CC BY
28Математические методы моделирования, управления и анализа данных.
References
1. Venkatadri M., Srinivasa Rao K. A multiobjective genetic algorithm for feature selection in data mining, International Journal of Computer Science and Information Technologies. 2010. Vol. 1, No. 5, pp. 443-448.
2. Brester C., Kauhanen J., Tuomainen T. P., Semenkin E., Kolehmainen M. Comparison of two-criterion evolutionary filtering techniques in cardiovascular predictive modelling. Proceedings of the 13th International Conference on Informatics in Control, Automation and Robotics (ICINCO'2016), Lisbon, Portugal, 2016. Vol. 1. P. 140-145.
3. L. J. P. van der Maaten, G. E. Hinton, Visualizing High-Dimensional Data Using t-SNE. Journal of Machine Learning Research, 9 Nov, pp. 2579-2605, 2008.
4. L. J. P. van der Maaten, Accelerating t-SNE using Tree-Based Algorithms. Journal of Machine Learning Research, 2014. 15 Oct, pp. 3221-3245.
5. LeCun Y., Bottou L., Bengio Y., Haffner P. Gradient-based learning applied to document recognition. Proceedings of the IEEE, 86, 1998. Pp. 2278-2324.
6. Semenkin E., Stanovov V., Fuzzy rule bases automated design with self-configuring evolutionary algorithm, ICINCO 2014 - Proceedings of the 11th International Conference on Informatics in Control, Automation and Robotics 11. 2014. C. 318-323.
© Становов В. В., Семенкин Е. С., Шкраба А., 2016
УДК 004.94
ПРОГРАММНО-МАТЕМАТИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДЛЯ УПРАВЛЕНИЯ КОМПЛЕКСОМ АВТОМАТИЗИРОВАННОГО КОНТРОЛЯ КРУПНОГАБАРИТНЫХ ОБЕЧАЕК
С ВАФЕЛЬНЫМ ФОНОМ
Е. А. Субботина
Южно-Российский государственный политехнический университет (НПИ) имени М. И. Платова Российская Федерация, 346428, Ростовская обл., г. Новочеркасск, ул. Просвещения, 132
E-mail: Katy504@yandex.ru
Рассматриваются основные задачи, которые должно решать программное обеспечение для управления комплексом автоматизированного контроля крупногабаритных обечаек с вафельным фоном. Данные конструкции используются в качестве топливных баков, панелей и отсеков космических аппаратов.
Ключевые слова: контроль геометрии, станки с ЧПУ, вафельный фон.
SOFTWARE OF THE AUTOMATED CONTROL OF THE GEOMETRIC DIMENSIONS
OF LARGE WAFER SHELLS
E. A. Subbotina
Platov South-Russian State Polytechnic University (NPI) 132, Prosveschenia Str., Novocherkassk, Rostov Region, 346428, Russian Federation
E-mail: Katy504@yandex.ru
Large wafer shells would be fuel tanks, compartments and panels of spacecraft. Developed system monitors their geometrical characteristics and thickness.
Keywords: measurement, CNC machine, wafer shells.
Применение вафельных обечаек в цилиндрических и конических топливных баках, отсеках и панелях космических аппаратов позволяет уменьшить массу конструкции по сравнению с гладкой в 1,5-2 раза. Характеристики данных изделий существенно зависят от способа и точности их изготовления [1].
Для контроля качества производства данных обечаек необходимо иметь возможность контроля их геометрических размеров.
Количество ячеек вафельного фона в обечайке зависит от их размеров и размера самой обечайки,
так, например, при размере ячеек 32*32 на цилиндрической обечайке диаметром 5,5 м и высотой 2 м количество ячеек достигает примерно 30 000. Так как количество ячеек довольно большое, то контроль их геометрии непосредственно человеком довольно труден, следовательно, необходимо двигаться в сторону автоматизации данного процесса. Автоматизация процесса измерения крупногабаритных обечаек повысит бы производительность и увеличит повторяемость и технологичность процедуры проведения измерений.
<Тешетневс^ие чтения. 2016
Для измерения толщины и линейных размеров ячеек будут использованы: триангуляционный сканер (для измерения линейных размеров) и модуль ультразвукового контроля.
