CC BY
19
МОНІТОРИНГ ВЛАСТИВОСТЕЙ ДІЕЛЕКТРИЧНОГО ШАРУ НАГРІВНИХ ЕЛЕМЕНТІВ НЕЙРОМЕРЕЖЕВИМ МОДЕЛЮВАННЯМ
Ключовим моментом сучасної наукової думки є використання енергозберігаючих технологій у всіх сферах побуту та промисловості. Це стосується й нагрівних пристроїв, що працюють шляхом перетворення електричної енергії в теплову. Трубчаті нагрівні елементи (ТЕНи) використовуються все рідше. Попри простоту конструкції та методів їх виготовлення, вони мають низку недоліків, що пов’язані з високою матеріалоємністю та тепловою інерційністю. Альтернативою для ТЕНів стало використання багатошарових нагрівних елементів з функціональними градієнтними шарами [1,2]. Вони складаються з основи та послідовно нанесених на неї ізоляційною та резистивнош шару. Шари у даному виробі мають строго визначені функціональні властивості: діелектричний шар-виконує функцію електроізолятора, а резистивний шар - струмо провідного тепловиділяючош шару. Дуже важливо в даному випадку забезпечити необхідний рівень властивостей цих шарів для надійної і довготривалої експлуатації виробу.
У данійроботі використано підходи нейромережевото моделювання у вигляді контролера нечіткої логікиТ-Controller Workshop для прогнозування діелектричної міцності захисних ізоляційних шарів у плівкових нагрівних елементах. Його конструкція передбачає систему виходів для відповідних вхідних даних, що оцінюються правилами логічною виведення. Вхідними даними будуть результати реальних експериментів під час нанесення діелектричних шарів. Це дасть змогу визначити оптимальні параметри режиму формування цих шарів для забезпечення необхідною рівня функціональних властивостей. Таким чином, застосування такого програмного продукту в перспективі уможливлює автоматизацію обладнання при масовому виробництві плівкових нагрівних елементів. Оператором установки буде закладатися необхідний рівень властивостей кожного із шарів, а програма видаватиме параметри режиму, які необхідно встановити для їх одержання.
Об’єктом дослідження були діелектричні шари оксиду магнію (MgO), сформовані гібридною іонно-плазмовою розрядною системою на підкладках із різних конструкційних матеріалів [3].
У роботі застосовано комплексний підхід до побудови засобів прогнозування напруги пробою діелектричного ізоляційного шару, що грунтується на використанні інформації, отриманої одночасно за допомогою експериментальних даних та висновків кваліфікованих експертів. Технологію побудови відповідних моделей подано на рис. 1.
Базовим елементом структурної схеми є T-Controller Workshop нечіткої логіки, в якому процес фазифікації (чіткому значенню ставляться у відповідність ступеня його приналежності до нечітких множин) та попередній етап побудови бази правил відповідає алгоритму Мамдані [4]:
- формування бази правил систем нечіткого виводу;
- фазифікація вхідних змінних;
- агрегування підумов, що передбачає процедуру визначення ступеня істиності умовної частини (дві підумови
Вступ
Матеріали та методика дослідження
Блок
..1
і_4_, у
s Вжшт
ЙШЦШІЇ.Ю
і .1
Гі%тгріжщ
НЄїІ0ЮМЄр€Ж«ИЙ: генерїїоя г|:шрйуя
Рис. 1. Структурна схема контролера T-Controller Workshop нечіткої логіки
об’єднані за допомогою нечіткої логічної кон’юнкції) кожного з правил системи нечіткого виводу в нечітких правилах продукцій;
- активізація підзаключень (процедура визначення ступеня істиності кожного з підзаключень правил систем нечіткого виводу) в нечітких правилах продукцій;
- акумуляція (процедура знаходження функції приналежності для кожної з вихідних лінгвістичних змінних множини) підсумків висновків нечітких правил продукції;
- дефазифікація (приведення до чіткості, яке використовується, коли корисно перетворити нечіткий набір висновків у чітке число) вихідних змінних [4].
Дефазифікація в T-Controller Workshop побудована за допомогою методу геометричних перетворень. Структура методу геометричних перетворень (МГП) скерована на усунення або зменшення негативних властивостей контролера нечіткої логіки [5].
