Автоматизация технологического и организационного управления в литейном производстве на основе интеллектуализации синтеза (1024677), страница 7
Текст из файла (страница 7)
На основании приведенных данных решены задачи прогнозирования технического состояния АЛЛ. С помощью ДНС осуществлено восстанов-ление неизвестных составляющих вектора, описывающего параметры функционирования АЛЛ. В табл. 9 приведены значения и характеристики параметров АЛЛ, использованных при решении задачи. В табл. 10 приведены характеристики решаемой задачи и результаты прогнозирования. Символа-
Таблица 9.
Значения и характеристики параметров АЛЛ
| Параметр | Ед. измерения | Значение | |||
| 00 | 01 | 10 | 11 | ||
| Производит. (П) Надежность (Н) Сложность (С) Экологичн. (Эк) Эргономичн. (Эр) Приемлемость (Пр) Ремонтоприг. (Р) Унифициров. (У) Обсл. перс.(Ч) Трансп. форм Тип форм. автомата Способ выбивки Способ охл.отл. Вид упл. полуформ | Форм/час К. техн. использ. Баллы К. весомости К. весомости К. весомости Баллы К. унификации Число человек Рольг., конв. Сдв. челн. (СЧ) карусельный (К), однопозицион. со сменой мод. оснастки (О) Выдавл, разруш. Принуд., естеств. Встряхив. (В), встр.+пр.(В+П), прессование (П), вибропресс (ВП) | < 200 <0,5 >10 <0,75 <0,75 <0,75 <7,5 <0,5 >7 Конв. О Выдав Естест П | 220≥П≥200 0,65≥Н≥0,5 8,5≤С≤10 0,75≤Эк≤0,85 0,75≤Эр≤0,85 0,75≤Пр≤0,85 8,5≥Р≥7,5 0,65≥У≥0,5 5≤Ч≤7 Конв., рольг К Разруш. Принуд. ВП | 250≥П>220 0,75≥Н>0,65 8,5>C≥7,5 0,85<Эк≤0,95 0,85<Эр≤0,95 0,85<Пр≤0,95 9,5≥Р>8,5 0,75≥У>0,65 3≤Ч<5 Рольг.,конв. К Разруш. Принуд. ВП | > 250 >0,75 <7,5 >0,95 >0,95 >0,95 >9,5 >0,75 <3 Рольг. СЧ Выдав. Естест. В+П |
ми Хi, i = 1, ..., 14 обозначены различные параметры функционирования АЛЛ. Прогнозируемый параметр обозначен как Х11.
Анализ табл. 10 иллюстрирует значение параметра Х11=11, что соответствует прогнозу (рекомендации) применения сдвоенного челночного формовочного автомата.
Таблица 10.
Параметры условий и результаты прогнозирования состояний АЛЛ
| Код стимула | 0 1 | 1 1 | 00 | 00 | 00 | 1 1 |
| Код отклика | 0 1 | 1 1 | 00 | 00 | 00 | 1 1 |
| Параметр | Х1 | Х2 | Х3 | Х4 | Х5 | Х6 |
| Значения параметров | Произв. форм./час | Надежн., к.т.и. | Сложн., баллы | Экол., коэфф. | Эргон., коэфф. | Прием. коэфф. |
Продолжение таблицы 10
| 00 | 1 1 | 0 1 | 1 1 | 00 | 00 | 1 1 | 1 1 |
| 00 | 1 1 | 0 1 | 1 1 | 1 1 | 00 | 1 1 | 1 1 |
| Х7 | Х8 | Х9 | Х10 | Х11 | Х12 | Х13 | Х14 |
| Ремонт., коэфф. | Унифицир., коэфф. | Число ОП | Рольг. трансп. | Тип ФА | Конв. трансп. | Способ охлаждения | Вид уплотн. |
6. Решение задач прогнозирования состояний АЛЛ с применением ДНС на основе причинно-следственных отношений базируется на использовании ДНС Коско. Каждый параметр исследуемого объекта или процесса рассматривается как отдельный нейрон такой сети, а коэффициенты связей между ними - как синаптические веса.
Обобщенно алгоритм прогнозирования включает:
6.1. Определение набора параметров, характеризующих предметную область. Состав списка параметров зависит от эксперта в области литейного производства.
6.2. Определение характера и величин причинно-следственных зависи-мостей между параметрами введенного ранее списка. Карта ситуации полностью задается матрицей связей W[i, j]. Элемент wij данной матрицы определяет связь от i - го параметра к j – му.
6.3. Формализованный ввод вопроса. Пользователь прогнозной системы формирует компоненты (факторы) входного вопросного вектора B[i], i= 1, ..., k, где k - количество параметров. При этом в соответствующих позициях вектора вопроса указываются некоторые величины, в частности, характери-зующие длительность и силу влияния фактора на ситуацию.
6.4. Собственно прогнозирование. На вход НС подается формализованный вектор-вопрос с признаками сроков воздействия соответствующих факторов. С помощью сети осуществляется итерационное вычисление входных сигналов до момента достижения установившегося состояния, либо достижения порога останова (рис. 16).
