CC BY
1УДК 65.011.56
ИСПОЛЬЗОВАНИЕ НЕЧЕТКОЙ ЛОГИКИ В СИСТЕМЕ УПРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИМ КОМПЛЕКСОМ НАПЫЛЕНИЯ ПОКРЫТИЙ ЛЕТАТЕЛЬНЫХ АППАРАТОВ
А. Ю. Андрюшкин, В. В. Булыгин, Чжэньнин Ли
Балтийский государственный технический университет «ВОЕНМЕХ» им. Д. Ф. Устинова, Санкт-Петербург, Россия
Аннотация. Надежность летательных аппаратов обеспечивается наносимыми на них различными функциональными покрытиями. Показатели качества покрытий обусловлены возможностями системы управления технологическим комплексом их напыления. Система управления эффективна, если при большом числе входных параметров она принимает оптимальное технологическое решение для достижения заданных значений показателей качества покрытия. Предложено использование нечеткой логики в системе управления технологическим комплексом напыления лакокрасочных покрытий. С помощью пакета Fuzzy Logic Toolbox программы MATLAB проведен анализ базирующейся на нечеткой логике системы управления технологической операцией нанесения распыляемой композиции на покрываемую поверхность. Показано, что использование нечеткой логики как элемента искусственного интеллекта, эффективно в системе управления технологическим процессом напыления.
Ключевые слова: покрытие, нечеткая логика, система управления, технологические параметры, показатели качества покрытия, искусственный интеллект
Для цитирования: Андрюшкин А. Ю., Булыгин В. В., Ли Чжэньнин. Использование нечеткой логики в системе управления технологическим комплексом напыления покрытий летательных аппаратов // Аэрокосмическая техника и технологии. 2024. Т. 2, № 1. С. 94-105. DOI 10.52467/2949-401X-2024-2-1-94-105. EDN JTFEDZ
THE USE OF FUZZY LOGIC IN THE CONTROL SYSTEM OF THE TECHNOLOGICAL COMPLEX FOR SPRAYING COATINGS OF AIRCRAFT
A. Yu. Andryushkin, V. V. Bulygin, Zhenning Li
Baltic State Technical University "VOENMEH", Saint Petersburg, Russia
Abstract. The reliability of aircraft is ensured by various functional coatings applied to them. The quality indicators of coatings are determined by the capabilities of the control system for the technological complex of their spraying. The control system is effective if, with a large number of input parameters, it adopts the optimal technological solution to achieve the set values of coating quality indicators. The use of fuzzy logic in the control system of the technological complex of coating spraying is proposed. Using the Fuzzy Logic Toolbox package of the MATLAB program, an analysis of the fuzzy logic-based control system for the technological operation of applying a sprayed composition to a coated surface was carried out. It is shown that the use of fuzzy logic as an element of artificial intelligence is effective in the control system of the technological spraying process.
© Андрюшкин А. Ю., Булыгин В. В., Ли Чжэньнин, 2024 Aerospace Engineering and Technology. 2024. Vol. 2, no. 1
Keywords: coating, fuzzy logic, control system, technological parameters, coating quality indicators, artificial intelligence
For citation: Andryushkin A. Yu., Bulygin V. V., Li Zhenning. The use of fuzzy logic in the control system of the technological complex for spraying coatings of aircraft. Aerospace Engineering and Technology. 2024. Vol. 2, no. 1, pp. 94-105. DOI 10.52467/2949-401X-2024-2-1-94-105. EDN JTFEDZ (In Russian)
Введение
Наносимые на летательные аппараты покрытия выполняют различные функции, повышают их надежность и живучесть. Заданные показатели качества покрытия обеспечиваются рациональной технологией его нанесения. Технологический режим процесса напыления покрытия представляет собой совокупность большого числа параметров. В зависимости от выбранного способа напыления покрытия число входных параметров системы управления, формирующихся на основе сигналов от контролирующих датчиков, варьируется от 20 до 60. На каждой операции технологического процесса можно выделить от 3 до 6 параметров, существенно влияющих на качество покрытия. Функционирование технологического комплекса сопровождается отклонением этих параметров от заданных начальных значений, при этом происходят нелинейные и динамические процессы, приводящие к изменению показателей качества покрытия. Поэтому актуальна задача принятия системой управления оптимального технологического решения, обеспечивающего заданные показатели качества покрытия, при большом числе изменяющихся входных параметров [1].
