Актуальність теми
київський Національний університет
ІМЕНІ ТАРАСА ШЕВЧЕНКА
ВІЙСЬКОВИЙ ІНСТИТУТ
Кочеткова Оксана Валеріївна
УДК 681.513.675 (042.3)
моделі та АЛГОРИТМИ АДАПТИВНОГО управління
КООРДИНАТНО–ВИМІРЮВАЛЬНИМИ МАШИНАМИ
05.13.06 – інформаційні технології
АВТОРЕФЕРАТ
дисертації на здобуття наукового ступеня
кандидата технічних наук
Київ - 2008
Дисертацією є рукопис.
Робота виконана в Національному авіаційному університеті Міністерства освіти і науки України, м. Київ.
Науковий керівник: доктор технічних наук, професор
Квасніков Володимир Павлович,
Національний авіаційний університет,
завідувач кафедри інформаційних технологій.
Офіційні опоненти: доктор технічних наук, професор
Азарсков Валерій Миколайович,
Національний авіаційний університет,
завідувач кафедри систем управління літальних апаратів;
кандидат технічних наук
Шостак Ігор Володимирович,
Національний аерокосмічний університет
імені М.Є. Жуковського
«Харківський авіаційний інститут»,
доцент кафедри інженерії
програмного забезпечення.
Захист відбудеться 11 липня 2008 р. о 14.00 годині на засіданні спеціалізованої вченої ради Д 26.001.40 Військового інституту Київського національного університету імені Тараса Шевченка за адресою: 03680, м. Київ, просп. Глушкова, 2, корп. 8, зал 314.
З дисертацією можна ознайомитися в науковій бібліотеці Київського національного університету імені Тараса Шевченка за адресою: 01033, м. Київ–33, вул. Володимирська, 58, зал 12.
Автореферат розісланий 2 червня 2008 р.
Вчений секретар спеціалізованої
вченої ради С.О.Пашков
ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ
Актуальність теми. В наш час задачі управління динамічними процесами безпосередньо пов’язані із застосуванням інформаційних технологій для автоматизованої переробки інформації, результати яких використовуються для досягнення високої якості систем управління з використанням нейронних мереж (НМ).
Сучасні нейромережеві технології дають можливість проводити паралельну обробку інформації. Здатність НМ до навчання і узагальнення, адаптивність, асоціативність, надійність дозволяють використовувати їх у побудові систем адаптивного управління в умовах апріорної невизначеності.
Різними аспектами проектування координатно-вимірювальних машин (КВМ) та оптимізації процесів вимірювання займалися А.А. Гапшис, А.Ю. Каспарайтіс, А.Е. Кобринський, І.М. Макаров та ін. Значний внесок в інформаційні технології обробки інформації, в теорію та практику побудови систем штучного інтелекту і нейронних мереж внесли В.М. Глушков, А.Г. Івахненко, А.Б. Коган, О.І. Галушкін, Я.З. Ципкін, І.Б. Сіроджа, А.Я. Червоненкіс, У.С. Мак-Каллок, У. Піттс, Д. Хебб, Ф. Розенблатт, Т. Кохонен, Ф. Уоссермен, В.О. Терехов, І.Ю. Тюкін та багато інших провідних вітчизняних та зарубіжних вчених.
Реальні процеси управління КВМ характеризуються нелінійними залежностями, високим рівнем шумів, змінними умовами функціонування, що обумовлюють зміну характеристик контрольованих об’єктів, тому проблема вибору ефективної системи управління КВМ представляє собою складне наукове завдання, що полягає в розробці моделі і методів автоматизації виконання функцій та завдань управління координатно-вимірювальними машинами на базі нейронних мереж.
Недоліками існуючих систем управління КВМ є відсутність повної адаптації до зміни умов навколишнього середовища, відсутність визначення небезпечних для руху ділянок та невисока точність. Необхідність розв’язання задач управління КВМ в реальному часі висуває певні вимоги як до самих алгоритмів управління та програмно-математичного забезпечення системи, так і до технічних засобів, що їх реалізують.
Найбільш ефективними є методи та алгоритми, які базуються на теорії адаптації, але вони потребують розробки математичних моделей систем управління КВМ.
В зв’язку з цим актуальним є управління КВМ на базі нейронних мереж, що дає можливість при спрощеному математичному описі розв’язати задачу адаптації в умовах дії дестабілізуючих факторів для серійного виробництва при контролі високоточних деталей.
Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась відповідно до тематичних планів і науково-дослідних робіт, зокрема:–
НДР №228–ДБ05 (№ державної реєстрації 0105U001815) “Розробка методів та технологій інформаційної підтримки життєвого циклу продукції авіаційних виробництв на базі ISO/CALS стандартів” (2006 р.) (Особистий внесок автора: проведено аналіз вимог ISO стандартів до інформаційного, методичного та програмного забезпечення);–
НДР №392–ДБ07 (№ державної реєстрації 0107U002818) “Методологія та системи інтелектуального керування екстремальними робото технічними комплексами” (2007 р.) (Особистий внесок автора: розроблено алгоритм управління траєкторним рухом маніпулятора з самонавчанням); –
госпдоговірної тематики (договір № 846-Х06, № державної реєстрації 0107U010554) на створення науково–технічної продукції для Управління магістральних газопроводів “Черкаситрансгаз” (2006-2007 рр.) (Особистий внесок автора: розроблена методика проведення стендових досліджень сигналізатора вібрації промислових установок).
Мета і завдання дослідження. Метою дисертаційної роботи є підвищення точності управління координатно-вимірювальними машинами при вимірюванні складних просторових поверхонь деталей.
