внеш-них, внутренних и других параметров, определяющих показатели качества ТПО и дефектности отливок. Разработанный метод моделирования позволяет синтезировать системные многомерные НСММ, включающие не только явные, но и скрытые закономерности функционирования, нетривиальные параметры ТПО на основе использования единого методо-логического подхода и математического языка.

Оценка адекватности модели, реализуется на основе анализа качества обучения СНС посредством оценки ошибок обучения, постобработки и анализа выходных данных в процессе симуляции сети, тестирования сети. На рис. 1 приведена обобщенная топологическая структура пятислойного сигмоидального персептрона, на базе которой формируется НСММ.

x₁

y_t+1

x₂

x_p

y_r

Рис. 1. Обобщенная структура пятислойного сигмоидального

персептрона

Обобщенная НСММ ТПО, формируемая на основе СНС, приведенной на рис. 1, имеет вид:

, (1)

где x₁, x₂, …, x_p - вектор входа, включающий значения факторов, влияющих на моделируемые ТПО;

y_t+1, y_n, …, y_r – вектор выхода, включающий значения показателей качества моделируемых ТПО;

w_ij, w_jk, w_km, w_mn – текущие значения коэффициентов весомости синаптических связей при i = 1, 2,…, p; j = p + 1, p + 2,…, q; k = q + 1, q + 2,…, l; m = l + 1, l + 2,…, t; n = t + 1, t + 2,…, r. Значения p, q, l, t, r определяют число нейронов в каждом конкретном слое;

b_j, b_k, b_m, b_n – текущие значения смещений нейронов.

Пример НСММ дефектов отливок для ТП ЛПД, реализованной на базе двухслойной СНС одним выходом, сигмоидной функцией активации для обоих слоев нейронов и выходном нейроне № 7 приведен в (2).

(2)

Пример НСММ дефектов отливок для ТП ЛПД, реализованной на базе двухслойной СНС с множественным выходом, сигмоидной функцией активации для обоих слоев нейронов и выходных нейронах №№ 7-12 приведен в (3). В (2) и (3) x₁ – температура заливки металла, град. С, x₂ –

Характеристики

Список файлов диссертации