авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 || 3 |

«Министерство образования и науки Российской Федерации Федеральное государственное автономное образовательное учреждение высшего профессионального образования "Волгодонский ...»

-- [ Страница 2 ] --

Кроме того, дополнительное давление в дуге может возникать в результате силы упругих ударов заряженных частиц, а также как реакция истекающих с поверхности активных пятен паров металла [46]. При сварке плавящимся электродом в давление, оказываемое дугой на свариваемый металл, включают силовое воздействие ударов капель электродного металла, переносящихся с торца электрода в сварочную ванну [47].

Газодинамическая компонента давления может быть определена в любом сечении столба дуги по формуле:

p гд = (r)u 2 (r ). (2.27) Где (r) – радиальное распределение плотности дуговой плазмы;

– радиальное распределение скорости плазменных потоков в u(r) рассматриваемом сечении столба дуги.

Для оценки статической компоненты давления можно предположить равномерное распределение тока в дуге. Тогда распределение давления описывается зависимостью:

µ0 I 2 r p ( r ) = 2 2 1 2. (2.28) 4 R R Где µ0 – магнитная проницаемость вакуума;

I – ток, протекающий через проводник;

R – радиус проводника;

r – расстояние от центра проводника.

Модель основана на модифицированном методе конечных элементов [48]. В металле труб выделены три слоя с номерами n=1…3:

– n=1 – внутренняя поверхность трубы;

– n=2 – поверхность плавления/кристаллизации;

– n=3 – внешняя поверхность трубы.

Эти поверхности аппроксимируются тремя сетками точек:

Lijn = (r ;

H ;

) = (rijn ;

i H ;

j ). (2.29) Где Lijn – точка сетки слоя с номером n;

H – размер КЭ по оси H;

– размер КЭ по оси, индексы точек-вершин КЭ, i=0,…,imax;

j=0,…,jmax, i;

j – причем jmax·=360°, ri,0,кр = ri,jmax,кр и ri,0,расп = ri,jmax,расп.

В частном случае полного расплавления/кристаллизации внутренние/внешние две поверхности сливаются. Слой n=1 не меняется во времени, т.е. rij1rвнутр (внутренний диаметр труб), т.к. в модели пока рассмотрено формирование только внешней поверхности сварного шва и не учитывается провисание внутренней поверхности при полном проплавлении.

В момент моделируемого времени t=0 справедливо rij3=rвнеш (внешний диаметр труб), за исключением области шва, где rij3 задает форму разделки.

Результатом расчетов по модели для ij-й точки n-го слоя Lijn в момент времени t являются величины:

– Ttijn – температура (°К), – Etijn – теплосодержание (Дж/м3), – Ptij – давление расплава (н/м2) (сумма гидростатического, поверхностного и давления дуги), – rtijn – r-координата.

При моделировании функций T, E, P, r используются следующие соотношения и особенности этих функций:

– Ttij2 равна температуре плавления стали Tплав, кроме случаев полного расплавления/кристаллизации.

– E(t,r,H,) имеет разрыв на поверхности плавления/кристаллизации.

Соответственное дискретное значение Etij2 равно теплосодержанию расплава E(t,r+0,H,), а теплосодержание в этой же точке со стороны твердой фазы равно:

E (t, r 0, H, ) = E tij 2 + Qплав. (2.30) Где Qплав – удельная (объемная) теплота плавления стали.

В модели учтены три основных процесса происходящих в металле шва: теплообмен, массообмен и плавление/кристаллизация. Их моделирование в течение каждого кванта моделируемого времени t разделено на три этапа:

1. Поверхностная передача тепла – вдоль поверхностей с одинаковым n. На этом же этапе учитывается внешний теплообмен: отдача тепла во внешнюю среду и получение его от дуги.

2. Передача тепла «вглубь» – вдоль оси r, связанная с плавлением/кристаллизацией, т.е. перемещением слоя n=2.

3. Массообмен, т.е. перетекание расплава вдоль осей H, и перемещение слоя n=3.

Рассмотрим первый этап. Пусть за квант времени t поток тепла вдоль «стержня» малого сечения l x l, соединяющего точки Lijn и Li'j'n вызвал изменение теплосодержаний с Etijn на Et+t,ijn и с Eti'j'n на Et+t,i'j'n. Потоки тепла показаны на рисунке 2.9 а).

а) б) Рисунок 2.9 – Схемы теплопередачи на этапах: а) первый – поверхностный, б) второй – радиальный Тогда общая сумма теплосодержаний не изменилась:

Et + t,i ' j 'n + Et + t,ijn = Etijn + Eti ' j 'n. (2.31) Не изменилось и теплосодержание в центре стержня E 1 :

Et + t,ijn + Et + t,i ' j 'n Etijn + Eti ' j 'n E1 = =. (2.32) 2 Изменение количества тепла в одной половине равно теплу, протекшему через середину стержня:

Et + t,ijn + E 1 Etijn + E 1 L L 22 ti ' j 'n Q = = tijn половины l 2 2 ijn ;

(2.33) T Ttijn dT = t р S = t р l 2 ti ' j 'n Lti ' j 'n Ltijn dx Tti ' j 'n Ttijn Et + t,ijn = 4t + Etijn. (2.34) Lti ' j 'n Ltijn Окончательно изменение теплосодержания будет равно сумме притока тепла по четырем направлениям:

Tti ' j 'n Ttijn Et + t,ijn = 4t + Etijn. (2.35) Lti ' j 'n Ltijn i' j' С учетом потоков тепла во внешнюю среду и от дуги получим:

Tti ' j 'n Ttijn Et + t,ijn = Etijn + t 4 + Wдуги + Ttijn. (2.36) i' j' L L 2 ti ' j 'n tijn Где Wдуги – удельный (на единицу площади поверхности) поток тепла от дуги;

– удельный коэффициент теплоотдачи во внешнюю среду.

Новые температуры в конце первого этапа рассчитываются по формуле:

Et + t,ijn Tt + t,ijn =. (2.37) c Где c – удельная теплоемкость металла.

Рассмотрим второй этап – радиальную теплопередачу, схема которой представлена на рисунке 2.9 б). Пусть тепло переносится по стержню малого сечения l x l, соединяющему точки Lij1 и Lij3. За квант времени t этот перенос привел к изменению теплосодержаний Etij1 на E1 и Etij3 на E3 и сдвигу rtij на r2,:

rt + t,ij 2 = rtij 2 + r2 ;

Et + t,ij1 = Etij1 + E1 ;

Et + t,ij 3 = Etij 3 + E3. (2.38) Так как сумма теплосодержаний в частях стержней не изменилась, то с учётом линейной аппроксимации:

(E + Et + t,ij 2 Qплав )(rt + t,ij 2 rtij1 ) + (Et + t,ij 2 + Et + t,ij 3 )(rtij 3 rt + t,ij 2 ) = t + t,ij (2.39) = (Etij1 + Etij 2 Qплав )(rtij 2 rtij1 ) + (Etij 2 + Etij 3 )(rtij 3 rtij 2 ) Упрощая и пренебрегая величинами второго порядка, получим:

(E + 2 Etij 2 + Etij 3 Qплав )r2 + E1 (rtij 2 rtij1 ) + E3 (rtij 3 rtij 2 ) = 0. (2.40) tij Кроме того, тепло, прошедшее через границы rtij2 и rt+t,ij2 должно быть равно изменениям количества тепла в соответствующих частях «ребра». В твердой части стержня справедливо соотношение:

Et + t,ij1 + Et + t,ij 2 Qплав Etij1 + Etij 2 Qплав l 2 (rt + t,ij 2 rt + t,ij1 ) l 2 (rtij 2 rtij1 ) = 2 (2.41) Ttij1 Tплав = tl rtij 2 rtij Отсюда:

Ttij1 Tплав E1 (rtij 2 rtij1 ) + (Etij1 + E tij 2 Qплав )r2 = 2t. (2.42) rtij 2 rtij Аналогичное соотношение для расплава:

Tплав Ttij E3 (rtij 3 rtij 2 ) (Etij 3 + E tij 2 )r2 = 2t. (2.43) rtij 3 rtij Таким образом, получаем систему трех линейных уравнений (2.41 – 2.43) из которых находим неизвестные r2, E1, E3, а по ним находим новые температуры на поверхностях труб.

