Дипломная работа на тему «Совершенствование системы контроля качества в технологическом процессе гуммирования»

Скачать пример Заказать работу Скачать пример Заказать работу

ВВЕДЕНИЕ

Актуальность темы. Современные системы измерения и контроля качества дают возможность с предельной точностью контролировать толщину неорганических и органических покрытий на полосе. При их использовании на полосу можно равномерно наносить покрытия по всей ширине и длине, а производственные линии могут надёжно работать при пониженном уровне допусков на толщину покрытия. Такие системы позволяют повысить производительность и снизить расход материалов и энергии. Кроме того, они упрощают работу персонала, так как измерительные приборы непосредственно интегрировали в системы управления процессом.

Отделка поверхности металлической полосы становится всё более важным фактором во многих областях её применения, включая автомобильную промышленность, производство бытовой техники, строительство и упаковка различных материалов.

Непрерывные процессы нанесения покрытий, например электролитическим способом или методом погружения, а также нанесения материалов или гуммирования на поверхность стальных или алюминиевых полос, позволяют получить изделия с поверхностью, имеющей лучшие эксплуатационные характеристики и более высокую коррозионную стойкость. Ответственность производителей полосы чрезвычайно возросла с повышением требований к качеству покрытий. Повышение требований к качеству и необходимость экономии материалов требуют предельной точности и надёжности в работе измерительной техники. Таким образом, производители разрабатывают новые системы, способные измерять толщину покрытий в технологических линиях и гарантирующие прецизионный контроль процессов.

Одним из самых распространённых продукции, которую выпускает металлургический комплекс, является предварительно окрашенный прокат с защитным покрытием.

Сейчас в мире насчитывается более 650 линий производства защищённого проката. На ведущие позиции в производстве этого вида проката выходят такие страны, как Китай, Индия и Россия [1].

На качество конечной продукции, в первую очередь, влияют температурные режимы печных установок сушки гуммированного покрытия. Снижение количества бракованной продукции, а также уменьшение потребляемых энергетических ресурсов за счёт совершенствования управляющих систем сушки гуммированного покрытия, представляет собой одно из главных направлений развития сферы производства защищённого проката.

Исследования в данной области базируются на основах теории моделирования процессов и систем, изложенных в работах С.А. Айвазяна, А.В. Антонова, В.С. Анфилатова, Ю.А. Бахвалова, А.А. Денисова, Р. Калмана (R.E.Kalman), В.А. Котельникова, Н.Л. Лузина, Ю.Г. Лукашина, А.А. Ляпунова, М.Ю. Медведева, П.С. Новикова, Б.Я. Советова, К. Шеннона (С.Е.Shannon), С.А. Яковлева и др.

Усовершенствование методов моделирования и управления промышленными тепловыми объектами связано с работами таких учёных, как А.С. Гольцов, В.А. Завьялов, А.К. Карабашев, М.Ю. Лившиц, А.А. Шевяков, Р.В. Яковлева и др.

Исследования в области управления и моделирования процессов, протекающих в гуммированных покрытиях, в основном, связаны с теорией физики поверхностных явлений, раскрытой в работах А.Ю. Гросберга, В.П. Жданова, Ю.С. Липатова, С.Г. Тихомирова, А.Р. Хохлова и др.

Сейчас задача осуществления процесса сушки гуммированного покрытия осложняется слабой формализацией теплофизических процессов, происходящих в печных установках агрегата гуммированных покрытий металла, а также относительно слабой изученностью процессов, протекающих на уровне наноструктур. Сокращениеобъёма бракованной продукции и понижение потребления энергетических ресурсов за счёт создания специального математического обеспечения управления производственным процессом является приоритетным способом увеличения конкурентоспособности на мировом рынке защищённого окрашенного проката для предприятий металлургического комплекса.

Вследствие этого разработка метода и алгоритмов адаптивного управления многосвязными тепловыми объектами агрегата гуммированныхпокрытий металла представляется актуальной научно-технической задачей.

Цель и задачи выпускной квалификационной работы. Цельювыпускной квалификационной работы является повышение энергетической эффективности и сокращение доли бракованной продукции за счётповышения точности задания температурных режимов многосвязных тепловых объектов агрегата гуммированных покрытий металла, обеспечивающего поддержание температуры резино-технической оцинкованной полосы на базе синтеза адаптивных систем поисковой оптимизации, нейро-нечётких моделей и идеального моделирования теплового объекта.

Нужна помощь в написании диплома?

Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.

Заказать диплом

Объект и предмет исследования. Объектом исследования является система управления процессомгуммирования оцинкованной металлической полосы в печах агрегата гуммированных покрытий металла при выпуске предварительно окрашенного проката. Предметом исследования являются методыи алгоритмы управления многосвязными тепловыми объектами агрегата гуммированных покрытий металла.

Методы исследования. Для решения поставленных задач в работе использовались методы системного анализа, математического моделирования, искусственного интеллекта, нейронных сетей и нечёткой логики, эволюционные алгоритмы, а также основы теории построения алгоритмов и программ.

Научная новизна и основные положения, выносимые на защиту:

Разработана математическая модель управления многосвязными тепловыми объектами агрегата гуммированных покрытий, которая позволяет установить требуемый режим температуры в условиях нестационарности, нелинейного изменения внешних и внутренних факторов и распределённости параметров.

Разработан метод управления процессом гуммирования, который отличается использованием эвристической оптимизации технологических параметров с помощью генетического алгоритма, который позволяет сократить расход газа и обеспечить максимальный коэффициент прилипания лакокрасочного материала к поверхности полосы.

Разработана система алгоритмов управления многосвязными тепловыми объектами агрегата гуммированных покрытий, которая успешно реализует функционально полное алгоритмическое обеспечение:

алгоритм прогнозирования температуры поверхности металла на выходе из печной установки;

алгоритм оптимизации технологических параметров процесса гуммирования оцинкованной полосы;

алгоритм обучения модели управления процессом гуммирования оцинкованной полосы;

алгоритм расчёта температуры печной зоны с помощью нейро-нечёткой сети;

алгоритм управления многосвязными тепловыми объектами агрегата гуммированных покрытий металла;

обобщенный алгоритм функционирования системы управления многосвязным тепловым объектом агрегата гуммированных покрытий металла.

Практическая значимость результатов исследованиязаключается в том, что осуществление разработанных теоретических установок позволила:

разработать имитационную модель процесса сушки материала в печи агрегата гуммированных покрытий металла, что привело к повышению точности прогнозирования температуры поверхности металла на 8 %;

Нужна помощь в написании диплома?

Подробнее

снизить количество бракованной продукции, связанной с отслоением покрытия, на 1,7 % за счёт повышения точности определения требуемого температурного режима печной установки, обеспечивающего нагрев металлической полосы до температуры гуммирования;

снизить расход газа, используемого для нагрева печных зон, на 3 % за счёт оптимизации технологических параметров процесса гуммирования;

увеличить скорость принятия решений по подбору технологических параметров процесса гуммирования оцинкованной полосы в 2,8 раза с помощью разработанного программного обеспечения, реализующего описанные метод и алгоритмы управления;

увеличить экономическую эффективность работы на рынке металлургической продукции с высокой добавленной стоимостью на 3%.

Реализация результатов работы.

Структура и объем работы. Выпускная квалификационная работа состоит из введения, трех разделов, заключения, списка литературы, включающего 69 наименований. Объём выпускной квалификационной работы — 69 страниц.

В первом разделе проведен анализ существующих систем, методов и средств управления многосвязными тепловыми объектами, рассмотрены характеристики процесса вулканизации с точки зрения процесса управления, определены требования к системе управления процессом вулканизации.

Во втором разделе дано концептуальное описание управления многосвязными тепловыми объектами агрегата гуммированных покрытий металла с помощью системной модели, разработана имитационная модель процесса сушки гуммированного покрытия в печах агрегата гуммированных покрытий на основе идеального моделирования теплового объекта, разработан метод оптимизации технологических параметров процесса на основе синтеза генетического алгоритма и имитационной модели, разработан метод интеллектуального управления многосвязными тепловыми объектами агрегата гумированных покрытий металла на основе нейро-нечёткой модели, обученной на основе оптимизированных ретроспективных данных о работе установки.

В третьем разделе разработаны алгоритм прогнозирования температуры поверхности металла на выходе из печной установки, алгоритм оптимизации технологических параметров процесса вулканизации оцинкованной полосы, алгоритм обучения нейро-нечёткой модели управления процессом вулканизации оцинкованной полосы, алгоритм расчёта температуры печной зоны с помощью нейро-нечёткой сети, алгоритм управления многосвязными тепловыми объектами агрегата гуммированных покрытий металла и обобщённый алгоритм функционирования системы управления многосвязным тепловым объектом агрегата гуммированных покрытий металла.