Если входные параметры не дискретны и изменяются на некотором интервале значений, то в системах управления таких технологических комплексов можно использовать нечеткую логику. Нечеткая логика учитывает не только точные значения входных параметров, но и неопределенности, что делает процесс принятия технологических решений гибким и адаптивным.
Нечеткая логика относится к элементам искусственного интеллекта и оперирует лингвистическими характеристиками, каждая из которых представляет собой нечеткие множества. Их компонентами являются значения некоторой физической величины, например, технологического параметра. Каждому значению этой величины ставится в соответствие некоторая функция принадлежности, принимающая значения от 0 до 1. Значение функции принадлежности показывает, насколько физическая величина принадлежит тому или иному множеству. Лингвистическая характеристика со своим графиком функции принадлежности называется терма [2-6].
Можно выделить три этапа работы системы управления, базирующейся на нечеткой логике (рис. 1):
• фаззификация - соотнесение входных технологических параметров с лингвистическими характеристиками и получение значений входных переменных для блока принятия решений;
• инференция - вычисление (принятие решений) выходных переменных по заданным логическим правилам из базы знаний;
• дефаззификация - получение показателей качества покрытия по выходным переменным из блока принятия решений.
Рис. 1. Система управления, базирующаяся на нечеткой логике
В фаззификатор системы управления поступают входные технологические параметры (физические величины) в виде сигналов от датчиков. Здесь устанавливается соответствие между численным значением физической величины и значением функции принадлежности соответствующего терма лингвистической характеристики. То есть в блоке фаззификации происходит преобразование четкого значения входного технологического параметра в нечеткую входную переменную, которая направляется в блок принятия решений. Принятие решений осуществляется по правилам и данным из базы знаний с помощью причинно-следственных пар «ЕСЛИ» - «ТО», по которым осуществляется переход от входных переменных к выходным. Далее из блока принятия решений выходные переменные поступают в дефаззификатор, где вычисляются значения показателей качества покрытия.
Цель исследования - анализ возможности использования нечеткой логики в системе управления технологическим комплексом напыления покрытий летательных аппаратов и оценка ее эффективности.
Задачи исследования:
1. Анализ системы управления технологической операцией нанесения распыляемой композиции на покрываемую поверхность.
2. Качественная оценка эффективности использования нечеткой логики в системе управления технологическим процессом напыления.
Анализ базирующейся на нечеткой логике системы управления технологической операцией нанесения распыляемой композиции на покрываемую поверхность
Проанализируем процесс напыления лакокрасочного покрытия и обеспечения его качества. К основным показателям качества лакокрасочного покрытия относятся: толщина, адгезионная и когезионная прочность, ударная прочность, твердость, износостойкость, химическая стойкость. Значения показателей каче-
ства покрытия зависят от параметров, заданных на каждой технологической операции (подготовка покрываемой поверхности, перемешивание компонентов напыляемой композиции, подготовка распыляющего воздуха), и климатических факторов (температура и влажность воздуха). Предположим, что напыление осуществляется в помещении, где поддерживаются оптимальные значения климатических факторов, и их влияние на показатели качества лакокрасочного покрытия незначительно. В этом случае на значения показателей качества лакокрасочного покрытия существенно влияют завершающие операции технологического процесса, в частности, операция нанесения распыляемой композиции на покрываемую поверхность.
На этой операции существенное влияние на показатели качества покрытия оказывает положение распылителя относительно покрываемой поверхности, характеризуемое тремя технологическими параметрами, которые в виде сигналов поступают в систему управления от соответствующих датчиков (рис. 2) (см. таблицу):
• расстояние от покрываемой поверхности до распылителя L;
• скорость перемещения распылителя вдоль покрываемой поверхности и;
• угол между осью факела распыления и покрываемой поверхностью ф.
Показателем качества, рассчитываемым системой управления, является толщина напыленного покрытия Н [7-12].