Для расчёта массопереноса рассмотрим тонкий слой толщиной l, перпендикулярный оси H. Пусть в этом слое из точки Lij3 в точку Li,j+1, перетекает малая масса расплава M, как показано на рисунке 2.10.

Переместившаяся масса M должна пересечь границу клеток сетки г, поэтому выполнено приближенное соотношение:

M = Vlrг t. (2.44) Где V – скорость течения, м/с;

– плотность расплава, кг/м3.

rг = (rij 3 rij 2 + ri, j +1,3 ri, j +1, 2 ) / 2 – длина сечения четырёхугольника с расплавом границей г.

M Lij Lij+1, rг Lij Lij+1, г Рисунок 2.10 – Схема для расчета массопереноса Разность потенциальной энергии перенесенной массы переходит в кинетическую энергию перетекающей жидкости. При вычислении потенциальной энергии необходимо учесть поверхностное давление Pпов, определяемое по формуле Лапласа:

1 Pпов = + R R. (2.45) x y Здесь – коэффициент поверхностного натяжения, Н/м;

Rx, Ry – два главных радиуса кривизны в точке поверхности, м.

В случае плоской поверхности, когда равновесную форму сварочной ванны можно задать функцией координат z=z(x,y), поверхностное давление можно определить по уравнению [49]:

1 1 = div z.

Pпов = + (2.46) R 1 + z x Ry При численном моделировании поверхности сварочной ванны главные радиусы вычисляются с помощью квадратичной аппроксимации соседних точек поверхности расплава. Так как гидростатическое давление в расплаве компенсируется давлением поверхностного натяжения, то разность давлений строго соответствует разности высот. Поэтому баланс давлений между соседними КЭ задаётся следующим выражением:

Pпов = Pгст = gh. (2.47) Здесь принято упрощение, что его значение не зависит от температуры.

На основе разности давлений рассчитываются потоки жидкости в расплаве.

Здесь также принято упрощение, что расплав является сверхвязкой жидкостью, потоки в которой пропорциональны разности давлений.

Аналогично действует и давление дуги, поэтому будем далее считать его включенным в Pпов. Разница давлений воздействует на весь слой жидкости, поэтому перемещается весь четырехугольник Lij3 Li,j+1,3 Li,j+1,2 Lij2:

lSV 2 M M = Mghij + Pпов,ij Mghi, j +1 Pпов,i, j +1. (2.48) Где S – площадь четырехугольника Lij3 Li,j+1,3 Li,j+1,2 Lij2.

Подставляя в (2.48) соотношение для массы (2.44), получаем:

ghij + Pпов,ij ghi, j +1 Pпов,i, j + V = 2rг t. (2.49) S Определив скорость перетекания, рассчитываем перетекшую массу М, а из нее получим из нее изменение rij3. Дискретные функции Ttijn, Etijn, Ptij, rtijn используются в тренажере для аппроксимации соответственно недискретизованных функций T(t,r,H,), E(t,r,H,), P(t,H,), r(t,H,,n) при визуализации процесса РДС. Используется линейная аппроксимация вдоль всех ребер, соединяющих точки сетки (2.29), кроме случая определения кривизны поверхности в формуле (2.45). Иными словами, Ttijn, Etijn, Ptij, rtijn – это массивы данных, необходимые для расчёта и прорисовки стыкового сварного соединения с помощью трёхмерной графики [50]. Также с помощью конечноэлементной расчётной схемы можно определить геометрические характеристики сварного соединения – ширину шва и глубину проплавления.

2.3 Модель звукового сопровождения сварочного процесса 2.3.1 Исследования звука процесса РДС Информация о процессе РДС, которую сварщик может получить с помощью зрения, ограничена из-за средств защиты. Поэтому сварщики ориентируются также на слух. Важность данного канала восприятия информации отмечена в работе [51]. При этом разработки модели звука РДС для его синтеза не проводилось. Существуют только методы анализа звука в системах диагностики и управления автоматической сваркой [52, 53], Исходным предположением для создания модели звука является то, что процессы в сварочном контуре в одинаковой степени влияют как на мощность дуги, так и на издаваемый звук. Чтобы определить искомые зависимости, проводились эксперименты с синхронной записью звука и основных параметров процесса сварки (ток сварки, напряжение на дуге) [54].

Использовались инверторный источник питания Prestige 164, электроды ESAB диаметром 2,5 – 3 мм. Для записи сигналов использована информационно-измерительная система регистрации основных параметров процесса, ПО которой создано в системе визуального программирования LabView. Структура программы дополнена функцией записи сигнала звука с подключенного к звуковой карте микрофона. Регистрация тока сварки и напряжения на дуге осуществлялась с частотой дискретизации 1 кГц [37].

На рисунке 2.11 представлены фрагменты сигналов звука и мощности дуги, записанные синхронизировано по времени. По рисунку видно, что во время короткого замыкания амплитуда сигнала звука падает. Чтобы создать звуковую модель, необходимо определить соответствие между характеристиками сигналов. В ходе исследования с помощью персептрона соответствие искалось между спектрами сигналов мощности и звука, и был сделан вывод, что нейронную сеть можно использовать для синтеза звука сварки. Однако применение данного метода на практике оказалось затруднительным из-за больших требований к вычислительным ресурсам.

а) б) Рисунок 2.11 – Влияние коротких замыканий на звук сварки: а) сигнал мощности, б) сигнал звука.

С целью снижения ресурсоёмкости при моделировании звука, предлагается использовать вероятностную модель. Значения мощности сварочной дуги можно условно разделить на следующие классы: нормальные (для выбранных параметров процесса, материалов и источника), пониженные и повышенные. В зависимости от мощности сварочной дуги с некоторой вероятностью порождается тот или иной звук. Таким образом, обработку экспериментальных данных нужно провести в два этапа [55]:

1) кластеризация спектров звука с целью определения подобных друг другу звуков;

2) оценка вероятности порождения звуков каждого из кластеров при разной мощности.

При подготовке экспериментальных данных необходимо учесть особенности человеческого слуха. Чувствительность слуха нелинейна как по частоте, так и по амплитуде. Нелинейность по амплитуде учитывается с помощью логарифмической единицы громкости – децибела, которая рассчитывается следующим образом:

P N = 10 lg. (2.50) P Где: N – громкость звука в Дб;

P – измеряемое звуковое давление, Па;

Р0 – порог слышимости, 2·10-5 Па.

Нелинейность чувствительности к частотам заключается в следующем: слуховой диапазон делится на узкие полосы, внутри которых частоты звука не различимы для человеческого слуха. Границы этих полос можно вычислить по алгоритму, который применён в работе [53] при исследованиях звука автоматической сварки в защитных газах:

f Cn +1 = f Cn 21 / m (2.51) f Ln = f Cn 21 ( 2 m ) (2.52) fUn = f Cn 21 ( 2 m ) (2.53) где: m – показатель ширины полосы;

fCn – частота центра полосы n;

fLn – нижняя граница частоты полосы n;

fUn – верхняя граница частоты полосы n.

Чем меньше значение показателя m, тем ближе друг к другу соседние частоты fCn, fLn и fUn. В исследованиях использовалось значение m, равное 10.

При этом, спектр был преобразован в 97 узких частотных полос. Амплитуда звука в каждой полосе рассчитывается как сумма амплитуд частот исходного спектра, входящих в данную полосу:

fUn G (n ) = G( f ), (2.54) f = f Ln где G(f) – исходный спектр звука.

Метод преобразования спектров предлагается модифицировать.

Модификация заключается в том, что диапазоны звуковых частот, наиболее информативные для сварщика, преобразуются особым образом. Диапазоны взяты из [53] и показаны в таблице 2.3.