Заключение содержит краткое описание основных результатов выпускной квалификационной работы.

1. ОБЩАЯ ХАРАКТЕРИСТИКА ПРОБЛЕМЫ УПРАВЛЕНИЯ МНОГОСВЯЗНЫМИ ТЕПЛОВЫМИ ОБЪЕКТАМИ НА АГРЕГАТЕ ГУММИРОВАННЫХ ПОКРЫТИЙ МЕТАЛЛА

.1 Анализ существующих систем, методов и средств управления многосвязными тепловыми объектами

Процессы, связанные с преобразованием теплоты в электрическую или механическую энергию, как и процессы различных видов передачи теплоты, широко распространены во многих отраслях современной техники. Эти процессы являются основными в металлургической промышленности. Успешное решение задач автоматизации технологических процессов в металлургии тесно связано с развитием теории и практики автоматического управления и системного анализа. Особенно это важно для управления процессами в различных динамических системах, которые не могут успешно протекать без надёжной системы автоматического управления и регулирования [3].

Комплексная автоматизация вызывает необходимость одновременного изменения нескольких управляемых переменных. При этом сложные технические объекты должны рассматриваться не только как многомерные, но и как многосвязные. Многосвязность проявляется в наличии перекрестных связей, за счет которых управляющее воздействие, поданное на любой из входов, приводит к изменению несколько выходов [4].

Нужна помощь в написании диплома?

Цена диплома

Тепловой объект имеет ряд особенностей, которые необходимо учитывать при выборе методов управления:

многосвязность;

работа в условиях нестационарности;

нелинейное изменение внешних и внутренних факторов;

распределённость параметров по координате.

Учитывая перечисленные особенности, для управления многосвязными тепловыми объектами в условиях неопределённости используют системы управления на основе идеального моделирования теплового объекта («классический» подход) и системы адаптивного управления, которые, в свою очередь, подразделяются на самонастраивающиеся системы, системы с адаптацией в особых фазовых состояниях и обучающиеся системы [5, 6].

Самонастраивающие системы. Характеризуются наличием специальных контуров самонастройки, с помощью которых оцениваются динамические и статические свойства системы и формируются такие контролируемые воздействия, что система самопроизвольно приближается к определённому эталону, часто задаваемому математически в виде критерия качества функционирования. При этом контур самонастройки служит для изменения параметров или структуры основного контура с целью обеспечения заданного критерия качества управления. Обычно критерий качества управления выражается в виде функционала или функции от параметров и измеряемых координат системы.

В процессе работы системы значение функционала качества изменяется, и задача контура самонастройки сводится к обеспечению экстремального значения критерия [7]. Нахождение и поддержание максимального значения критерия качества управления может производиться или с помощью пробных отклонений системы, или путём аналитического определения условий экстремума. В зависимости от указанных способов нахождения экстремума самонастраивающиеся системы подразделяются на поисковые и беспоисковые системы [8, 9].

Поисковые системы. Задача поисковой самонастройки формулируется следующим образом. Предполагается, что имеется множество состояний системы , которое является областью определения целевой функции или функционала качества системы описываемого формулой (1).

(1)

Из множества состояний Х необходимо выбрать определённые состояния, показанные в выражении (2)

, (2)

где j = 1, 2, …, m, при которых обеспечивается экстремальное значение функционала качества .

Связь между экстремальным значением функционала качества и предпочтительными состояниями системы из множества Х не задана в явном виде, и требуемый выбор обеспечивается путем последовательного приближения к решению в результате опробования различных состояний системы. Таким образом, существенной чертой самонастраивающихся систем данного класса является наличие процесса поиска как последовательной, итеративной процедуры выбора одного из множества возможных путей для достижения поставленной цели [8].

Поиск экстремума может осуществляться различными способами, начиная от простого просмотра всех имеющихся в наличии состояний системы и заканчивая сложными вероятностными процедурами сравнения вариантов выбираемых путей. Все методы поиска подразделяются на регулярные и случайные методы. В регулярных методах поиска выбор направления поискового движения осуществляется по заранее заданному закону, а в случайных методах направление к экстремуму определяется случайным образом [10].

Беспоисковые системы. Системы данного типа решают задачу динамической оптимизации методами беспоисковой адаптации. Они отличаются от аналогичных поисковых систем тем, что адаптация нестационарной системы управления осуществляется под оптимальную эталонную модель. При этом параметры указанной модели вычисляются с помощью поисковых процедур динамической оптимизации заранее, на этапе проектирования. Таким образом, в этих системах задача поиска оптимального управления заменяется более простой в вычислении задачей подстройки под оптимальную модель системы [11].

Системы с адаптацией в особых фазовых состояниях. Они используют особые режимы или свойства нелинейных систем, например, режимы автоколебаний, скользящие режимы для организации контролируемых изменений динамических свойств системы управления. Специально организованные особые режимы в таких системах либо служат дополнительным источником рабочей информации об изменяющихся условиях функционирования системы, либо наделяют систему управления новыми свойствами, за счёт которых динамические характеристики управляемого процесса поддерживаются в желаемых пределах, независимо от характера возникающих при функционировании изменений. Эти системы можно подразделить на релейные системы и робастные системы [12, 13].

Нужна помощь в написании диплома?

Подробнее

Релейное управление. Релейная система — автоматическая система управления, в которой имеется хотя бы одно звено, обладающее релейной характеристикой. Релейная характеристика — характеристика кусочно-линейного вида, соответствующая преобразованию в техническом устройстве (системе) непрерывной входной величины х в дискретные значения выходной величины yn, где n — число возможных её значений (уровней), обычно равное 2 или 3 [14]. На рисунке 1 приведены релейные характеристики х основных типов, литерами «а» и «б» обозначены релейные характеристики идеальных релейных элементов; «в», «г» — реальных двухпозиционных (n=2) и трёхпозиционных (n=3) релейных элементов.

Рисунок 1 — Релейные характеристики основных типов релейных элементов

Релейные системы являются одним из видов нелинейных дискретных автоматических систем управления. Различают двухпозиционные и многопозиционные релейные системы [14]. Принципиальная особенность двухпозиционных релейных систем — наличие у них автоколебаний выходного (регулируемого) параметра в установившемся режиме (т. е. после окончания переходных процессов); амплитуда и период автоколебаний определяются релейной характеристикой применяемого релейного элемента. Релейные системы относительно просты в изготовлении и эксплуатации, имеют низкую стоимость и широко применяют при управлении различными технологическими процессами.

Робастное управление. Робастное управление — совокупность методов теории управления, целью которых является синтез такого регулятора, который обеспечивал бы хорошее качество управления, если объект управления отличается от расчётного или его математическая модель неизвестна. Таким образом, робастность означает малое изменение выхода замкнутой системы при малом изменении параметров объекта управления. Системы, обладающие свойством робастности, называются робастными (грубыми) системами. Обычно робастные контроллеры применяются для управления объектами с неизвестной или неполной математической моделью, и содержащими неопределённости.

Главной задачей синтеза робастных систем управления является поиск закона управления, который сохранял бы выходные переменные системы и сигналы ошибки в заданных допустимых пределах, несмотря на наличие неопределённостей в контуре управления. Неопределённости могут принимать любые формы, однако наиболее существенными являются шумы, нелинейности и неточности в знании передаточной функции объекта управления [15].

В робастном управлении рассматриваются два вида неопределённостей — структурные и неструктурные. Неструктурные неопределённости обычно представляют собой элементы, зависящие от частоты, такие как, например, насыщение в силовых приводах объекта управления. Структурные неопределённости представляют собой изменения в динамике объекта управления [15, 16].

Целью робастного анализа является поиск такой неопределённости , при которой система становится неустойчивой. В ходе анализа решаются две задачи:

Определение модели неопределённостей.

Приведение структурной схемы системы к стандартному виду, когда все неопределённости структурно отделяются от номинальной схемы системы (рисунок 2).

Приведение структурной схемы системы к стандартному виду является достаточным условием робастной устойчивости [15, 17].

Обучающиеся системы управления. Данный вид систем характеризуется наличием особых обучающих процессов, заключающиеся в пошаговом накапливании, запоминании и анализе информации о поведении системы и изменении законов функционирования в зависимости от приобретаемого опыта. К процессу обучения приходиться прибегать тогда, когда не только мал объём априорных сведений об объекте, но и отсутствует возможность установления детальных причинно-следственных связей в структуре самой системы из-за её сложности [18].