На відміну від традиційних методів моделювання T-Controller Workshop забезпечує прозорі та зрозумілі правила, що описують даний процес, а також:
- підвищену точність функціонування і можливість розв’язання завдань із багатьма вхідними параметрами;
- високошвидкісний метод дефазифікації, що реалізований в даному контролері дозволяє отримати результат з нульовою методичною помилкою;
- число правил визначається лише властивостями вхідних і вихідних даних;
- побудова правил є зрозумілою (для експертів), оскільки дозволяє здійснювати логічний аналіз можливих значень для вихідних змінних.
Продукційна система T-Controller Workshop дозволяє створювати фази-контролери і застосовувати їх на числових даних. Даний контролер підтримує такі режими його створення: введення даних вручну та на основі файлу з даними (текстовий файл, у якому дані представлені без пропусків, а назви колонок та дані якою співпадають з файлом дослідної таблиці). У режимі введення даних вручну потрібно ввести всі вхідні параметри та відповідні їм терми (інгервальний поділ функції у вигляді low, middle та high) з координатами, а також вихідну змінну та терми які описують її. У режимі побудови контролера на основі файла з даними потрібно ввести вхідні параметри з термами і вихідну змінну та терми, які описують її. Тоді за допомогою пункту меню «Data->Load» завантажити файл з даними, а після цього за допомогою пункту меню «Controller->Create from data» створити сам контролер. Після чого дана програма сама згенерує координати для термів вхідних змінних, координати тер мів та лінгвістичні правила для вихідної змінної [6].
Теорія та аналіз отриманих результатів
Для моделювання складена дослідна таблиця з даними (табл. 1). На основі цієї таблиці створений контролер (рис. 2), який в результаті обробки дослідних даних утворив лінгвістичні правила, а також видав відповідний результат (рис. 3) та похибки, які описують його точність (MAD - середнє абсолютне відхилення; МАРЕ - середнє значення відносної похибки; R- коефіцієнт кореляції Пірсона; RMSE - середнє квадратичне значення похибки). Контролер створюється вручну введенням нових вхідних параметрів згідно з дослідною таблицею, введенням їх термів та координат, визначенням та введенням вихідного параметра та термів які описують його. У результаті на основі завантаженої таблиці за допомогою відповідного пункту меню «Controller->Create from data» створюється контролер.
Параметри, що використовували для створення контролера:
- товгцина(ТІііск): мала (38.17,1) (44.5,0), середня (38.17,0) (44.5,1) (50.83,0), велика (44.5,0) (50.83,1);
- тиск (Pressue): низький (7.17,1) (7.5,0), середній (7.17,0) (7.5,1) (7.83,0), високий (7.5,0) (7.83,1);
- час (Time): малий (15.83,1) (19.5,0), середній (15.83,0) (19.5,1) (23.17,0), великий (19.5,0) (23.17,1);
- струм (Current): низький (33.33,1) (36,0), середній (33.33,0) (36,1) (38.67,0), високий (36,0) (38.67,1);
- шорсткість (Ra): мала (0.58,1) (1.35,0), середня (0.58,0) (1.35,1) (2.12,0), велика (1.35,0) (2.12,1);
-пористість (Porystist): мала(14.5,1)(23.5,0), середня(14.5,0)(23.5,1)(32.5,0), велика(23.5,0)(32.5,1).
У результаті обробки даної дослідної таблиці отримано такі параметри напруги пробою (Voltage) та її лінгвістичні правила, які описують умови її отримання:
- низька напруга (416.67,1) (550,0): товщина велика, тиск низький, час великий, струм високий, шорсткість висока, пористість велика або товщина мала, тиск низький, час великий, струм високий, шорсткість велика, пористість велика або товщина середня, тиск високий, час малий або струм низький, шорсткість мала, пористість велика;
- середня напруга (416.67,0) (550,1) (683.33,0): товщина середня, тиск низький, час великий, струм високий, шорсткість велика, пористість велика або товщина середня, тиск низький, час великий, струм великий, шорсткість велика, пористість середня або товщина велика, тиск низький, час великий, струм високий, шорсткість велика, пористість середня або товщина велика, тиск високий, час малий, струм низький, шорсткість мала, пористість велика;
- висока напруга (550,0) (683.33,1): товщина велика, тиск низький, час великий, струм високий, шорсткість велика,
ISSN 1607-6885 Нові матеріали і технології е металургії та машинобудуванні №2, 2012
143
пористість низька або товщина середня, тиск високий, час середній, струм низький, шорсткість мала, пористість мала або товщина мала, тиск високий, час середній, струм низький, шорсткість мала, пористість мала.
