Автоматизация технологического и организационного управления в литейном производстве на основе интеллектуализации синтеза (1024677), страница 4

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

Текст из файла (страница 4)

Рис. 6. Результаты решения задачи кластеризации

и классификации параметров ТП ЛПД

Рис. 7. Фрагмент дерева

решений

2. Формирования правил отнесения анализируемых дефектов отливок и параметров ТПО к соответствующему кластеру или классу. Рис. 6 иллюстри-рует результаты кластеризации, дающие дополнительный инструментарий анализа результатов. В частности, данное отображение позволяет, например, делать вывод о том, что вид дефекта "норма" (код 0,25) характерен для параметров ТП ЛПД, отнесенных к кластеру 3, при температуре металла 707,77°С, температуре формы 204,17°С, площади питателя 14,64 мм², времени выдержки 8,69 с.

3. Выявления новизны (или особых свойств) ТПО в случае невозможности их отнесения к соответствующему классу. Если для ТПО формируется отдельный кластер, или объект не классифицируется, то можно ставить вопрос о дополнительном исследовании с целью определения уровня его новизны или изучения свойств.

4. Интеллектуализация синтеза и анализа технологических процессов

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

- в системе технической подготовки производства для проектируемых отливок;

- в системе реализации производства для решения задач оперативной диагностики и устранения дефектов отливок, с учетом целевых установок пользователя.

Синтез и анализ параметров ТП в системе подготовки производства реали-

лизуется по алгоритму, включающему, в основном, формирование набора обучающих последовательностей и их предобработку, формирование топо-логической структуры НС, обучение сети и оценку его качества, предъявле-ние НС входных данных и формирование на их основе требуемых значений параметров анализируемого ТП, постобработку выходных данных.

На рис. 8 приведена топологическая структура НС, используемой для решения задачи синтеза параметров ТП литья в ПГФ на АЛЛ для отливки "Колпак напорный" из чугуна СЧ20 массой 4,5 кг и средней толщиной стенки 10,0 мм.

Вид дефекта

Жидкотекучесть сплава, мм

Т_ме, град С

Масса

отливки, Кг

Вид уплотнения

Средняя толщ.

стенки, мм

Влажность форм. смеси, %

Газопроницаемость форм. смеси, ед.

Рис. 8. Топологическая структура НС

В качестве входных данных использованы виды дефектов, масса, средняя толщины стенки отливок. Виды дефектов отображены кодами 1- скол, 2 - норма (отливка отвечает требованиям качества), 3 - трещины, 4 - течь, 5 - га-зовые раковины, 6 - трещины и течь, 7 - скол и трещины.

Выходные данные включают жидкотекучесть и температуру сплава, вид уплотнения формы (1 - встряхивание, 2 - встряхивание с подпрессовкой, 3 - прессование, 4 - вибропрессование), влажность формовочной смеси, газо-проницаемость формовочной смеси.

При предъявлении НС входных значений в качестве выходных данных формируются требуемые параметры ТП.

На рис. 9 приведен пример результатов решения задачи.

Рис. 9. Результаты решения задачи

Синтез и анализ ТП для оперативной диагностики и устранения дефектов отливок с учетом целевых установок пользователя, в системе реализации конкретного производства основан на:

- процедурах обработки данных, выполняемых по принципу обратных вычислений с использованием НСММ дефектов отливок;

- разработке и использовании АСС анализа ТП на основе нечеткой логики.

Обратные вычисления - это получение требуемых значений аргументов вектора входных данных (параметров и других факторов, влияющих на ход реализации ТП производства отливок), входящих в НСММ, на основании реальных и требуемых, для бездефектного производства отливок, значений выходов НСММ и дополнительной информации, поступающей от пользователя.

Требуемые значения параметров и других факторов, влияющих на ход реализации ТП производства отливок, формируются путем изменения аргу-ментов входного вектора с использованием индивидуальных или единого (при малых размерностях вектора входных значений) коэффициентов изменения аргументов входа для нейронов первого скрытого слоя с учетом целевых установок пользователя. Данный алгоритм обусловлен необходимостью оперативности диагностики и устранения дефектов отливок, поскольку отсутствие вариативности в данном случае может привести к указаниям со стороны системы к реализации неоперативных действий, если, например, НСММ включает в качестве технологических параметров конструктивные особенности технологической оснастки, формы и т.д. Целевая установка пользователя, содержит детализацию изменений элементов вектора входных значений.