К классу обучающихся систем относят интеллектуальные системы управления, в свою очередь, делящиеся на системы с экспертным регулятором, системы с нейросетевым регулятором и системы с нечетким регулятором [19].

Интеллектуальная система с экспертным регулятором. В общем случае под системой данного типа понимается интеллектуальная программа, которая способна делать логические выводы, основываясь на знания в конкретной предметной области и обеспечивающая решение определенных целей и задач. Хотя большинство созданных к настоящему времени экспертных систем имеет специфическую структуру, ориентированную на решение конкретной прикладной задачи, можно выделить основные общие компоненты их построения.

Системы управления на основе нейросетевых методов. В наши дни возрастает необходимость в системах, которые способны не только выполнять однажды запрограммированную последовательность действий над заранее определенными данными, но и способны сами анализировать вновь поступающую информацию, находить в ней закономерности, производить прогнозирование и т.д. В этой области приложений широко применяется новая прикладная область математики, специализирующаяся на искусственных нейронных сетях — самообучающихся системах, имитирующие деятельность человеческого мозга [20].

Развитие нейронных сетей вдохновляется биологией, то есть, рассматривая сетевые конфигурации и алгоритмы, исследователи мыслят их в терминах организации мозговой деятельности. Наши знания о работе мозга ограничены, поэтому разработчикам сетей приходится выходить за пределы современных биологических знаний в поисках структур, способных выполнять полезные функции. Например, модель искусственного нейрона не принимает во внимание задержки во времени, которые воздействуют на динамику системы. Входные сигналы сразу же порождают выходной сигнал [21].

Для многослойных нейронных сетей строго математически доказано, что они могут представлять любую вещественную непрерывную векторную функцию любого вещественного непрерывного векторного аргумента. То есть многослойные сети могут быть использованы для решения любой задачи, которая может быть сведена к построению функций, в том числе для идентификации динамического объекта управления [22].

Нужна помощь в написании диплома?

Цена диплома

Нейросетевой анализ не предполагает никаких ограничений на характер входной информации. Это могут быть как технологические параметры объекта управления, так и сведения о динамике других параметров [23].

Однако нейронные сети все же обладают недостатками. Несмотря на то, что они являются очень удобными для решения задач распознавания, классификации, прогнозирования и идентификации, лицо, принимающее решение, не может получить ответа на вопрос о том, как осуществляются эти процессы. Для пользователя обученная сеть подобна «чёрному ящику». Многие из недостатков, такие как неинформативность результата, могут быть устранены с помощью систем с нечеткой логикой, которые используют основные понятия теории нечетких множеств [18].

Системы управления на основе нечёткой логики. Нечёткое множество — это такое множество, которое содержит совокупность элементов произвольной природы. Причём относительно этих элементов нельзя с полной определенностью сказать, принадлежит или не принадлежит тот или иной элемент рассматриваемой совокупности данному множеству [18].

Нечёткая логика выделяется из теории нечётких множеств и представляет собой разновидность непрерывной логики, в которой логические формулы могут принимать истинностные значения между 1 и 0. Следует отметить, что результат, полученный в системах с нечёткой логикой, также представляется неточно, нечётко. Для того чтобы получить какое-либо конкретное значение, которое может быть использовано в управляющих системах, применяются системы нечёткого вывода. Процесс нечёткого вывода представляет собой некоторую процедуру или алгоритм получения нечётких заключений на основе нечётких предпосылок или условий. Системы нечёткого вывода позволяют решать задачи принятия решений, распознавания образов, классификации данных и многие другие [24].

Можно сказать, что системы с нечёткой логикой являются удобными и полезными для объяснения получаемых с их помощью результатов, они обеспечивают более высокую устойчивость к воздействию внешних факторов.

Системы на основе нейро-нечёткого управления. Искусственные нейронные сети и системы с нечёткой логикой эквивалентны друг другу, но, тем не менее, у них имеются собственные достоинства и недостатки. По этой причине особый интерес представляет комбинирование вышеописанных подходов.

Системы управления на основе идеального моделирования тепловых объектов. Системы, построенные с помощью данного подхода, не относятся к классу адаптивных.

Невозмущённое движение тепловых объектов управления описывается общим законом сохранения энергии, показанного в формуле (3).

(3)

В этом уравнении кинетическая энергия T определяется пространственной скоростью теплового потока, а потенциальная тепловая энергия W является функцией координат. В более общем случае потенциальная тепловая энергия является также и функцией времени, показанной в формуле (4).

(4)

Любой источник теплоты может быть представлен с помощью элементарных тепловых источников, которые стоит рассматривать как распределённые в пространстве и времени величины. Такое описание процессов в тепловых объектах достаточно правильно характеризует физическую сущность процессов. При исследовании реального теплового процесса необходимо учитывать также и сопротивление потоку теплоты, которое может быть описано с помощью функций рассеяния вида . Отсюда следует, что общие уравнения движения для объектов, в которых происходят тепловые процессы, всегда выражаются с помощью распределённых величин — функций координат и их скоростей. Поэтому такие объекты следует описывать дифференциальными уравнениями в частных производных. В более простых случаях, когда зависимость от координат выражена слабо, используя понятия предельных образов, приводящих к сосредоточенным в точках величинам, тепловые объекты удается описать удовлетворительным образом и с помощью обыкновенных уравнений [3].

Рассмотрим существующие средства управления тепловыми объектами и определим их тип в соответствии с описанной выше классификацией систем управления тепловыми объектами.

Система управления технологическим процессом температурного отжига трансформаторной стали в колпаковых печах типа СГВ-16-20, предложенная Кудиновым И.Ю. в работе [26], содержит в себе композицию нечёткого и релейно-импульсного регулятора. Основной задачей управления колпаковой печью является поддержание в трех зонах температуры отжига, близкой к заданному графику T(t). Заданная температура отжига представляет собой функцию времени, форма которой зависит от марки стали.

Управляющими переменными являются напряжения переменного тока, подводимые к трем нагревателям и принимающие значения «1» или «0». Наличие всего двух значений управляющих воздействий определило выбор релейного регулятора. На необходимость добавления нечёткого регулятора повлиял тот факт, что колпаковые печи отжига, как и многие тепловые агрегаты,работают в условиях нестационарности во времени статических и динамических характеристик [26].

Наиболее типичный вид функции T(t) представлен на рисунке 3.

Рисунок 3 — График заданной температуры отжига

Нужна помощь в написании диплома?

Подробнее

Программное обеспечение системы стабилизации температуры, разработанное на основании предложенной методики, было успешно внедрено на 24 электрических колпаковых печах отжига в листопрокатном цехе №2 ОАО «НЛМК».

Бельгийская компания «Drever International», входящая в группу «LOIGroup», предлагает комплексное решение по управлению линией непрерывного оцинкования металлической полосы. В данный продукт входит и система управления печью сушки цинкового покрытия. Управление печным агрегатом заключается в определении температурных режимов печи и скорости движения полосы, необходимых для качественного прилипания цинка. Построение модели осуществлялось на основании подхода с позиции «чёрного» ящика с использованием нейросетевых методов. Основной причиной, определившей использование именно этого подхода, является сложность формализации теплофизических законов [27].

Для управления процессом охлаждения листа на стане 5000 листопрокатного цеха №3 ОАО «Северсталь» была разработана система с нейросетевым регулятором (рисунок 4). Исходя из заданных значений расхода воды по секциям установки, начальной температуры металла и требуемой температуры листа, рассчитывается необходимая скорость полосы. В качестве топологии был выбран многослойный персептрон. Перед работой системы необходимо произвести обучение нейронной сети на основе данных истории охлаждений. Обучение происходит по алгоритму обратного распространения ошибки [28].

Рисунок 4 — Система расчёта технологической скорости рольгангов на установке контролируемого охлаждения листа

На Череповецком металлургическом комбинате при производстве холоднокатаного проката используются непрерывные травильные агрегаты. Для управления процессом травления используются система, разработанная немецкой компанией «Fest» (рисунок 5).

Выделяют 2 уровня автоматизации. Уровень 1 — это аппаратный уровень (контроллеры и оборудование), уровень 2 — уровень программного обеспечения и планирования. В процессе травления подсистема отслеживания производства рассчитывает и сохраняет технологические параметры в базе данных вместе с другими данными, поступающими с уровней 1 и 2 в конце каждого цикла травления.

Подсистема регулирования концентрации травильного раствораиспользует значение плотности окалины фактической полосы для расчёта значения расхода свежей кислоты. Для этого применяется физико-химическая модель, построенная на основе подхода к моделированию с позиции «белого ящика» [29].