Таблиця 1 - Вхідні експериментальні дані діелектричного шару оксиду магнію
Товщин а,мкм Напруга пробою, В Підкладка Р, мВ Час, хв. Струм, А Ra, мкм Пористість, %/см2
45 500 40X13 7 25 40 2,5 30
50 375 40X13 7 25 40 2,5 35
40 350 40X13 7 25 40 2,5 35
42 495 40X13 7 25 40 2,5 28
40 500 40X13 7 25 40 2,5 31
50 500 40X13 7 25 40 2,5 32
51 550 40X13 7 25 40 2,5 25
49 400 40X13 7 25 40 2,5 35
4В 440 40X13 7 25 40 2,5 30
47 420 40X13 7 25 40 2,5 32
51 650 Діб 7 25 40 2,5 20
53 650 Діб 7 25 40 2,5 19
40 405 Діб 7 25 40 2,5 37
42 440 Діб 7 25 40 2,5 33
45 555 Діб 7 25 40 2,5 30
50 550 Си 7 25 40 2,5 32
51 550 Си 7 25 40 2,5 30
43 420 Си 7 25 40 2,5 32
40 420 Си 7 25 40 2,5 33
42 415 Си 7 25 40 2,5 35
50 500 Амг2 7,8 14 32 0,2 30
54 495 Амг2 7,8 14 32 0,2 30
43 480 Амг2 7,8 14 32 0,2 35
42 750 40X13 8 18 32 0,2 10
35 750 40X13 8 18 32 0,2 11
40 730 40X13 8 18 32 0,2 11
:ІІЄ Controller Date Азріу Result Help Controller Data Resu.?
Inp-t va-iacies
Irwii" узг'гзі? (гегпзе,ї,і(р ^«лсзе-тй
Кэше Узіие La'-fei К.Г!СТ'іЗП
1 thick :о 4 tiJvV |(35Д). І44.5,0 > I
ЗГЕКУЕ ІЗ tr ■«<№»
ЕГГ.е j0 fifcn j(44;5,Q) (54Д) і.
:::! Сиг*®!"!! |0 !
г? ІЗ 2СіГуГч'5С| U I
OutpU variable
N!acie'voitaq?
Lab^ iiiowvoitBge чіі&іемйііж;'? Ритегоп |(iS0 П {SS^ O', Condition thid is high aid time i2 high arte, ctnen: i; h; * :'?5C,0)rtikx is rn<Hi“ a~d time \c •’ign anr. c.,rant ii
■-icbioltege 1(550.0) {750.1} itfcicK is h:eh and time ?s bran ard current is nir *
Рис 2. Інтерфейс контролера на основі дослідної таблиці
File Cbntmiler Data Cont-oiler Data Expected * vo tage” 500 Аээ!-,‘ Resuit Неір Result ; Predicted '‘voitsge'' Errors Measure Value І61.67 і С.12.
375 35u і 434.15: і-455,22 MAD MAP 5
4 CIS т?34 R 0.81 і
>500 455,22 RMSE [70.13
434,15 [
.-so і 527.78
1400 455.22
440 -:ь 28
420 4?7.34
650 631.35
650 616.65 ...
405 : 455.22
4-10 457.34
555 5?0.-7
550 і-434.15 іїІШШШВ
Рис. 3. Результати роботи контролера за експериментальни-
ми даними
На рис. З відображено результати роботи контролера, який був створений на основі експериментальних даних. Закладка «Result» висвітлює нам очікувану та прогнозовану напругу пробою. Очікувана напруга пробою висвітлюється нам такою ж самою, як у дослідній таблиці даних, тобто незмінною, а прогнозована напруга - це напруга, що результатом оцінена контролером, тобто яку ми мали б отримати в результаті проведення експерименту за реальних умов. Саме ці лінгвістичні правила враховують всі параметри, які впливають на напругу пробою.