Для работы данных датчиков необходимо располагать измерительное устройство (сканер или толщиномер) на заданном расстоянии от поверхности и с определенной ориентацией. Для этой цели служит специальное технологическое оборудование.
Измерительный комплекс изображен на рисунке. Обечайка 4 размещается в рабочей зоне манипулятора 5. Измерение производится при помощи одного из двух датчиков, размещенных на головке 3.
h л
'S
Измерительный комплекс: 1 - шкаф управления; 2 - электронный блок толщиномера; 3 - инструментальная головка;
4 - объект контроля (обечайка); 5 - СТО
Для позиционирования выходной головки относительно обечайки необходима управляющая программа (УП) [2-5]. Она загружается в устройство ЧПУ (на рисунке обозначено 1) и по данной программе перемещаться станок.
Форма обечайки может отличаться от идеальной цилиндрической поверхности или плоскости, кроме того, ее расположение относительно станка точно не известно, т. е. перед проведением сканирования вафельной поверхности обечайки и измерения толщины остаточного полотна ячеек обечайки, необходимо определить положение и форму изделия. Эту задачу может решить проведение первоначального сканирования.
Результатом работы всего измерительного комплекса является отчет, в котором содержится информация о линейных и инструментальных размерах ячеек и толщине в их отдельных точках. Данный отчет получается путем интеграции данных о геометрии ячеек и карты толщин.
Для того чтобы показать каждую ячейку, необходимо составить программу обхода ячеек.
Таким образом, программно-математическое обеспечение для управления комплексом автоматизированного контроля должно решать следующие задачи:
- подготовка программы измерения гладкой поверхности обечайки лазерным сканером для определения ее положения в системе координат СТО;
- восстановление поверхности на основе данных сканирования;
- подготовка программы измерения линейных и инструментальных размеров ячеек обечайки лазерным сканером;
- подготовка программы измерения толщины остаточного полотна обечайки ультразвуковым толщиномером;
- подготовка итогового отчета о результатах измерения обечайки путем консолидации данных о геометрии ячеек и карты толщин;
- подготовка программы обхода ячеек.
Данный программно-математический комплекс
был опробован в составе опытного образца комплекса автоматизированного измерения толщины остаточного полотна крупногабаритных обечаек с вафельным фоном из алюминиевых сплавов и показал свою работоспособность.
Библиографические ссылки
1. Основы конструирования ракет-носителей космических аппаратов : учебник для студентов втузов / Б. В. Грабил [и др.] ; под ред. В. П. Мишина, В. К. Карраска. М. : Машиностроение, 1991. 416 е.: ил.
2. Структура модели процесса намотки в системе автоматизированного проектирования управляющих программ для станков с ЧПУ // В. В. Алексейчик [и др.] // Системы управления технологическими процессами : сб. ст. Новочеркасск : Изд. НПИ, 1980. Вып. 7.
3. Разработка программно-математического обеспечения многокоординатных намоточных станков / В. В. Алексейчик [и др.] // Системы управления технологическими процессами : сб. ст. Новочеркасск : Изд. НПИ, 1976. Вып. 3.
4. Маринин В. И., Князев Д. Н. Расчет координатных перемещений рабочих органов намоточных станков с ЧПУ // Математические методы в технике и технологиях : тр. 15-й Междунар. науч. конф. Тамбов, 2002. Т. 8.
5. Маринин В. И., Князев Д. Н., Шварц А. Б. Математическое и программное обеспечение намоточных станков с ЧПУ // Информационные технологии и управление : юбилейный сб. науч. тр. факультета информационных технологий и управления. Новочеркасск : Изв. вузов. Электромеханика, 2001.
References
1. Grabil B. V., Davydov O. I., Zhiharev V. I. and other, Osnovy konstruirovanija raket-nositelej kosmicheskih apparatov: Uchebnik dlja studentov vtuzov [Basics of designing rockets spacecraft: the textbook for students of technical colleges]. Moskow, Mashinostroenie, 1991, 416 p.