Завдання, які необхідно вирішити для досягнення поставленої мети:
1. Аналіз тенденцій розвитку штучних нейронних мереж та дослідження проблем їх використання для управління координатно-вимірювальними машинами.
2. Розробити адаптивну модель управління координатно-вимірювальними машинами на базі нейронних мереж для забезпечення проведення вимірювання складних поверхонь деталей із заданою точністю.
3. Розробити метод адаптивного управління вимірювальною головкою із зворотним зв’язком, що дозволить використовувати координатно-вимірювальні машини в умовах дії дестабілізуючих факторів.
4. Розробити метод підвищення точності управління координатно-вимірювальними машинами з використанням нейронних мереж.
5. Удосконалити метод дослідження теплового стану координатно-вимірювальної машини для визначення розподілу температури в робочому просторі вимірювальної системи.
Об'єкт дослідження –процеси контролю деталей складної геометричної форми.
Предмет дослідження – методи та алгоритми адаптивного управління роботою координатно-вимірювальної машини на базі нейронних мереж в процесі контролю деталей складної форми.
Методи дослідження – теорія нейронних мереж (використовується для вибору структури нейронної мережі, алгоритму навчання мережі), теорія вимірювань (використовується для розрахунку похибок вимірювання геометричних розмірів об’єктів та температурної компенсації); теорії прийняття рішень(використовуються для побудови алгоритму управління КВМ), теорії автоматичних систем управління (використовуються для побудови моделі адаптивного управління).
Наукова новизна одержаних результатів.
1. Вперше розроблено модель адаптивної системи управління координатно-вимірювальної машини, яка, на відміну від раніше відомих, базується на використанні нейронних мереж, що дає можливість вибору оптимального маршруту сенсорної підсистеми й при спрощеному математичному описі провести вимірювання геометричних параметрів просторових деталей в реальному часі.
2. Вперше розроблено метод адаптивного управління координатно-вимірювальною машиною, який, на відміну від існуючих, дозволяє розв’язувати задачу адаптації в умовах невизначеності та дії дестабілізуючих факторів для серійного виробництва високоточних і оригінальних деталей.
3. Удосконалено метод дослідження теплового стану координатно-вимірювальної машини, який є вирішальним для забезпечення точності вимірювання деталей та, на відміну від існуючого дозволяє додатково визначати температурну похибку при використанні мінімального числа датчиків температури в системі діагностування.
Практичне значення одержаних результатів: –
запропоновані алгоритми адаптивного управління координатно-вимірювальними машинами на базі нейронних мереж, алгоритм управління рухами самокерованої головки КВМ, що забезпечує підвищення точності позиціювання вимірювальної головки (ВГ) при вимірюванні прецизійних деталей; –
запропонований в складі КВМ блок діагностики дозволяє визначати стан роботи окремих блоків та стан готовності КВМ до процесу вимірювання;–
підвищена точність процесу контролю геометричних розмірів об’єктів координатно-вимірювальною машиною з використанням нейронних мереж в умовах дії дестабілізуючих факторів, що дозволяє проводити вимірювання деталей в реальному часі. Використання нейронних мереж в якості адаптивного елементу дає можливість використати їх для розв’язання задач, пов’язаних із створенням високоточних систем управління, що забезпечує необхідну стійкість вимірювальної головки та дозволяє відслідковувати траєкторію руху сенсорної підсистеми.
Основні положення та алгоритми можуть бути використані в автоматизованих системах управління роботизованими цехами, в гнучких виробничих системах та автоматизованих вимірювальних засобах.
Розроблені моделі та алгоритми для контролю складних просторових поверхонь та автоматичної корекції похибок вимірювання впроваджені на НДІ “Акорд” м. Черкаси (2005 р.); ВАТ “Сумське науково-виробниче об’єднання ім. Фрунзе М.В.” (2007 р.).
Особистий внесок здобувача. У наукових працях, опублікованих у співавторстві, автору належать: [2,14] – функціональна структура КВМ на нейронних мережах; [4] – алгоритм проектування нейромережевої системи вимірювання деталей; [10] – постановка задачі використання середовища НМ при створенні систем інтелектуального управління КВМ; [11] – архітектура та обчислювальний алгоритм діагностики дефектів технічних систем на НМ; [12] – стабілізація системи управління КВМ в умовах дії дестабілізуючих факторів; [16] – структура інтелектуальної адаптивної системи управління КВМ зі зворотним зв’язком; [18] – алгоритм багатокритеріального синтезу самоналагоджуваної системи КВМ; [19] – математична модель системи вимірювання геометричних розмірів деталей.
Апробація результатів дисертації. Основні результати дисертації оприлюднено на науково-технічних конференціях, а саме:
Дев’ятій Міжнародній науково-практичній конференції “Системи та засоби передачі і обробки інформації” (Черкаси, 2005 р.);
Proceedings of the second world congress “Aviation in the XXI-st century”, “Safety in aviation” (Kyiv, 2005 year);
Третій міжнародній науково-практичній конференції “Математичне та програмне забезпечення інтелектуальних систем” (Дніпропетровськ, 2005 р.);
Науково-практичних конференціях “Інтегровані інформаційні технології та системи”(Київ, 2005, 2006 р.);
П’ятій міжнародній науково-технічній конференції “Інтегровані комп’ютерні технології в машинобудуванні” (Харків, 2005 р.);
П’ятій міжнародній науковій конференції студентів і молодих учених “Політ” (Київ, 2005 р.);
Міжнародній конференції “Метрологія та вимірювальна техніка” (Харків, 2006 р.);
Міжнародній науково-практичній конференції “Інтелектуальні системи прийняття рішень та інформаційні технології” (Чернівці, 2006 р.);
Шостій міжнародній конференції “Интеллектуальный анализ информации” (Київ, 2006 р.);
П’ятій науково-технічній конференції “Приладобудування 2006: стан і перспективи” (Київ, 2006 р.);
Міжнародній науково-практичній конференції „АВІА–2007” (Київ, 2007 р.);
Постійно діючому семінарі науковців, здобувачів та ад’юнктів (Київ, 2008 р.);
Публікації. За темою дисертаційної роботи опубліковано 21 наукову працю, в тому числі 8 статей у фахових науково-технічних виданнях, з яких одноосібних 6.