Рис. 2. Схема технологической операции нанесения распыляемой композиции на покрываемую поверхность
1 - распылитель; 2 - факел распыления; 3 - покрываемая поверхность
Входные и выходные технологические параметры системы управления
Тип параметра Технологический параметр Допускаемый интервал Оптимальное значение Функция принадлежности
Входной Расстояние от покрываемой поверхности до распылителя (Ь) 200-500 мм 350 мм Гауссов тип
Входной Скорость перемещения распылителя вдоль покрываемой поверхности (и) 100-200 мм/с 150 мм/с Гауссов тип
Входной Угол между осью факела распыления и покрываемой поверхностью (ф) 60-90° 90° Гауссов тип
Выходной Толщина напыленного покрытия (Н) 270-330 мкм 300 мкм Гауссов тип
После установления допускаемого интервала и оптимальных значений для входных технологических параметров и показателя качества покрытия заданы соответствующие термы - лингвистические характеристики с графиком функции принадлежности. Для всех терм функция принадлежности имеет гауссов тип и описывается следующей зависимостью:
f _ 2 Л
x - c
а
V )
где x - значение переменной; с - параметр, характеризующий центр нечеткого множества; а - параметр, характеризующий крутизну функции принадлежности.
Для построения нечеткой системы управления использован пакет прикладных программ MATLAB и пакет расширения Fuzzy Logic Toolbox.
Для входного технологического параметра L лингвистическими характеристиками входной переменной являются «Близко», «Оптимально», «Далеко» (рис. 3, а). Для входного технологического параметра U лингвистическими характеристиками входной переменной являются «Медленно», «Оптимально», «Быстро» (рис. 3, б).
Для входного технологического параметра ф лингвистическими характеристиками входной переменной являются «Допустимо», «Оптимально» (рис. 4). Для показателя качества покрытия H лингвистическими характеристиками выходной переменной являются «Очень тонкое», «Тонкое», «Нормальное», «Толстое», «Очень толстое» (рис. 5).
200 250 300 350 400 450 500
¡п ри! уапаЫе "Рэссояние_1_"
а
Рис. 3. Функции принадлежности входной переменной технологических параметров:
а - L ; б - и
60 65 70 75 аО 85 90
¡при! чапаЫв "Угол_(¡"
Рис. 4. Функции принадлежности входной переменной технологического параметра ф
memoersnip типспоп pioxs
FIS Variables I
270 280 290 300 310 320 330
output variable *Толщина_покрытия__H*
Рис. 5. Функции принадлежности показателя качества H
В блоке принятия решений системы управления технологическим комплексом используется база правил, содержащая лингвистические выражения «ЕСЛИ» - «ТО» (рис. 6).
1. If (Рассояние,
2. If (Рассояние_
3. If (Рассояние.
4. If (Рассояние,
5. If (Рассояние,
6. If (Рассояние..
7. If (Рассояние, В. If (Рассояние
Ь к Оптимально) ап<1 (Скорость в близко) ап(1 (Скорость^и в .1 в Оптимально) ап(1 (Скорость.
¡5 близко) ап<1 (Скоро сть_11 ¡5 Ь Оптимально) ап(1 (Скорость_ .1. ¡5 Далеко) агк] (Скорость_и а .1. б Далеко) ап<] (Скорость_и ¡5 I к Далеко) агк! (Скорость и ¡5
_U is Оптимально) and (Угол_Я is Оптимально) then (Толщина_покрытия_И is Нормальное) (1}
Медленно) and (Угол_fi is Допустимо) then {Толщина_покрытия_К is Очень_толстое) (1)
_U is Медленно) and (yron_fi is Оптимально) then (Толщина_локрытия_Н is Толстое) (1)
Оптимально) and (Угол_fi is Оптимально) then (Толщина_покрытия_Н is Толстое) (1)
_U is Оптимально) and (Угол_fi is Допустимо) then {Толщкна_покрытия_Н is Толстое) (1)
Быстро) and (Угол_й is Оптимально) then (Толщина_покрытия_Н is Очень_тонкое) (1)
Быстро) and (Угол_fi is Допустимо) then (Топщина_покрытия_И is Тонкое) (1)
Оптимально) and (Угол fi is Оптимально) then (Толщина покрытия Н is Тонкое) (1)
9. If (Рассояние Lis Оптимально) and (Скорость U is Быстро) and (Угол fi is Оптимально) then (Толщина покрытия His Тонкое) (1
Рис. 6. База правил
Пакет Fuzzy Logic Toolbox позволяет варьировать значения входных технологических параметров L, U, ф и просматривать результат - показатель качества H. На рис. 7 показан пример, когда оптимальным значениям входных технологических параметров L = 350 мм, U = 150 мм/с, ф = 90° соответствует нормальная толщина покрытия H = 300 мкм. Для наглядности можно построить поверхность зависимости показателя качества покрытия от входных технологических параметров (рис. 8).