Детальніше проаналізувавши закладку «Result», можна побачити на інтерфейсі програми графу «Errors», де зосереджені похибки, що характеризують прогнозовану напругу пробою, а саме:
- MAD (середнє абсолютне відхилення, %) становить 61,67;
- МАРЕ (середнє значення відносної похибки, %) становить 0,12;
- R (коефіцієнт кореляції Пірсона, %) становить 0,81;
- RMSE (квадратний корінь середнього квадратичного значення похибки, %) становить 70,13 [6].
Узагальнюючи вище сказане, можна зробити висновок, що похибка під час моделювання підтверджує коректність
використання нейронних мереж, зокрема контролера нечіткої логіки, для моніторингу та прогнозування параметрів синтезування діелектричного шару, що забезпечуватимуть потрібний рівень властивостей.
Для здійснення подальшого навчання контролера на основі відкорешваних лінгвістичних правил потрібно вручну створити новий контролер (рис. 4). При цьому розрахувавши координати вхідних змінних (за побудовою функції приналежності для вхідних змінних) згенерувати відповідну таблицю з даними для подальшою опрацювання.
Нижче наведено процедуру створення контролера та результат йога роботи на основі обробки вхідної відкори-шваної таблиці з експериментальними даними (рис. 4).
Контролер створювався за такими параметрами:
- товщина (Thick): мала (35,1) (44.5,0), середня (35,0) (44.5,1) (54,0), велика (44.5,0) (54,1);
- тиск (Pressue): низький (7,1) (7.5,0), середній (7,0) (7.5,1) (8,0), високий (7.5,0) (8,1);
- час (Time): низький (14,1) (19.5,0), середній (14,0) (19.5,1) (25,0), великий (19.5,0) (25,1);
- струм (Current): низький (32,1) (36,0), середній (32,0) (36,1) (40,0), високий (36,0) (40,1);
- шорсткість (Ra): мала (0.2,1) (1.35,0), середня (0.2,0) (1.35,1) (2.5,0), велика (1.35,0) (2.5,1);
- пористість (Porystist): мала (10,1) (23.5,0), середня(10,0) (23.5,1) (37,0), велика (23.5,0) (37,1).
У результаті обробки відкоришваної таблиці з даними отримано наступні параметри напруги пробою (Voltage) та її лінгвістичні правила, які описують умови її отримання:
- низька напруга (350,1) (550,0): товщина велика, час великий, струм високий, шорсткість велика, пористість велика або товщина середня, час великий, струм високий, шорсткість велика, пористість велика або товщина середня, час великий, струм високий, шорсткість велика, пористість середня;
- середня напруга (350,0) (550,1) (750,0): товщина середня, час великий, струм високий, шорсткість велика, пористість середня або товщина велика, час великий, струм високий, шорсткість велика, пористість середня або товщина велика, час великий, струм високий, шорсткість велика, пористість велика або товщина велика, час малий, струм низький, шорсткість мала, пористість середня або товщина середня, час малий, струм низький, шорсткість мала, пористість велика;
- висока напруга (550,0) (750,1): товщина велика, час великий, струм високий, шорсткість велика, пористість середня або товщина середня, час середній, струм низький, шорсткість мала, пористість мала або товщина мала, час середній, струм низький, шорсткість мала, пористість мала.
?і е Controllei Data ApDiv Result Hdo Controller Data Resjit
Input variables 1їю,г. var ab:e membership ft rerieis
Name ya:L6 cate Furracfi
io« {3s.i;('Rs,c;
гчгізіе ......
ligh
I44.5.Q) (54
Fu*ioon Condition __
j rhitk k biqh and t:mp hirpvBnH.cup'srtf - hi V:
{353,0} (550.1) {750,0})tnick.is middle and feme.is hsgn and current is : : t (SSS.Pj Г750ДІ____________itn.cts is high a nil :игч; s't gh an; cjriarit is hi
Рис. 4 Інтерфейс програми з процедурою створення контролера вручну за експериментальними даними
Fie Ccurjoter Dsta At>ylv Result Hao Cont-oler І Data R-ssult
Влрес.йй' vo taga" Pracicted "voltage
ifSOO 4se.s:
463.84
444.74
•■95 416.67
jOG
з-ыю ЬйВ.2’6
= 550 C23.66
-00 чТ4.л7
515.98
ЛЩ 4/i;.Л
Г.~п Г,:м. Г,;
662.28
•ifl? 444.74
-40 -Os.?»