Структура та обсяг дисертації. Дисертаційна робота складається із вступу, чотирьох розділів, висновків, списку використаних джерел і 3 додатків. Загальний обсяг роботи складає 170 сторінок, 29 рисунків, 4 таблиць, список використаних джерел з 144 найменувань на 15 сторінках.
ОСНОВНИЙ ЗМІСТ
У вступі дисертаційної роботи викладені актуальність теми дисертаційної роботи, мета та задачі дослідження, наукова новизна, практичне значення отриманих результатів роботи, зв'язок її з науковими програмами та планами НДР, визначено особистий внесок здобувача, представлена інформація щодо апробації та публікації результатів дисертації, наводяться результати впровадження основних положень роботи.
У першому розділі проведено аналіз існуючих систем управління КВМ, інтелектуальних технологій управління вимірювальною головкою та аргументовано актуальність науково-технічної задачі, сформульовані напрямки дослідження. Вказані переваги та недоліки систем щодо розв’язання задач управління КВМ в реальному масштабі часу з адаптацією до невизначеностей і протидії дестабілізуючим факторам, які характеризуються нелінійними залежностями, високим рівнем шумів, змінними умовами функціонування. Зроблено висновок про необхідність удосконалення системи управління КВМ.
Аналіз літературних джерел показує, що найбільш перспективними напрямками в області систем управління КВМ є нейронні мережі, що дозволяють створювати алгоритми функціонування системи в умовах реального часу. Завдання загальної цільової функції полягає в навчанні мережі з метою управління КВМ. Наведено класифікації систем управління, штучних нейронних мереж та координатно-вимірювальних машин в залежності від методу вимірювання, управління та рівня автоматизації.
Проаналізовано сучасний стан теорії НМ та проведено їх огляд, розглянуто різні підходи до навчання, проектування і настроювання НМ.
Показано, що застосування системи управління на базі НМ дозволяє спростити математичний опис, тоді як використання традиційних методів оптимального управління вимірювальною головкою потребує значного обсягу апріорної інформації та виводу складних аналітичних залежностей.
Другий розділ присвячено дослідженню та реалізації адаптивної системи управління координатно-вимірювальними машинами на базі нейронних мереж, в умовах невизначеності та дії дестабілізуючих факторів.
Розроблено модель функціонування системи управління вимірювальною головкою з метою автоматизованого вимірювання складних просторових поверхонь на основі впровадження інструментальних інформаційних технологій.
Виявлено особливості застосування НМ при обробці інформації, отриманої в результаті вимірювання деталей, дозволяють перейти від пошуку правил рішення задач до навчання мережі на високоточних деталях.
Запропоновано новий підхід до управління КВМ в умовах неповної інформації, що базується на принципі адаптації системи управління до невідомих змінних властивостей системи.
Показано, що точність контролю деталей залежить від дії дестабілізуючих факторів: вібрації фундаменту, пружних переміщень, температурних деформацій, від геометричної точності виготовлення деталей базової частини системи.
Визначено, що основні задачі системи управління КВМ пов’язані з мобільністю самокерованої ВГ, виведенням вимірювального наконечника в проміжні позиції позиціювання, вимірювання та роботою автоматизованої підсистеми обробки інформації.
Розглянуто особливості температурних похибок та можливості їх компенсації при вимірюванні складних просторових деталей, які виникають із-за різниці температури окремих ділянок деталі, зміни температурного режиму в процесі вимірювання, що є найбільш вірогідним в реальних виробничих умовах.
Показано, що одним із найбільш перспективних шляхів підвищення якісних характеристик КВМ являється визначення їх теплового стану, яке забезпечить підвищення точності та дозволить вирішувати задачі в реальному масштабі часу.
Відмічено, що зовнішні випадкові збурення, викликаючи флуктуації чутливого елементу вимірювальної системи, формують випадкові похибки, значення яких визначаються шляхом статистичного опису відхилення від геометричних розмірів об'єкту, як динамічної системи. Тому, для адекватного статистичного опису КВМ необхідно розробити таку процедуру, що дозволить визначати її випадкові похибки з урахуванням реального спектру зовнішніх збурень.
Похибки при автоматичному вимірюванні визначаються наступною залежністю:
;
де – векторна похибка положення точки вимірюваної поверхні з радіусом-вектором ;, – матриці перетворень координат від 0-ої до -ої та від - ої до - ої ланки механічної частини відповідно, – варіація вектора ; – радіус вектор вимірювальної головки; – рівняння зв'язків; – число зв'язків; – змінні; – варіація змінних ; .. – похибка зв'язків.