Рис. 7. Окно варьирования входных технологических параметров Ь, И, ф и получаемый
выходной технологический параметр Н
Рис. 8. Зависимость показателя качества покрытия Н от входных технологических
параметров Ь и И
Таким образом, с помощью пакета расширения Fuzzy Logic Toolbox программы MATLAB проанализирована базирующаяся на нечеткой логике система управления технологической операцией нанесения распыляемой композиции на покрываемую поверхность.
Обсуждение результатов
В базу знаний системы управления заложена априорная информация о влиянии входных технологических параметров на показатель качества покрытия в виде нечетких правил управления на конкретной технологической операции. В системе управления предусмотрена возможность адаптации, создания новых правил в реальном времени к изменяющимся входным технологическим параметрам и показателям качества покрытия.
Раньше определение показателей качества покрытия было возможно только после окончания технологического процесса напыления и отверждения покрытия. Поиск причин брака требовал остановки технологического комплекса и осмотра специалистами его узлов и агрегатов.
Внедрение системы управления, базирующейся на нечеткой логике, позволяет определять показатели качества покрытия, состояние узлов и агрегатов технологического комплекса в ходе выполнения технологического процесса без его остановки. Нечеткая система управления устраняет возможность появления брака. Время принятия решения и поиска отклонений технологических параметров от оптимального режима, заданного оператором, значительно уменьшается. Система управления автоматически корректирует ход технологического процесса напыления, позволяет регулировать точность входных технологических параметров в зависимости от заданного показателя качества покрытия.
Использование нечеткой логики, как элемента искусственного интеллекта, эффективно в системе управления технологическим процессом напыления.
Заключение
По результатам проведенного исследования можно сделать следующие выводы.
Процесс нанесения покрытий на летательные аппараты сложной геометрической формы является наукоемким, требующим высокой квалификации от оператора технологического комплекса. Модель процесса является слишком сложной для получения оптимального решения в реальном масштабе времени.
Использование принципов нечеткой логики для управления технологическим процессом напыления снижает время простоя и количество брака. Правила, используемые в нечеткой логике, позволяют объединить полученный опыт и знания экспертов для быстрого принятия решения в конкретной ситуации. Снижается влияние человеческого фактора на качество покрытия.
Основным препятствием на пути эффективного применения ТЭО является недостаток материалов с низкой работой выхода электронов, способных эффек-
тивно функционировать в условиях среды продуктов сгорания. Для преодоления этого ограничения важно сосредоточить усилия на разработке новых материалов или модификации существующих с целью снижения работы выхода электронов. Это может включать в себя исследования в области нанотехноло-гий, создание сплавов или композитных материалов с улучшенными свойствами. Важно исследовать воздействие среды продуктов сгорания на эти материалы, чтобы гарантировать их долговечность и стабильность в реальных условиях эксплуатации.
Конфликт интересов / Conflict of interests
Авторы заявляют об отсутствии конфликта интересов / The authors declare no conflict of interests.
Библиографический список
1. Васильев В. Ю., Шапкин В. С., Метелкин Е. С., Дуб А. В. Коррозия и старение воздушных судов при длительной эксплуатации: монография. М.: Логос, 2007. 224 с.
2. Лотфи А., Заде И. Задачи и методы нечеткой логики // Искусственный интеллект. 2016. № 3. С. 2739.
