Аннотация 2
ВВЕДЕНИЕ 5
1 АНАЛИЗ СОСТОЯНИЯ ВОПРОСА 8
2 РАЗРАБОТКА АЛГОРИТМА СИНТЕЗА НЕЧЕТКОЙ СИСТЕМЫ ДИАГНОСТИКИ КОНТАКТНОЙ СВАРКИ 11
2.1 Алгоритмы, используемые в нечетких системах управления и диагностики 11
2.2. Анализ экспериментальных данных 19
2.3 Алгоритм синтеза нечеткой системы на основе экспериментальных данных 22
3 ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ ПРЕДЛОЖЕННЫХ РЕШЕНИЙ 30
3.1 Пример использования 30
3.2 Программная реализация 35
ЗАКЛЮЧЕНИЕ 39
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 41
Контактная сварка является основным технологическим процессом, применяемым на автоматизированных производствах, для получения неразъёмных соединений деталей из листового материала.
Контактная сварка характеризуется высокой производительностью - длительность сварки одного точечного соединения от 0,1 до 0,4 секунды, а также широкой распространённостью в различных отраслях машиностроения.
Основной проблемой контактной сварки является низкая стабильность прочностных характеристик получаемых соединений. По этой причине актуальным остается вопрос разработки способов сквозной высокопроизводительной диагностики сварки. Т.е. таких способов, которые сразу после окончания сварки позволяют констатировать факт получения качественного сварного соединения [1].
Анализ литературных источников показал, что развитие алгоритмов машинного обучения позволило сформировать отдельный класс интеллектуальных систем диагностики качества сварки. Такие системы учатся прогнозировать качество сварки на основе полученных в лабораторных условиях экспериментальных данных.
В основе таких систем лежат:
• алгоритмы обучения нейронных сетей различной конфигурации,
• алгоритмы построения деревьев решений,
• различные индуктивные алгоритмы классификации.
Данные алгоритмы необходимы для нахождения и математического описания связи между измеряемыми в процессе сварки параметрами и получаемыми характеристиками соединений.
Однако в настоящее время не изучена возможность использования нечетких систем для диагностики качества сварки.
Это связано с тем, что алгоритмы синтеза нечетких систем относятся к дедуктивному типу машинного обучения. Это означает, что правила работы таких систем формулируются программистом путем опроса экспертов из предметной области. Такой подход считается устаревшим, трудоемким и не может применяться в тех случаях, когда требуется высокая точность работы (диагностики или управления).
В настоящее время исследованиями на тему совершенствования возможностей нечетких систем занимаются такие ученые, как Z. Weihong, M. Jamshidi, D. Krol, K. Zorlu, I. Saleh, M. Gabryel, M. Antonelli, M.A. Cema, C. Tran, A.F. Abate, F.X. Aymerich, B.S. Butkiewicz, D.A. Gadanayak, S. Schmidt, R. Nowicki и др [2-16].
Для преодоления описанных выше недостатков в бакалаврской работе разрабатывается математическая модель и алгоритм анализа экспериментальных данных контактной сварки и автоматизированного синтеза на их основе нечеткой системы диагностики. Данная система диагностики позволяет прогнозировать прочность сварного соединения на основе измеренных в процессе сварки параметров.
В исследовании проверяется гипотеза о том, возможности автоматизированного синтеза нечеткой системы диагностики контактной сварки.
Целью работы является снижение трудоёмкости контроля качества сварных соединений за счет разработки новых подходов к синтезу нечетких систем диагностики.
В ходе выполнения исследований была разработана программа, позволяющая, с использованием предложенных подходов, по данным экспериментальных сварок производить синтез нечетких систем диагностики.
Полученную в ходе исследований нечеткую системы диагностики сварки можно использовать для оценки прочности соединений по измеряемым в процессе сварки параметрам.
В ходе выполнения бакалаврской работы было опубликовано четыре статьи на тему практического применения алгоритмов машинного обучения [17-20].
Основные результаты работы были доложены на IV Международной научно-практической конференции (школы-семинара) молодых ученых «Прикладная математика и информатика: современные исследования в области естественных и технических наук»
Бакалаврская работа «Синтез нечеткой системы диагностики контактной сварки» направлена на разработку математической и алгоритмической модели, поэтому данная тема соответствует требованиям Федерального государственного образовательного стандарта высшего образования по направлению подготовки 02.03.03 Математическое обеспечение и администрирование информационных систем.
В результате выполнения бакалаврской работы были сделаны следующие выводы:
1. На основе проведенного литературного обзора установлено, что дальнейшее расширение систем диагностики техпроцессов возможно путем использования в них алгоритмов машинного обучения.
2. Анализ алгоритмов синтеза нечетких систем показал, что их широкое использование осложнено за счет необходимости привлечение экспертов из предметной области и “ручной” правил работы системы программистом. Поэтому актуальными являются исследования направленный на автоматизацию синтеза нечетких систем.
3. Разработан алгоритм автоматизированного синтеза нечетких систем, основанный на анализе экспериментальных данных. Он заключается в разбиении области определения входных и выходных параметров на равные диапазоны, введение на основе на основе данных диапазонов лингвистических переменных и формулирования для каждого диапазона области определения выходной переменной (на основе экспериментальных данных) по одному правилу. Для расчета выхода системы могут быть использованы стандартные алгоритмы - Mamdani и Larsen. Подробное описание приведено во второй главе.
4. Предложенный алгоритм автоматизированного синтеза нечеткой системы был использован для создания нечеткой системы диагностики контактной сваркой. Входными параметрами которой являются данные об изменения коэффициента мощности в процессе сварки. Такая система позволяет прогнозировать силу разрушения сварного соединения с точностью не менее 90%. При этом показатель RMSE составляет 480 Н.
5. В результате выполнения бакалаврской работы было реализовано программное обеспечение позволяющее демонстрировать предложенные подходы по синтезу нечетких систем на практике.
В ходе выполнения бакалаврской работы было опубликовано четыре статьи на тему практического применения алгоритмов машинного обучения [17-20].
Основные результаты работы были доложены на IV Международной научно-практической конференции (школы-семинара) молодых ученых «Прикладная математика и информатика: современные исследования в области естественных и технических наук».