Співставлення відповідних точок математичної моделі з результатами вимірювань складних поверхонь дозволяє зробити висновок про точність об'єкту. Похибка базування усувається до співставлення результатів вимірювань з математичною моделлю деталі. Таким чином, оцінка точності базування формується на основі вимірювання баз та з урахуванням достатньої кількості точок поверхні вимірюваної деталі. Врахування розглянутих дестабілізуючих чинників дозволило отримати картину просторових переміщень, відхилень об'єкту і системи та їх вплив на створення похибок вимірювання, вивчити дію різних чинників на точність вимірювання, розробити методи розрахунку, алгоритми вимірювання з метою отримання заданої точності.
Проведений аналіз методів нелінійної теорії управління дозволив розв’язати задачу синтезу алгоритмів управління КВМ. Для формування адаптивного управління використано рекурентну НМ, що являє собою багатошарову НМ з одним прихованим шаром і сигмоїдними функціями активації.
Досліджено динаміку адаптивної системи управління КВМ, яка включає в себе рівняння об’єкту управління та НМ і має вигляд
(1)
де х – вектор станів; w – вектор параметрів, що настроюються; – векторне поле.
Рівняння адаптації представимо у вигляді
(2)
де – крок навчання мережі, – функціонал навчання мережі, безперервна функція власних аргументів, що двічі диференціюється.
Вибором коефіцієнта (2) забезпечується необхідна по швидкодії реакція мережі на зовнішні впливи. При в системі виникає ефект розподілу рухів, тому що швидкість настройки вагових коефіцієнтів в цій системі більше швидкості власних рухів КВМ, тому в адаптивній системі можна виділити групу швидких рухів, тобто навчання НМ та повільних рухів КВМ.
Рівняння (1),(2) задають зміни вагових коефіцієнтів НМ та визначають рівняння алгоритму навчання мережі.
В якості функції узагальненої похибки вибрано рівняння екстремалі , супроводжуючого функціоналу
Встановлено, що при умові для всіх управління, яке формується НМ, співпадає із стабілізуючим законом управління, що створює від’ємний зворотній зв'язок по вектору стану КВМ.
Показано, що інтегрована НМ з базовою системою управління КВМ здатна розв’язувати такі задачі:–
адаптація системи управління КВМ з використанням НМ при зміні динаміки КВМ у всій області вимірювання деталей;–
ідентифікація параметрів в реальному часі;–
адаптація системи управління КВМ у випадку відмов і пошкоджень або при роботі системи управління в умовах невизначеності.
Наведена система має наступні переваги: зменшення витрат, пов’язаних з розробкою законів управління рухом вимірювального наконечника; можливість використання алгоритмів при модернізації систем управління КВМ.
У третьому розділі запропоновано модель побудови траєкторії вимірювального наконечника координатно-вимірювальної машини на базі НМ, що в силу гнучкості та складності своєї структури дозволяє враховувати множину можливих режимів руху вимірювального наконечника і не лінійність характеристик КВМ.
Траєкторія вимірювального наконечника визначається як безпечний маршрут (М), що забезпечує мінімум функціоналу
‚ (3)
де , — константи, що характеризують енергетичні витрати на переміщення та поворот; – довжина j-го шляху руху з точки ij у точку ij+1 поверхні; – кут повороту в точці ij, при переході від (j-1)-го шляху до j-го.
Проаналізовано просторові траєкторії кусочно-лінійного виду, що дозволило визначити маршрут для поверхні та перешкод довільної конфігурації деталей.
Для вибору маршруту запропоновано використовувати рекурентну мережу, як один із класичних типів НМ. Її параметри визначаються елементами матриці , що характеризує стан мережі, і енергетичною функцією Е, що відповідає як даній матриці, так і мінімізованому функціоналу, тобто значення функції повинне задовольняти умовам формування матриці і зменшуватися при зменшенні вихідного функціоналу.
Поставимо у відповідність кожній траєкторії бінарну матрицю розмірності ( - число точок, включаючи початкову точку і кінцеву – точку вимірювання): якщо - та ділянка руху () починається в точці і закінчується в точці поверхні, то елементи і будуть дорівнювати одиниці; інші елементи матриці покладемо рівними нулю. У цьому випадку умови формування матриці запишемо в такий спосіб:–
кожен стовпець повинен містити не більше однієї одиниці, тому що ділянка руху не може починатися і закінчуватися одночасно в двох точках;–
загальне число одиниць дорівнює N;–
кожен елемент (1, 1) і (N,N) повинен дорівнювати одиниці (визначає точку старту – 1 і точку вимірювання – N).
На кожному етапі стан мережі повинен змінюватися відповідно закону
де Trk–граничні значення, що забезпечують непозитивне значення кінцевої різниці.
У випадку, коли , то значення буде 0 чи 1 – у залежності від значення на попередній ітерації. Якщо ж , то значення буде непозитивним (0 чи -1).
Встановлено, що точка, яка має на попередній ітерації значення 1, виключається з точок повороту траєкторії, а точка, що приймає це значення, включається.
Граничні значення мають вигляд
,
де dmax – максимальна довжина ділянки руху, що визначається технічними характеристиками скануючого пристрою датчика та характеристиками карти поверхні; N* – число допустимих точок повороту при обході складної просторової поверхні.
Показано, що даний підхід дозволяє на кожній ітерації визначати точку повороту, яка забезпечує мінімум функціоналу (3) у кожен момент часу. У цьому випадку перший доданок енергетичної функції стає тотожно рівним нулю і виключається із суми; також виключається коефіцієнт G з другого доданку енергетичної функції, що значно спрощує обчислення вагових коефіцієнтів.
Багатошарова НМ формує асимптотичне наближення функції управління та використовує в процесі настроювання поточні вимірювальні дані, в результаті чого компенсується вплив зовнішніх збурень. Процес вимірювання об'єкта представлений двома стадіями: обмеження простору вимірювання; застосування деякої стратегії вимірювання для ідентифікації об'єкта.