Таблица 2.3 – Диапазоны значимых для сварщиков частот.

Диапазон Нижняя Центральная Верхняя частота частота частота 1 3358 4750 2 389 550 3 106 185 В диапазонах из таблицы 2.3 должно быть выполнено разбиение на более узкие полосы, чем между ними. Для этого нужно увеличить значение показателя m в формулах (2.51 – 2.53). При использовании значимых диапазонах значения m, равного 20, количество частотных полос в преобразованных спектрах составит 132. Затем полученные спектры будут кластеризованы с помощью самообучающихся нейронных сетей – карт Кохонена.

2.3.2 Обработка экспериментальных данных с помощью нейронной сети Для кластеризации спектров звука, преобразованных в соответствии с формулами (2.50 – 2.54), предлагается использовать самоорганизующуюся карту Кохонена. Необходимо создать матрицу наблюдений, которая будет содержать информацию по исследуемым объектам – спектрам сигналов. В этой матрице строки будут соответствовать характеристикам, а столбцы – примерам. Характеристиками в данном случае являются частотные полосы, а значениями характеристик – амплитуды. Рассмотрим основные этапы нейросетевого анализа в приложении к рассматриваемой задаче:

1) Кодирование входов и выходов. Кодирование не требуется, входные данные являются числовыми, а выходом карты является номер нейрона-победителя.

2) Нормировка данных. Желательно, чтобы диапазоны изменения входных величин были приведены к стандарту, например, отображены в единичный отрезок [56]:

~ = x xmin (2.55) x xmax xmin Такая нормировка применима в том случае, если в значениях случайной величины нет редких сильных выбросов. В противном случае необходима нормировка другим способом: на основе статистических характеристик данных – среднего значения и дисперсии:

~= x x;

(2.56) x 1m xi ;

x= (2.57) m i = 1m (xi x ).

= (2.58) m 1 i = В случае применения нормировки по формулам (2.56 – 2.58) данные не попадают гарантированно в единичный отрезок, однако в случае входных данных это допустимо.

3) Понижение размерности входных данных. Для многофакторных проблем часто наблюдается избыточность данных: можно описать данные (преобразованные спектры) меньшим количеством признаков (частот), сохранив при этом большую часть информации. Обычно для удаления избыточности производят анализ главных компонент или корреляционный анализ [57]. Первый способ заключается в том, что исключаются признаки с небольшой дисперсией, второй – в выявлении пар сильно связанных признаков и удалении одного из них в каждой паре. Мерой связи между признаками является коэффициент корреляции:

(x x )( yi y ) i (2.59) rxy = i (x x) (x x) 2 i i i i Кроме этого, можно уменьшить значение m, в результате чего диапазоны будут шире, а их количество – меньше. Очевидно, что в результате понижения размерности входов потеряется некоторая часть информации, характеризовавшая исходные данные.

4) Обучение нескольких нейросетей с различными параметрами.

Основными параметрами карт Кохонена являются их размерность и топология. Чаще всего используют прямоугольную или треугольную сетку нейронов, или случайное их расположение [58]. Пример карты Кохонена, состоящей из 9 нейронов, сгруппированных в прямоугольную сетку, приведён на рисунке 2.12.

Рисунок 2.12 – Пример строения карты Кохонена 5) Отбор оптимальных сетей. Оптимальной можно считать ту карту Кохонена, у которой усреднённое евклидово расстояние между центроидами кластеров максимально. Иными словами, разделённые на кластеры звуки будут как можно более разнообразными. Центроидами кластеров являются вектора весовых коэффициентов нейронов, образовавших эти кластеры [59].

В результате будет получено разбиение звуковых фрагментов на кластеры. Так как образцы, отнесённые сетью к каждому кластеру, подобны в пределах этого кластера, то с точки зрения человека кластеры будут состоять из подобных друг другу звуков.

При построении модели звукового сопровождения необходимо оценить вероятности порождения звуков каждого из кластеров при электрической мощности дуги. Рассмотрим следующие системы событий:

– W = {W1;

W2;

W3}, события, которого означают, что наблюдается пониженная W1, нормальная W2 или повышенная W3 электрическая мощность сварочной дуги;

– S = {S1;

S2;

… ;

Sn}, где Sj означает, что наблюдается кластер звука j.

Порождаемые другим технологическим оборудованием (вентиляционные установки, трансформаторы, инверторы и др.) в модели не учитывается. Поэтому в системе W не рассматривается событие «электрическая дуга не горит», так как при этом достоверно, что вероятность любого из событий системы S равна нулю. Тогда вероятности порождения дугой различных звуков можно свести в таблицу 2.4 и использовать её в дальнейшем как таблицу условных вероятностей (ТУВ).

Таблица 2.4 – Вид ТУВ фрагментов звуков сварки Кластер Мощность дуги, W звука Низкая Нормальная Высокая S1 p(S1 | W1) p(S1 | W2) p(S1 | W3) S2 p(S2 | W1) p(S2 | W2) p(S2 | W3) … … … … Sn p(Sn | W1) p(Sn | W2) p(Sn | W3) Карта самоорганизации на этапе составления модели моделирует возможности мозга, обрабатывая при этом реальный звук процесса РДС. В результате будет получена ТУВ звуков, которые может услышать сварщик, проводя процесс. Таким образом, моделирование звука РДС позволит усилить эффект присутствия в виртуальном пространстве и поможет сварщику научиться использовать слуховой канал.

2.4 Экспертная система для оценки манипуляций электродом 2.4.1 Предпосылки разработки экспертной системы При проведении процесса РДС важно соблюдение особенностей движения торцом электрода (особых точек траектории), которые обусловливают термическое воздействие на определённые участки сварочной ванны. Наилучшее формирование сварного валика достигается при таких манипуляциях торцом электрода, которые показаны на рисунке 2.13 [60].

Рисунок 2.13 – Эталонные траектории торца электрода ИИС рассчитывает координаты торца виртуального электрода.

Следовательно, доступна траектория его перемещения по поверхности заготовок. Чтобы оценить расхождения фактической и эталонной траекторий, предлагается, прежде всего, сопоставить друг другу точки фактической и эталонной траекторий. Эксперт, задающий эталонную траекторию, должен разбить ее на участки. Возможно, что участки будут перекрываться. Для каждого из участков надо перечислить важные для него критерии: изгиб, расстояние до края разделки, время пребывания и скорость сварки на участке, расстояние от переднего/заднего края сварочной ванны. На рисунке 2.14 показаны некоторые из характеристик, которыми можно описать фрагмент траектории «зигзаг» [60].

При этом остальные участки описываются аналогично. Примем, что толщина свариваемых деталей одинакова, тогда некоторые параметры разделки можно считать симметричными. Параметры процесса РДС, которые не относятся к описанию траектории, задаются нормативно или оцениваются экспертом. Например: длина дуги, скорость перемещения, скорость подачи электрода в разделку, задержка на краю разделки и др.

Заход за край разделки Изгиб Шаг пересечений края разделки Задержка на Шаг пересечений краю разделки корня шва Рисунок 2.14 – Свойства участков фрагмента траектории Для оценки таких характеристик, которые необходимо поддерживать в стабильном состоянии, предложено использовать следующие критерии:

- среднее значение измеряемой величины;

- дисперсия относительно нормативного среднего значения;

- дисперсия относительно скользящего среднего значения по нескольким фрагментам.

Описанные параметры и их значения являются знаниями о предметной области ручной дуговой сварки. Знания – закономерности предметной области (принципы, связи, законы), полученные в результате практической деятельности и профессионального опыта, позволяющие специалистам ставить и решать задачи в этой области [61]. Для наделения знаниями компьютерных программ используются базы знаний (БЗ), составляемые по правилам представления знаний в информационных системах. Предложено составить БЗ экспертной системы (ЭС) из описания проблем, которые могут возникнуть при выходе характеристик информационных сигналов за пределы норм. В таблице 2.5 показан фрагмент БЗ, составленной для ЭС с учётом приведённых требований.

