Scientific journal
Fundamental research
ISSN 1812-7339
"Перечень" ВАК
ИФ РИНЦ = 1,674

APPLICATION OF FUZZY LOGIC IN THE CONTROL SYSTEM OF A VACUUM SPUTTERING PROCESSIN THE CONTROL SYSTEM OF A VACUUM SPUTTERING PROCESS

Khisamutdinov R.M. 1 Simonova L.A. 1 Abramova V.V. 1
1 Kazan (Volga Region) Federal University Branch in Naberezhnye Chelny
The management based on fuzzy logic is used when the input parameters are not discrete, but belong to the interval. Fuzzy system operate on the following principle: the meter readings are converted into the fuzzy format, the logical conclusion is performed using rules of knowledge base, converted into clear view and then in the form of conventional signals are fed to the actuators. The fuzzy inference is used to automatic correction technological process in this work. The form of the membership function and the characteristic points were defined. The discrete representation of the membership functions can be approximated by a continuous analog – the triangular membership function. The logical conclusion was made on the basis of the rules pre-compiled knowledge base by using the linguistic variables. The simulation of process control spraying in vacuum sputtering process complex was made on the test dataset. The fuzzy conclusion was checked using the by program package MATLAB Fuzzy logic toolbox.
fuzzy logic
knowledge base
membership function
control system
1. Abdullin I.SH., Israfilov I. KH. Simonova L.A., Israfilov D.I., Chernova M.A. Analiz sistemy avtomaticheskogo upravleniya vakuumno-napylitelnogo tekhnologocheskogo kompleksa dlya legkoi promyshlennosti («The control system analysis оf vacuum sputtering technological complex for light industry») Bulletin of Kazan technology university. 2013. no. 24. pp. 160–163.
2. Israfilov D.I. Upravlrnieplazmennimtekhnologicheskim kompleksom dlyatermoobrabotki deteleiszadannymiprochnostnymikharakteristikami(Controlling the plasma technological complex for heat treatment of parts with specified strength characteristics) scientific diessertation. Nab. Chelny. 2007. pp. 54–55.
3. Makarov I.M., Lokhin V.M., Manko S.V., Romanov M.P., Iskustvenniiintellekt iintellektualniesistemyupravleniya (Intelligence and Intelligent Control System). Nauka Publ., 2006. pp. 214–217.
4. Morozov V.K., Rogochev G.N. Modelirovanieinformazionnikhidinamicheskikhsystem (Modeling of information and dynamic systems), Academy Publ., 2011. pp. 127–129.
5. Chernova M.A., Simonova L.A., Israfilov D.I., Mathematical simulation of intelligent control system оf metal vacuum sputtering process on the basis of application of multi-agent system. World Applied Sciences Journal. 2013. Vol. 23 no. 7. pp 930–934.

Технологические промышленные процессы являются многомерными, нелинейными и динамическими, поэтому сложно обеспечить точное управление ими. В случаях, когда входные параметры не являются дискретными, а принадлежат интервалу, – применяется управление на основе нечёткой логики.

Цель исследования – провести анализ возможности применения элементов нечеткой логики в многоагентной системе управления с элементами искусственного интеллекта.

На основе полученных результатов проанализировать целесообразность применения принципов нечеткой логики для управления технологическим процессом напыления в вакууме.

Системы с нечеткой логикой функционируют по следующему принципу: показания измерительных приборов фаззифицируются (переводятся в нечеткий формат, в лингвистические переменные), обрабатываются – выполняется логическое заключение с использованием предварительно составленных правил базы знаний, дефаззируются и затем в виде обычных сигналов подаются на исполнительные устройства.

Рассмотрим нечеткий вывод на примере агента охлаждения [1]. Имеются следующие сигналы с датчиков (таблица).

На совокупности этих сигналов основывается работа Агента – охлаждение

Выявлены следующие закономерности [5]:

А6: {T6, P6, T6.1, T6.2}

Если T6 > 100 C, то Сообщение – Проверить контакты датчика

Если 5 < T6 < 30, то – Нормальная работа, иначе сигнал нулевой

Если 0,5 < P6.2 < 2 атм, то Сообщение – Проверить на деформацию трубку Бурдона

Если P6.1 = ±100 мкА, то Сообщение – Проверить катушку в которой движется ферритовый наконечник

Если P6.2 < 1 атм, то Нормальная работа

Если T6.1 > 90 C, то Сообщение – Проверить контакты датчика

Если 40 < T6.1 < 90, то – Нормальная работа, иначе сигнал нулевой

Если T6.2 > 90 C, то Сообщение – Проверить контакты датчика

Если 25 < T6.2 < 90, то – Нормальная работа, иначе сигнал нулевой

Сигналы с датчиков агента охлаждения

№ п/п

Сигнал

Обозначение

Вариант происхождения

Обозначение

1.

Температура воды на входе

T6

Агент – охлаждение

A6

2.