Попередження виникнення аварійних ситуацій при русі вимірювального наконечника КВМ безпосередньо пов’язана з проблемою стійкості рухів ВН. Недостатній запас стійкості рухів вимірювального наконечника призводить до збільшення похибки вимірювання та можливих аварійних ситуацій. Одним із компонентів системи управління рухом вимірювальної головки є база знань, що дозволяє накопичувати інформацію про невипадкові зв’язки між подіями в системі.
В поточний момент часу нейрони вхідного шару блоку формування і розпізнавання отримують інформацію з блоку датчиків, на виході якого формуються одиничні сигнали. В базу знань для її навчання поступає вектор перетвореної інформації .Знання, що накопичуються в базі знань в процесі навчання, використовуються системою керування.
При обході перешкод розташованих на шляху руху вимірювального наконечника КВМ системою безпеки руху приймається рішення, що призводить, у випадку необхідності, до зміни шляху руху вимірювального наконечника.
Множина станів системи керування КВМ, що формується на етапі проектування системи адаптивного управління при обході перешкод:
де – стан простору системи в -ий момент, – кількість можливих станів, . На поточний стан зовнішнього середовища формується множина реакцій системи безпеки руху, тобто виконується визначений набір команд управління рухом вимірювального наконечника КВМ, результатом якого буде зміна траєкторії руху.
Одному стану простору системи може відповідати необмежена кількість реакцій системи безпеки руху; різні стани можуть приводити до одного рішення і, відповідно, до наступної реакції; одному стану також може відповідати одна реакція із множини навчених дій і множини реакцій системи безпеки руху
де – реакція системи на ситуацію, що склалася при можливих ситуаціях; .
Адаптивний алгоритм руху вимірювального наконечника КВМ для вимірювання геометричних розмірів складних просторових поверхонь представлений на рис.1.
Реакцією системи попередження катастроф є виконання визначеного набору дій для управління рухом вимірювального наконечника і зміна при цьому траєкторії руху.
У випадку, коли система безпеки руху не буде враховувати попередні стани і реакції, то можливе повторне виконання дій чи неможливість виходу із тупикового положення.
Розроблена адаптивна система управління (рис.2) включає дві динамічні мережі, одна з яких виконує функції управляючого контролера.
Рис. 2. Структурна схема адаптивного управління КВМ:
НМК – нейромережевий контролер; НМР – нейромережевий регулятор;
АН – алгоритм навчання; КЧП – короткочасна пам'ять; – відтворююча функція; –
вихід прямої моделі об’єкту; – похибка навчання прямої моделі; –
похибка навчання інверсної моделі; – вихід КЧП
В алгоритмі навчання мережі НМК використовуються поточні вимірювання функції і виходу моделі об’єкту . Пряма модель виконується і у вигляді динамічної мережі НМР, що навчається по похибці . В результаті настроювання мережа НМК відображає інверсну модель об’єкту управління.
Відгук НМ використовує не тільки поточні вхідні дані, але і частину попередніх, що досягається за рахунок введення короткочасної пам’яті, через яку надходить вхідний вплив на НМ у вигляді набору поточного та попереднього значень х.
Нейронний фільтр еквівалентний нелінійному фільтру з імпульсною передаточною функцією, де – вага k-го синапсу нейрону j, завдяки чому підвищуються обчислювальні можливості нейронного фільтру шляхом використання багатомірного входу, тобто вхідного сигналу із багатьма компонентами, де кожна компонента вектору має власний фільтр.
Розробка вимірювального робота для вимірювання складних об’єктів (рис. 3.) включає в себе розпізнавання об’єкту вимірювання, розробку датчиків для вимірювання компонент вектору виходу системи та розробку обчислювального блоку, що дозволяє на основі отриманої від датчиків інформації обчислювати характеристики виходу системи.
Рис. 3. Структурна схема адаптивного управління
вимірювальним процесом
Порівнянням дійсного розміру з граничним визначається придатність деталі. При вимірювання вибирається оптимальне число точок вимірювання, оскільки велике число точок приводить до підвищення собівартості виробу і не може дати нових відомостей, а занижене число вимірювань не дозволяє надійно оцінити вибрану точність вимірювання.
Показано, що процес формування знань не завершується на етапі розробки системи і формування бази даних і бази знань. У процесі експлуатації системи проводиться “робота над помилками”, у такий спосіб система накопичує досвід обходу перешкод.
Зазначимо, що адаптивність запропонованої системи обумовлена мінімумом апріорної інформації про об’єкт, яка необхідна для структурного синтезу, та налаштуванням моделі і контролера при неконтрольованих змінах динаміки КВМ.
У четвертому розділі запропоновано методи підвищення точності управління координатно-вимірювальними машинами на базі нейронних мереж.
Отримав подальший розвиток метод дослідження теплового стану координатно-вимірювальної машини для визначення розподілу температури в робочому просторі вимірювальної системи та показано, що використання даного підходу теплових досліджень дозволяє використовувати мінімальне число датчиків температури в системі теплового діагностування КВМ.
Розроблено метод на основі реєстрації інфрачервоного випромінювання вимірюваної деталі, що дозволяє суттєво скоротити час і підвищити достовірність контролю розподілу температури з компенсацією температурної похибки шляхом дистанційного визначення розподілу температури деталі та дозволяє без дотику з об’єктом за одне вимірювання отримати інтегральний розподіл температури, динаміку її зміни при забезпеченні високих метрологічних характеристик, що досягає десятих і навіть сотих градуса.