Таблица 2.5 – Фрагмент базы знаний ЭС Название Важность Нормативные значения Проблемы при Условие параметра параметра отклонениях Нижнее Верхнее Ниже Выше Длина дуги 3 (высокая) 1,5 мм 3,3 мм Залипание Разрыв Диаметр электрода дуги электрода 3 мм Скорость на 3 (высокая) 1,2 мм/с 2,4 мм/с Прожог, Непровар участке подрез перед или после сварочной ванной Таким образом, согласно принятой классификации [59, 61], предложенную ЭС можно отнести к системе, основанной на прецедентах со статической БЗ, так как в процессе работы ЭС не добавляет новых знаний в БЗ.

2.4.2 Анализ траектории перемещения торца электрода Задачу установки соответствия участков фактической и эталонной траекторий можно представить как задачу распознавания образов [62].

Одним из способов её решения в технических системах являются искусственные нейронные сети типа персептрон, но исследование показало, что распознавание фрагментов некоторых видов с её помощью ненадёжно.

Персептрон обучается на примерах вида «вход – правильный выход», настраивая свои связи так, чтобы ошибка на выходе была минимальной. В настоящее время не существует способов извлечения информации прямо из конфигурации нейронных связей – нейродинамического кода живых организмов и искусственных систем [63]. Это делает невозможной ручную настройку межнейронных соединений нейронной стеи, поскольку её результат становится непредсказуемым. Сформулируем требования к более надёжному методу распознавания участков на траектории торца виртуального электрода:

- траектория состоит из периодически повторяющихся фрагментов, которые разбиты экспертом на особые участки;

- предполагается, что обучаемый сварщик стремится провести электрод по правильной траектории, даже если случайно ошибается;

- участок с номером i характеризуется числом ki – критерием соответствия рассматриваемого участка фактической траектории участку траектории эталонной.

Примём, что значение ki, равное 0 означает полное несоответствие, а – полное соответствие участков. Тогда распознавание фрагментов можно реализовать следующим образом:

1) сделать разбиение всей траектории (или её части) на участки в правильной последовательности;

2) рассчитать усреднённое значение k по полученному разбиению n k = ki / n ;

i 3) если значение k1, то выбранное разбиение неудачно и нужно попробовать разбить по-другому, например, начав с другого участка.

Таким образом, задача распознавания участков траектории сводится к n поиску такого разбиения на них, при котором значение критерия k = k i / n i близко к максимуму. Для этого подходит генетический алгоритм. Если рассматривать множество участков как популяцию особей, то ki – значение функции приспособленности для i-й особи, а k – средняя приспособленность популяции. Генетический алгоритм в процессе поиска стремится увеличивать оба параметра популяции, поэтому подходит для поиска особых участков траектории торца электрода.

После того, как все особые точки траектории будут определены, обучаемый сможет получить подсказки, подобные следующим [64]:

- «Слишком велика скорость на этом участке – металл не успеет прогреться»

- «Слишком мала скорость на этом участке – есть опасность прожога»

- «Слишком мал заход за разделку на этом участке – возможно недостаточное сплавление металла шва с металлом детали»

- «Слишком мал изгиб на этом участке – не обеспечивается переплавка остывшей части шва»

Таким образом, предложена концепция применения генетического алгоритма для анализа траектории торца электрода в качестве дополнительной функции, которую можно реализовать в ИИС. Реализация алгоритма для решения этой задачи будет производиться в дальнейших исследованиях.

Выводы к главе 2:

1. Проведён метрологический анализ устройства координатного слежения NaturalPoint TrackIR 5. Показано, что данное УКС может обеспечить определение координат торца электрода с абсолютной погрешностью 1 мм. Принято и подтверждено дальнейшими исследованиями решение, что этого достаточно для адекватного моделирования процесса РДС.

2. Предложена модель расчёта сварного соединения на основе метода конечных элементов, отличающегося от известного отсутствием на разбиение на элементы по высоте. Оно заменено введением в каждом элементе трёх слоёв, соответствующих границам раздела сред и фаз.

Вычисления температур производятся на границах, между границами температура аппроксимируется линейно. Использование линейных уравнений стыковки обеспечивает высокую скорость расчётов.

3. Впервые на основе модифицированного метода конечных элементов предложена модель формирования шва при сварке неповоротных стыков труб. В расчёты внесены следующие модификации: введена цилиндрическая система координат, учтена гравитация и пространственное положение сварочной ванны.

4. Впервые предложено построить звуковую модель процесса РДС с использованием самонастраивающейся нейронной сети – карты Кохонена.

Данные сети решают задачу кластеризации, т.е. руководствуясь автоматически извлекаемыми из исходных данных знаниями, разбивают их на группы. Показано, каким образом нужно обработать исходные данные, чтобы получить наилучшую кластеризацию с учётом особенностей человеческого слуха.

5. Сформулирована концепция использования экспертной системы для оценки траектории перемещения торца электрода по поверхности заготовок. Базы знаний системы содержит описание возможных ситуаций – прецедентов, связанных с ошибками при манипуляциях электродом, а также их следствия. В качестве средства распознавания особых точек траектории опробована искусственная нейронная сеть. Так как данная модель оказалась недостаточно надёжной, поставлена задача разработки поиска на базе 3 ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ ПРОЦЕССА РДС Разработанные в ходе исследования модели процессов сварки плавлением нуждаются в оценке параметров и проверке адекватности. В главе рассматриваются вопросы постановки, проведения и обработки результатов экспериментов для определения параметров математических моделей тока сварки, напряжения на дуге, формирования сварного шва и звука процесса РДС. Описана информационно-измерительная система для регистрации параметров процесса РДС, использованная в экспериментальных исследованиях. Экспериментально доказана адекватность разработанных математических моделей. Показана эффективность использования тренажёров в обучении сварщиков РДС.

3.1 Определение параметров модели процесса РДС 3.1.1 Информационно-измерительная система для регистрации параметров процесса РДС Для проведения экспериментов в качестве основы использована информационно-измерительная система регистрации основных параметров процесса, программное обеспечение которой создано в системе визуального программирования LabView. Данная среда позволяет с помощью графического редактора составлять виртуальные приборы (ВП) из функциональных блоков [65, 66]. На рисунке 3.1 показана блок-диаграмма разработанного ВП, который обеспечивает одновременный старт и остановку записи сигналов тока сварки, напряжения на дуге и звука сварки.

В блок-диаграмме использованы два блока записи файлов («Write to measurement file»). Один из них используется для записи тока сварки и напряжения на дуге, второй – для записи звука с микрофона. Чтобы запись начиналась и заканчивалась одновременно, используется общий тумблер «Запись». При переключении в верхнее положение, он разрешает запись сигналов обоим блокам, в нижнее – запрещает.

Рисунок 3.1 – Блок-диаграмма виртуального прибора сбора данных Управление ВП осуществляется с помощью интерфейса пользователя, который представлен на рисунке 3.2. С помощью полей «sample rate», «bits per sample» и «number of channels» задаются соответствующие параметры звукового файла: частота дискретизации, разрядность и число каналов. Для записи файлов использовались значения 32 кГц, 16 бит и 2 канала соответственно.

Рисунок 3.2 – Интерфейс пользователя ВИ Аппаратная часть информационно-измерительной системы построена на базе двухканального АЦП LCard E140. Один из каналов используется для измерения напряжения на дуге, другой – тока сварки. Измерение напряжения на дуге осуществляется через делитель напряжения, подключенный параллельно сварочному контуру. Он необходим для согласования напряжения на дуге с допустимыми входными амплитудами АЦП.

Измерение тока осуществляется по падению напряжения на шунте, включенном в сварочный контур. На рисунке 3.3 представлена функциональная схема измерительного преобразователя тока сварки [3].

Падение напряжения Uш на сопротивлении шунта Rш при протекании через него тока сварки Iсв подается на вход согласующего усилителя (СУ).

