Разработка нейро-нечеткой системыуправления электроэрозионной обработкой Текст научной статьи по специальности «Механика и машиностроение»

Научный вестник НГТУ.

- 2009. -

№ 2(35)

УДК 621.9.048.06-52

Разработка нейронечеткой системы управления электроэрозионной обработкой*

И.С. СЫРКИН, В.А. ПОЛЕТАЕВ

В данной работе представлены результаты разработки модели электроэрозионной обработки и структурная схема управления процессом. Применение нейро-нечеткого регулятора позволило повысить эффективность управления за счет поддержания параметров обработки на оптимальном уровне.

Ключевые слова: электроэрозионная обработка; нейронечеткие системы; ПИД-регулятор; линейный двигатель

ВВЕДЕНИЕ

Современное машиностроение развивается в направлениях при повышении качества продукции, роста производительности производства, расширения номенклатуры изделий, непрерывного совершенствования машин и развития технологии их изготовления, в том числе технологии формообразования. При этом, с одной стороны, постоянно улучшаются свойства материалов изделий - прочность, твердость, ударная вязкость, коррозионная стойкость, с другой - повышается эффективность процессов обработки.

Электроэрозионная обработка (ЭЭО) в машиностроении считается одним из наиболее прогрессивных и экономически выгодных процессов. Кроме того, с помощью ЭЭО можно получать поверхности, которые принципиально невозможно изготовить другими технологическими методами. Этот вид обработки используется для изготовления сложно-профильных деталей из трудно обрабатываемых токо-проводящих материалов.

Рис. 1. Процесс электроэрозионной обработки

* Статья получена 7 ноября 2008 г.

Процесс обработки представляет собой разрушение токопроводящего материала в результате пробоя межэлектродного промежутка электрическими импульсами. Большинство импульсов приводит к образованию лунок на поверхности заготовки. Импульсы идут с большой частотой (до десятков килогерц), в результате чего на поверхности материала образуется большое количество лунок, в конечном счете, на поверхности заготовки образуется углубление, повторяющее форму электрода-инструмента. В реальном процессе, при массовом воздействии разрядов в межэлектродном промежутке всегда есть выброшенные металлические частицы, сажа и парогазовые пузырьки, что приводит к снижению производительности обработки (рис. 1). Сложные физические процессы приводят к нестабильности обработки. Традиционные системы управления не справляются с этой задачей, поэтому необходимо разработать адаптивную систему управления процессом ЭЭО.

1. МОДЕЛЬ ПРОЦЕССА ЭЭО

На характер протекания и результаты процесса ЭЭО влияет большое количество факторов: физико-технологические характеристики заготовки и инструмента; полярность включения электродов; электрические и временные параметры напряжения и тока, подаваемого в межэлектродный зазор; характеристики рабочей жидкости; параметры окружающий среды [1].

Анализ механизма процесса выявил основные этапы протекания обработки: пробой зазора; образование лунки в заготовке; уменьшение высоты заготовки, приводящее к увеличению зазора; вымывание частиц продуктов эрозии из зазора; уменьшение высоты электрода-инструмента в результате износа. Электрический пробой зазора зависит от распределения продуктов эрозии в межэлектродном промежутке и от геометрии поверхности электродов. На основе системного анализа, анализа механизма процесса ЭЭО разработана обобщенная структура модели процесса ЭЭО (рис. 2).

В структуре модели выделены три блока входных воздействий: • привод подачи, задающий положение электрода X;

Рис. 2. Обобщенная структура модели процесса ЭЭО

• генератор импульсов, вырабатывающий последовательность рабочих импульсов с амплитудой напряжения и, рабочим током /, длительностью импульса т и паузой между импульсами тп ;

• механизм прокачки, создающий принудительный поток рабочей жидкости со скоростью ¥0.

