Нечеткая продукционная модель знаний для корректировки результатов математического моделирования и оптимизации гальванического процесса при его практической реализации
Аннотация
Рассмотрены основные параметры (технологические условия и геометрические факторы), оптимизация которых служит для моделирования гальванических процессов с заданными характеристиками (неравномерность распределения толщины покрытия по поверхности детали и длительность процесса).
Приведена математическая постановка задачи оптимизации гальванического процесса в виде аддитивной свертки частных критериев, описаны состав системы уравнений математической модели процесса и алгоритмы поиска ее решения. Расхождение реальных параметров с принятыми в расчетах по математической модели может быть весьма значительным. Для исключения потребности в повторном решении задачи оптимизации предложено применение опыта, знаний и интуиции технолога-гальваника, осуществляющего непосредственную реализацию технологического процесса. Реализация указанного подхода возможна с использованием нечеткой продукционной модели знаний, учитывающей технологические условия и геометрические факторы в совокупности.
Цель разработанной модели — получение близких к оптимальным экспериментальных значений частных критериев с учетом отклонений значений найденных параметров от реальных за счет их корректировки. Определены входные и выходные переменные с термами и функциями принадлежности. Сформулированы основные электрохимические закономерности для построения базы знаний продукционной модели, содержащей систему правил на основе условных высказываний в виде «IF … THEN …». Рассмотрено применение разработанной модели на примере коррекции результатов моделирования и оптимизации гальванического процесса никелирования в сульфатном электролите для деталей со сложными формами поверхности. Для выбранных форм деталей решена задача оптимизации, итоги которой реализованы на объекте без и с корректировкой по разработанной модели знаний. Полученные результаты сравнивались путем расчета относительного отклонения прогнозируемого значения критерия от экспериментального.
Показано, что корректировка найденных оптимальных параметров оказывает влияние на целевой критерий при увеличении веса первого слагаемого (неравномерность толщины покрытия) ввиду его вычисления для объекта с распределенными координатами и, как следствие, нелинейной зависимости.
Литература
2. Сторублев М.Л., Ивахненко А.Г. Управление качеством процесса нанесения гальванических покрытий // Фундаментальные и прикладные проблемы техники и технологии. 2009. № 2. С. 41—45.
3. Рахимянов Х.М., Янпольский В.В., Кадырбаев Р.М. Влияние температуры электролита и катодной плотности тока на качество и толщину гальванического покрытия при восстановлении работоспособности зеркальной поверхности гильз гидроцилиндров // Обработка металлов (технология, оборудование, инструменты). 2015. № 3 (68). С. 16—22.
4. Наумов Л.В. Закономерности электроосаждения сплава кобальт-никель при различных режимах электролиза // Известия высших учебных заведений. Поволжский регион. Серия «Технические науки». 2013. № 1 (25). С. 76—84.
5. Лютов А.Г., Ишкулова А.Р. Моделирование процесса нанесения гальванических покрытий с учетом геометрических конфигураций электродов // Вестник Уфимского гос. авиационного технического ун-та. 2015. Т. 19. № 4 (70). С. 45—48.
6. Шульгин В.Г. Распределение тока и повышение равномерности осаждения металлов в гальванотехнике и гальванопластике. Л.: ЛДНТП, 1983.
7. Шеркунов В.Г., Редников С.Н., Власов А.Е., Тезе П. Влияние динамики движения электролита в гальванической ванне на однородность наносимого покрытия // Вестник МГТУ им. Г.Н. Носова. 2016. Т. 14. № 3. С. 32—38.
8. Solovjev D.S., Solovjeva I.A., Litovka Yu.V., Korobova I.L. About One Counterexample of Applying Method of Splitting in Modeling of Plating Processes // J. Physics: Conf. Series. 2018. V. 1015. P. 032138.
9. Jinxiang Z., Zaiman Z., Yanbin Q., Linru Y, Suqin W., Lianyu L. pH Fuzzy Control of Automated Industrial Electroplating of Gold // Chem. Eng. Techn. 1997. V. 20. No. 8. Pp. 576—580.