Усилитель предназначен для согласования уровня входного сигнала Uш с входными амплитудами АЦП.

Мгновенные значения сигналов о процессе сварки в значительной степени искажены действием помех. Для освобождения сигналов от искажений требуется последовательно пропустить сигнал через полосовой фильтр (ПФ) и фильтр нижних частот (ФНЧ). Резонансная частота ПФ выбрана равной 50 Гц для подавления сетевых наводок. ПФ ослабляет сетевые пульсации примерно в 100 раз. ФНЧ с частотой среза 100 Гц выполнен на каскадно-соединенных фильтрах нижних частот с наклоном АЧХ -40 и -20 дБ/декада, что дает суммарный наклон, равный -60 дБ/декада [3].

Рисунок 3.3 – Схема измерительного преобразователя тока Блок гальванической развязки (БГР) предназначен для электрического разделения цепей сварочного контура от измерительных цепей АЦП. Это повышает надежность и помехозащищенность измерительной схемы и защищает АЦП от воздействия сильных токов сварочного контура.

Преобразователь напряжение-ток (ПНТ) предназначен для преобразования напряжения сигнала Uш с выхода БГР в пропорциональное ему значение тока Iсв. Он обеспечивает независимость тока от сопротивления линии связи с АЦП и сопротивления нагрузки.

Запись звука компьютером осуществляется по схеме, представленной на рисунке 3.4 [67].

М Драйвер звуковой АЦП карты МУ Программа Операционная Жёсткий звукозаписи система диск Рисунок 3.4 – Схема записи звука в ПК Микрофонный усилитель (МУ) усиливает аналоговый сигнал, поступающий с микрофонного входа звуковой карты. Коэффициент усиления МУ регулируется в микшере Windows. АЦП преобразует аналоговый сигнал в поток чисел, который принимается драйвером звуковой карты. ОС передаёт их программе записи, которая сохраняет данные на жесткий диск в выбранном формате.

3.1.2 Экспериментальное определение ограничений для модели расчёта параметров процесса РДС В соответствии с планом эксперимента, проводились контрольные сварочные процессы. Процесс РДС начинался с укороченной дугой, затем она удлинялась. Таким образом, значения длины дуги разделены по времени.

Сигналы тока для установленных максимумов 70 А и 75 А представлены на рисунках 3.5 и 3.6 соответственно.

Рисунок 3.5 – Сигнал тока сварки при установленном максимальном значении 70 А Рисунок 3.6 – Сигнал тока сварки при установленном максимальном значении 75 А Чтобы исключить из сигналов шум, сигналы отфильтрованы цифровым фильтром нижних частот с частотой среза 5 Гц [68]. Сигналы при максимальном установленном токе сварки 70 А и 75 А представлены на рисунках 3.7 и 3.8 соответственно. После фильтрации были оценены значения функций отклика, представленные в таблице 3.1.

Таблица 3.1 – Значения функций отклика № п/п План эксперимента Функции отклика x1 x2 x1*x2 МО СКО 1 -1 -1 +1 64,48 3, 2 -1 +1 -1 63,12 3, 3 +1 -1 -1 64,98 4. 4 +1 +1 +1 59,13 3, Рисунок 3.7 – Сигнал тока сварки при установленном максимальном значении 70 А после фильтрации Рисунок 3.8 – Сигнал тока сварки при установленном максимальном значении 75 А после фильтрации Для каждой функции отклика были построены уравнения регрессии вида (2.10). Рассчитанные коэффициенты регрессий приведены в таблице 3.2.

Таблица 3.2 – Коэффициенты уравнений регрессии для тока сварки Коэффициент Регрессия МО СКО b0 62,93 3, b1 -0,87 0, b2 -1,80 -0, b3 -1,12 -0, В результате определены уравнения регрессии для оценки статистических характеристик моделируемых сигналов. На основе этой оценки будет реализована компенсация возмущений, действующих на модель расчёта параметров процесса РДС (ток сварки, напряжения на дуге, скорость плавления электрода).

3.1.3 Проверка адекватности и статистической значимости уравнений регрессии Перед внедрением полученных ограничений в модель, необходимо проверить их адекватность, чтобы не ухудшить адекватность усовершенствованной модели в целом. Проверку адекватности произведём на примере уравнения регрессии для оценки математического ожидания:

y = 62,93 0,87 x1 1,8 x 2 1,12 x1 x 2. (3.1) Ошибки аппроксимации функции отклика для каждой из строк плана эксперимента приведены в таблице 3.3.

Таблица 3.3 – Ошибки аппроксимации № опыта Фактическое Значение по Отклонение значение, Y регрессии, Y Y от Y 1 64,48 64,48 0,00% 2 63,12 63,12 0,00% 3 65,34 64,72 0,93% 4 60,84 61,12 0,48% 5 64,98 64,98 0,00% 6 59,13 59,13 0,00% Средняя ошибка аппроксимации по строкам плана 3 и 4 составляет:

1 4 yi yi y 100% = 0,71%.

A= (3.2) 2 i =3 i Средняя ошибка мала, поэтому считаем, что уравнение регрессии (3.1), с помощью которого аппроксимирована функция отклика для математического ожидания тока сварки, является адекватным.

Для проверки статистической значимости уравнения регрессии разобьём каждый из сигналов на фрагменты длительностью по 1 с. Введём следующие обозначения:

- n – номер фрагмента;

- N – количество фрагментов, N = 74;

- k – количество коэффициентов при переменных в уравнении регрессии (3.1), k = 3;

- yn – фактическое значение функции отклика на фрагменте с номером n;

- y n – значение функции отклика на фрагменте с номером n, вычисленное по регрессии;

- y n – значение функции отклика в строке плана (таблица 3.1).

Для определения критерия Фишера необходимо вычислить следующие величины:

- остаточная дисперсия:

N (y - yn ) n n = Dост = ;

(3.3) N k - дисперсия на один фактор:

N (y - yn ) N (y n - y n ) n n = Dфакт = = ;

(3.4) k k - фактическое значение критерия Фишера:

Dфакт F=. (3.5) Dост Фактическое значение критерия Фишера составляет 3,54. Табличное значение критерия Фишера Fтабл при уровне значимости = 0,05 и степенях свободы k1=k=3 и k2=N-k-1=70 составляет 2,74. Так как Fтабл F, то уравнение статистически значимо.

Аналогичным способом проверены адекватность и статистическая значимость уравнения регрессии для СКО тока сварки:

( x1, x 2 ) = 3,78 0,14 x1 0,3x 2 0,38 x1 x 2. (3.6) Результаты проверки приведены в таблице 3.4.

Таблица 3.4 – Результаты проверки уравнений регрессии Критерий Функция отклика МО СКО Средняя ошибка аппроксимации 0,71% 1,37% Критерий Фишера 3,54 2, Покажем, как использовать полученные уравнения регрессии для проверки достоверности моделирования сварочного процесса. Из-за сложности сварочного процесса случаем его случайным. Используя общепринятое значение доверительного интервала – правило трёх сигм, представим ограничения для тока сварки на выходе модели в следующем виде:

I мод µ ( x1, x 2 ) 3 ( x1, x 2 ). (3.7) Где Iмод – значение тока, рассчитанное по модели;

µ(x1, x2) – оценка математического ожидания по уравнению регрессии (3.1);

(x1, x2) – оценка СКО по уравнению регрессии (3.6):

Компенсация возмущений, действующих на модель параметров процесса РДС, реализуется следующим образом. Если значение тока, которое было рассчитано, не удовлетворяет ограничению (3.7), то можно использовать допустимое значение, ближайшее к предыдущему. Применение данной меры при моделировании сварного соединения допустимо из-за инерционности процесса. Если в течение заданного промежутка времени ситуация не изменится, то виртуальный сварочный процесс следует остановить и сигнализировать о проблемах с оборудованием.

3.1.4 Проверка адекватности модели формирования шва ИИС должна проводить моделирование процесса РДС в реальном времени и адекватно реальному процессу. Поэтому необходимо убедиться, что модель формирования шва позволяет построить такое его изображение, что он будет по форме и размерам похож на реальный.