Рисунок 5 — Система управления процессом травления металла

Подсистема оптимизации производства, регулирующая скорость полосы и температуру в ваннах травления использует нейро-сетевые методы. Для обучения нейро-сетевой модели используются экспериментальные данные, записанные в базу данных подсистемой отслеживания производства.

Немецкая фирма «gatv» предлагает математическую модель процесса сушки лакокрасочного материала на агрегате полимерных покрытий металла. Данная модель определяет качество прилипания краски на поверхности металла при заданных значениях печных температур, мощностей двигателей отвода взрывоопасной газовой смеси, габаритов полосы и марки стали [30]. Система управления, разработанная на основе этой модели, сочетает в себе классическую подсистему управления на основе идеального моделирования теплового объекта и адаптивную систему с беспоисковой адаптацией. Параметры эталонной модели, как и для всех систем данного типа, были определены на этапе проектирования. По этой причине при смене сортамента или технологических требований, а также при износе оборудования данная система теряет свою актуальность.

Робастные и релейные системы управления широко применяются международной компанией Honeywell. Одним из направлений деятельности данной фирмы является автоматизация технологических процессов в металлургии. В составе своих решений они предлагают программы для контроллеров, применяемых для управления наиболее типичных агрегатов. Использование этих алгоритмов управления на основе релейных и робастных методов не получило широкого применения, поскольку их приходится дополнять и исправлять с учётом специфики конкретного применения.

Рассмотрим модели тепловых объектов. Модель теплового расчёта объекта сложной формы, разработанная компанией «CADFEM», предназначена для проведения расчётных и экспериментальных исследований теплового состояния сложной конструкции, включающей в себя компоненты, образующие закрытые полости и конфигурации, характеризуемые контактной теплопроводностью и сложным радиационным теплообменом [31].

С помощью данной модели осуществляется расчет стационарного теплового состояния методом установления. На рисунке 6 представлен пример расчёта распределения температур на поверхности сложного объекта, покрытого эмалью AK 512.

Рисунок 6 — Распределение температуры на объекте с покрытием

Нужна помощь в написании диплома?

Заказать диплом

Учебный стенд «Тепловой объект», разработанный НПФ «Круг» (рисунок 7) предназначен для моделирования теплообменных процессов, а также для построения систем управления такими процессами. К основным функциональным возможностям стенда можно отнести:

дистанционное измерение температуры до и после заслонки;

дистанционное управление нагревательным элементом (накалом инфракрасной лампы) с помощью унифицированного аналогового сигнала тока, подаваемого на тиристорный регулятор;

дистанционное управление скоростью вращения вентилятора с помощью унифицированного аналогового сигнала тока, подаваемого на тиристорный регулятор;

возможность строить контуры регулирования технологических параметров различной сложности, в том числе реализовывать каскадное регулирование.

Рисунок 7 — Схема учебногостенда «Тепловой объект»:

— секционная задвижка, 2 — датчик температуры, 3 — четырехпозиционная заслонка, 4 — ручка управления четырех позиционной заслонкой, 5 — датчик температуры, 6 — инфракрасная лампа, 7 — вентилятор.

Стенд состоит из следующих частей: термоизолированного корпуса цилиндрической формы, нагревательного элемента (инфракрасная лампа накаливания) с тиристорным регулятором, вентилятора с тиристорным регулятором, четырехпозиционной заслонки с ручным приводом, двух датчиков температуры, расположенных до и после заслонки.

Из анализа зарубежных и отечественных систем управления тепловыми объектами можно сделать вывод, что для их разработки применяются все вышеописанные типы адаптивным систем управления и системы управления на основе идеального моделирования теплового объекта. Как видно из приведенных примеров существующих средств управления, для решения многих задач сложно ограничиться одним типом системы и методов, что приводит к необходимости их композиции. Существующие системы управления многосвязными тепловыми объектами агрегата полимерных покрытий функционируют на основе идеального моделирования теплового объекта и беспоисковой самонастройки. Применение данных подходов не позволяет определять управляющие воздействия для нового вида сортамента. Кроме того, настройка эталонного состояния системы на этапе проектирования приводит её в неактуальное состояние при длительной эксплуатации и износе оборудования.

Далее был рассмотрен процесс гуммирования оцинкованной полосы как объект управления. Это необходимо для определения конкретных типов систем и методов, применение которых возможно для его управления.

.2 Характеристика процесса гуммирования оцинкованной полосы как объекта управления

Технология нанесения гуммированного покрытия при производстве предварительно окрашенного проката заключается в химической подготовке полосы, нанесении краски на полосу и термообработке полосы для гуммирования (закрепления) краски. На данный момент существует два основных способа нанесения лакокрасочного покрытия на металл — порошковый и валковый методы.

В процессе гуммирования частицы резины электрически заряжаются от внешнего источника или электризацией при трении. Электрическим полем частицы резины переносятся к изделию, которое имеет противоположный заряд. Не осевшие на изделие частицы резины улавливаются в камере напыления и могут быть использованы для повторного напыления. Далее изделие с нанесенной резиной переносится в камеру вулканизации для «запекания» резины.

В процессе формирования покрытия из нанесенного резинового слоя создается монолитное качественное покрытие на поверхности изделия.

Нужна помощь в написании диплома?

Заказать диплом

Процесс формирования покрытия осуществляется путем нагрева слоя резины до состояния его оплавления с образованием монолитного слоя. При последующей обработке в результате отвердения (для термореактивных материалов) или охлаждения (для термопластичных материалов) слоя образуется твердая пленка.

Технологический процесс вулканизации рулонного металлопроката методом представлен следующими этапами [2]:

Подготовка поверхности перед окраской:

двойное обезжиривание поверхности полосы в специальных ваннах с применением вращающихся щеток, с последующей двойной промывкой чистой водой распылением форсунками;

пассивация поверхности полосы специальным хроматирующим раствором с последующей сушкой горячим воздухом.

Вулканизация полосы:

нанесение резины на полосу;

сушка резины в сушильных печах по зонам при заданных температурах;

намотка окрашенной полосы в рулоны.

Исходным материалом для производства проката с полимерным покрытием являются холоднокатаные горячеоцинкованные полосы в рулонах из низкоуглеродистых и углеродистых качественных и обыкновенного качества марок стали с химическим составом по ГОСТ 9045-93, ГОСТ 1050- 88, ГОСТ 380-05, EN 10326-04, EN 10327-04 [33].

Для нанесения гуммированного покрытия чаще всего используют марку стали «08пс». Её физические свойства при различных температурах представлены в таблице 1. В таблице введены следующие обозначения физических величин: — температура, при которой получены данные свойства;- модуль упругости первого рода;

α — коэффициент температурного расширения (диапазон 20o — T);

λ — коэффициент теплопроводности (теплоемкость материала);

Таблица 1 -Физические свойства марки стали «08пс»

Нужна помощь в написании диплома?

Подробнее

T, ºС	E, МПа	α·106, 1/ ºС	λ, Вт/(м· ºС)	ρ, кг/м3	C, Дж/(кг·ºС)	R·109, Ом·м
20	2.03
100	2.06	12.5	60	7846	482	178
200	1.83	13.4	56	7814	498	252
300		14	51	7781	514	341
400		14.5	47	7745	533	448

Размеры холоднокатаных горячеоцинкованных полос и исходных рулонов [34]:

толщина полосы: 0,4-1,2 мм;

толщина полосы: 900-1550 мм;

наружный диаметр рулона: не более 2100 мм;

внутренний диаметр рулона: 600-620 мм;

масса рулона: до 35 т;

телескопичноть: не более 10 мм;

предельное отклонение по ширине полосы: 5 мм.

Механические свойства исходных полос по способности к вытяжке стальной основы должны соответствовать требованиям заказов и отвечать ГОСТ 9045-93, ГОСТ 14918-80, ГОСТ 52246-2004, EN 10326-04, EN 10327-04 (в соответствии с сертификатом качества на подкат) [33].

Ниже приведено схематическое изображение непрерывной линии по покрытию рулонного металла (рисунок 8). Такую линию также называют агрегатом гуммированных покрытий [1, 2].

Сушка резинового покрытия состоит в нагреве основного материала до пиковой температуры металла, при которой происходит вулканизация и отверждение покрытий. Значение пиковой температуры металла равно температуре вулканизации.

Рисунок 8 — Схема линии по вулканизации металла:

— разматыватель рулонов; 2 — сшивка лент; 3, 11 — накопитель ленты; 4 — химическая подготовка поверхности; 5 — нанесение резинового слоя; 6 — сушка в печи грунтовочного слоя; 7, 10 — водяное охлаждение; 8 — нанесения защитного слоя; 9 — сушка в печи отделочного слоя; 12 — резка; 13 — наматыватель рулонов.