2. Aleksejchik V. V., Ershov V. K., Ivanchenko A. N., Pal'cev V. A. [The structure of the model winding process in computer-aided design of control programs for CNC machines]. Sistemy upravlenija tehnologicheskimi proces-sami: Sb. st. Novocherkassk: Izd. NPI, 1980.Vyp. 7 (In Russ.)
3. Aleksejchik V. V., Dushenko F. G., Ershov V. K., Morgun A. N., Chikil'din Ja. Ja. [The development of
Математические методы моделирования, управления и анализа данных
mathematical software multi-axis winding machines]. Sistemy upravlenija tehnologicheskimi processami : Sb. st. Novocherkassk: Izd. NPI, 1976. Vyp. 3 (In Russ.)
4. Marinin V. I., Knyazev D. N. [Calculation of the coordinate movement of working bodies of the winding machines with CNC]. Trudy 15-y mezhd. nauchnoy konf. "Matematicheskie metody v tekhnike i tekhnologiyakh" [Proc. of the 15th Int. Conf. "Mathematical Methods in Engineering and Technology"], Tambov, 2002 Tom 8 (In Russ.)
5. Marinin V. I., Knjazev D. N., Shvarc A. B. [Mathematical and software of winding machines with CNC]. Jubilejnyj sb. nauch. tr. Fakul'teta informacionnyh tehnologij i upravlenija "Informacionnye tehnologii i upravlenie". Novocherkassk: Izv. vuzov. Jelektromehanika, 2001. (In Russ.)
© Субботина E. А., 2016
УДК 519.856
СРАВНИТЕЛЬНАЯ ОЦЕНКА ЭФФЕКТИВНОСТИ АЛГОРИТМОВ АДАПТАЦИИ ПРИ НАСТРОЙКЕ ПАРАМЕТРОВ ГЕНЕТИЧЕСКОГО АЛГОРИТМА
H. М. Трофимова
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31
E-mail: trofim.nm@gmail.com
Рассматривается управление операторами мутации, селекции и скрещивания в генетическом алгоритме с помощью различных алгоритмов адаптации.
Ключевые слова: генетический алгоритм, задачи оптимизации, байесовские сети доверия.
COMPARATIVE EVALUATION OF GENETIC ALGORITHM TUNED WITH ADAPTATION ALGORITHMS
N. M. Trofimova
Reshetnev Siberian State Aerospace University 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation E-mail: trofim.nm@gmail.com
The paper considers the management of operators of a mutation, selection and crossover in genetic algorithm using different adaptation algorithms.
Keywords: genetic algorithm, optimization problem, Bayesian belief networks.
Настройка параметров генетического алгоритма. Для решения задачи управления сложными объектами, которая на сегодняшний день является одной из наиболее актуальных, необходимо построение модели. Для того чтобы модель с необходимой точностью отражала характеристики объекта исследования, необходимо правильно выбрать значения ее параметров. В случае, когда модель сложная, такая задача решается при помощи методов оптимизации, в том числе и при помощи генетического алгоритма [1].
Эффективность работы генетического алгоритма, в свою очередь, тоже зависит от настройки его параметров. Разработка эффективных процедур автоматизации выбора настроек является актуальной научной задачей.
Адаптивная процедура управления процессом эволюционного поиска позволит снизить зависимость поиска от эффективности выбора настроек и, как следствие, от опыта и знаний пользователя. Пользователю не нужно будет искать эффективную комбинацию настроек, многократно запуская алгоритм. Алго-
ритм запускается один раз, и контроллер автоматически подбирает необходимые настройки [2].
Схема работы генетического алгоритма, настраиваемого адаптивно, представлена на рисунке.
Алгоритмы адаптации. В первую очередь необходимо выбрать параметры генетического алгоритма, которые будут подвергаться настройке. В качестве таких параметров были выбраны операторы мутации, скрещивания и рекомбинации. У каждого из параметров есть три варианта значения настроек.
Для решения задачи адаптивной настройки параметров были выбраны следующие алгоритмы адаптации:
1. Байесовские сети доверия. В основе этого алгоритма лежит формула Байеса. Принцип работы заключается в том, что каждое значение настроек параметров может быть выбрано с определенной вероятностью, определяемой исходя из степени доверия к утверждению о том, что эта настройка может привести к выводу алгоритма из состояния стагнации [3; 4].