Площадь сечения шва в модифицированном МКЭ рассчитывается следующим образом [69]. Ось координат x в модели всегда направлена вдоль разделки шва. На рисунке 3.9 схематично показано сечение виртуального шва, состоящего из столбцевых конечных элементов.

В этих КЭ металл перекристаллизировался hп,i l Рисунок 3.9 – Расчёт сечения виртуального шва Тогда площадь сечения шва в точке x=x0 вычисляется по формуле:

S ( x0 ) = hп,i l. (3.8) iM ( x0 ) Где hп,i – высота перекристаллизованной части конечного элемента i;

– l – шаг сетки;

– M(x0) – множество элементов образующих сечение шва в точке x=x0.

Сравним результаты вычисление по формуле (3.8) с формулой:

q S ф = m t. (3.9) Vc Где m = 1/qпл, qпл – удельная теплота плавления вещества;

t – термический КПД процесса плавления;

q – эффективная мощность дуги;

Vc – скорость сварки.

Для того, чтобы результаты расчета методом конечных элементов и по формуле (3.9) были сравнимы, программа тренажера была модифицирована [70]. Вместо физических координат электрода, считываемых с устройства координатного слежения, для ввода был использован текстовый файл со сгенерированными программно значениями.

Моделировалось равномерное и прямолинейное перемещение электрода вдоль линии разделки с фиксированной скоростью Vc. Дуговой промежуток был программно подобран так, чтобы мощность дуги соответствовала использованной в формуле (3.8). В результате работы тренажера было получено виртуальное сварочное соединение на рисунке 3.10.

Рисунок 3.10 – Внешний вид виртуального шва Поскольку формулы (3.8) и (3.9) не учитывает особенности зажигания электрода и образование сварочного кратера при завершении сварки, для сравнения был использован только средний участок полученного виртуального шва. Моделирование газовых выбросов в тренажере выполняется псевдослучайным процессом. Поэтому для сравнения использована усредненная площадь поперечного сечения. В таблице 3. приведены результаты 9 вычислительных экспериментов с различными значениями Vc и q.

Таблица 3.5 – Результаты вычислительных экспериментов Sэ, мм № Vc, мм/с q, Дж откл.% 1 5 750 15,0 6, 2 5 770 15,4 9, 3 5 780 15,8 12, 4 5,5 750 13,6 3, 5 5,5 770 14,0 0, 6 5,5 780 14,4 2, 7 6 750 12,5 11, 8 6 770 12,8 8, 9 6 780 13,2 6, Максимальное расхождение составило около 12%. Согласно исследованиям особенностей человеческого зрения [71], в среднем человек способен визуально оценить разницу в абсолютных размерах между объектами, находящимися на расстоянии наилучшего зрения, с точностью около 25% (при условии, что сравниваемые объекты не рассматриваются одновременно). Таким образом, визуально размеры виртуального шва могут быть неотличимы от реальных.

В работе [15] проверена адекватность модели расчёта параметров процесса РДС и тепловой модели. Для проверки адекватности модели был проведён эксперимент по наплавке валика с умышленными отклонениями при проведении процесса. Во время процесса регистрировались координаты держателя электрода. Запись координат этого эксперимента использована для расчёта тока сварки и напряжения на дуге. В расчёте реализован компенсация возмущений по условию (3.7). В результате по модели рассчитано температурное поле валика, показанное на рисунке 3.12.

а) б) Рисунок 3.12 – Проверка адекватности модели расчёта параметров шва:

а) наплавной валик;

б) рассчитанное температурное поле Расхождение с расчётной шириной валика в пяти случайно выбранных точках составляет не более 1 мм. Поскольку одна из целей тренажера – выработать правильные реакции сварщика на визуально наблюдаемую картину сварки, то сделан вывод, что точность моделирования достаточная и тепловая модель адекватна.

3.2 Исследование звуковых характеристик процесса РДС 3.2.1 Проведение нейросетевой кластеризации спектров Чтобы составить таблицу условных вероятностей для стохастической модели звука процесса РДС, необходимо выполнить обработку синхронно записанных сигналов тока сварки, напряжения на дуге и звука. Обработка экспериментальных данных реализована в пакете Matlab, который, помимо математических функций, позволяет создавать нейронные сети.

Для кластеризации звука необходимо сформировать обучающую выборку. Образцы обучающей выборки представляют собой спектры звуковых фрагментов в моменты, когда горит дуга. При выборе фрагментов для обучающей выборки необходимо идентифицировать моменты гашения и возгорания дуги, обусловленные явлением каплепереноса. На рисунке 3. показано, что в условиях проведённого эксперимента, моменты начала и конца коротких замыканий можно идентифицировать по переходу электрической мощности дуги через значение 500 Вт.

Моменты начала коротких замыканий Моменты окончания коротких замыканий Рисунок 3.12 – Определение моментов начала и конца коротких замыканий по сигналу электрической мощности дуги На рисунке 3.13 показан алгоритм определения моментов начала и конца коротких замыканий. Реализация данного алгоритма с помощью команд пакета Matlab приведена в листинге 3.1.

В результате работы кода все моменты передних фронтов сохранены в массиве Tnach, задних – Tkon. Чтобы определить длительности всех обнаруженных фрагментов, в Matlab достаточно выполнить следующее действие: D=Tkon–Tnach. Длительности фрагментов будут храниться в массиве D в порядке обнаружения фрагментов кодом листинга 3.1.

Начало Номер короткого замыкания Nkz= Номер выборки Nv от до количества выборок (W(Nv-1)=500) И Истина (W(Nv)=500) Начало_КЗ(Nkz)=Nv (W(Nv-1)=500) И Истина (W(Nv)=500) Конец_КЗ(Nkz)=Nv Nkz=Nkz+ Конец Рисунок 3.13 – Алгоритм определения моментов коротких замыканий Листинг 3.1 – Реализация алгоритма в Matlab.

Wsc = 500;

% мощность при переходе на КЗ Nkz = 1;

% номер найденного КЗ for Nv=2:r if( (W(Nv-1)=Wsc)&&(W(Nv)=Wsc) ) Tnach(Nkz) = i;

%момент начала КЗ end if( (W(Nv-1)=Wsc)&&(W(Nv)=Wsc) ) Tkon(Nkz) = Nv-1;

%момент конца КЗ Nkz=Nkz+1;

end end Чтобы отобрать фрагменты сигналов для расчёта обучающей выборки, рассчитаем распределение длительности интервалов времени между короткими замыканиями. Код Matlab, который рассчитывает распределение, приведён в листинге 3.2.

Листнг 3.2 – Расчёт распределения интервалов времени между КЗ.

X = 10:10:150;

% границы интервалов [N]=hist(D,X);

% определение количества фрагментов в каждом диапазоне Nn=N/sum(N);

% деление на количества фрагментов figure % создание области построения bar(X,Nn) % построение вероятностей в виде гистограммы grid on На рисунке 3.14 показаны вероятности появления фрагментов различных длительностей.

Рисунок 3.14 – Распределение интервалов времени между короткими замыканиями Так как фрагменты длительностью от 40 до 100 мс наблюдались чаще других, то выдвинута гипотеза, что в них содержится больше всего информации о звуке сварочного процесса. С учётом данного условия, было отобрано 614 фрагментов. По каждому из отобранных в выборку фрагментов рассчитан спектр, затем преобразованный в соответствии с формулами (2. – 2.54). Преобразование спектров для диапазонов, приведённых в таблице 2.3, выполнено с более частым разбиением. В результате получена обучающая выборка векторов, состоящих из 132 координат.

Для задач с большим количеством факторов характерна избыточность, т.е. данные можно описать меньшим набором признаков, оставив только значимую часть информации. Понижение размерности пространства входных данных можно провести методом анализа главных компонентов. Для этого необходимо оценить дисперсии каждой из координат. На рисунке 3.15 показаны дисперсии амплитуды звука по частотным диапазонам.

