Аннотация 2
ВВЕДЕНИЕ 3
ГЛАВА 1 АНАЛИЗ СОСТОЯНИЯ ВОПРОСА 7
1.1 Обзор предметной области 7
1.2. Обзор систем интеллектуальной диагностики сварки 9
ГЛАВА 2 РАЗРАБОТКА АЛГОРИТМА ДИАГНОСТИКИ СВАРКИ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХ СЕТЕЙ 22
2.1 Нейронная сеть прямого распространения как метод построения регрессионной модели 22
2.2 Источник диагностических признаков контактной сварки 27
2.3 Диагностика сварки с использованием нейронных сетей прямого распространения 31
ГЛАВА 3 ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ ПРЕДЛОЖЕННЫХ РЕШЕНИЙ 33
3.1 Программная реализация алгоритма 33
3.2 Апробация предложенных подходов и исследование точности получаемых регрессионных моделей 36
ЗАКЛЮЧЕНИЕ 40
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 42
ПРИЛОЖЕНИЕ А 45
ПРИЛОЖЕНИЕ Б 54
Купить

Контактная сварка позволяет производить неразъемные соединения деталей листовой формы.
Контактная сварка устроена следующим образом. Свариваемые детали друг относительно друга внахлест с учетом требуемого положения. Затем место планируемой сварки размещается между медными электродами (диаметр рабочей поверхности электрода составляет порядка 6 мм). Затем производится сжатие электродов с усилием порядка 300кгс с продавливанием свариваемых деталей для обеспечения плотного контакта. После этого через электроды подается несколько импульсов тока, обеспечивающих локальное расплавление деталей в зоне контакта (рисунок 1.1). После затвердевания расплавленного металла усилие электроды разжимаются. Длительность сварки - не более 0,2 секунды.
Рисунок 1.1 - Контактная точечная сварка на предприятии ПАО «АвтоВАЗ» (на производстве модели Lada Vesta)
Основной проблемой контактной сварки являет низкая стабильность получаемые сварных соединений. Это означает, что в одной партии изделий могут попадаться детали, как с качественной сваркой, так и с некачественной.
Для того, чтобы контролировать качество сварных соединений применяются различные методы контроля, которые делятся на разрушающие (механические испытания, металлография и химический анализ) и не разрушающие (визуально-оптический метод, радиационная дефектоскопия, ультразвуковая дефектоскопия, электромагнитная дефектоскопия).
Однако применение таких методов в условиях серийного производства осложнено по следующим причинам, главной из которых является невозможность их использования для сквозной диагностики абсолютно всех сварных соединений. Это, в сочетании с нестабильностью процесса сварки не позволяет гарантировать качество конечно продукции.
С развитием искусственного интеллекта, алгоритмы интеллектуального анализа данных стали активно применяться при синтезе систем управления и диагностики технологическими процессами.
В области диагностики контактной сварки алгоритма интеллектуального анализа данных применяются для того, чтобы найти взаимосвязь между косвенными параметрами, характеризующими протекание процесса сварки, и качеством получаемых соединений.
Системы диагностики сварки, основанные на таком анализе, позволяют оценивать качества сварного соединение ментально, сразу же после окончание сварки.
Исследованиями на данную тему занимаются такие ученые, как P. Laurinen, H. Junno, L. Tuovinen, J. Roning, A. Aravinthan, K. Sivayoganathan, D. Al-Dabass, V. Balendran, Б.Е. Патон, Н.В. Подола, В.С. Гавриш, M. El-Banna, D. Filev, R.B. Chinnam, Y.J. Park, H. Cho и др.
В большинстве известных исследований в качестве математического аппарата для анализа измеряемых в процессе сварки параметров применяются нейронные сети, которые дают приемлемую точность прогнозирования различных характеристик соединений.
Однако основной проблемой данных исследований является сложность их внедрения на реальные производства. Это связано с необходимостью установки в сварочную машину дополнительных датчиков (тока, напряжения, силы сжатия электродов). Так датчики устанавливаются со стороны рабочего контура сварочной машины, то это приводит к захламлению полезного рабочего пространства вокруг сварочных электродов (что является критичным при использовании на производстве подвижных сварочных роботов). Кроме того, измерение электрических параметров осложнено влиянием электромагнитных помех, что приводит к необходимости усложнения оборудования для очистки измеряемых осциллограмм тока и напряжения от помех.
Для преодоления описанных выше недостатков в данной работе предлагается оценку сварки проводить по более легким для измерения параметрам - задержка импульса тока и длительность импульса тока. Причем их измерение предлагается проводить не со стороны электродов, а наоборот - со стороны подключения сварочной машины к сети питания.
В исследовании проверяется гипотеза о том, что нейронная сеть сможет самостоятельно восстановить зависимость прочности сварного соединения от задержки а и длительности X протекания импульсов тока во время сварки.
Целью данной работы является разработка метода диагностики сварки, с использованием нейронных сетей, основанного на оценке кривой коэффициента мощности сварки.
В ходе выполнения исследований на языке C++ была разработана программа, позволяющая по данным экспериментальных сварок с помощью алгоритмов машинного обучения производить настройку нейронных сетей заданной конфигурации. Обученные нейронные сети можно использовать для оценки прочности соединения по измеряемым в процессе сварки параметрам.
Исследования, проведенные в рамках данной работы, будут использованы при выполнении гранта РФФИ на тему “Управление металлургическими процессами с использованием искусственного интеллекта”.
Элементы исследования были внедрены на предприятии ПАО «АвтоВАЗ», что подтверждено актом о внедрении.
Купить