Повышение эффективности управления технологическими процессами восстановления и упрочения деталей машин (80

В данной статье говорится о разработанных ме­ тодах компьютерного моделирования технологиче­ ских процессов восстановления изношенных дета­ лей машин. Предложены математические модели, соответствующие программные средства и реко­ мендации к их внедрению в ремонтное производст­ во.

Перспективным направлением в повышении эффективности управления технологическими про­ цессами является его компьютеризация, т.е. приме­ нение блока компьютерных программных средств, позволяющих проводить имитационный экспери­ мент: прогнозировать выходные характеристики процесса - показатели, определяющие качество восстановления деталей, отрабатывать и оптимизи­ ровать режимы ТП.

С помощью компьютерного эксперимента так­ же возможно осуществлять исследование техноло­ гии восстановления на стадии ее разработки и вне­ дрения в ремонтное производство.

Основными преимуществами эксперимента, осуществляемого на ЭВМ, являются:

-лёгкость повторения и воспроизведения ус­ ловий проведения эксперимента;

-лёгкость прерывания и возобновления экс­ перимента;

-управление условиями проведения экспери­

мента.

Все это позволит сократить затраты материаль­ но-сырьевых, энергетических и временных ресур­ сов, снизить брак, снизить влияние «человеческого фактора», повысить экологичность процесса и, в конечном счете - повысить качество восстановле­ ния.

Машиностроение. — Приборостроение 2003

Разработке и внедрению компьютерной про­ граммы, позволяющей осуществлять имитацион­ ный Ш восстановления детали, предшествует по­ строение математической модели, адекватной ре­ альному процессу.

При анализе различных методов моделирования был сделан вывод, что наиболее перспективным для реализации точной и эффективной модели тех­ нологического процесса восстановления является эмпирический подход.

Теоретические модели, построенные на основе физико-химических законов, дают точное понима­ ние внутренней физики процесса, обеспечивают возможность прогнозирования вне диапазона ре­ альных измерений, проверяющих модель. В науч­ ных и теоретических исследованиях их приоритет неоспорим и очевиден, доказан многочисленными исследованиями, публикациями и т.д. Однако в случае сложных, еще до конца не исследованных процессов точность и адекватность физических мо­ делей ограничена, даже при рассмотрении их в пределах экспериментального диапазона.

Для практических целей наиболее эффективны­ ми являются эмпирические модели, так называе­ мые модели "черного ящика". Эмпирические моде­ ли получают на основе экспериментальных данных, их адекватность можно гарантировать только для тех условий, в которых они строились, и они ис­ пользуются только для практических целей, а не в теоретических исследованиях. Их основное досто­ инство - это быстрота построения, универсальность и возможность построения моделей сложных про­ цессов, процессов, физико-математические модели которых неизвестны или очень сложные.

28

Мы рассмотрели два подхода к построению эм­ пирических моделей технологии восстановления деталей машин.

В первом случае реализуется построение поли­ номиальной модели (ПМ). Результатом моделиро­ вания является аналитическое уравнение - полином некоторой степени и соответствующая графическая визуализация — трехмерная поверхность или кон­ турный график на плоскости, отражающие реаль­ ную зависимость выбранного показателя качества восстановления от технологических параметров процесса.

Во втором случае для реализации модели, по­ зволяющей работать с большим числом входных и выходных параметров, был рассмотрен нейросетевой подход. Основными преимуществами моде­ лей ТП, основанных на построении искусственных нейронных сетей, являются:

-высокая точность прогнозирования значений выходных параметров процесса - показателей каче­ ства восстановления;

-возможность определять и оптимизировать необходимые режимы процесса восстановления по требуемым значениям показателей качества. Это очень важный момент, на который необходимо об­ ратить внимание при выборе метода моделирова­ ния, особенно, когда по технологическим или про­ изводственным требованиям необходимо обеспе­ чить значение показателей, определяющих физикомеханические свойства восстановленных деталей, в строго определенном диапазоне.

Работа нейронной сети происходит в три ста­ дии: обучение, проверка (тестирование) и непо­ средственно функционирование. Если имеется ба­ зис экспериментальных данных - матрица, содер­ жащая различные варианты значений технологиче­ ских параметров процесса и соответствующий вы­ ходной вектор значений показателей качества, то для настройки сети удобно выбрать алгоритм об­ ратного распространения ошибки. В этом случае часть экспериментальных данных является этало­ ном для настройки сети. После достаточно большо­ го числа обучающих циклов алгоритм сходится к решению, которое минимизирует разность между требуемым и полученным выходами. На оставших­ ся экспериментальных данных сеть тестируется. Если на вход полностью настроенной сети подать входной вектор, не входящий в обучающую выбор­ ку, то выходной вектор с достаточной степенью точности будет приближен к действительному. Та­ ким образом, обученная с помощью алгоритма об­ ратного распространения нейронная сеть представ­ ляет собой адекватную модель процесса, примени­ тельно к которому она была обучена. Основная плата за адекватность - время, затраченное на орга­ низацию и проведение обучения.