На основі проведених досліджень адаптивної координатно-вимірювальної машини при вимірюванні геометричних розмірів об'єктів встановлено, що адаптивна КВМ здатна на основі сигналів від датчиків та зовнішньої інформації визначити цільове положення вимірювальної головки‚ скоректувати старі або синтезувати нові програми руху виконуючих механізмів в умовах невизначеності.
Показано, що відмінною особливістю адаптивних систем управління КВМ на базі НМ є їх здатність до навчання на досвіді та адаптації в процесі вимірювання‚ планування операцій і вибір оптимального маршруту вимірювання геометричних розмірів об’єктів‚ автоматичне програмування і оптимізація рухів виконуючих механізмів‚ діагностика стану системи.
Встановлено, що характерною особливістю адаптивної КВМ являється те‚ що недолік апріорної інформації та неконтрольований дрейф параметрів компенсуються в ній належною обробкою сенсорної інформації. Для обробки цієї інформації служать алгоритми адаптації‚ що здійснюють самоналаштування законів управління‚ а також корекцію похибки вимірювання.
Показано, що інтегральний закон керування неспроможний забезпечити стабілізацію системи в присутності дестабілізуючих факторів, але дозволяє враховувати всі конструктивні особливості власної динаміки КВМ. Компромісним рішенням, що поєднує в собі переваги різних підходів, є використання НМ технології управління.
В якості регулятора було вибрано НМ з одним прихованим шаром, в якості функції активації – сигмоїд, а для спрощення чисельного моделювання обмежено число нейронів прихованого шару . Число входів НМ прийнято рівним числу змінних в просторі станів КВМ. Вихід НМ – скалярна змінна.
Показано, що управління, яке формується НМ, співпадає із стабілізуючим законом управління, тобто модель КВМ наділена властивістю стійкості системи.
При моделювання початкові значення вагових коефіцієнтів НМ вибиралися випадковим чином в інтервалі , коефіцієнт настройки мережі . Результати моделювання приведені на рис. 4.
Порівнюючи управління, що формується НМ у відсутності збурень (рис.4.а) і за наявності випадкових завад (рис. 4.б), можна відмітити, що у другому випадку після переводу точки на початку координат простору станів, НМ регулятор починає компенсувати вплив завади. Повторити форму при збуренні НМ на цьому прикладі не вдалося, в системі виникають коливання руху в границі бажаного положення рівноваги.
Рис. 4. Діаграми процесу налаштування контролера НМ
системи управління КВМ:
а – без завад; б – за наявності випадкових завад
Відмітимо, що амплітуда управлінь перевищує вказані обмеження, проте в цілому – це недолік технічних систем, що налаштовуються в реальному часі: складно визначити область значень змінних станів такої системи. В даному випадку цей недолік компенсується вибором коефіцієнту налаштування мережі.
Проведені дослідження дозволяють зробити висновок, що різниця між розрахунковими та реальними коефіцієнтами КВМ не впливає на працездатність НМ системи управління.
у додатку до дисертації подано технічні характеристики розробленої системи управління, наведені акти впровадження.
Висновки
У дисертації наведене теоретичне узагальнення і нове вирішення наукової задачі, що полягає в розробленні методичного апарату автоматизації виконання функцій та завдань управління координатно-вимірювальними машинами на базі нейронних мереж, в умовах невизначеності при контролі високоточних деталей.
Головні наукові і практичні результати роботи:
1. На основі проведеного аналізу автоматизованої системи керування координатно-вимірювальними машинами показано, що одним з перспективних шляхів підвищення якісних характеристик систем керування є їх інтелектуалізація на основі використання нейрокомп’ютерних технологій. В результаті проведеного аналізу поставлено актуальне наукове завдання для підвищення точності управління КВМ.
2. Розроблено модель адаптивної системи управління координатно-вимірювальної машини, яка, на відміну від раніше відомих, базується на використанні нейронних мереж, що дає можливість вибору оптимального маршруту сенсорної підсистеми й при спрощеному математичному описі провести вимірювання геометричних параметрів просторових деталей в реальному часі та дозволило побудувати систему, яка адаптується до дії дестабілізуючих факторів.
3. Розроблений метод адаптивного управління КВМ дозволяє підвищити точність вимірювань геометричних параметрів об’єктів з урахуванням початкових координат вимірювальної системи та реперної точки об’єкту дослідження. Метод дозволяє проводити вимірювання з похибкою 0,25 мкм.
4. Розроблений алгоритм управління рухом сенсорної підсистеми координатно-вимірювальної машини при вимірюванні просторових деталей, що базується на ідеях нейромережевого управління по завданню траєкторії обходу контрольованої деталі та дозволяє визначати мінімальне число точок вимірювання та область оптимальних значень параметрів.
5. Розроблена структура системи управління координатно-вимірювальної машини з використанням штучних нейронних мереж дозволяє підсистемі вимірювання параметрів та вхідних впливів відтворюватися в станах нейроелементів і забезпечувати на ній оптимальні шляхи підходу до об’єкту вимірювання в умовах невизначеності.
6. Удосконалений метод дослідження теплового стану КВМ на базі НМ, що дозволяє мінімізувати число датчиків температури в автоматичній системі теплового діагностування та реєструвати температуру базової частини координатно-вимірювальної машини у фіксованих точках за даними вимірювання температури. Проведені дослідження показали, що відхилення прогнозованих температур від експериментальних складають 5-27%.
7. Запропонований метод дозволяє проводити вимірювання з точністю 10 мкм, що в кінцевому рахунку дало змогу підвищити точність при адаптивному управлінні на 27% у порівнянні з існуючими методами управління координатно-вимірювальними машинами.