10. Jaya A.S.M., Kadir N.A.A., Jarrah M.I.M. Modeling of Tin Coating Roughness Using Fuzzy Logic Approach // Sci. Intern. (Lahore). 2014. V. 26. No. 4. Pp. 1563—1567.
11. Джамбеков А.М. Нечеткая система управления процессом каталитического риформинга // Прикаспийский журнал: управление и высокие технологии. 2015. № 4 (32). С. 268—280.
12. Мялик Я.В., Федулов А.С. Моделирование систем управления двухколесной балансирующей платформой // Вестник МЭИ. 2016. № 3. С. 61—65.
13. Анисимов Д.Н., Май Т.А. Двухуровневая нечеткая система управления динамическими объектами // Вестник МЭИ. 2017. № 4. С. 101—109.
14. Лесин В.В., Лисовец Ю.П. Основы методов оптимизации. М.: Изд-во МАИ, 1995.
15. Deconinck J. Mathematical Modelling of Electrode Growth // J. Appl. Electrochem. 1994. V. 24. No. 3. Pp. 212—218.
16. Агошков В.И., Дубовский П.Б., Шутяев В.П. Методы решения задач математической физики. М.: Физматлит, 2002.
17. Самарский А.А., Гулин А.В. Численные методы. М.: Наука, 1989.
18. Агладзе Р.И. и др. Прикладная электрохимия. М.: Химия, 1984.
19. Левин А.И. Теоретические основы электрохимии. М.: ГНТИЛЧЦМ, 1963.
20. Miller G.A. The Magical Number Seven, Plus or Minus Two // The Psychological Rev. 1956. V. 63. Pp. 81—97.
21. Mamdani E. Applications of Fuzzy Algorithms for Control of Simple Dynamic Plant // Proc. IEEE. 1974. V. 121. No. 12. Pp. 1585—1588.
22. Тарасян В.С. Пакет Fuzzy Logic Toolbox for Matlab. Екатеринбург: Изд-во УрГУПС, 2013.
23. Любарский Ю.Я. Интеллектуальные информационные системы. М.: Наука, 2016.
---
Для цитирования: Соловьев Д.С. Нечеткая продукционная модель знаний для корректировки результатов математического моделирования и оптимизации гальванического процесса при его практической реализации // Вестник МЭИ. 2019. № 6. С. 115—123. DOI: 10.24160/1993-6982-2019-6-115-123.
#
1. Kadaner L.I. Ravnomernost' Gal'vanicheskikh Pokrytiy. Khar'kov: Izd-vo KHGU, 1961. (in Russian).
2. Storublev M.L., Ivakhnenko A.G. Upravlenie Kachestvom Protsessa Naneseniya Gal'vanicheskikh Pokrytiy. Fundamental'nye i Prikladnye Problemy Tekhniki i Tekhnologii. 2009;2:41—45. (in Russian).
3. Rakhimyanov Kh.M., Yanpol'skiy V.V., Kadyrbaev R.M. Vliyanie Temperatury Elektrolita i Katodnoy Plotnosti Toka na Kachestvo i Tolshchinu Gal'vanicheskogo Pokrytiya pri Vosstanovlenii Rabotosposobnosti Zerkal'noy Poverkhnosti Gil'z Gidrotsilindrov. Obrabotka Metallov (Tekhnologiya, Oborudovanie, Instrumenty). 2015; 3(68): 16—22. (in Russian).
4. Naumov L.V. Zakonomernosti Elektroosazhdeniya Splava Kobal't-nikel' pri Razlichnykh Rezhimakh Elektroliza. Izvestiya Vysshikh Uchebnykh Zavedeniy. Povolzhskiy Region. Seriya «Tekhnicheskie Nauki». 2013; 1(25):76—84. (in Russian).