Рисунок 3.15 – Дисперсии амплитуды звука по частотным диапазонам По рисунку видно, что нет координат с пренебрежимо малыми дисперсиями, поэтому анализ главных компонентов не проводился. Другим способом понижения размерности является корреляционный анализ. По результатам корреляционного анализа размерность данных снижена до 29.

Далее построены несколько самоорганизующихся карт Кохонена, каждая из которых обучена на полученном наборе данных. В таблицу 3. сведены параметры нейронных сетей и количество кластеров, определённое сетями.

Таблица 3.6 – Параметры и результаты обучения карт Кохонена Размерность сети Количество Количество Среднее нейронов в выделенных межкластерное a b сети кластеров расстояние 8 8 64 47 0, 9 9 81 52 0, 10 10 100 55 0, 11 11 121 57 0, 12 12 144 60 0, 12 13 156 56 0, 13 14 182 60 0, 14 15 210 62 0, Среднее межкластерное расстояние можносчитать мерой разнообразия классифицируемых звуков или, другими словами, информативности полученной кластеризации. По этому признаку была выбрана карта Кохонена размерностью 12х13. Сеть разделила звуковые фрагменты на 56 кластеров. Разбиение использовано далее для построения таблицы условных вероятностей стохастической модели звука процесса РДС.

3.2.2 Построение стохастической модели Таблица 2.4 должна быть заполнена вероятностями порождения звука, относящегося к некоторому кластеру, в зависимости от повышенного, нормального или пониженного значения средней мощности дуги. Это деление является условным и зависит от сварочного источника, материалов и других параметров. На рисунке 3.16 показано распределение средней мощности. Границы классов определены по процентилям 33% и 66% гистограммы распределения мощности следующим образом:

• пониженная W1 – W[550;

650);

• нормальная W2 – W[650;

750]:

• повышенная W3 – W(750;

850].

Рисунок 3.16 – Гистограмма распределения мощности Каждую из вероятностей p(Si|Wj) можно рассчитать по формуле:

p (S iW j ) N (S i W j ) N (W ) N (S i W j ) p (S i | W j ) = = =. (3.10) p (W j ) N (W ) N (W j ) N (W j ) Где p(Si | Wj) – вероятность наблюдения кластера звука i при мощности, попадающей в интервал Wj;

j = 1, 2, 3;

N(SiWj) – количество фрагментов сигнала, порождающих звук кластера i при мощности, попадающей в интервал Wj;

N(Wj) – количество фрагментов мощности, попадающей в интервал Wj.

Вероятности в (3.9) аппроксимировались частотами наблюдения звуков из соответствующих кластеров. В таблице 3.7 показаны условные вероятности наблюдения нескольких кластеров звука. После того, как звуковые фрагменты распределены по кластерам, необходимо сохранить их на носитель информации. Полученная база звуковых фрагментов может использоваться в дальнейшем в тренажёре для генерации звука сварочного процесса.

Таблица 3.7 – Условные вероятности звуковых фрагментов Кластер Мощность дуги, W звука Низкая Нормальная Высокая 1 0 0,008 2 0 0,008 3 0 0,008 … … … … 20 0 0,024 21 0,016949 0,008 22 0 0,008 0, … … … … 54 0,016949 0,04 0, 55 0,050847 0,064 0, 56 0,47458 0,208 0, Необходимо учесть, что в кластер может попасть несколько файлов.


Поэтому предлагается следующая организация базы звуковых фрагментов:

для каждого кластера создаётся отдельная директория и в неё помещаются файлы кластера. Имя папки будет состоять из слова «cluster_» и номера соответствующего ему нейрона-победителя.

Для записи звуковых файлов в системе MATLAB имеется функция wavwrite со следующими параметрами:

- данные, которые необходимо записать как wav-файл;

- частота дискретизации;

- разрядность файла - имя файла.

Используются те же параметры, что и при регистрации звука: частота дискретизации 32000 Гц и разрядность 16 бит. Для составления имён файлов выбрана следующая схема: «sound_»+[номер нейрона]+ «_»+[номер звука в кластере]+«.wav». Таким образом, каждый звуковой фрагмент в базе будет обладать уникальным именем. Программа для составления базы файлов реализована в виде следующего набора команд MATLAB, представленного в листинге 3.3.

Листинг 3.3 – Создание базы звуковых фрагментов.

KF = zeros(Nnr,1);

% количество файлов в каждом кластере NF=1;

% номер фрагмента, где был активен какой-либо нейрон pSndBase = ['soundbase'];

% путь к корневой директории базы звуков for i = 1:Nall-1 % проход по общему массиву звука if ( ( D(i)=Dmin )&&( D(i)=Dmax ) ) % фрагмент звука Spr = S( round(Tnach(i)*k-3*k):round(Tnach(i+1)*k-3*k) );

Y = Yk(NF);

% реакция сети на данный фрагмент % проверяем, был ли он активен при обучении if length( find( Y==NN ) )0 % проверка, был нейрон активен на этапе %обучения pClst = [pSndBase '/clust_' num2str(Y)];

% путь к папке %кластера if isdir(pClst) % если папка кластера существует else % тогда никаких действий mkdir(pClst);

% иначе – создать папку end KF(Y)=KF(Y)+1;

% увеличим счётчик на % формируется имя файла filename = [pClst '/sound_' num2str(Y) '_' num2str(KF(Y))];

wavwrite(Spr, 32000, 16, filename);

% запись wav-файла end NF = NF+1;

end end На рисунке 3.17 показано, как база звуков выглядит в проводнике Windows на примере некоторых кластеров.

Рисунок 3.17 – База звуковых фрагментов Таблица условных вероятностей также сохраняется на носитель. В качестве формата хранения выбран txt-файл. К таблице приписаны столбцы, показывающие номера нейронов-победителей для каждого кластера и количество файлов в каждом из них.

3.2.3 Проверка адекватности звуковой модели Моделируемый в тренажёре звук процесса РДС должен быть похожим на реальный. Предположим, что если заменить реальный звук процесса РДС моделируемым звуком, а статистические характеристики процесса при этом не изменятся, то звук моделируется адекватно. Для проверки гипотезы поставлен эксперимент [73]. Сварщик будет проводить контрольные сварки плоских деталей в трёх ситуациях:

- прослушивание естественного звука процесса РДС;

- в условиях звукоизоляции;

- прослушивая звук процесса РДС, моделируемый в режиме реального времени.

В каждом случае к сварочному контуру будет подключена информационно-измерительная система для регистрации тока сварки и напряжения на дуге. Во-первых, при моделировании звука процесса РДС это входные данные звуковой модели. Во-вторых, совместные распределения этих сигналов позволяют определить статистические характеристики процесса РДС.

В среде LabVIEW затруднительно реализовать работу с большой таблицей условных вероятностей. Поэтому принято решение разделить функции звуковой модели между двумя программами:

- работа с платой (управление, сбор данных) – с помощью виртуального прибора LabVIEW;

- синтез звука сварки – в программе, разработанной в среде Delphi 7.

Среда Delphi 7 выбрана для разработки приложения потому, что имеет большой набор включенных библиотек и элементов управления, в том числе и для обработки мультимедийных данных. Связь между программами может осуществляться различными способами. Выбрано взаимодействие посредством TCP или UDP-сокетов, поскольку данная технология поддерживается как LabVIEW, так и Delphi. При этом, обмен данными осуществляется посредством сетевого соединения. Взаимодействующие программы могут работать как на одной ЭВМ, так и на разных, но подключенных к одной сети. При организации сетевого взаимодействия необходимо чтобы одна из программ была сервером, другая – клиентом.

