Дипломная (вкр): Совершенствование системы контроля качества в технологическом процессе гуммирования

Рисунок 17 - Блок-схема алгоритма обучения нейро-нечёткой модели управления

.3 Алгоритм расчёта температуры печной зоны с помощью нейро-нечёткой сети

Данный алгоритм реализован в нейро-нечётких подмоделях расчёта температур печных зон. Нейро-нечёткая сеть, поэтому используются термины и обозначения, заимствованные из этого раздела. Суть данного алгоритма заключается в распространении сигнала по слоям нейро-нечёткой сети и получении итого значения температуры печной зоны.

Для вычисления температуры печной зоны необходимо проделать следующие шаги:

Разбиение пространств возможных значений всех переменных на термы. Например, для начальной температуры полосы (Тнач.) получатся следующие значения: «холодный» (20 °C - 30 °C), «тёплый» (27 °C - 36 °C), «горячий» (34 °C - 40 °C). Подробное описание методики разбиения пространств возможных значений на лингвистические переменные представлено в работе [19].

Обучение нейро-нечёткой сети. Перед работой нейро-нечёткой сети она должна быть предварительно обучена с помощью алгоритма, описанного в разделе 3.3. Обучение должно осуществляться на основании оптимизированных рецептов, полученных с помощью алгоритма из раздела 3.2.

Далее на вход сети подаётся входной вектор. Он имеет такой же состав, как и при обучении. Используются следующие параметры рецепта:характеристики марки стали (r, с), толщина (h), скорость (V) и начальная температуры полосы(Тнач),границы интервала рекомендуемых температур полимеризации(Тпол1, Тпол2), а также к ним добавляюся температуры печных зон, вычисленные в предыдущих нейро-нечётких подмоделях (Тпред. зон).

Далее происходит прямое распространение сигнала по слоям нейро-нечёткой сети.

Фуззификация (Слой 1).

На данном шаге происходит преобразование входных числовых («чётких») значений в лингвистическую («нечёткую») форму. Для процедуры фуззификации, или операции введения нечёткости, используется функция типа синглетон.

Нечёткий вывод (Слой 2,3).

Этот шаг позволяет на основании полученных нечётких значений и нечётких правил определить нечёткое выходное множество.

Дефуззификация (Слой 4).

На данном шаге с помощью операции деффузификации происходит вывод числового значения выходного параметра на основании нечёткого множества, полученного на предыдущем шаге.

В случае, когда в качестве T-нормы, декартова произведения и для определения нечёткой импликации используется произведение, а для выполнения фуззификации используется синглетон, выходное значение  определяется с применением дефуззификации по среднему центру

Вывод значения температуры печной зоны (Тзi) и завершение работы алгоритма.

Алгоритм вычисления температуры печной зоны показан на рисунке 18.

Рисунок 18 - Блок-схема алгоритма расчёта температуры печной зоны с помощью нейро-нечёткой сети

Выводы

Представлены блок-схемы и словесное описание разработанных алгоритмов прогнозирования температуры поверхности металлической полосы, оптимизации технологических параметров процесса вулканизации и нейро-нечёткого управления многосвязными тепловыми объектами агрегата гуммиованных покрытий металла.

Установлено, что алгоритм обучения нейро-нечеткой сети может быть адаптирован длярешения задачи управления многосвязными тепловыми объектами.

Выявлены системные связи между алгоритмами, позволяющие сделать вывод о полноте и непротиворечивости информационных потоков данных в системе управления производством предварительно окрашенного проката.Обоснована необходимость в обобщённом алгоритме функционирования системы управления многосвязными тепловыми объектами агрегата гуммированных покрытий металла, осуществляющем интеграцию с информационной инфраструктурой производства металла с гуммированным покрытием.

ЗАКЛЮЧЕНИЕ

Описанная выше измерительная система представляет собой решение на базе высоких технологий в области нанесения покрытий. Высокая точность измерений и низкие контрасты времени были достигнуты благодаря использованию современной рентгеновской измерительной техники, быстро действующих датчиков и эффективных линз, а также современной компьютерной технологии. Такие системы имеют решающее значение при производстве высококачественной продукции в линиях нанесения покрытий. Однако современные линии покрытий должны быть оснащены дополнительными измерительными системами, например: прибором контроля плоскости, измерителем ширины и системой контроля поверхности.