Индивидуальные коэффициенты изменения аргументов входного вектора рассчитываются по формуле:

, (8)

единый коэффициент изменения аргументов входного вектора - по формуле:

, (9)

где k_ij, k_j – расчетные значения индивидуального и единого соответственно коэффициентов изменения элемента вектора входа для i – го нейрона входного слоя, связанного с j – м нейроном первого скрытого слоя;

w_ij – коэффициент весомости синаптической связи между i – м нейроном входного слоя и j – м нейроном первого скрытого слоя;

x_i - элемент вектора входных значений, соответствующий i – му нейрону;

- реальное значение входа для j – го нейрона первого скрытого слоя;

b_j – смещение для j – го нейрона первого скрытого слоя;

, - требуемое значение входа для j – го нейрона первого

скрытого слоя.

Формирование модифицированных значений элементов вектора входных данных для формирования требуемого значения входа нейронов первого скрытого слоя с учетом целевых установок, указываемых пользователем, реализуется для каждого j - го нейрона первого скрытого слоя c применением алгоритма нелинейной оптимизации Generalized Reduced Gradient (GRG) путем допустимых изменений значений элементов вектора входных данных при условиях:

- функция цели:

, (10)

где - текущее значение i - го элемента вектора входных данных;

- модифицированное значение i - го элемента вектора входных данных;

w_ij - коэффициент весомости синаптической связи между i – м и j - м нейронами соответственно входного и первого скрытого слоев;

- рассчитываемый индивидуальный коэффициент изменения элементов вектора входных данных;

- изменяемые параметры - , ;

- допустимые изменения значений элементов вектора входных данных определяются значениями с учетом ограничений:

- для значений = z, где z < 0, z ≤ ≤ 1;

- для значений = z, где 1 ≥ z > 0, z ≤ ≤ 1;

- для значений = z, где z ≥ 1, z ≥ ≥ 1;

- → 1.

Целевые установки реализуются посредством:

- формирования общего, для каждого анализируемого j - го нейрона первого скрытого слоя СНС, модифицирующего коэффициента , на который умножаются соответствующие индивидуальные коэффициенты при изменяемых . Расчет реализуется путем использования зависимости вида

. (11)

В числителе (11) указываются , при которых подлежат модификации, т.е. , остающиеся неизменными. При этом сами не указываются. В знаменатель (11) включаются изменяемые ;

- установки ограничений вида = const для неизменяемых при использовании алгоритма GRD. При этом ограничения на для неизменяемых не устанавливаются.

В табл. 1 приведены результаты решения задачи анализа ТП ЛПД отливок

Таблица 1.

Результаты решения задачи анализа ТП

№	Вид НСММ	Текущие значения вектора входных данных		Модифицированные значения вектора входных данных
		Масштабир. значения, ед.	Реальные значения	Масштабир. значения, ед.	Реальные значения
1 2	НСММ с одним выходом НСММ с множ. выходом	Тме = 0,58596 Тф = -0,5017 Sпит = -0,6346 tвыд = -1 Тме = 0,017544 Тф = -1 Sпит = -0,80769 tвыд = -0,52153	Тме =707,77 ° Тф = 204,17 ° Sпит = 14,69 мм2 tвыд = 8,69 с Тме = 706,15° Тф = 202,7° Sпит = 14,37 мм2 tвыд = 9,19 с	Тме = -0,77230 Тф = -0,11400 Sпит = 0,68611 tвыд = -0,59645 Тме = 0,0722 Тф = -0,1246 Sпит = -0,0607 tвыд = -0,2955	Тме = 703,899 ° Тф = 205,314° Sпит = 16,7мм2 tвыд = 9,112 с Тме = 706,306° Тф = 205,282 ° Sпит = 15,535 мм2 tвыд = 9,426 с

Таблица 2.

Значения элементов векторов выхода нейронной сети

№	Вид НСММ	Значения элементов вектора выходных данных		Параметры значений элементов вектора выходных данных
		Номер нейрона	Значения выхода	Требуемое значение выхода	Ошибка
1 2	НСММ с одним вых. НСММ с множ. вых.	7 7 8 9 10 11 12	0,25184 0,9997 1 1 0,99999 0,99999 1	0,25 1 1 1 1 1 1	0,00184 0,0003 0 0 0,00001 0,00001 0

из сплава АК12 массой 0,4 - 0,5 Кг, средней толщиной стенки 6,9 - 7,5 мм, с применением НСММ дефектов отливок с одним выходом для целевой установки и НСММ дефектов отливок с множественным выходом для целевой установки . Значение обозначает требование уменьшения кода дефекта, интерпретируемого нейроном № 7, - увеличение кода для нейрона № 11 при изменении всех указанных аргументов. В табл. 2 приведены данные, иллюстрирующие качество решения задачи.

Характеристики

Список файлов диссертации