Нужна помощь в написании диплома?

Подробнее

Время отверждения колеблется в интервале от 20 до 70 секунд при пиковой температуре металла. Для различных марок стали и резины эта температура варьируется в диапазоне от 220 ºС до 260 ºС. Сушка гуммированных покрытий осуществляется в проходной печи в среде рециркулируемого потока воздуха. Максимально допустимая температура циркуляционного воздуха в зонах печи составляет 400 ºС. Воздух подаётся соплами в направлении, перпендикулярном направлению движения полосы. Печь включает в себя 7 зон, каждая из которых оснащена отдельной горелкой (рисунок 9).

Рисунок 9 — Схема печи сушки отделочного слоя

Тепловой режим вулканизации рассчитывается для каждого типа материала с учётом следующих факторов:

толщина и ширина исходного металла;

толщина наносимого слоя резины;

скорость полосы в технологической части агрегата гуммированных покрытий;

объём отработанного воздуха, отводимого из печи;

мощность вентиляторов расположенных в зонах печи.

Для достижения соответствия физико-механических свойств покрытия допускается корректировка пиковой температуры поверхности металла в пределах ±5 ºС от указанной в сертификате на партию [33].

Для управления процессом сушки полимерного покрытия технический персонал цеха покрытий металла использует:

показания контрольно-измерительных приборов, установленных на пультах оператора;

данные технологических карт, составляемых работниками цеха покрытий металла;

личные визуальные наблюдения за внешним видом полосы.

Выводы

Нужна помощь в написании диплома?

Цена диплома

На основе системного анализа процесса гуммирования оцинкованной полосы определены модели и методы, применение которых необходимо для реализации метода управления: имитационная модель процесса сушки полимерного покрытия, метод оптимизации технологических параметров процесса полимеризации на основе генетического алгоритма и модель нейро-нечёткого управления процессом.

Определено, что разработка и реализация метода управления процессом вулканизации оцинкованной полосы на агрегате полимерных покрытий на основе нейро-нечетких сетей является актуальной и перспективной научно-технической задачей с точки зрения экономической выгоды, сокращения издержек и оптимизации производства.

Установлено, что процесс вулканизации оцинкованной полосы в печах агрегата покрытий металла является многосвязным объектом с распределённостью параметров по координате, работающим в условиях нестационарности и требует системного подхода к изучению.

Определены требования, предъявляемые к математическому обеспечению системы управления многосвязными тепловыми объектами агрегата покрытий металла: обеспечение функционирования в режиме непосредственной связи с объектом и в режиме реального времени, разнообразия выполняемых функций при их относительной неизменности во время эксплуатации, обмена информацией с большим количеством её источников и потребителей в процессе решения основных задач, работоспособности в условиях, ограничивающих время расчета управляющих воздействий.

2.МАТЕМАТИЧЕСКОЕ ОБЕСПЕЧЕНИЕ СИСТЕМЫ НЕЙРО-НЕЧЁТКОГО УПРАВЛЕНИЯ МНОГОСВЯЗНЫМИ ТЕПЛОВЫМИ ОБЪЕКТАМИ АГРЕГАТА ГУММИРОВАННЫХ ПОКРЫТИЙ МЕТАЛЛА

Концептуальное проектирование — начальная стадия проектирования, на которой принимаются решения, определяющие последующий облик системы, и проводятся исследование и согласование параметров созданных решений с возможной их организацией. В настоящее время становится постепенно осознанным то, что для построения систем на качественно ином уровне новизны, а не просто их модернизации, необходимо быть вооруженным теоретическими представлениями о том, в каком направлении развиваются системы. Это необходимо для организации управления этим процессом, что повысит как показатели качества этих систем, так и эффективность процессов их проектирования, функционирования и эксплуатации [39].

На данном этапе необходимо сформулировать задачу управления, из которой получим задачи исследования. После анализа процесса полимеризации оцинкованной полосы как объекта управления необходимо определить границы предметной области, представляющие интерес при построении модели управления процессом, т.е. определиться с требуемым уровнем абстракции моделей, которые предстоит построить.

Важнейшим приемом системного исследования является представление любых сложных систем в виде моделей, т.е. применение метода познания, в котором описание и исследование характеристик и свойств оригинала заменяется описанием и исследованием характеристик и свойств некоторого другого объекта, который в общем случае имеет совершенно другое материальное или идеальное представление. Важно, что модель отображает не сам объект исследования в наиболее близком к оригиналу виде, а только те его свойства и структуры, которые в большей степени интересуют для достижения поставленной цели исследования.

Задача управления заключается в задании таких значений параметров процесса вулканизации оцинкованной полосы, которые позволят достичь максимального коэффициента прилипания при минимальном расходе энергоресурсов.

К качеству произведенного предварительно окрашенного проката предъявляется ряд требований, которые описаны в ГОСТ, перечисленных в разделе 1.3. Процесс сушки в печах агрегата гуммированных покрытий влияет только на качество прилипания к подложке. Поэтому такие дефекты как неравномерность покрытия, отклонение по блеску и рытвины в данной работе не рассматриваются.

Для осуществления процесса сушки полимерного покрытия необходимо знать следующий набор технологических параметров: температуры 7 печных зон (Tз1…Tз7), скорость линии (V), плотность и теплоёмкость металлической подложки (r, с), толщина и начальная температура полосы (h, Tнач.), интервал температур полимеризации наносимой краски ([Tпол1;Tпол2]).

Эти параметры в производстве принято называть рецептом.

Такие параметры как мощность вентиляторов, установленных в печных зонах, объем подводимого чистого воздуха, параметры взрывоопасности лаков исключаются из рассмотрения, так как они влияют на скорость прогрева зон перед сушкой и концентрацию взрывоопасных газов, которые в данной работе не раскрываются. Их регулирование осуществляется отдельно от управления самим процессом вулканизации.

Определим задачи исследования, которые необходимо выполнить для достижения цели управления. Отметим, что текущее состояние системного анализа предъявляет особые требования к решениям, принимаемым на основе исследования полученных моделей. Мало просто получить возможные решения (в данном случае, значения температур печных зон) — необходимо, чтобы они были оптимальны. Системный анализ, в частности позволяет предложить методики принятия решений по целенаправленному поиску приемлемых решений путем отбрасывания тех из них, которые заведомо уступают другим по заданному критерию качества. Цель его применения к анализу конкретной проблемы состоит в том, чтобы, применяя системный подход и, если это возможно, строгие математические методы, повысить обоснованность принимаемого решения в условиях анализа большого количества информации о системе и множества потенциально возможных решений [39].

Нужна помощь в написании диплома?

Подробнее

В связи с тем, что на данном этапе нам известны только входные и выходные параметры моделей, опишем их с помощью подхода с позиции «чёрного ящика».

Первая задача, которую необходимо решить, — это построить имитационную модель процесса сушки покрытия, т.е. получить математическое описание объекта, использующееся для проведения экспериментов на компьютере в целях проектирования, анализа и оценки функционирования объекта. Это нужно, чтобы определить, до какой величины повысится температура поверхности металла (Тпов. вых.) при выходе из печи при заданных значениях скорости полосы, толщины, плотности, теплоёмкости и начальной температуры металла, а также температур печных зон. В дальнейшем сравнение величины, полученной на выходе этой модели, с температурой полимеризации краски позволит сделать вывод о качестве прилипания покрытия (рисунок 10).

Рисунок 10 — Концептуальная имитационная модель процесса сушки покрытия

Вторая задача — разработать метод оптимизации технологических параметров процесса вулканизации оцинкованной полосы. Для её решения необходимо осуществить формализацию критерия качества управления и построить модель оптимизации технологических параметров. В связи с тем, что регулирование температурного режима осуществляется за счёт изменения температур печных зон (Tз1…Tз7), данная модель должна оптимизировать их значения (Tз1опт…Tз7опт) согласно критерию качества управления (рисунок 11). Данная модель на вход получает и температуры вулканизации, поскольку без них невозможно определить качество прилипания краски к металлической подложке.

Рисунок 11 — Концептуальная модель оптимизации технологических параметров

.2 Метод управления многосвязными тепловыми объектами агрегата гуммированных покрытий

Модуль, реализующий метод оптимального управления многосвязными тепловыми объектами агрегата защитных покрытий, имеет две составляющие — блок оптимизации и блок расчёта температур печных зон. Обе эти части имеют своё собственное математическое обеспечение.