В выпускной квалификационной работе в рамках решения установленной научно-технической задачи повышения качества управления многосвязными тепловыми объектами агрегата гуммированных покрытий металла на основе синтеза адаптивных систем поисковой оптимизации, нейро-нечётких моделей и идеального моделирования теплового объекта получены следующие основные результаты:

Разработана математическая модель управления, которая позволяет задать требуемый режим температуры многосвязных тепловых объектов агрегата гуммированных покрытий в условиях нестационарности, нелинейного изменения внешних и внутренних факторов и распределённости параметров, что повысило точность определения температуры поверхности металла на выходе из печи на 7 %.

Разработан метод нейро-нечёткого управления процессом полимеризации, отличающийся применением эвристической оптимизации технологических параметров с помощью генетического алгоритма, позволяющий обеспечить максимальный коэффициент прилипания резинового слоя к поверхности полосы,снизить количество бракованной продукции на 1,5 % и расход газа на 2 %.

Разработана система алгоритмов управления многосвязными тепловыми объектами агрегата гуммированных покрытий, позволяющая увеличить скорость расчётов управляющих параметров более, чем в 2,8 раза.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

Мировой рынок CoilCoating покрытий [Электронный ресурс] / Академия Конъюнктуры Промышленных Рынков. - Справочно-информационный интернет-портал обзора B2B-рынков «b2blogger.com - маркетинг для бизнеса», 2011. - [Электронный ресурс] - Режим доступа: <http://b2blogger.com/articles/review/print/142.html>, свободный - Яз.рус. (дата обращения: 10.05.2012)

The Process. The Most Advanced Method For Coating Metal [Электронныйресурс] / National Coil Coating Association - Режимдоступа: http://www.coilcoating.org/how-to-paint-metal-coils, свободный - Яз. англ. (дата обращения: 15.05.2012)

Шевяков, А.А. Управление тепловыми объектами с распределёнными параметрами / А.А.Шевяков, Р.В.Яковлева. - Москва: Энергоатомиздат, 1986. - 208 с.

Медведев, М.Ю. Управление нелинейными многосвязными объектами в условиях неопределенности / М.Ю. Медведев. - Таганрог, 2011. - 366 с.

Батищев, Д.И. Генетические алгоритмы решения экстремальных задач: учебное пособие / Д.И. Батищев. - Воронеж: ВГТУ, 1995. - 65 с.

Растригин, Л.А. Адаптивные компьютерные системы / Л.А. Растригин. - Москва: Знание, 1987. - 64 с.

Цыпкин, Я.З. Адаптация и обучение в автоматических системах / Я.З. Цыпкин. - Москва: Наука, 1968. - 400 с.

Шнайдман, М.А. Алгоритмы адаптации в беспоисковых самонастраивающихся системах с контролем частотных характеристик без применения пробных сигналов / М.А. Шнайдман // Автоматика и телемеханика. - 1992. - №6. - 453 с.

Воронов, А.А. Теория автоматического управления: учеб.для вузов / А.А. Воронов, Д.П. Ким, В.М. Лохин. - Москва: Высш. шк., 1986. - 504 с.

Цыпкин, Я.3. Релейные автоматические системы / Я.З. Цыпкин. - Москва: Наука, 1974. - 576 с.

Ульянов, С.В. Интеллектуальное робастное управление: технологии мягких вычислений / С.В.Ульянов, Л.В. Литвинцева, В.Н. Добрынин, А.А.Мишин. - Москва: ВНИИгеосистем, 2011. - Т. 1. - 406 с.

Круглов, В.В. Искусственные нейронные сети. Теория и практика / В.В. Круглов, В.В. Борисов. - Москва: Горячая линия-Телеком, 2001. - 382 с.

Миркес, Е.М. Нейрокомпьютер. Проект стандарта / Е. М. Миркес. - Новосибирск: Наука, 1999. - 337 с.

Горбань, А.Н. Обобщённая аппроксимационная теорема и вычислительные возможности нейронных сетей / А.Н. Горбань // Соросовский образовательный журнал. - Т.1. - 1998. - С. 12-24.

Соловьев, В.А. Применение нечеткой логики в устройствах регулирования энергетическими объектами / В.А. Соловьев, А.Г. Владыко, В.С. Легенкин // Электроэнергетика и энергосберегающие технологии: Межвуз. сб. науч. тр. - Владивосток: Изд-во ДВГТУ, 1998. - С. 125-133.

Кудинов, И.Ю. Управление технологическим процессом температурного отжига трансформаторной стали на основе аппарата нечеткой логики / И.Ю. Кудинов: дис. … канд. техн. наук. - Липецк, 2009. - 135 с.

SEVERGAL. Continuous Galvannealing Line. Functional Description / Liege, Belgium:Drever International, 2003. - 43 р.

Описание структуры и алгоритмов математической модели процесса травления металла / Череповец: ОАО «Северсталь», 2005. - 22 с.