Разработанная модель состоит из трех типов модельных блоков:

1) известные уравнения физики (определение размеров лунок, уменьшение высоты электродов, съем металла);

2) уравнения, полученные путем анализа экспериментальных данных (идентификация) - вероятность пробоя, износ инструмента;

3) блоки, моделирующие поведение совокупности дискретных элементов (частиц продуктов эрозии и отдельных лунок).

Адекватность подмоделей, основанных на экспериментальных уравнениях, подтверждает сравнение модельных и натурных данных. Среднеквадратичное отклонение натурных значений износа электрода от модельных составляет не более 10 %. Адекватность подмодели образования поверхности детали подтверждена сравнением модельной поверхности и микрофотографии рельефа. В соответствии с ГОСТ 2789-73 определены основные критерии шероховатости поверхности. Расхождения каждого из этих критериев между модельными и натурными данными составляет не более 12 %, что говорит об адекватности полученной модели.

Выходными переменными модели служат: V - производительность обработки, Яе - шероховатость получаемой поверхности и у - величина износа инструмента, влияющая на точность обработки.

Для подтверждения адекватности модели были проведены эксперименты по исследованию влияния входных переменных процесса на выходные переменные.

Для наглядного подтверждения адекватности разработанной модели были построены графики зависимости производительности от длительности импульса (рис. 3). Получена регрессионная модель данной зависимости. Площади фигур под экспериментальной и модельной кривой отличаются на 6 %, что говорит об адекватности модели.

Исследование модели процесса ЭЭО показало, что производительность обработки пропорционально зависит от величины зазора, причем при достижении критического значения производительность резко уменьшается (рис. 4). Следовательно, для получения максимальной производительности требуется поддерживать величину зазора чуть меньше критической. Существует ограничение на это значение,

Рис. 3. Зависимость производительности (объем одной лунки) от длительности импульса. Точками обозначены экспериментальные данные, тонкая линия - экс-

Рис. 4. Зависимость производительности от величины межэлектродного зазора

периментальная кривая, толстая линия -модельная кривая

накладываемое условиями пробоя зазора (в данной модели рабочая жидкость -чистый керосин, напряжение импульсов U = 150 В, пробивной зазор 8 = 0.02 мм). При увеличении зазора до определенной величины пробой становится невозможным. Колебания производительности при зазоре меньше критического подтверждают нестабильность процесса обработки.

При изучении модели процесса ЭЭО исследовалась зависимость производительности, шероховатости и точности обработки от величины рабочего тока, длительности импульсов и величины паузы между ними. Полученные зависимости совпадают с экспериментальными данными, приведенными в [2, 3], что подтверждает адекватность модели реальному процессу.

2. РАЗРАБОТКА СИСТЕМЫ УПРАВЛЕНИЯ ПРОЦЕССОМ ЭЭО

Анализ процесса ЭЭО показал его нестабильность, обусловленную недетерминированным поведением продуктов эрозии и случайным формированием микрогеометрии образующейся поверхности детали. На основании этого был сделан вывод о необходимости использования адаптивной системы управления для поддержания процесса в стабильном состоянии. Среди множества алгоритмов адаптивного управления выбран нечеткий. Преимущество нейронечеткого подхода заключается в том, что при проектировании системы управления в алгоритм управления можно вводить априорную информацию об объекте и желаемом поведении системы. Другое преимущество - возможность применения нечеткого регулятора для объектов, описываемых системами дифференциальных уравнений высоких порядков. Недостаток - сложность настройки параметров регулятора. Для решения этой проблемы можно использовать нейронную сеть, подстраивающую указанные параметры [4].

Обобщенную структуру нейронечеткой системы управления можно представить нечетким регулятором и блоком его настройки, работающим на базе нейронных сетей. Нечеткий регулятор выполняет три основных действия: фазификацию -преобразование числового значения входных переменных в набор нечетких величин, принятие решений (нечеткий вывод), преобразование нечетких величин в числовые значения (дефазификация). Уточнение параметров нечетких функций, используемых для принятия решений, происходит при обучении регулятора.

