Методы контроля плотности распределения энергии по сечению электронного пучка Текст научной статьи по специальности «Компьютерные и информационные науки»

Актуальные проблемы авиации и космонавтики. Информационные технологии

- экстраполяционные методы легко автоматизируются и поэтому часто применяются в тех случаях, когда требуется быстро составить большое число прогнозов;

- экстраполяцию можно использовать параллельно с другими методами прогнозирования, применяя числовые ряды в качестве первого приближения.

Задача экстраполяции временного ряда сводится к типовой задаче нейроанализа - аппроксимации функции многих переменных по заданному набору примеров - с помощью процедуры погружения ряда в многомерное пространство. Это означает, что будет находиться не зависимость объема продаж от времени, а зависимость объема продаж от нескольких предыдущих его значений. Общая схема нейро-сетевого предсказания временных рядов состоит из следующих шагов [2]:

1. Получение необходимых данных.

2. Выбор входных признаков, влияющих на объем продаж (в простейшем случае это только предыдущие объемы продаж).

3. Выбор глубины погружения (обычно для этого опрашиваются эксперты).

4. Построение нейросетевой модели.

5. Получение прогноза.

6. Проверка модели. Если модель получилась неадекватной, возврат к шагу 2.

Применение нейросетевого моделирования для прогнозирования объемов продаж в рамках системы автоматизации планирования закупок товаров позволит максимально освободить конечных пользователей данной системы от необходимости знания особенностей сложных аналитических методов, применяемых для обеспечения правильного функционирования логистики закупок в области фармацевтического бизнеса.

Библиографические ссылки

1. Максимова И. АВС-АНАЛИЗ ассортимента в аптеке // Фармацевтическое обозрение. 2004. № 10.

2. Нейросетевые алгоритмы прогнозирования и оптимизации систем / под ред. М. В. Финкова. М. : Наука и техника, 2003.

© Ремезова А. А., Тынченко В. В., 2010

УДК 681:621.791

С. Ю. Рыжов Научный руководитель - А. Н. Бочаров Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Красноярск

МЕТОДЫ КОНТРОЛЯ ПЛОТНОСТИ РАСПРЕДЕЛЕНИЯ ЭНЕРГИИ ПО СЕЧЕНИЮ ЭЛЕКТРОННОГО ПУЧКА

Поставлена цель разработки контроля плотности распределения энергии по сечению электронного пучка. Проведен анализ задач, необходимых для достижения данной цели, и предложено средство ее достижения.

Электронно-лучевая сварка (ЭЛС) получила широкое распространение в отраслях машиностроения, связанных с производством авиационной и аэрокосмической техники. ЭЛС относится к методам сварки высококонцентрированными источниками энергии, и обладает широкими технологическими возможностями [1].

Электронный пучок является основным инструментом при ЭЛС. Энергетические параметры электронного пучка: ускоряющее напряжение, ток пучка, форма плотности распределения тока пучка, форма плотности распределения тока пучка на поверхности деталей являются основными энергетическими характеристиками процесса электроннолучевой обработки. Без их контроля и стабилизации невозможно обеспечить необходимое качество технологического процесса и его повторяемость [2].

В настоящее время задача контроля и стабилизации плотности распределения тока по сечению электронного пучка требует своего решения. В моей работе будет рассмотрен бесконтактный метод контроля плотности распределения энергии по сечению электронного пучка, основанный на измерении рентгеновского излучения с поверхности свариваемых деталей коллимированным рентгеновским датчиком (КРД).

Данный метод основан на том, что плотность рентгеновского излучения (РИ) из зоны взаимодействия электронов пучка с поверхности обрабатываемых деталей пропорциональна плотности тока пучка. Для того чтобы произвести измерение плотности рентгеновского излучения, зону обзора рентгеновского датчика (РД) ограничивают специальной насадкой — коллиматором, представляющим щелевую бленду, выполненную из материала, поглощающего рентгеновское излучение. В процессе измерения электронный пучок с помощью отклоняющей системы выводится из сварочной ванны и пересекает зону обзора коллимированного рентгеновского датчика, имеющую вид узкой полосы. При этом фиксируется ток развертки электронного пучка и интенсивность рентгеновского излучения, проходящего через коллиматор [3].

Применение бесконтактного метода контроля плотности распределения энергии по сечению электронного луча, основанный на измерении рентгеновского излучения с поверхности деталей колли-мированным рентгеновским датчиком, позволяет идентифицировать форму кривой распределения тока луча; определить оценку диаметра электронно-

Секция ««Информатика и автоматизированные системы»

го луча, учитывая форму кривой распределения, что повысит достоверность энергетической оценки вносимой удельной мощности в процесс сварки.