5. Lyutov A.G., Ishkulova A.R. Modelirovanie Protsessa Naneseniya Gal'vanicheskikh Pokrytiy s Uchetom Geometricheskikh Konfiguratsiy Elektrodov. Vestnik Ufimskogo Gos. Aviatsionnogo Tekhnicheskogo Un-ta. 2015; 19;4 (70):45—48. (in Russian).
6. Shul'gin V.G. Raspredelenie Toka i Povyshenie Ravnomernosti Osazhdeniya Metallov v Gal'vanotekhnike I Gal'vanoplastike. L.: LDNTP, 1983. (in Russian).
7. Sherkunov V.G., Rednikov S.N., Vlasov A.E., Teze P. Vliyanie Dinamiki Dvizheniya Elektrolita v Gal'vanicheskoy Vanne na Odnorodnost' Nanosimogo Pokrytiya. Vestnik MGTU im. G.N. Nosova. 2016; 14;3:32—38. (in Russian).
8. Solovjev D.S., Solovjeva I.A., Litovka Yu.V., Korobova I.L. About One Counterexample of Applying Method of Splitting in Modeling of Plating Processes. J. Physics: Conf. Series. 2018;1015:032138.
9. Jinxiang Z., Zaiman Z., Yanbin Q., Linru Y, Suqin W., Lianyu L. pH Fuzzy Control of Automated Industrial Electroplating of Gold. Chem. Eng. Techn. 1997;20;8:576—580.
10. Jaya A.S.M., Kadir N.A.A., Jarrah M.I.M. Modeling of Tin Coating Roughness Using Fuzzy Logic Approach. Sci. Intern. (Lahore). 2014;26;4:1563—1567.
11. Dzhambekov A.M. Nechetkaya Sistema Upravleniya Protsessom Kataliticheskogo Riforminga. Prikaspiyskiy Zhurnal: Upravlenie i Vysokie Tekhnologii. 2015; 4 (32):268—280. (in Russian).
12. Myalik Ya.V., Fedulov A.S. Modelirovanie Sistem Upravleniya Dvukhkolesnoy Balansiruyushchey Platformoy. Vestnik MEI. 2016;3:61—65. (in Russian).
13. Anisimov D.N., May T.A. Dvukhurovnevaya Nechetkaya Sistema Upravleniya Dinamicheskimi Ob′ektami. Vestnik MEI. 2017;4:101—109. (in Russian).
14. Lesin V.V., Lisovets Yu.P. Osnovy Metodov Optimizatsii. M.: Izd-vo MAI, 1995. (in Russian).
15. Deconinck J. Mathematical Modelling of Electrode Growth. J. Appl. Electrochem. 1994;24;3:212—218.
16. Agoshkov V.I., Dubovskiy P.B., Shutyaev V.P. Metody Resheniya Zadach Matematicheskoy Fiziki. M.: Fizmatlit, 2002. (in Russian).
17. Samarskiy A.A., Gulin A.V. Chislennye Metody. M.: Nauka, 1989. (in Russian).
18. Agladze R.I. i dr. Prikladnaya Elektrokhimiya. M.: Khimiya, 1984. (in Russian).
19. Levin A.I. Teoreticheskie Osnovy Elektrokhimii. M.: GNTILCHTSM, 1963. (in Russian).
20. Miller G.A. The Magical Number Seven, Plus or Minus Two. The Psychological Rev. 1956;63:81—97.
21. Mamdani E. Applications of Fuzzy Algorithms for Control of Simple Dynamic Plant. Proc. IEEE. 1974;121;12:1585—1588.
22. Tarasyan V.S. Paket Fuzzy Logic Toolbox for Matlab. Ekaterinburg: Izd-vo UrGUPS, 2013.
23. Lyubarskiy Yu.Ya. Intellektual'nye Informatsionnye Sistemy. M.: Nauka, 2016. (in Russian).
---
For citation: Solovjev D.S. A Fuzzy Production Model of Knowledge for Adjusting the Results from Mathematical Modeling of an Electroplating Process and for Optimizing It in Being Embodied. Bulletin of MPEI. 2019;6:115—123. (in Russian). DOI: 10.24160/1993-6982-2019-6-115-123.