Давление воды в трубе на входе (преобразователь)

P6.1

3.

Давление воды в трубе на входе (манометр)

P6.2

4.

Температура воды на выходе из насоса (паромасляного)

T6.1

5.

Температура воды на выходе из магнетрона

T6.2

Под нечётким множеством понимается совокупность упорядоченных пар, составленных из элементов универсального множества и соответствующих степеней принадлежности этих элементов в просматриваемом множестве. Степень принадлежности переменной x формализованному нечеткому множеству А характеризуется функцией принадлежности μA(x), которая принимает значения от 0 до 1, включая граничные значения. Чем выше степень принадлежности, тем в большей мере элемент универсального множества соответствует свойствам нечеткого множества [3].

В нечеткой логике значения любой величины представляются не числами, а словами естественного языка и называются термами. Число термов, их форма и область определения формируются из условий получения требуемого закона управления. Для установки вакуумной напылительной УВН-4М, предназначенной для нанесения магнетронным распылением металлов на поверхность изделий различной геометрической формы, экспертом выбрана треугольная функция принадлежности. Параметры треугольной функции принадлежности: a, c – диапазон изменения переменной; b – наиболее возможное значение переменной [3].

chernova01.wmf

Определены ключевые точки, по которым дискретное представление функции принадлежности аппроксимируется.

Значение температуры преобразуется в лингвистическое, представленное тремя термами. Для «температуры воды на входе» (Temp_on_input) лингвистическая переменная температура определяется тремя множествами. Примем, что температура в 5 °С и ее окрестности (0–10 °С) является низкой (low_input), 20 °С – «нормальная» (normal_input), температура в 35 °С и ее окрестности (30–100 °С) ассоциируется с высокой (high_input) температурой.

Для «температуры воды на выходе из магнетрона» (Temp_on_output) лингвистическая переменная температура определяется тремя множествами. Примем, что температура в 25 °С и ее окрестности (0–40 °С) является низкой (low_output), 60 °С – «нормальная» (normal_output), температура в 90 °С и ее окрестности (80–100 °С) ассоциируется с высокой (high_output) температурой.

Для «температуры воды на выходе из насоса» (Temp_pump) лингвистическая переменная температура определяется тремя множествами. Примем, что температура в 28 °С и ее окрестности (0–35 °С) является низкой (pump_output_low), 55 °С – «нормальная» (pump_output_normal), температура в 85 °С и ее окрестности (75–100 °С) ассоциируется с высокой (pump_output_high) температурой.

Для «давления в трубе на входе» (Press) лингвистическая переменная температура определяется тремя множествами. Примем, что давление в 0,5 атм и его окрестности (0–0,8 атм.) является низким (press_low), 1 атм. – «нормальное» (press_normal), давление в 2 атм. и его окрестности (1,5–3 атм.) ассоциируется с высоким (press_high) давлением.

Фазификация переменной «температура воды на входе» (рис. 1).

Функции принадлежности термов:

1 терм: chernova02.wmf

2 терм: chernova03.wmf

3 терм: chernova04.wmf

pic_23.tif

Рис. 1. Графическое представление функций принадлежности

Фазификация «температуры воды на выходе из магнетрона» (рис. 2).

Функции принадлежности термов:

1 терм: chernova05.wmf

2 терм: chernova06.wmf

3 терм: chernova07.wmf

pic_24.tif

Рис. 2. Графическое представление функций принадлежности

Фазификация переменной «температуры воды на выходе из насоса» (рис. 3).

Функции принадлежности термов:

1 терм: chernova08.wmf

2 терм: chernova09.wmf

3 терм: chernova10.wmf

pic_25.tif

Рис. 3. Графическое представление функций принадлежности

Фазификация переменной «давление в трубе на входе» (рис. 4).

Функции принадлежности термов:

1 терм: chernova11.wmf

2 терм: chernova12.wmf

3 терм: chernova13.wmf

pic_26.tif

Рис. 4. Графическое представление функций принадлежности

Логическое заключение предполагает формирование выходной лингвистической переменной с помощью предварительно составленных продукционных правил базы знаний. База знаний составляется опытным экспертом из прикладной области на основании ассоциативных правил и заключений, которыми бы стал пользоваться оператор при управлении данным процессом [2].

Определили продукционные правила, связывающие лингвистические переменные.