Блок оптимизации позволяет подготовить набор данных для обучения блока управления. В нём реализован метод оптимизации технологических параметров на основе генетического алгоритма. Данный блок содержит в себе имитационную модель процесса сушки покрытия и предназначенную для проверки адекватности оптимизированных данных. Данный блок осуществляет оптимизацию рецептов, полученных из ретроспективных данных о работе агрегата, и позволяет подобрать оптимальные значения температур печных зон для каждого рецепта. Оптимизированные таким образом рецепты и будут являться обучающими данными для блока управления.

Модель управления была получена благодаря использованию подхода децентрализации. Так общая модель управления была разбита на семь подмоделей, вычисляющих температуру каждой из печных зон. Для реализации каждой подмодели используется нейро-нечёткая сеть. Процедура структурной и параметрической идентификации всех подмоделей идентична. Отличие заключается в количестве входных переменных. В блоке расчёта температур печных зон отсутствует явная реализация критерия и правила оптимального управления. Оптимальность управляющих параметров, полученных с помощью данного модуля, обеспечивается за счёт обучения на данных, прошедших процедуру эвристической оптимизации по целевой функции.

.3 Имитационная модель процесса сушки материала на поверхности металлической полосы в печах агрегата гуммированных покрытий металла

Идея метода имитационного моделирования заключается в том, что вместо аналитического описания взаимосвязей между входами, состояниями и выходами строят алгоритм, отображающий последовательность развития процессов внутри исследуемого объекта, а затем «проигрывают» поведение объекта на ЭВМ. Следует отметить, что поскольку для имитационного моделирования зачастую используются выборки со значительным количеством статистических данных, издержки, связанные с имитацией, почти всегда высоки по сравнению с расходами, необходимыми для решения задач на небольшой аналитической модели.

Имитационные модели не накладывают жестких ограничений на используемые исходные данные, позволяют в процессе исследования использовать всю собранную информацию вне зависимости от ее формы представления и степени формализации [30, 31].

Оценка адекватности и точности математической модели является важнейшей задачей моделирования, так как любые исследования на неадекватной модели теряют смысл. Но с ростом адекватности и точности модели возрастают как стоимость, так и ценность ее для исследования. Приходится решать вопрос о компромиссе между стоимостью модели и последствиями ошибочных решений из-за её неадекватности исследуемому процессу. Оценка адекватности и точности модели представляет собой непрерывный процесс, начинающийся с начала исследования и осуществляющийся на практике за счет повторения цикла «построение модели — проверка модели». Трудность состоит в том, что понятие адекватной модели не имеет количественного измерения. Достоверность и точность имитационной модели будет определяться тем, насколько оптимально сочетаются в ней сложность модели, метода расчета и точность входной информации.

Оценка адекватности построенной имитационной модели, в конечном счете, либо позволит убедиться, что с ее помощью будут получены результаты, которые действительно характеризуют функционирование исследуемого объекта, либо сделать вывод о необходимости корректировки имеющейся модели и ее направлениях [30, 32].

Нужна помощь в написании диплома?

Цена диплома

.3.1 Статистическая модель поверхностных явлений при покраске оцинкованной полосы

Полимеризация оцинкованной металлической полосы — поверхностное явление, основным результатом которого — возникновение крепкой адгезионной связи. Адгезия — сцепление поверхностей разнородных твёрдых и/или жидких тел, обусловленное межмолекулярным взаимодействием. Для рассматриваемой задачи под адгезией понимается прилипание полимерного покрытия к поверхности оцинкованного металла [33].

В наиболее распространенной модели Рауза, используемой для описания динамики полимерных молекул,полимерная структурапредставляется как последовательность частиц, связанных в цепь [33, 34]. Эти связи не сопровождаются переносом заряда от подложки к адатому или наоборот. При более высоких температурах осуществляется обмен электронов между адсорбированной частицей и поверхностью, при котором образуется довольно сильная химическая связь между ними, и о частице говорят, что она хемосорбирована. Каждый адатом теперь оказывается в гораздо более глубокой потенциальной яме Ec. Чтобы попасть в эту яму, частица должна преодолеть энергетический барьер Eb.

Частица может выйти из состояния хемосорбции лишь в том случае, если

выполняется условие.

Задачи статистической механики имеют точное решение лишь в исключительных случаях. Как правило, их приходится решать приближённо. Существующие приближённые методы решения статистических задач можно разбить на следующие группы [36]:

кластерный подход, при котором моделью служит небольшой кластер;

приближённые интегральные уравнения для корреляционных функций, а именно уравнения Кирквуда или Перкуса-Йевика для описания термодинамических характеристик простых жидкостей;

разложение в ряд по степеням подходящей переменной, при котором используется обратная температура или плотность;

метод ренорм-групп Вильсона, реализующий последовательное вычисление статистической суммы, причем на каждом этапе ренормализованный гамильтониан определяется заново.

численное моделирование с помощью метода Монте-Карло.

Следует отметить, что для расчёта фазовых диаграмм адсорбированных частиц в последнее время наиболее активно используется метод Монте-Карло. В рассматриваемой работе в начальный момент времени t = 0 принималось, что для всех узлов решеткиni,j= 0, т.е. адсорбции не было. Расчеты производились с помощью компьютерного моделирования методом Монте-Карло на основе алгоритма Метрополиса, в котором генерируется случайный процесс, который состоит из набора последовательных конфигураций системы. По ансамблю таких систем при достаточно большом числе входящих в него конфигураций можно вычислять средние значения практически любых равновесных физических величин [33, 36].

В дальнейшем было произведено вычисление относительной степени заполнения поверхности металла звеньями гуммированных цепей как отношение числа адсорбированных узлов к общему числу узлов решетки (5).

,(5)

На рисунке 12б показаны результаты вычислений величины при различных распределениях температур T(t), значения которых показаны на рисунке 12а.

а)	б)

Рисунок 12 — a) зависимость температуры стальной полосы от времени; б) относительная степень заполнения поверхности металла звеньями гуммированных цепей при соответствующем режиме изменения температуры

При низких значениях температуры (кривая 1 на рисунках 12а и 12б) прилипание слабое. При очень высоких температурах (кривая 3) прилипание возникает, но впоследствии уменьшается. В этом случае после окончания сушки гуммированного покрытия оно отстанет от поверхности, что является главным типом дефектов при покраске металла методом «CoilCoating» [37, 38]. Распределение температур на поверхности стальной полосы, определяемое кривой 2, является оптимальным для максимального прилипания. Поэтому выбор оптимального температурного режима является важной технологической задачей.

При моделировании процесса прилипания использовались значения микроскопических параметров (например, величины Ep, Ec, g и др.), которые первоначально были неизвестны.

Нужна помощь в написании диплома?

Заказать диплом

Таким образом, необходимо осуществлять прогнозирование температуры поверхности металла на выходе из печи, что позволит определить качество прилипания. Для этого необходимо построить модель процесса сушки полимерного покрытия в печной установке.

.3.2 Математическая модель процесса сушки полимерного покрытия на поверхности оцинкованной полосы

Кратко рассмотрим основные методы сушки лакокрасочных покрытий. В зависимости от характера переноса тепла различают сушку за счёт конвекции или различного рода облучения [12].

Конвекционная, или циркуляционная сушка осуществляется за счёт движения потока нагретого воздуха на изделия, причём на их поверхности происходит интенсивный теплообмен. Нагретый воздух охлаждается, передавая тепловую энергию окрашиваемому изделию. При этом температура изделия повышается, и лакокрасочное покрытие нагревается.

Для нагревания воздуха в сушилках циркуляционного типа могут использоваться все известные источники энергии. На практике чаще всего применяют природный газ.

Различают прямой и косвенный обогрев. В сушилках с косвенным обогревом перенос энергии в циркулирующий воздух осуществляется с помощью теплообменников. В аппаратах с прямым обогревом сушильная среда нагревается путём введения нагретых газов, образующихся в результате сгорания природного газа. Прямой обогрев более выгоден с точки зрения экономии энергии. Но может быть использован только в тех случаях, когда чистота топочных газов исключает возможность загрязнения окрашиваемой поверхности, так как в противном случае может произойти пожелтение покрытия или внесение частичек сажи, образующихся в результате неполного сгорания [39].

Сушка инфракрасным (ИК) облучением использует еще один способ передачи энергии для отвержения. Интенсивность ИК-излучения зависит от диапазона длины волн и температуры излучателя. Различают длинно-, средне-, коротко- и ультракоротковолновое излучение.

ИК-лучи в зависимости от свойств облучаемой поверхности могут поглощаться или отражаться. Светлые гладкие поверхности, как и при воздействии световых лучей, отражают большую часть облучения по сравнению с шероховатостями и тёмными поверхностями. Неотражённая часть облучения преобразуется в тепло, что приводит к повышению температуры изделий и нагреванию слоя. Преимущество сушки ИК-облучением заключается также и в возможности переноса большого количества энергии за очень короткий промежуток времени. Это позволяет быстрее подготовить сушилку к работе, быстрее нагреть окрашиваемые изделия, а также значительно сэкономить рабочие площади благодаря более короткому пути изделий в процессе сушки [9].