Для разработки системы управления ЭЭО необходимо выделить показатели, описывающие условия протекания процесса обработки. Его состояние можно определить с помощью величин, измеряемых непосредственно: рабочего напряжения и(/) и тока /(/) в зазоре. Эти величины служат основой для вычисления показателей: относительное количество холостых импульсов Цх (при холостом импульсе ток отсутствует); относительное количество рабочих импульсов (при рабочем импульсе напряжение меньше, чем при холостом импульсе, ток не максимальный); относительное количество импульсов короткого замыкания (КЗ) Цк (при коротком замыкании напряжение близко к нулю, ток максимальный).

Для управления процессом ЭЭО необходимо на основе показателей, характеризующих состояние процесса обработки, определить управляющие воздействия, подаваемые на исполнительные устройства станка: сервопривода (положение электрода-инструмента X); генератора импульсов (рабочий ток /, длительность импульсов , пауза между импульсами ); механизма прокачки (напор рабочей жидкости V).

Управление сервоприводом, ГИ и механизмом прокачки требует разработки регуляторов этих механизмов. Согласование их работы производится регулятором верхнего уровня.

Приведенные выше положения стали основой для разработки функциональной схемы адаптивной системы управления, содержащей три канала: сервопривод, генератор тока и систему прокачки рабочей жидкости (рис. 5). На рисунке даны следующие обозначения: Р - регулятор процесса обработки; БЗ - блок записи данных для анализа и подстройки регулятора; Н - блок подстройки регулятора (обучение); ПН - блок предварительной настройки регулятора в начале процесса обработки; Р1 - регулятор сервопривода; СП - сервопривод; ДП - датчик положения сервопривода; ЗГ1 - задающий генератор ГИ; У1 усилитель мощности ГИ; ЗГ2 -задающий генератор механизма прокачки; МП - механизм прокачки; А - анализатор состояния зазора.

В данной системе объект управления представлен процессом ЭЭО, управляющая система - регулятором процесса обработки с блоками его настройки, измерительная система - анализатором состояния зазора, исполнительный блок - отдельными исполнительными устройствами (сервопривода, ГИ, механизма прокачки РЖ) и их регуляторами. На схеме рис. 5 обозначены сигналы: ?; - относительное количество рабочих, холостых и импульсов короткого замыкания; Хж - желаемое положение инструмента; I - желаемый рабочий ток; т - длительность импульсов и паузы между ними; V - желаемый напор РЖ; X - действительное положение инструмента; I - действительный ток, вырабатываемый ГИ; УРЖ - действительный напор РЖ.

Рис. 5. Функциональная схема адаптивной системы управления электроэрозионным станком

На основе функциональной схемы была разработана структурная схема для определения параметров элементов системы управления, включающая каналы управления сервоприводом, генератором импульсов и механизмом прокачки.

Сервопривод для поддержания стабильности и требуемой производительности процесса ЭЭО должен обеспечивать позиционирование электрода-инструмента с точностью до 0.1 мкм с быстродействием до 500 перемещений за 1 с. По этим ограничениям была выбрана типовая структура системы управления, состоящая из двух контуров регулирования - тока в обмотках двигателя и положения якоря двигателя. Линейный двигатель (ЛД) позволяет улучшить динамические характеристики сервопривода по сравнению с приводом подачи, основанным на передаче ходовой винт-гайка. ЛД обладает нелинейными характеристиками усилия в зависимости от текущего положения и максимального тока в обмотках. Благодаря этой особенности традиционный ПИД-регулятор не обеспечивает требуемых показателей качества регулирования. Для устранения этого недостатка регулятор положе-

ния ЛД основан на нечетком ПИД-регуляторе. В структурной схеме нечеткого ПИД-регулятора, в отличие от классического ПИД, коэффициенты усиления в отдельных каналах (пропорциональном, интегрирующем и дифференциальном) зависят от ошибки регулирования. Изначально закон изменения этих функций неизвестен, поэтому требуется выбрать способ автоматизированного построения функций, аппроксимирующих определенный закон. Одним из таких способов является применение адаптивных нейронечётких систем принятия решений (А№К)

[5].