Библиографические ссылки

1. Гладков Э. А. Управление процессами и оборудованием при сварке. М. : Изд. центр «Академия», 2006.

2. Прикладная физика. 2000. № 2. С. 7-25.

3. ГОСТ-26086-84. Методы измерения диаметра пучка и энергетической расходимости лазерного излучения / (Lasers. Methods for measurement of beam diameter and beam energy divergence angle). Москва.

© Рыжов С. Ю., Бочаров А. Н., 2010

УДК 519.713

Н. Ф. Сафиуллина Научный руководитель - А. Н. Ловчиков, П. К. Лопатин Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Россия, Красноярск

УПРАВЛЕНИЕ МАНИПУЛЯТОРОМ В НЕИЗВЕСТНОЙ СТАТИЧЕСКОЙ СРЕДЕ ПРИ ПОМОЩИ АЛГОРИТМА РАЗДЕЛЕНИЯ ЯЧЕЕК

Представлен подход управления манипулятором в неизвестной статической среде. Используется принцип: управление манипулятором в среде с неизвестными препятствиями сводится к решению конечного числа задач управления в среде с известными препятствиями. Алгоритм разделения ячеек применяется для планирования пути в известной среде, в п-мерном пространстве обобщенных координат.

Рабочая среда манипулятора может иметь различную степень определенности. В рабочей среде могут находиться статические препятствия, информация о которых неполная или отсутствует, в этом случае говорят об управлении манипулятором в неизвестной статической среде. Изначально заданы: начальная конфигурация манипулятора д0(хь х2, ..., хп); множество целевых конфигураций 0Г, где е ^ имеют заданное положение схвата, Т - время пути. Найти путь, значит найти такую последовательность конфигураций манипулятора Р = {%(/)}, где tе [0; Г] и д - конфигурация манипулятора, чтобы в любое время t манипулятор не пересекался с препятствиями, а Р(0) = д0 и Р(Г) = дГ, т. е. требуется за конечное число шагов передвинуть манипулятор из начального положения в целевое обходя препятствия.

В работах [1; 7] применяется алгоритм управления манипулятором и динамическими системами в неизвестной статической среде, алгоритм гарантирует достижение цели за конечное число шагов. В работе [3] применяются нечеткая логика и нейронные структуры при решении задач управления в условиях неопределенности. Управление в различных условиях определенности среды, в том числе и в статической неизвестной среде, рассматривается в [6; 8]. Работа [4] направлена в основном на управление роботом в динамической среде, но так же рассматривается управление в статической среде. Существует множество методов разделения ячеек: вертикальное разделение ячеек (или трапециевидная декомпозиция) [6; 8], применяется для двумерного и трехмерного пространства; триангуляция (для трехмерного пространства) и цилиндрическая декомпозиция [6], декомпозиция бустрофедон и декомпозиция основанная на видимости (для двумерного пространства) [8], в [5] представлены методы аппроксимирующей декомпозиции. В основном, методы разделения ячеек рас-

смотрены для двумерного пространства, за исключением цилиндрической алгебраической декомпозиций [6], применяемой для п-мерного пространства конфигураций. Цилиндрическая алгебраическая декомпозиция решает любую задачу планирования движения, но определение смежности ячеек для данного метода является трудоемким, время работы зависит от многих факторов, но основное влияние на длительность оказывает количество полиномов в модели, их максимальная степень.

Управление роботами в среде с неизвестными препятствиями может быть сведено к решению конечного числа задач планирования траектории в среде с известными препятствиями [1; 7]. В качестве алгоритма управления в неизвестной статической среде возьмем подход управления манипулятором представленный в [2], в этой статье информация об окружающей среде может поступать не только о некоторой окрестности текущего состояния, но и о других точках пространства, что удобно использовать для методов управления получающих информацию от видеосенсорных систем, данный алгоритм отвечает следующим требованиям: гарантирует достижение цели; применим для п-звенных манипуляторов (количество звеньев определяет размерность пространства конфигураций). Кроме того, алгоритм сводится к решению конечного числа задач планирования пути в известной среде, так как препятствия, обнаруженные сенсорными, системами составляют известную среду. Планировать путь в известной среде будем с помощью методов использующих алгоритм разделения ячеек.

Алгоритм разделения ячеек для п-мерного пространства:

1) декомпозиция (разделение пространства конфигураций на ячейки) - используя аппроксимирующие алгоритмы разделения ячеек и информацию об уже известных запрещенных состояниях, разделяем