ел
‘•kasi're Vakis
I'fAD 5C.3S
:|МА?Ё 0.:
її 0.86
I4MSE 57 55
Рис. 5. Інтерфейс програми з результатами моделювання
ISSN 1607-6885 Нові матеріали і технології в металургії та машинобудуванні №2, 2012
145
У результаті моделювання закладка «Result» видає два типи напруги пробою: очікувану та прогнозовану. Легко бачити, що обидва показники по напрузі пробою мало відрізняються один від одного, на що вказують похибки моделювання (рис. 5).
Отже проведене дослідження показало, що процедура прогностичного моделювання повинна складатися з таких етапів: створення базового контролера на основі дослідної таблиці; створення робочого контролера на основі попередньо від коригованої таблиці з даними та зміни бази лінгвістичних правил. У такий спосіб система «навчається» здійснювати моделювання з високою точністю на основі моніторингу експериментальних даних. У подальшому встановлені кореляційні залежності можна використовувати для постійного функціонування контролера в режимі інтелектуального давача, який сполучає функції імітації певних технологічних процесів, їхньою моделювання та управління ними.
Висновки
1. Застосування програмного продукту IT-Controller Workshop дає змогу передбачити функціональні властивості об’єкта моделювання, зокрема, напруги пробою діелектричного шару на основі обробки вхідних експериментальних даних. Використання нейромережевого моделювання з побудовою функцій приналежності (терм змінних та їх координат) дозволяє сформулювати та формалізувати правила логічною виведення на інтерфейс програмного забезпечення. Це дає змогу наочно проаналізувати результати дослідження за допомогою закладки «Result» та похибок, які відповідають цим результатам. Процедура навчання контролера підвищує точність результатів експерименту, які б мали виконуватись за реальних або дуже наближених до реальних умов.
2. Автоматична побудова логічних правил на основі використання функціональних можливостей T-Controller Workshop забезпечила високу ефективність навчання контролера і одночасно дозволила встановити лінгвістичний опис взаємозв’язків між основними параметрами технологічного процесу формування діелектричних шарів.
3. Для зменшення похибки прогнозування значень напруги пробою необхідно корегувати лінгвістичні правила, за якими будується контролер.
Списоклітератури
1. Дослідження діелектричних шарів на конструкційних матеріалах сформованих гібридною іонно-плазмовою розрядною системою / [3. А. Дурягіна, С. А. Беспалов, В. Я. Підкова, Д. Полоцький] 11 Металлофиз. новейшие технол. - 2011. -Т. 33, С. 393-400.
2. Дурягіна 3. А. Методика нанесення захисних ізоляційних покриттів на сталі 40X13 / 3. А. Дурягіна, В. Я. Підкова, С. А. Беспалов 11 Проблеми корозії та протикорозійного захисту матеріалів : в 2-х т. / Спецвипуск ФХММ. - 2012. - №9. -Т. 2. - С. 506-510.
3. Установка для формирования наноструктур / [Короташ И., Одиноков В., Павлов Г. и др.]. - Наноиндустрия, 2010. -№ 4. -С. 14-18.
4. http://habrahabr.rn/post/113020/
5. Ткаченко Р. Нейроподібні структури машини геометричних перетворень у завданнях інтелектуального аналізу даних / Р. Ткаченко, А. Дорошенко // Вісник Національного університету «Львівська політехніка» : Сер. : Комп’ютерні науки та інформаційні технології. - Львів : Вид-во НУ «Львівська політехніка», 2009. - С. 179-184.
6. Olexij Tkatchenko. T-Controller Workshop User Manual. - Vol. 2.8, 2011. - 16 c.
Одержано 31.10.2012
©Ткаченко P.O., Дурягіна 3.A., Зубик-Шах O.O., Підкова В.Я., Ольшевська С.О.
Національний університет «Львівська політехніка», м. Львів
Tkachenko R., Duryagina Z., Zubik-Shah О., Pidkova V., Olshevska S. Monitoring the properties of heating elements dielectric layer neuro-network modeling