Рис. 6. Переходный процесс в системе с классическим ПИД-регулятором

\. 1 мм

Рис. 7. Переходный процесс в системе с нечетким ПИД-регулятором

Результаты работы регуляторов приведены на рис. 6 и 7. Переходный процесс изменения положения инструмента с использованием нечеткого ПИД-регулятора показывает улучшенные показатели качества по сравнению с классическим ПИД. Время регулирования уменьшилось с 0.15 до 0.08 с, интегральная квадратичная ошибка - с 8.21 до 6.53. Следовательно, во втором случае ошибка регулирования на протяжении всего переходного процесса меньше.

Генератор импульсов вырабатывает импульсы с параметрами, заданными регулятором процесса. По этой причине нет необходимости реализовывать внутреннюю обратную связь на канале управления ГИ. От механизма прокачки требуется создавать заданный напор РЖ. Принимается, что напор РЖ зависит только от напряжения, подаваемого на двигатель механизма прокачки. Следовательно, в этом канале не нужна внутренняя обратная связь. Управление каналами осуществляет контроллер верхнего уровня.

Целью управления процессом служит достижение максимального |ар при полном отсутствии импульсов КЗ: достижение максимального |ар позволит использовать как можно большее количество импульсов для удаления материала, а импульсы КЗ, приводящие к разрушению электродов, будут отсутствовать. Логика, которую должен обеспечивать регулятор, может быть описана набором правил принятия решений. С учетом этих правил был разработан алгоритм регулирования процесса на основе А№18. Данный алгоритм вычисляет задающие воздействия для исполнительных блоков на основе входных переменных, получаемых от анализатора состояния зазора. Переход к нечетким величинам осуществляется при фазификации входных переменных. Далее происходит нечеткое принятие решений и после дефазификации получаются четкие значения, подаваемые на входы исполнительных устройств. Такой алгоритм обусловлен тем, что исполнительные устройства требуют подачи на их входы определенных физических величин: напряжения, тока, а также цифровых данных.

Алгоритм адаптивного управления процессом ЭЭО построен на базе набора правил принятия решений. Для реализации правил принятия решений предложено использовать нечеткую логику, а для изменения параметров принятия решений

(функций принадлежности нечетких величин, параметров блока принятия решений) - нейронные сети. Примером объединения этих походов служит сеть А№18

Для обеспечения максимальной производительности процесса обработки разработан алгоритм настройки нейронечетких алгоритмов регулировния.

1. Провести моделирование обработки.

2. Оценить показатели качества регулирования.

3. Построить обучающие выборки для каждого нечеткого контроллера.

4. Провести обучение сетей.

5. Повторять начиная с первого пункта и до тех пор, пока показатели качества регулирования не будут улучшены (производительность обработки станет максимальной).

Обучающие выборки строятся на основе записанных данных значений входных переменных (хж, т, г, V) и выходных переменных процесса ^Цр , Цх , цк) .

Обучающая выборка, должна иметь вид: 57 ^ АХ,+1 + 5Х, где 57 - приращение выходной переменной 7, которое должно соответствовать целевой функции; А¥,+1 -изменение вектора входных переменных на (г + 1)-шаге; 5Х = знак(57)АХ,и - изменение вектора входных переменных. Обучение сетей АЫИ8 проводилось методом обратного распространения ошибки. Объем выборки составляет 1000 точек.

Подтверждением правильности разработанных алгоритмов обучения служат результаты моделирования поведения системы.

В результате проведенных исследований была доказана возможность применения нейронечетких регуляторов при управлении линейным двигателем и процессом ЭЭО. При управлении ЛД время регулирования уменьшилось в два раза, что подтверждает высокую эффективность управления.

Имитационные исследования доказали возможность применения нейронечет-ких регуляторов для управления процессом ЭЭО.