Рис. 16. Результаты решения задачи прогнозирования состояний АЛЛ
6. Реализация методов интеллектуализации синтеза и анализа технологических процессов и оборудования
Основными направлениями реализации разработанных методов интеллектуализации синтеза и анализа ТПО являются:
- системный анализ дефектов отливок и реализуемых ТП, позволивший, на основе формирования правил отнесения анализируемых параметров к определенному классу снизить дефектность отливок на 8-10 %;
- системный синтез адекватных НСММ дефектов отливок, разработка АСС нечеткой логики, на основе которых сформированы технологические решения в системе реализации производства, учитывающие целевые установ-ки пользователя и снижающие дефектность отливок на 12-15 %, простои оборудования на 14-16 %;
- формирование значений параметров ТП в системе технической под-готовки производства, соответствующих конкретным условиям, снижающих затраты на подготовку и реализацию ТП на 14-15 %;
- формирование рекомендаций по оптимизации параметров АЛЛ, включая прогнозирование их состояний в системе технической подготовки конкретного производства, снижающее время простоев линий по техни-ческим причинам на 12-14 %.
Результаты реализации разработанных методов получены на промыш-ленных предприятиях, указанных выше, для отливок, производимых методом ЛПД из алюминиевых сплавов и в ПГФ из серого чугуна на АЛЛ.
Основные выводы по работе
1. Разработаны новые методы автоматизации технологического и организационного управления в системах технической подготовки и реализации ЛП. В результате достигнута возможность автоматизированного решения нового класса задач синтеза и анализа ТП и оборудования в ЛП на основе интеллектуальной обработки данных. Применение разработанных методов дает возможность создания новых научно обоснованных методик формирования параметров ТП и образцов литейного оборудования для получения отливок высокого качества. Решением задачи повышения качества отливок достигается ускорение научно-технического прогресса в ЛП.
2. На основе разработанных методов интеллектуализации синтеза и анализа ТП и оборудования в ЛП решена задача повышения качества отливок, производительности, надежности, эффективности проектирования и эксплуатации автоматических литейных линий.
3. Разработанные методы интеллектуализации синтеза и анализа ТП и оборудования в ЛП включают преимущества:
- отсутствие необходимости знания закономерностей, описывающих структурно-функциональные характеристики объектов исследования;
- возможность учета, с использованием синтезируемых нейросетевых математических моделей, трудноформализуемых факторов и скрытых закономерностей, которые могут оказывать существенное влияние на качество функционирования ТП и оборудования;
- максимальное приближение показателей качества анализируемых ТП и оборудования к конкретным условиям производства;
- максимальный учет всех влияющих на ТП и оборудование факторов, которые невозможно учесть при использовании традиционных методов формализации.
4. На основе реализации машинного эксперимента проведены теорети-ческие и экспериментальные исследования и разработка универсального автоматизированного метода технического анализа ТП и оборудования в ЛП, на базе которого сформированы новые знания, включающие нетривиальные зависимости дефектов отливок от параметров ТП, внешней среды, данные о новизне структурно-компоновочных схем автоматических литейных линий.
5. Разработаны новые методы формирования системы унифицированных модулей, основанные на декомпозиции реально существующих автоматических литейных линий, на базе которых синтезированы новые варианты структурно-компоновочных схем линий, наиболее полно соответствующие конкретным условиям литейного цеха.
6. Проведены теоретические обоснования и разработка новых видов системных, адекватных, многомерных нейросетевых математических моделей ТП и оборудования в ЛП, базирующихся на использовании единого методологического подхода и математического языка, что позволило расчет-ным путем устанавливать необходимые параметры ТП, обеспечивающие высокое качество отливок. Применение указанных моделей позволяет значительно сократить объемы экспериментов по отладке ТП и тем самым снизить затраты на техническую подготовку производства.
7. На основе разработанных нейросетевых математических моделей ТП и оборудования, автоматизированной советующей системы нечеткой логики созданы новые методы синтеза и анализа параметров ТП в системе реализации ЛП, с учетом целевых установок пользователя, что позволило уменьшить дефектность производимых отливок, время незапланированных простоев автоматических литейных линий по различным причинам и связанных с ними финансовых потерь.
8. В системе технической подготовки ЛП, на основе нейросетевых алгоритмов, разработаны и реализованы автоматизированные методы синтеза и анализа параметров ТП производства отливок методом литья под давлением и в песчано-глинистые формы на автоматических литейных линиях, структурно-компоновочных схем линий. Применение разработанных методов позволяет снизить дефектность отливок при указанных выше преимуществах.
9. Для оптимизации проектных решений ТП и оборудования в ЛП, на основе динамических нейронных сетей разработаны и реализованы методы структурной и параметрической оптимизации параметров ТП производства отливок методом литья под давлением и в песчано-глинистые формы на автоматических литейных линиях, структурно-компоновочных схем линий с
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