На агрегате полимерных покрытий металла используются печи, сочетающие оба эти метода сушки покрытия. При этом используется прямой обогрев конвекционной сушки и сушка длинноволновым ИК-излучением.

Теплообмен между нагретыми конструкциями и другими объектами количественно характеризуется тепловым потоком и его плотностью. Тепловым потоком называется количество тепла Q передаваемое от тела с более высокой температурой к телу с более низкой температурой в единицу времени t.Количество тепла, получаемое полосой определяется выражением [35]:

(6)

где с — теплоёмкость стали, из которой изготовлена полоса,

— плотность стали,- толщина полосы, a — длина полосы, b — ширина полосы, τmax — время нахождения полосы в печи.

В расчётах используют три вида удельных тепловых потоков [25]:

поверхностную плотность теплового потока;

линейную плотность теплового потока;

Нужна помощь в написании диплома?

Цена диплома

объёмную плотность теплового потока.

Для процесса сушки полимерного покрытия используется поверхностная плотность теплового потока[39, 30, 31].Количество тепла, передаваемое от печи металлической полосы будет иметь вид:

(7)

Исходя из уравнения теплового баланса, приравняем выражения (6) и (7)

и получим выражение:.

Из этого следует, что .

Т.к. интеграл равен нулю, то и подинтегральное выражение равно нулю. Следовательно, получим

Расчёт критерия Bi (Био), отражающего соотношение эффективности переноса тепла от воздушной среды к поверхности полосы с эффективностью теплопроводности от поверхности в глубь полосы, показал возможность пренебрежения изменением температуры по толщине полосы. Исходя из этого, получим

(8)

С помощью данного выражения, зная начальную температуру полосы, параметры марки стали и плотность теплового потока, проходящего через поверхность металла, можем определить температуру поверхности металла в любой момент времени.

При оценке величины теплового потока необходимо учесть тот факт, что в печах реализовано одновременно два метода сушки. Следовательно, передача тепла в печи осуществляется совместно конвекцией и излучением. Такой теплообмен называется сложным или радиационно-конвективным. По этой причине плотность теплового потока, описанная в правой части выражения (10), будет иметь две составляющие — конвективный тепловой поток и лучистый тепловой поток [12].

Процесс теплообмена между поверхностью полосы с температурой T полосы и некоторой газообразной средой с температурой T печи,обусловленной естественным или принудительным перемешиванием среды около поверхности, носит название конвективного теплообмена. Передача тепла осуществляется за счёт переноса массы нагретого вещества. Естественная конвекция обеспечивается в присутствии гравитации подъёмом теплого воздуха вверх, поскольку, нагревшись, он становится легче. Принудительная конвекция обеспечивается перемещением воздуха вентилятором. Так полный тепловой поток, отдаваемый средой нагреваемому объекту за счёт конвекции, можно определить с помощью выражения (9).

(9)

где — коэффициент конвективного теплообмена.

Этот коэффициент представляет собой тепловой поток между единицей поверхности твёрдого тела при разности температур между телом и средой в один градус. В данном случае зависит от температур Tполосы, Tпечии ряда физических констант среды:

гдеb — коэффициент объёмного расширения среды, — коэффициент теплопроводности среды, Сp — удельная теплоёмкость среды при определённом давлении, v — коэффициент кинематической вязкости среды, a — коэффициент температуропроводности среды, Ф — совокупность параметров, характеризующих форму и поверхность тел.

Процесс теплообмена излучением основан на способности тел излучать и поглощать тепловую энергию в виде электромагнитных волн инфракрасного диапазона. Для полосы с температурой Tполосы, помещённого в газовую среду с температурой Tпечи, результирующий тепловой поток, направленный от газообразной среды нагреваемому телу, определяется соотношением (10) [9]:

(10)

где — коэффициент излучения абсолютно чёрного тела, — приведённая степень черноты поверхностей тел, участвующих в теплообмене, — коэффициент взаимной облучённости тел.

Используя выражения (8), (9), (10), получим:

(11)

Зависимость физических констант среды от температур и бесконечное разнообразие возможных форм поверхности нагреваемых тел исключает возможность получения табличных значений конвективных и лучистых коэффициентов теплопередачи теоретическими методами. Поэтому эти величины необходимо подбирать на основе экспериментальных данных [37,32,33].

Для простоты записи и облегчения программной обработки, объединим эти константы в коэффициенты kк и kл. Кроме того, в этих коэффициентах будут учтены потери тепла. Полученная формула представлена в выражении (12).

(12)

В качестве примера на рисунке 13 показано распределение температуры внутри печи (Tпечи) как заданные дискретные величины в центре каждой из семи зон печной установки агрегата полимерных покрытий металла.

Рисунок 13 — Зависимость температуры поверхности металлической полосы от температур печных зон

Нужна помощь в написании диплома?

Заказать диплом

Для точного решения уравнения (12) численными методами необходимо представить температуру печи как непрерывную функцию от времени t. Для функции Tпечи(t) была произведена интерполяция с помощью полинома Лагранжа (кривая 1). Заданные значения температуры зон печи, на основании которых производилась интерполяция, обозначены символом «*». Температуры поверхности полосы в различных точках печи, полученные в результате компьютерного моделирования с использованием выражения (12), представлены на рисунке кривой 2. Экспериментальные значения температур поверхности полосы показаны на рисунке символом «o».

Методика восстановления параметров сложного теплообмена (kк и kл) описана в работах [34,35]. Коэффициенты в уравнении (12) определялись из сравнения полученных численных расчетов с экспериментальными данными. Погрешность вычислялась по формуле (13).

(13)

где Ti — температура поверхности полосы, вычисленная в центре соответствующей зоны печи, Ti* — экспериментальное значение температуры, суммирование ведется по семи зонам печи. При сопоставлении результатов моделирования с экспериментальными данными оказалось, что максимальная корреляция достигается при kк = 21,3 и kл = 0,775·10-7.

На рисунке 14 изображена зависимость температуры стальной полосы от координаты печи, вычисленная при решении уравнения (13) (кривая 2) с подобранными коэффициентами.

На рисунке 14 (кривая 1) изображена зависимость температуры полосы, движущейся со скоростью 1,1 м/с, в различных точках печи, вычисленная при оптимальном режиме прилипания. При изменении технологических параметров температурный режим стальной полосы меняется. На рисунке 14 изображены различные зависимости температуры металлической полосы от координаты печи при различных скоростях движения полосы: 1,1 м/с (кривая 1); 1,4 м/с (кривая 2); 1,7 м/с (кривая 3).При увеличении скорости движения или изменении толщины полосы нарушается тепловой режим, а, следовательно, уменьшается и прилипание. В этом случае необходимо изменять температуры зон внутри печи.

Рисунок 14 — Зависимость температуры стальной полосы от её координаты в печи

Построенная в рамках этого этапа модель позволяет подобрать температуры 7-ми печных зон в зависимости от свойств металла, толщины полосы, скорости линии и начальной температуры полосы, которые обеспечат выходную температуру поверхности металла, попадающую в интервал температур полимеризации наносимой краски. Однако набор подобранных таким образом рецептов нельзя считать оптимальным, т.к. в модели не учитываются критерии качества. Для решения этой проблемы был разработан метод оптимизации технологических параметров процесса полимеризации (рисунок 15).

Рисунок 15 — Структурно-информационная схема модуля оптимального управления

Дадим описание информационных потоков и структурных элементов с их функциональным назначением. На первом этапе из существующей базы ретроспективных данных о работе установки (БД рецептов) выбираются рецепты, температуры (Тз1,..,Тз7) которых необходимо оптимизировать. Кроме температур печных зон, в состав рецепта входят такие параметры, как интервал рекомендуемых температур гуммирования ([Tпол1, Tпол2]), скорость движения полосы (V), плотность и теплоёмкость металлической подложки (r, с), толщина полосы (h), начальная температура полосы (Tнач.).

В блок выполнения генетических операторов попадают исключительно температуры печных зон, т.к. только они нуждаются в оптимизации. В данном блоке применяются операции скрещивания, мутации и селекции, детально описанные в разделе 2.3.2. В результате этого на выходе генерируется новый набор температур печных зон (Тз1’’,..,Тз7’’). Для вычисления значения целевой функции по формуле (16) необходимо предварительно определить температуру поверхности металла (Тпов.вых.) на выходе из печной установки. Для этого используется имитационная модель, вычисляющая необходимое значение на основании нового сгенерированного набора температур печных зон и остальных параметров рецепта. Интервал рекомендуемых температур вулканизации передается в блок целевой функции, т.к. он необходим исключительно для определения значения оптимальности изменённого рецепта, а именно для расчёта качества прилипания (основного критерия оптимальности).