СПИСОК ОПУБЛІКОВАНИХ АВТОРОМ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ
1. Кочеткова О.В. Алгоритм управління рухом вимірювального наконечника при обході просторових об’єктів на нейронних мережах // Вимірювальна та обчислювальна техніка в технологічних процесах. – 2005. – №2. – С. 124–127.
2. Квасніков В.П., Кочеткова О.В. Проектування координатно-вимірювальної машини на нейронних мережах // Автоматика, автоматизація, електротехнічні комплекси і системи. – Херсон: ХДНТУ, 2005. – №2(16).– С.138–141.
3. Кочеткова О.В. Розробка прецизійних координатно-вимірювальних машин з використанням нейронних мереж // Вісник НТУУ „КПІ”: Серія “Приладобудування”. – К.: НТУУ “КПІ”, 2005. – Вип. 30. – С. 121–125.
4. Налісний М.Б., Кочеткова О.В. Методи побудови нейронних мереж при вимірюванні типових деталей в гнучких виробничих системах // Вісник Черкаського державного технологічного університету. – 2006. – Спецвипуск. – С. 26–28.
5. Кочеткова О.В. Особливості розробки вимірювальних роботів на нейронних мережах // Вісник Вінницького політехнічного інституту. – 2006. – №6. – С. 90–93.
6. Кочеткова О.В. Використання нейронних мереж при розробці координатно-вимірювальних машин // Наукові праці Донецького національного технічного університету: Серія „Обчислювальна техніка та автоматизація”. – Донецьк: ДонНТУ, 2006. – Вип.107. – С. 117–21.
7. Кочеткова О.В. Алгоритм проектування нейромережевої системи вимірювання геометричних розмірів деталей // Вісник Чернігівського державного технологічного університету. Серія: Технічні науки. – Чернігів: ЧДТУ, 2007. – №28. – С. 219–223.
8. Кочеткова О.В. Адаптивний алгоритм управління рухами самокерованої головки координатно-вимірювальної машини на базі нейронних мереж // Збірник наукових праць Військового інституту Київського національного університету імені Тараса Шевченка. – Вип.№12. – К.: ВІКНУ, 2008. – С. 44–49.
9. Кочеткова О.В. Структура системи керування на основі штучних нейронних мереж координатно-вимірювальних машин // Політ: V Міжнар. наук. конференція студентів та молодих учених. Київ,12–13 квіт. 2005 р. – К.: НАУ, 2005. – С. 28.
10. Іволгіна Т.О., Кочеткова О.В., Руднєва М.С. Використання середовища нейронних мереж при створенні систем інтелектуального керування КВМ // Системы и средства передачи и обработки информации: IX Междунар. научно-практическая конференция. Черкассы, 5–10 сентяб. 2005 г. – Черкассы: ЧГТУ, 2005. – С. 215–216.
11. L. Kolomiets, O. Kochetkova, The conceptual neuronet approach to diagnostics of defects in technical systems // Рroceedings of the second world congress “Аviation in the xxi-st century”, “Safety in aviation”. – Кyiv, 2005. – С. 2.27–2.30.
12. Руднева М.С., Иволгина Т.А., Кочеткова О.В. Задача идентификации объектов измерения на координатно-измерительной машине // Математичне та програмне забезпечення інтелектуальних систем: ІІІ Міжнар. науково-практична конференція. Дніпропетровськ, 16–18 листоп. 2005 р. – Дніпропетровськ: ДНУ, 2005. – С. 152–153.
13. Кочеткова О.В. Определение технического состояния координатно-измерительных машин на нейронных сетях // Інтегровані інформаційні технології та системи: Науково-практична конференція. Київ, 21–23 листопада 2005 р. – К.: НАУ, 2005. – С. 24–25.
14. Іволгіна Т.О., Кочеткова О.В., Руднєва М.С. Нові аспекти розробки координатно-вимірювальних машин на нейронних мережах // Інтегровані комп’ютерні технології в машинобудуванні: V Міжнар. науково-технічна конференція. Харків, – Х.: ХАІ, 2005. – С. 262–263.
15. Кочеткова О.В. Адаптивний синтез інформаційно-обчислювальної конфігурації вимірювальних роботів // Приладобудування: стан і перспективи: V науково-технічна конференція. Київ, 25–26 квіт. 2006 р. – К.: НТУУ “КПІ”, 2006. – С. 132.
16. Кочеткова О.В., Лобус Р.С., Руднева М.С. Интеллектуальная адаптивная система управления КИМ с обратной связью // Интеллектуальный анализ информации ИАИ: VI Междунар. конференция. Киев, 16–19 мая 2006 г. – К.: НТУУ “КПІ”, 2006. – С.175–180.
17. Кочеткова О.В. Оптимальна траєкторія обходу вимірювальним наконечником просторових деталей // Інтелектуальні системи прийняття рішень та інформаційні технології: Міжнар. науково-практична конференція. Чернівці, 17–19 трав. 2006 р. – Чернівці: Рута, 2006. – С. 226–228.
18. Кочеткова О.В., Руднєва М.С., Лукін І.В. Синтез системи ідентифікації об’єктів на координатно-вимірювальній машині // V Між нар. науково-технічна конф. „Метрологія та вимірювальна техніка” (Метрологія – 2006). – Х.: ННЦ „Інститут метрології”, 2006. – Т. 2. – С. 112–115.
19. Гумен М.Б., Чередников И.О., Кочеткова О.В. Математическая модель системы оценки точности формы цилиндрических поверхностей деталей // VII міжнар. науково-техн. конф. „Авіа-2007”. – Київ, 2007. – Т.1. – С. 11.53–11.56.