Рис. 8. Производительность обработки при обучении нейронечеткого регулятора

Для технической реализации приведенной адаптивной системы управления и её исследования был создан экспериментальный образец электроэрозионного стана, позволяющий осуществить обработку фасонных поверхностей [2]. Основой станка служит сервопривод, выполняющий перемещение электрода-инструмента. Использовался линейный двигатель. Генератор импульсов выполнен по схеме инверторного преобразователя напряжения. Механизм прокачки представляет собой двигатель постоянного тока, приводящий в действие центробежный насос. Система управления выполнена по распределенной архитектуре на базе микроконтроллеров серии dsPIC производства компании Microchip. Для каждого из каналов управления создан свой контроллер, который управляется от главного контролле-

ра. Главный котроллер выполняет функцию нейронечеткого регулятора процесса обработки. В результате исследований была подтверждена возможность увеличения производительности обработки при обучении нейронечеткого регулятора. На рис. 8 показан график мгновенной производительности обработки при обучении регулятора. После обучения скорость обработки возросла на 22 %.

Для подтверждения эффективности применения нейронечеткого регулятора по сравнению с существующими проведены эксперименты по обработке глубоких отверстий (рис. 9). Существующие системы управления показывают значительное уменьшение производительности при увеличении глубины обработки (кривая 2). Следует заметить, что при использовании нейронечеткого регулятора производительность уменьшается незначительно (кривая 1). Прирост производительности при использовании нейронечеткого регулятора по сравнению с существующим составил 40 %.

П 1

0.9 0.8 0.7 0.В 0.5 0.4 0.3 0.2 0.1

gl-1-1-1-1-1-1-1-1-1-

01 2345678Э10

1/S

Рис. 9. Зависимость приведенной производительности (П) от относительной глубины отверстия (l/s), где l - глубина и s - диаметр отверстия

ЗАКЛЮЧЕНИЕ

На основе нейронечетких систем принятия решений разработана структура системы адаптивного управления. Спроектирована и изготовлена лабораторная установка для выполнения электроэрозионной обработки. Экспериментальные исследования, проведенные на лабораторной установке, подтвердили эффективность разработанных алгоритмов регулирования.

СПИСОК ЛИТЕРАТУРЫ

[1] Полетаев В.А., Сыркин И.С. Особенности управления процессом ЭЭО // Вестник СГУПСа. -Новосибирск, 2005. - Вып. 11. - С. 56-62.

[2] Артамонов Б.А. и др. Размерная электрическая обработка металлов. - М. : Высш. шк., 1978.

[3] Zhang Yun, Wang Xiao-Lin. Neuro-Fuzzy Network Control Strategy for Electric Discharge Machining Procecc// Proc. of the 2004 IEEE Conf. on Robotics, Autom. and Mechatron. - Singapore, 2004.

[4] Godjevac Jelena. Comparison between PID and fuzzy control // Int. Report R93.36.

[5] Jang J.-S. R. ANFIS: Adaptive-Network-Based Fuzzy Inference System // IEEE Trans. Systems & Cybernetics. - 1993. - Vol. 23. - P. 665-685.

Сыркин Илья Сергеевич, аспирант кафедры информационных и автоматизированных производственных систем КузГТУ. Основное направление научных исследований - управление с использованием искусственного интеллекта. Имеет более 30 публикаций, в том числе 1 монографию и 3 свидетельства об официальной регистрации программ для ЭВМ.

Полетаев Вадим Алексеевич, доктор технических наук, профессор, действительный член РАЕН, заведующий кафедрой информационных и автоматизированных производственных сис-

тем КузГТУ. Основное направление научных исследований - интегрированные системы управления качеством изделий машиностроения. Имеет более 160 публикаций, в том числе 6 монографий.

I.S. Syrkin, V.A. Poletaev

Neural-fuzzy control system development for EDM

In this paper EDM model and control system were developed. Neuaral-fUzzy controller allowed improving performance of EDM process.