Берлин, А.А. Основы адгезии полимеров / Берлин А.А., В.Е. Басин- Москва: Химия, 1969. - 321 с.

Матаморос, С. Подробное описание печной установки для печи грунтовочного слоя и печи отделочного слоя и термореактора АПП / С. Матаморос. - Леверкузен, Германия: gatvmbH, 2005. - 55 с.

Голоскоков, Д.П. Уравнения математической физики. Решение задач в системе Maple: учебник для вузов - Санкт-Петербург: Питер, 2004. - 539 с.

Бухмиров, В.В. Теоретические основы теплотехники. Тепломассообмен: Курс лекций. Ч.1. / В.В. Бухмиров. - Иваново: Ивановский гос. энерг. ун-т им. В.И. Ленина, 2008.- 24 с.

Кабаков, З.К. Восстановление параметров сложного теплообмена/З.К.Кабаков, К.Е. Голубенков, Ю.В.Грибкова, С.А. Антонов // Известия высших учебных заведений. Чёрная металлургия, 2006, №11. - С. 53-55.J.E. A Genetic Algorithm for the Set Covering Problem / Beasley J.E., Chu P.C. // European J. Oper. Res., 1996, Vol. 94, №2 - P.394-404.

Красноштанов, А. П. Комбинированные многосвязные системы / А. П. Красноштанов. - Новосибирск: Наука, 2001. - 176 с.

Мальцева, Т.В. Исследование алгоритма прогноза выхода комбинированной многосвязной системы / Т. В. Мальцева // Молодой ученый. - 2011. - №6. Т.1. - С. 73-79.

Зырянов, Г.В. Системы управления многосвязными объектами: учебное пособие / Г.В. Зырянов.- Челябинск: Издательский центр ЮУрГУ, 2010. - 112 с.

Заде, Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений / Л.А. Заде. - Москва: Мир, 1976. - 165 с.

Блюмин, С.Л. Нечеткая логика: алгебраические основы и приложения.Монография/ С.Л. Блюмин, И.А. Шуйкова, П.В. Сараев, И.В. Черпаков. - Липецк: ЛЭГИ, 2002. - 113 c.

Комашинский, В.И. Нейронные сети и их применение в системах управления и связи / В.И.Комашинский, Д.А. Смирнов. - Москва: Горячая линия - Телеком, 2003. - 94 c.

Саймон, Хайкин. Нейронные сети: полный курс = NeuralNetworks: AComprehensiveFoundation / С. Хайкин. - Москва: «Вильямс», 2006. - 1104 с.

Уоссермен, Ф. Нейрокомпьютерная техника: Теория и практика = NeuralComputing. Theory and Practice. - Москва:Мир, 1992. - 240 с.P., Murray A. Modelling weight- and input-noise in MLP learning // Proceedings Of International Conference on Neural Networks (ICNN’96). - USA, Washington, June 3-6, 1996. - Vol.1. - P. 78-83.Masha Yu., Gorban Alexander N., and Wunsch Donald, “Back-Propagation of Accuracy”// Proc. IEEE/INNS International Coonference of Neural Networks, Houston, IEEE, 1997, pp.1998-2001.

Ветров, Д. Об использовании прецедентной информации в нечетких экспертных системах / Д.Ветров, Д.Кропотов // Труды 6-ой международной конференции «Распознавании образов и анализ изображений: новые информационные технологии» (РОАИ-6-2002). - НовГУ им. ЯрославаМудрого, Великий Новгород, 2002. - С. 100-104.

Кайт, Т. Oracle для профессионалов. Пер. с англ. / Т.Кайт - СПб.: ООО «ДиаСофтЮП», 2003. - 672 с.

Ежова, Н. Э.Инструментарий оценки эффективности инновационного процесса на машиностроительных предприятиях / Н. Э. Ежова, А. Н. Душинов // Автоматизация и энергосбережение машиностроительного производства, технология и надежность машин, приборов и оборудования: матер.третьей науч.-техн. конф. 10-12 ноября 2007 г. . - Вологда, 2007. - Т. 1 . - С. 113-116

Принципы автоматического управления режимами термообработки композиционных материалов на базе математического моделирования процесса/ Ю. Р. Осипов, А. Н. Душинов, С. А. Шлыков, А. А. Аваев // Информатизация процессов формирования открытых систем на основе СУБД, САПР, АСНИ и систем искусственного интеллекта (ИНФОС-2015) : 8-я международная научно-техническая конференция, 26-27 июня 2015 г. / ВоГУ . - Вологда, 2015 . - С. 123-128