3. Балашов О. В., Букачев Д. С. Методика оценки качества решений в системах организационного управления на основе нечеткой логики // Международный журнал информационных технологий и энергоэффективности. 2021. Т. 6, № 3 (21). С. 18-23. EDN: UBEJGM
4. Полковникова Н. А., Курейчик В. М. Разработка модели экспертной системы на основе нечеткой логики // Известия ЮФУ. Технические науки. 2014. № 1 (150). С. 83-92. EDN: RTZMXD
5. Полковникова Н. А. Применение нечеткой логики в системах поддержки принятия решений // Вестник государственного морского университета имени адмирала Ф. Ф. Ушакова. 2013. № 3 (4). С. 30-35. EDN: SCCFBB
6. Фролов В. В., Мекешкин Е. Т. Моделирование логических выражений средствами нечеткой логики // Аллея науки. 2018. Т. 2. № 1 (17). С. 288-291. EDN: YPJAYX
7. Матвеев А.В. Применение нечеткой логики для выбора оптимального варианта технологического оборудования // Вестник Национального технического университета «Харьковский политехнический институт». Серия: Технологии в машиностроении. 2014. № 4 (29). С. 47-50.
8. Абдуллин И. Ш., Исрафилов И. Х., Симонова Л. А. и др. Анализ системы автоматического управления вакуумно-напылительного технологического комплекса для легкой промышленности // Вестник Казанского технологического университета. 2013. № 24. С.160-163.
9. Баинов Д. Д., Кривобоков В. П., Легостаев В. Н. Оптимизация параметров плазменных теплоотражающих покрытий // Известия Томского политехнического университета. 2004. Т. 307, № 2. С. 29-33
10. Исрафилов И. Х., Тимеркаев Б. А., Шаехов М. Ф. и др. Исследование влияния параметров вакуумно-напылительного технологического комплекса на показатели качества технологического процесса металлизации тканей // Вестник Казанского технологического университета. 2014. № 1. С. 78-80.
11. Тарасян В. С. Пакет Fuzzy Logic Toolbox for Matlab: учеб. пособие. Екатеринбург: Изд-во УрГУПС, 2013. 112 с.
12. Андрюшкин А. Ю., Изюмова Е. А., Рустамова М. У. Теоретическое обоснование взаимосвязи дефектности и толщины функционального покрытия техники специального назна-
чения // Вопросы оборонной техники. Серия 16: технические средства противодействия терроризму. 2022. № 9-10 (171-172). С. 65-71.
Дата поступления: 16.02.2024 Решение о публикации: 27.02.2024
Контактная информация:
АНДРЮШКИН Александр Юрьевич - канд. техн. наук, доцент, заведующий кафедрой (Балтийский государственный технический университет «ВОЕНМЕХ» им. Д. Ф. Устинова, Россия, 190005, Санкт-Петербург, 1-я Красноармейская ул., д. 1), Sascha1a@mail.ru
БУЛЫГИН Владимир Вячеславович - аспирант (Балтийский государственный технический университет «ВОЕНМЕХ» им. Д. Ф. Устинова, Россия, 190005, Санкт-Петербург, 1-я Красноармейская ул., д. 1), skaevod3000@gmail.com
ЛИ Чжэньнин - аспирант (Балтийский государственный технический университет «ВОЕНМЕХ» им. Д. Ф. Устинова, Россия, 190005, Санкт-Петербург, 1-я Красноармейская ул., д. 1), 2973787410@qq.com
References
1. Vasiliev V. Yu., Shapkin V. S., Metelkin E. S., Dub A. V. Korroziya i starenie vozdushnyh sudov pri dlitel'noj ekspluatacii: monografiya [Corrosion and aging of aircraft during long-term operation: monograph]. Moscow: Logos, 2007, 224 p. (In Russian)
