Рассматриваются вопросы построения интеллектуальной системы управления технологическими процессами получения наноструктурных материалов. Технологический процесс основан на применении методов интенсивной пластической деформации и характеризуется большим набором нестационарных параметров (показатели геометрии заготовки; температура прокатываемого наноструктурного металла; силы и моменты, действующие на заготовку; распределение температуры по сечению заготовки), отличается сложным формализованным описанием и априорной неопределенностью условий функционирования. Для решения проблемы управления в условиях неопределенности авторами предложено использовать предиктор, построенный в нейросетевом базисе. Отличительной особенностью предложенного подхода является использование нейросетевым предиктором знаний о прошлом протекании технологического процесса, которые аккумулируются в архитектуре и настроечных параметрах нейронной сети, для предсказания ближайшего состояния технологического процесса – окончания процесса нагрева заготовки.
The article discusses the construction of intelligent process control systems for the production of nanostructured materials. The technological process is based on severe plastic deformation (SPD) and characterized by a set of time-dependent parameters (parameters workpiece geometry, the temperature of the rolled metal, the forces and moments acting on the workpiece, temperature distribution over the cross section of the blank), is a sophisticated and formalized description of a priori uncertainty of operating conditions. To solve the problem of governance in the face of uncertainty authors proposed to use the intellectual methods. This approach is based on a synthesis of intelligent control system with block prediction (predictor), built in the neural network basis and is used in the operation of both the current information available to the sensor systems and the results of experiments on workpieces with its periodic adaptation to the current technological conditions. The main feature of the approach proposed by the authors is the use of neural network predictor of knowledge about the past, the flow of the process, which accumulate in the architecture and the tuning parameters of a neural network to predict the next state of the process – the end of the process of heating the workpiece from the known current state, as well as the history of external control actions.
1. Валиев Р.З., Александров И.В. Наноструктурные материалы, полученные интенсивной пластической деформацией. – М.: Логос, 2000.
2. Даринцев О.В., Мигранов А.Б., Богданов Д.Р. Разработка системы управления технологическим процессом получения наноструктурных материалов // Материалы конференции «Управление в технических, эргатических, организационных и сетевых системах» (УТЭОСС-2012). – СПб.: ГНЦ РФ ОАО «Концерн «ЦНИИ «Электроприбор», 2012. – С. 568–571.
3. Даринцев О.В., Мигранов А.Б. Использование методов искусственного интеллекта в системах управления микроманипуляционными устройствами // Искусственный интеллект. – 2004. – № 3. – С. 684–688.
4. Даринцев О.В., Мигранов А.Б. Использование методов искусственного интеллекта в системах управления техпроцессами получения наноструктурных материалов // «Искусственный интеллект», № 4 2013 IПШI МОН i НАН Украïни «Наука i Освiта». – С. 407–415.
5. Даринцев О.В., Мигранов А.Б. Предиктивное управление в техпроцессах при ИПД // Материалы II Международной конференции «Информационные технологии интеллектуальной поддержки принятия решений» (ITIDS’2014) / Уфимск. гос. авиац. техн. ун-т. – Уфа: УГАТУ, 2014. – С. 251–256.
6. Красильников Н.А., Рааб Г.И., Павленко Д.В. Влияние интенсивной деформации на формирование ультрамелкозернистых структур в никеле. // В сб. науч. тр. «Проблемы нанокристаллических материалов». Екатеринбург: УрО РАН, 2002. – С. 564–572.
7. Buffat P., Bozel I. Phys. Rev. A. – 1976. – Vol. 13. – P. 2287.
8. Haykin S. Neural Networks. A comprehensive foundation. New York, NY: Macmillan, 1994. – 696 p.
9. Krasilnikov N.A., Pakiela Z., Lojkowski W., Valiev R.Z. Excellent mechanical properties of nickel obtained high pressure technique. // Sol. St. Phen. – 2005. – V. 101–102. – P. 49–54.