Применение коллектива искусственных нейронных сетей для управления индукционной пайкой волноводных трактов космических аппаратов
DOI:
https://doi.org/10.22213/2410-9304-2021-2-72-82Ключевые слова:
индукционная пайка, волноводные тракты, интеллектуальные технологии, искусственные нейронные сети, управлениеАннотация
В данной статье рассматривается разработка интеллектуальной технологии, предназначенной для решения задачи управления процессом индукционной пайки волноводных трактов космических аппаратов. Решение данной задачи осложняется особенностями, обусловленными использованием бесконтактных датчиков измерения температуры. Интеллектуальные методы хорошо себя зарекомендовали при решении задач управления в условиях неопределенности. Использование интеллектуальных методов хорошо подходит как для решения задач идентификации и коррекции погрешностей средств измерения, так и для непосредственного управления технологическим процессом индукционной пайки волноводных трактов космических летательных аппаратов. Суть предлагаемой технологии заключается в применении коллектива искусственных нейронных сетей для решения задачи управления процессом индукционной пайки на следующих его этапах: оценка качества измерений температуры в зоне нагрева, получаемых при помощи пирометрических датчиков; коррекция измерений в случае обнаружения ненормативных погрешностей в измерительных средствах; управление процессом индукционного нагрева при отсутствии надежных показаний измерительных средств. В статье описываются структуры искусственных нейронных сетей, предлагаемые для решения поставленных задач управления, блок-схема алгоритма интеллектуального управления, а также результаты экспериментальных исследований эффективности применения предложенного подхода. Использование представленной интеллектуальной технологии позволит повысить качество управления процессом индукционной пайки волноводных трактов космических аппаратов.Библиографические ссылки
Милов А. В., Тынченко В. С., Мурыгин А. В. Влияние флюса на точность измерений в процессе индукционной пайки алюминиевых волноводных трактов // Современные технологии. Системный анализ. Моделирование. 2018. № 4 (60). С. 38-46.
Адаптивная подсистема автоматического управления производством интеллектуальных электроприводов / Д. В. Шайхутдинов, Н. И. Горбатенко, К. М. Широков, В. В. Гречихин, А. М. Ланкин // Современные проблемы науки и образования. 2015. № 1. С. 103-111.
Лютов А. Г., Рябов Ю. В., Полезин С. А. Повышение качества управления технологическими процессами производства авиационных двигателей // Известия высших учебных заведений. Авиационная техника. 2017. №. 1. С. 149-152.
Интеллектуальное управление технологическими системами в условиях цифрового производства / Ю. Г. Кабалдин, Д. А. Шатагин, М. С. Аносов, А. М. Кузьмишина // Известия высших учебных заведений. Машиностроение. 2020. №. 1 (718). С. 3-12.
Кабулова Е. Г. Интеллектуальное управление многостадийными системами металлургического производства // Моделирование, оптимизация и информационные технологии. 2019. Т. 7, № 1. С. 341-351.
Карелина Е. Б., Благовещенская М. М., Клехо Д. Ю. Использование нейросетевого регулятора для управления технологическим процессом бестарного хранения муки // Технологические процессы, машины и оборудование. 2017. № 9. С. 38-40.
Wang B., Jack H., Lei S., Theodor F. Intelligent welding system technologies: State-of-the-art review and perspectives // Journal of Manufacturing Systems. 2020. vol. 56. pp. 373-391. doi.org/10.1016/ j.jmsy.2020.06.020.
Han H., Zhu S., Qiao J., Guo. M. Data-driven intelligent monitoring system for key variables in wastewater treatment process // Chinese journal of chemical engineering. 2018. vol. 26. no. 10. pp. 2093-2101. doi.org/10.1016/j.cjche.2018.03.027.
Baidya D., Roy R. Speed control of DC motor using fuzzy-based intelligent model reference adaptive control scheme // Advances in communication, devices and networking. Springer, Singapore, 2018. pp. 729-735. doi.org/10.1007/978-981-10-7901-6_79.
Vassilyev S. N., Kelina A. Yu., Kudinov Y. I., Pashchenko F. F. Intelligent control systems // Procedia Computer Science. 2017. vol. 103. pp. 623-628. doi.org/10.1016/j.procs.2017.01.088.
Милов А. В., Тынченко В. С., Мурыгин А. В. Программное обеспечение идентификации и коррекции ненормативных погрешностей средств измерений в процессе индукционной пайки // Программные продукты и системы. 2020. Т. 33, № 3. С. 502-509.