2. Lotfi A., Zadeh I. Tasks and methods of fuzzy logic. Artificial intelligence. 2016. No. 3, pp. 27-39.
3. Balashov O. V., Bukachev D. S. Methodology for assessing the quality of solutions in organizational management systems based on fuzzy logic. International Journal of Information Technology and Energy Efficiency. 2021. Vol. 6, no. 3 (21), pp. 18-23. EDN: UBEJGM (In Russian)
4. Polkovnikova N. A., Kureichik V. M. Development of an expert system model based on fuzzy logic. Izvestiya SFedU. Engineering Sciences. 2014. No. 1 (150), pp. 83-92. EDN: RTZMXD (In Russian)
5. Polkovnikova N. A. Fuzzy expert system application in decision support systems. Vestnik gosudarstvennogo morskogo universiteta imeni admirala F.F. Ushakova [Bulletin of Admiral Usha-kovMaritime State University]. 2013. No. 3 (4), pp. 30-35. EDN: SCCFBB (In Russian)
6. Frolov V.V. Mekeshkin E.T. Modelirovanie logicheskih vyrazhenij sredstvami nechyotkoj logiki [Modeling of logical expressions by means of fuzzy logic]. Alleya nauki [Alley of Science]. 2018. Vol. 2, no. 1 (17), pp. 288-291. EDN: YPJAYX (In Russian)
7. Matveev A.V. Application of fuzzy logic for choosing the optimal variant of technological equipment. Bulletin of the National Technical University "Kharkov Polytechnic Institute." Series: Technologies in mechanical engineering. 2014. No. 4 (29), pp. 47-50. (In Russian)
8. Abdullin I. S., Israfilov I. H., Simonova L. A. et al. Analiz sistemy avtomaticheskogo uprav-leniya vakuumno-napylitel'nogo tekhnologicheskogo kompleksa dlya legkoj promyshlennosti [Analysis of the automatic control system of the vacuum-spraying technological complex for light industry]. Vestnik Kazanskogo tekhnologicheskogo universiteta [Bulletin of the Kazan Technological University]. 2013. No. 24, pp. 160-163. (In Russian)
9. Bainov D. D., Krivobokov V. P., Legostaev V. N. Optimizaciya parametrov plazmennyh tep-lootrazhayushchih pokrytij [Optimization of parameters of plasma heat-reflecting coatings]. Bulletin of the Tomsk Polytechnic University. 2004. Vol. 307, no. 2, pp. 29-33. (In Russian)
10. Israfilov I. H., Timerkaev B. A., Shaekhov M. F. et al. Issledovanie vliyaniya parametrov vakuumno - napylitel'nogo tekhnologicheskogo kompleksa na pokazateli kachestva tekhnologi-cheskogo processa metallizacii tkanej [Investigation of the influence of the parameters of the vacuum-spraying technological complex on the quality indicators of the technological process of tissue metallization]. Vestnik Kazanskogo tekhnologicheskogo universiteta [Bulletin of the Kazan Technological University]. 2014. No. 1, pp. 78-80. (In Russian)
11. Tarasyan V. S. Paket Fuzzy Logic Toolbox for Matlab [Fuzzy Logic Toolbox for Matlab Package: manual]. Yekaterinburg: Publishing house of UrGUPS, 2013, 112 p. (In Russian)
12. Andryushkin A. Yu., Izyumova E. A., Rustamova M. U. Theoretical substantiation of the relationship between the defect and the thickness of the functional coating of special-purpose equipment. Military Enginery. Issue 16: Counter-terrorism technical devices. 2022. No. 9-10 (171-172), pp. 65-71. DOI: 10.53816/23061456_2022_9-10_65 (In Russian)
Date of receipt: February 16, 2024 Publication decision: February 27, 2024
Contact information:
Alexander Yu. ANDRYUSHKIN - Candidate of Engineering Sciences, Associate Professor, Head of Department (Baltic State Technical University "VOENMEH", Russia, 190005, Saint Petersburg, 1st Krasnoarmeyskaya ul., 1), Sascha1a@mail.ru
Vladimir V. BULYGIN - Postgraduate student (Baltic State Technical University "VOENMEH", Russia, 190005, Saint Petersburg, 1st Krasnoarmeyskaya ul., 1), skaevod3000@gmail.com
ZhenNing LI - Postgraduate Student (Baltic State Technical University "VOENMEH", Russia, 190005, Saint Petersburg, 1st Krasnoarmeyskaya ul., 1), 2973787410@qq.com