20. Кочеткова О.В. Експериментальні дослідження теплового стану координатно-вимірювальної машини за допомогою нейронних мереж // Інтегровані інформаційні технології та системи: Науково-практична конференція. Київ, 29–31 жовт. 2007 р. – К.: НАУ, 2007. – С.73–74.
21. Кочеткова О.В. Моделі та алгоритми адаптивного управління координатно-вимірювальними машинами // Наукові нотатки постійно діючого семінару науковців, здобувачів та ад’юнктів. Київ, 18 берез. 2008 р. – К.: ВІКНУ, 2008. – Вип. №10. – С. 1–15.
АНОТАЦІЯ
Кочеткова О.В. Моделі та алгоритми адаптивного управління координатно-вимірювальними машинами. – Рукопис.
Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.06 – інформаційні технології. –Київський національний університет імені Тараса Шевченка, Київ, 2008.
Дисертація присвячена підвищенню точності управління координатно-вимірювальними машинами. В дисертації розроблено модель адаптивної системи управління, метод адаптивного управління КВМ, які базуються на використанні нейронних мереж та дають можливість при спрощеному математичному описі, розв’язати задачу адаптації в умовах дії дестабілізуючих факторів для серійного виробництва при контролі високоточних і дорогих деталей. Удосконалено метод дослідження теплового стану КВМ на базі нейронних мереж, в основі якого покладено визначення теплового стану при використанні мінімального числа датчиків температури в системі теплового діагностування, оскільки тепловий стан КВМ є вирішальним для забезпечення точності виготовлення деталей.
Запропоновано алгоритми адаптивного управління координатно-вимірювальними машинами на базі нейронних мереж, управління рухами вимірювальної головки КВМ, що забезпечують підвищення точності при вимірюванні деталей в реальному часі
Використання нейронних мереж в якості адаптивного елементу дає можливість використовувати їх для розв’язання задач, пов’язаних із створенням високоточних систем управління, що забезпечує необхідну стійкість вимірювальної головки та дозволяє відслідковувати траєкторію руху сенсорної підсистеми.
Ключові слова: адаптивна система управління, нейронна мережа, вимірювальна головка, адаптивний алгоритм.
АННОТАЦИЯ
Кочеткова О.В. Модели и алгоритмы адаптивного управления координатно-измерительными машинами. – Рукопись.
Диссертация на соискание ученой степени кандидата технических наук по специальности 05.13.06 – информационные технологии. Киевский национальный университет имени Тараса Шевченка, Киев, 2008.
Диссертация посвящена решению важной научной задачи: повышению точности управления координатно-измерительными машинами. Разработка системы управления на базе нейронных сетей позволяет упростить математическое описание, тогда как использование традиционных методов оптимального управления нуждается в большом объеме априорной информации и выводе сложных нелинейных зависимостей.
Разработана модель адаптивной системы управления координатно-измерительной машины, которая базируется на использовании нейронных сетей, что позволяет выбирать оптимальный маршрут сенсорной подсистемы при упрощенном математическом описании и проводить измерение геометрических параметров пространственных деталей в реальном времени.
Разработан метод адаптивного управления координатно-измерительной машиной, который позволяет решать задачу адаптации в условиях неопределенности и действия дестабилизирующих факторов для серийного производства высокоточных и дорогих деталей.
Усовершенствован метод исследования теплового состояния координатно-измерительной машины на базе нейронных сетей, что позволяет использовать минимальное число датчиков температуры в системе теплового диагностирования, поскольку тепловое состояние координатно-измерительной машины является решающим для обеспечения точности изготовления детали.
Предложенный в составе координатно-измерительной машины блок диагностики позволяет определять состояние работы отдельных блоков и состояние готовности к процессу измерения.
Разработанный алгоритм адаптивного управления координатно-измерительными машинами на базе нейронных сетей, алгоритм управления движениями измерительной головки КИМ обеспечивают повышение точности позиционирования при измерении высокоточных деталей.
Использование нейронных сетей в качестве адаптивного элемента позволяет решать задачи связанные с созданием высокоточной системы управления КИМ, что обеспечивает необходимую стойкость измерительной головки и позволяет отслеживать траекторию движения сенсорной подсистемы.
Основные положения и алгоритмы могут быть использованы в автоматизированных системах управления роботизированными цехами, в гибких производственных системах и автоматизированных измерительных средствах.
Процесс формирования знаний не завершается на этапе разработки системы и формирования базы данных и базы знаний. В процессе эксплуатации системы проводится “работа над ошибками”, таким способом система накапливает опыт обхода препятствий.
Разработан метод на основе регистрации инфракрасного излучения измеряемой детали, который позволяет существенно сократить время и повысить достоверность контроля распределения температуры с компенсацией температурной погрешности путем дистанционного определения температуры детали и без соприкосновения с объектом за одно измерение получить интегральное распределение температуры, динамику ее изменения при обеспечении высоких метрологических характеристик.
На основе проведенных исследований адаптивной координатно-измерительной машины при измерении геометрических размеров объектов установлено, что адаптивная КИМ способна на основе сигналов от датчиков и внешней информации определить целевое положение измерительной головки‚ скорректировать старые или синтезировать новые программы движения исполнительных механизмов.
Показано, что отличной особенностью адаптивных систем управления КИМ на базе нейронных сетей является их способность к обучению на опыте и адаптации в процессе измерения геометрических параметров объектов, автоматическое программирование‚ диагностика состояния системы.
Разработанная адаптивная система управления способна компенсировать