Блок имитационной модели передаёт вычисленное значение температуры поверхности металла в следующий блок целевой функции. Кроме того, данный блок транспортирует новые значения температур печных зон, полученные в результате применения генетических операторов, в блок вычисления целевой функции. Это необходимо для вычисления второго по важности критерия оптимальности — расхода энергоресурсов. В блоке вычисления целевой функции с помощью выражения (13) определяется оценка оптимальности рецепта (quality). В случае, если выполнилось условие остановки генетического алгоритма, выбирается рецепт с наиболее оптимальными температурами (Тз1опт,..,Тз7опт) . И передаётся в базу оптимальных рецептов (БД опт. рецептов). Если условие остановки не выполнилось, то рецепт передаётся на следующую итерацию оптимизации. С помощью данного метода оптимизации осуществляется наполнение базы данных оптимизированных рецептов.

На основании накопленной таким образом информации формируются выборки для обучения нейро-нечётких подмоделей. Обучающие данные для каждой подмодели состоят из двух частей — входного вектора и эталонного значения. Эталонным значением для каждой нейро-нечёткой подмодели будет являться оптимальное значение температуры соответствующей печной зоны. Входной вектор в обучающей выборке каждой подмодели будет состоять из остальных параметров, входящих в рецепт и дополненных оптимальными значениями температур предыдущих печных зон.

В результате обучения осуществляется параметрическая идентификация нейро-нечётких подмоделей. После этого можно перейти к расчёту управляющих значений температур печных зон (Тз1’,..,Тз7’) для конкретной полосы и краски (r’, с’, h’, V’, Тнач’, Тпол1’, Тпол2’) на рисунке входной вектор обозначен как . Далее происходит последовательный расчёт температур печных зон в каждой подмодели. При этом каждое вычисленное значение используется для расчёта выходного параметра следующей подмодели, т.е. осуществляется связь по входу.

Таким образом, с помощью метода нейро-нечёткого управления тепловыми многосвязными объектами агрегата гуммированных покрытий металла определяются значения температур печных зон, которые обеспечат максимальный коэффициент адгезии конкретного материала к металлической полосе при минимальном расходе энергоресурсов.

Выводы

На основе статистичекого моделирования поверхностных явлений и идеального моделирования теплового объекта,определено, что для достижения максимального коэффициента прилипания покрытия к подложке, необходимо обеспечить оптимальный температурный режим.

Нужна помощь в написании диплома?

Подробнее

Установлено, что задача оптимизации технологических параметров процесса вулканизации имеет многокритериальный характер, т.к. определение множества допустимых температур вулканизации способствует наличию нескольких оптимальных температурных режимов, что позволяет ввести дополнительный критерий оптимальности — расход энергоресурсов.

Выявлено, что применение генетического алгоритма для многокритериальной оптимизации технологических параметров требует минимального объема информации о задаче управления процессом вулканизации, что совместно с рандомизацией генетических операций приводит к устойчивости самого алгоритма.

Установлено, что использование нейро-нечётких методов позволяет разрабатывать модели управления, структурная и параметрическая идентификация которых осуществляется на основе ретроспективных данных, при этом дополнительная информация о функционировании объекта не требуется.

3. АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ СИСТЕМЫ УПРАВЛЕНИЯ МНОГОСВЯЗНЫМИ ТЕПЛОВЫМИ ОБЪЕКТАМИ АГРЕГАТА ГУММИРОВАННЫХ ПОКРЫТИЙ МЕТАЛЛА

После разработки метода правления перейдём к описанию его алгоритмического обеспечения, необходимого для дальнейшей программной реализации системы управления процессом вулканизации оцинкованной полосы. Алгоритмическое обеспечение, разработанное касательно конкретного объекта управления, позволяет определить необходимые структуру и состав вычислительно-управляющего комплекса. Алгоритмическое обеспечение представляет собой совокупность алгоритмов обработки информации с их взаимными связями. Алгоритмы представлены в форме структурных блок-схем с пояснительным текстом. Они служат основой для разработки программного обеспечения подсистемы обработки информации в системе управления тепловыми объектами агрегата гуммированных покрытий металла.

.1 Алгоритм оптимизации технологических параметров процесса вулканизации оцинкованной полосы

Данный алгоритм предназначен для оптимизации температур печных зон рецепта (Тз1,…,Тз7) по таким критериям, как качество прилипания и расход газа, применяемого для нагрева печи. Данный алгоритм реализован в методе оптимизации технологических параметров процесса вулканизации оцинкованной полосы, описанном в разделе 2.3. По этой причине все термины и обозначения заимствованы из этого раздела.

Стандарты промышленных предприятий предписывают использование БД для хранения информации о технологических процессах. Кроме того, внутренними стандартами по информационным технологиям предписывается использование конкретной СУБД для управления данными.

По этой причине набор рецептов, требующих оптимизации хранится в БД.

Для осуществления оптимизации технологических параметров по заявленным параметрам необходимо проделать следующие шаги:

Инициализация параметров остановки работы алгоритма оптимизации. На данном шаге задаётся ограничение на количество итераций.

Выбор конкретного рецепта, требующего оптимизации температур печных зон, входящих в него. Рецепт состоит из семи температур печных зон (Tзi, i=1,…,7), толщины (h), скорости (V), начальной температуры (Тнач.) полосы, параметров марки стали (c, ρ), границ интервала рекомендуемых температур полимеризации ЛКМ (Тпол1, Тпол2).

Генерация N наборов температур печных зон, близких к исходным, и их двоичное кодирование (Tзi’(j), i=1,…,7, j=0,…,N-1) для обработки генетическими операторами.

Для всех наборов выполняются шаги 4.1-4.3.

Нужна помощь в написании диплома?

Подробнее

Прогнозирование температуры поверхности металла (Тпов.вых.) для изменённого рецепта (r, с, h, V, Тнач, Tз1’(i),…,Tз7’(i)) с помощью алгоритма, описанного в разделе 3.1.

Расчёт целевой функции (функции оптимальности) с помощью выражения 16 для вычисленного значения Тпов.вых., Tз1’(i),…,Tз7’(i), Тпол1, Тпол2.

Сохранения значений оптимальности для всех наборов.

Проверка выполнения условия остановки. Если оно выполнилось, то выбираем набор температур с максимальным значением оптимальности и завершаем работу алгоритма, иначе — переход к шагу 6.

Селекция наборов по методу рулетки, с использованием полученных значений оптимальности.

Выполнение генетических операторов над двоичным представлением наборов температур.

Генерация новых наборов температур и их двоичное кодирование (Tз1’(i),…,Tз7’(i)). Переход к шагу 4.

Итоговая блок-схема алгоритма представлена на рисунке 16.

Рисунок 16 — Блок-схема алгоритма оптимизации технологических параметров процесса вулканизации

3.2 Алгоритм обучения модели управления процессом вулканизации оцинкованной полосы

Для расчёта температур печных зон, необходимых для оптимального управления процессом полимеризации с помощью нейро-нечёткой сети, необходимо предварительно осуществить её обучение на основе подготовленного набора данных. Эти данные представляют собой оптимизированные рецепты, полученные с помощью алгоритма оптимизации технологических параметров. Рецепты представляются в виде пар ,

где — входной вектор, а — эталонный сигнал.

Алгоритм состоит из следующих этапов:

Определить значения параметров условия остановки обучения нейро-нечёткой сети.

Инициализировать значения весовых коэффициентов.

Входной вектор (r, с, h, V, Тнач, Тпол1, Тпол2, Тпред.зон)

распространяется по сети в прямом направлении, и последовательно рассчитываются значения

На основе сравнения выхода нейро-нечёткой сети и эталонного значения Тзiопт рассчитывается погрешность на выходе модуля

Рассчитываются новые значения весовых коэффициентов связей

Нужна помощь в написании диплома?

Подробнее

и для

Затем производится замена старых значений новыми, и увеличивается счётчик числа итераций.

Цикл обучения продолжить до достижения системой требуемого состояния, при котором выполняется критерий остановки (рисунок 17).

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.

Нужна помощь в написании диплома?

Заказать диплом

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 %.

Нужна помощь в написании диплома?

Цена диплома

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.

Нужна помощь в написании диплома?

Цена диплома

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.

Нужна помощь в написании диплома?

Заказать диплом

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

Предыдущий пример

Следующий пример