ЕСЛИ Temp_on_input = low_input И Temp_on_output = normal_output И Temp_pump = pump_output_normal И Press = press_normal ТО Output = valve_normal

ЕСЛИ Temp_on_input = normal_input И Temp_on_output = normal_output И Temp_pump = pump_output_normal И Press = press_ high ТО Output = valve_lower

ЕСЛИ Temp_on_input = normal_input И Temp_on_output = normal_output И Temp_pump = pump_output_normal И Press = press_low ТО Output = valve_higher

ЕСЛИ Temp_on_input = normal_input И Temp_on_output = normal_output И Temp_pump = pump_output_high И Press = press_normal ТО Output = valve_higher

ЕСЛИ Temp_on_input = normal_input И Temp_on_output = high_output И Temp_pump = pump_output_normal И Press = press_normal ТО Output = valve_higher

Рассмотрим пример, когда «температура воды на выходе из магнетрона» 95 °С, температура на входе 25 °С, «температура воды на выходе из насоса» 60 °С, «давление воды в трубе на входе» 1,5 атм. После фазификации получим, что степень принадлежности «температура воды на выходе из магнетрона» 95 °С к терму высокий (pump_output_high) лингвистической переменной Temp_on_output равна 0,65. Степень принадлежности «температура на входе» 25 °С к терму нормальный (normal_input) лингвистической переменной Temp_on_input равна 0,5. Степень принадлежности «температура воды на выходе из насоса» 60ºС к терму нормальный (pump_output_normal) лингвистической переменной Temp_pump равна 0,8. Степень принадлежности «давление воды в трубе на входе» 1,5 атм к терму нормальный (press_normal) лингвистической переменной Press равна 0,6.

Определили степень принадлежности всего антецедента правила. Был использован оператор MIN, так как в правиле использована связка И. Вычислили минимальное значение степени принадлежности – ему присваивается меньшее значение из сравниваемых термов входных лингвистических переменных.

MIN(0,5; 0,65; 0,8; 0,6) = 0,5.

Следующим этапом выполнили вывод. Использовали метод центра тяжести [4]. В качестве значения выходной переменной используется координата (абсцисса) центра тяжести площади результирующего терм-множества выходной лингвистической переменной. Вычисление координаты центра тяжести производится по следующей формуле:

chernova14.wmf

где [xmax; xmin] – носитель нечеткого множества выходной лингвистической переменной.

Взяв вычисленное значение степени принадлежности антецедента посредством операторов MIN/MAX вычислили значение консеквента. Необходимо открыть вентиль на 62 градуса.

pic_27.tif

Рис. 5. Нечеткий вывод с помощью инструмента Fuzzy logic toolbox.

Проверили полученный нечеткий вывод с помощью пакета программы MATLAB Fuzzy logic toolbox. Завели все наши входные переменные, задали функции принадлежности, прописали в редакторе базы знаний RuleEditor правила. Указали значения входных переменных, программой был выполнен логический вывод.

Данная логика была апробирована и на других агентах установки вакуумной напылительной УВН-4М. Использование элементов нечеткой логики позволяет вводить в систему и работать с правилами управления, близкими к естественному языку. В базу знаний была заложена априорная информация о состоянии элементов установки вакуумной в виде нечетких правил управления. В системе управления предусмотрена возможность адаптации, создания новых правил в реальном времени к изменяющимся параметрам объекта, взаимодействующего с окружающей средой. Был проверен блок принятия решений системы управления на основе элементов искусственного интеллекта.

В ходе технологического процесса ранее было трудоемко определить качество напыления и состояние элементов установки. Качество продукции могло быть установлено только по завершению технологического процесса. Для поиска причины брака требовалась остановка процесса напыления и участия эксперта. Был необходим визуальный осмотр всех ключевых элементов установки.

Система управления с нечетким выводом позволила не только устранить появление брака в процессе напыления или его подготовки, но и путем моделирования процесса исключить возможность его возникновения. Время принятия решения и поиска отклонений от режима, заданного оператором, уменьшилось на порядок.

Использование элементов искусственного интеллекта показало большие потенциальные возможности нечеткого вывода и эффективность их применения в управлении технологическим процессом напыления.

Система предлагает шаги по корректировке технологического процесса. Позволяет регулировать точность выходных и входных параметров в зависимости от заданного качества управления.

Заключение

Процесс нанесения магнетронным распылением металлов на поверхность изделий различной геометрической формы является наукоемким, требующим высокой квалификации оператора. Модель процесса является слишком сложной для получения оптимального решения в реальном масштабе времени. Использование принципов нечеткой логики для управления технологическим процессом напыления в вакууме позволит снизить время простоя и количество брака. Правила, используемые в нечеткой логике, позволяют объединить полученный опыт и знания экспертов. Нечеткое управление оперирует теми же понятиями, в терминах которых формируются управляющие воздействия на заданном множестве входов. Уменьшает влияние исполнителя на качество конечного продукта, ускоряет процесс получения необходимой информации для принятия решения.

Рецензенты:

Исрафилов И.Х., д.т.н., профессор, заведующий Отделением энергетики и информатизации, Набережночелнинский институт (филиал), ФГАОУ ВПО «Казанский (Приволжский) федеральный университет», г. Набережные Челны;

Хабибуллин Р.Г., д.т.н., профессор, заведующий кафедрой сервиса транспортных систем, Набережночелнинский институт (филиал), ФГАОУ ВПО «Казанский (Приволжский) федеральный университет», г. Набережные Челны.

Работа поступила в редакцию 16.12.2014.