Нами были реализованы полиномиальная и нейросетевая модели примере одного из самых перспективных способов восстановления и упроч-

Машиностроение. Приборостроение.

нения деталей из алюминиевых сплавов - микроду­ гового оксидирования (МДО). Сущность МДО за­ ключается в том, что на деталь из алюминиевого сплава, расположенную в электролитической ван­ не, через специальный источник питания подается ток, приводящий к образованию на поверхности детали микроплазменных разрядов, под воздейст­ вием которых поверхностный слой детали перера­ батывается в оксид алюминия. На поверхности де­ тали образуется прочный, практически беспорис­ тый слой керамики толщиной до 300 мкм. МДО по­ зволяет получить высококачественные износостой­ кие покрытия. Электрохимические микродуговые процессы включают в себя обычный электролиз, транспорт вещества электролита в разряд из рас­ творов, высокотемпературные химические реакции в разряде и в зоне электродов, прилегающих к раз­ ряду, с участием (или без участия) вещества элек­ тродов. Механизм микродуговых процессов на электродах в электролитах изучен недостаточно, что затрудняет построение точной физикоматематической модели процесса МДО. С другой стороны, технологические параметры процесса МДО легко поддаются настройке и регулированию, что делает очень привлекательным данный процесс для эмпирического моделирования и последующей автоматизации.

Моделируемыми показателями качества были выбраны: микротвердость (Нй) покрытия и его толщина (h). К основным показателям, опреде­ ляющим качество восстановления деталей покры­ тиями, нанесенными электрохимическими спосо­ бами, относятся: прочность сцепления покрытия с основным металлом; твердость покрытия; внутрен­ ние напряжения; износостойкость; усталостная прочность и др. Следует отметить, что между на­ званными показателями и микротвердостью по­ крытия либо уже существует непосредственная функциональная зависимость, либо возможно уста­ новление зависимостей хотя бы корреляционного типа. Кроме того, ни одна существующая методика для определения названных показателей не может соперничать с испытаниями на твердость по своей простоте и универсальности. Поэтому микротвер­ дость была выбрана в качестве моделируемого универсального показателя, характеризующего фи­ зико-механические свойства восстановленной де­ тали. В качестве входных параметров модели были выбраны величины задающие режим процесса МДО - технологические параметры: плотность тока Dt, состав электролита и время оксидирования Т. Другие параметры процесса МДО, такие как объем электролита, межэлектродное расстояние в элек­ тролитической ванне, материал и температура электродов и т.д., поддерживались постоянными.

Результаты построения и анализа полиномиаль­ ных моделей показывают, что истинную зависи­ мость эксплутационных характеристик восстанов­ ленной детали от технологических параметров

процесса МДО наиболее адекватно отражают квад­ ратичные полиномы.

При нейросетевом моделировании процесса МДО входной слой нейронов соответствует вход­ ным параметрам модели, выходной слой - устанавливает отклики. Были построены и обучены многослойные нейронные сети двух видов. В одной входными параметрами являлись технологические параметры МДО, а выходными - микротвердость и толщина восстановленного покрытия. В другой се­ ти входной вектор отражает требуемые значения показателей качества, а выходной - необходимые для обеспечения этих значений режимы МДО.

Для проверки качества построенных моделей была проведена серия натурных экспериментов. Расхождение прогнозируемых по моделям значе­ ний с результатами эксперимента не превышает 5%. Установлено, что наиболее высокую точность обеспечивают нейронные сети: уменьшение экспе­ риментальной ошибки при переходе от полиноми­ альной к нейросетевой модели для микротвердости Нт, толщины внутреннего hi и толщины h2 внешне­

го упрочненного слоев составляет соответственно 92,7%, 20,6%, 23%.

На основе построенных и проверенных на адек­ ватность моделей были разработаны компьютер­ ные программы в удобном пользовательском ин­ терфейсе, позволяющие:

-прогнозировать значения эксплутационных характеристик восстановленной детали по задан­ ным режимам МДО;

-определить необходимые значения техноло­ гических параметров МДО по требуемым значени­ ям показателей качества.

Разработаны рекомендации по использованию компьютеризированного технологического процес­ са в ремонтном производстве.

Представленная методика разработки компью­ теризированного технологического процесса вос­ становления изношенных деталей машин является универсальной и может быть использована для лю­ бого выбранного для исследования технологиче­ ского процесса.