Принято решение, что виртуальный прибор LabVIEW будет выступать в качестве сервера, обрабатывая запросы программы для синтеза звука. Ответом на запрос будет среднее значение мощности дуги за небольшой интервал времени. Поэтому, помимо блоков для реализации TCP соединения, необходимо добавить блоки расчёта среднего значения и блоки сетевого соединения. Параметры TCP-соединения заданы в блок-диаграмме константами «IP-адрес» и «Порт» со значениями «127.0.0.1» и «2000»

соответственно. ВП выполняет следующие функции:

- регистрация сигналов, полученных с выхода АЦП платы;

- запись сигналов в файл с метками времени – блок Write to Measurement File;

- расчёт среднего значения мощности на временном фрагменте продолжительностью, заданной константой «Скользящее окно»;

- открытие соединения по протоколу TCP – блок TCP Listen;

- приём запросов от генератора звука – блок TCP Read;

- отправка значения мощности в ответ на запрос – блок TCP Write;

- закрытие соединения в случае ошибки или при завершении работы – блок TCP Close.

Исходя из значений заданной частоты дискретизации АЦП и скользящего окна, вычисляется количество выборок, попадающее во временной фрагмент. В экспериментах были заданы частота АЦП равной кГц и скользящее окно 50 мс. Следовательно, усреднение производится по отсчётам.

Интерфейс пользователя генератора звука – клиентского приложения, показан на рисунке 3.18. На форме с помощью таблиц показаны вероятности порождения звуков из разных кластеров при пониженной, нормальной и повышенной электрической мощности дуги. Отдельно показано количество файлов в каждом кластере. Кластерам даны номера нейронов сети, которые их образовали. База звуковых фрагментов и таблицы условных вероятностей подготовлены в системе MATLAB.

Рисунок 3.18 – Интерфейс пользователя генератора звука На рисунке 3.19 а) показан шов, полученный при сварке в условиях, когда сварщик не слышит звука дуги. Сигналы тока сварки и напряжения на дуге представлены на рисунке 3.19 б).

а) сварной шов б) сигналы тока и напряжения Рисунок 3.19 – Результаты сварки в условиях звукоизоляции На рисунке 3.20 а) показан шов, полученный при сварке с естественным звуком. Сигналы тока сварки и напряжения на дуге представлены на рисунке 3.20 б).

а) сварной шов б) сигналы тока и напряжения Рисунок 3.20 – Результаты сварки при естественном звуке На рисунке 3.21 а) показан шов, полученный при том, что сварщик слышал моделируемый звук РДС. Сигналы тока сварки и напряжения на дуге представлены на рисунке 3.21 б).

а) сварной шов б) сигналы тока и напряжения Рисунок 3.21 – Результаты сварки при моделируемом звуке Фотографии швов представлены в одинаковом масштабе. Когда сварщик не слышал звука сварки, получился шов, который имеет меньшую длину. Время сварки было фиксированным (16с). Следовательно, изоляция от звука при РДС существенно отразилась на скорости перемещения электрода, т.е. скорости сварки.

На рисунках 3.22-3.24 показаны эмпирические распределения мгновенных значений i и u трёх представленных процессов. Для каждого из распределений оценим математические ожидания М и среднеквадратические отклонения тока сварки и напряжения на дуге в трёх характерных состояниях процесса РДС [48]: режим холостого хода (Х), режим горения дуги (Г) и короткое замыкание при капельном переносе (К). Также оценим М и для интервалов времени между короткими замыканиями tкз. Значения данных характеристик приведены в таблице 3.7.

Рисунок 3.22 – Эмпирическое распределение тока сварки и напряжения на дуге при условии звукоизоляции Рисунок 3.23 – Эмпирическое распределение тока сварки и напряжения на дуге при естественном звуке сварки Рисунок 3.24 – Эмпирическое распределение тока сварки и напряжения на дуге при моделируемом звуке сварки Таблица 3.7 – Характеристики эмпирических распределений № Условия Состояние U, В I, A tкз, мс опыта проведения М М М опыта 1 Сварщик не К 7,5 2,9 86,9 5,6 105,1 10, слышит звук Г 23,8 3,9 80,5 4, сварки Х 58,6 5,9 72,9 2, 2 Сварщик слышит К 6,7 3,4 86,6 5,4 80,0 10, естественный Г 23,2 3,6 75,8 2, звук сварки Х 55,7 4,9 81,4 2, 3 Сварщик слышит К 6,5 4,0 85,5 4,6 75,4 9, моделируемый Г 23,2 3,4 76,8 3, звук сварки Х 55,7 5,0 86,5 2, Чтобы оценить сходства между тремя представленными эмпирическими распределениями, оценим среднее взвешенное отклонение характеристик процессов 1 и 3 от характеристик процесса 2, который проведён с использованием естественного звука сварочного процесса. Здесь возникает вопрос выбора весов. Использовались три значения весов, заданных экспертом: 1 – влияние данной характеристики на результат незначительно, 2 – влияние заметно, 3 – заметное влияние. Отклонения характеристик распределений и их среднее взвешенное значение R представлены в таблице 3.8.

Таблица 3.8 – Отклонения характеристик эмпирических распределений Условия Состо- U,% I,% tкз,% R,% проведения опыта яние М М М Сварщик не К 11,9 14,7 0,3 3,7 31,4 4,9 11, слышит звук Г 2,6 8,3 6,2 51, сварки Х 5,2 20,4 10,4 4, Сварщик слышит К 3,0 17,6 1,3 14,8 5,7 2,9 4, моделируемый Г 0,0 5,6 1,3 24, звук сварки Х 0,0 2,0 6,3 0, Отсутствие звука оказало наиболее заметное влияние на характер каплепереноса: заметно увеличился промежуток времени между короткими замыканиями. Среднее взвешенное отклонение показало, что характеристики эмпирических распределений при проведении процесса сварки с моделируемым и естественным звуком ближе, чем у процесса с естественным и отсутствующим звуком. Кроме этого, сходство внешнего вида сварных швов показывает, что сварщик провёл процесс РДС, прослушивая моделируемый звук, почти так же, как при прослушивании естественного звука. Следовательно, модель звука РДС можно считать адекватной.


3.3 Оценка эффективности обучения с использованием ИИС В рамках совместных исследований с РГУНГ им. Губкина, посвящённых эффективности тренажёрных систем в процессе обучения навыкам РДС, установлены следующие результаты [51]. Программный моторный выход (ПМВ) сварщика является показателем его квалификации.

Поэтому разрабатываемые тренажёры обладают возможностями оценки элементов ПМВ. Основными элементами ПМВ для процесса РДС являются:

- перемещение торца электрода вдоль разделки с нужной скоростью;

- перемещение торца электрода по заданной траектории;

- подача электрода со скоростью, равной скорости его расплавления.

Для определения эффективности обучения, элементы ПМВ оценивались у сварщиков разной квалификации. Проведены три серии экспериментов с устройством, способным имитировать процесс РДС. Первая и вторая серии заключались в имитации наплавки прямолинейного валика длиной 450 мм. При этом, сварщики контролировали свои действия в первой серии зрением, во второй – слухом. Проверялся только элемент ПМВ, который заключается в перемещении торца электрода по заданной траектории. Была задана прямолинейная траектория. Фиксировались ошибки, выражающиеся в виде ухода с траектории. Так как небольшой уход, например на 0,1 мм, не оказывает существенного влияния на качество реального шва, фиксировались более заметные отклонения. Установлено, что количество ошибок ведения траектории при выполнении имитации меньше у сварщиков с высокой квалификацией, как показано на рисунке 3.25. В третьей серии экспериментов визуальный и слуховой каналы контроля были недоступны. При этом, оценивалась длина безошибочно воспроизведённой траектории. Результаты экспериментов представлены на рисунке 3.26.

Проведённые серии экспериментов показали, что тренажёрные системы допустимо применять для автоматизированной оценки некоторых характеристик программного моторного выхода сварщиков. Такими характеристиками являются выполнение манипуляций электродом под контролем зрения или слуха, или в отсутствие такой информации, а также выполнение манипуляций, связанных с конкретными технологическими операциями. Это позволяет определить компоненты программного моторного выхода конкретного сварщика и рекомендации к их совершенствованию.

Рисунок 3.25 – Зависимость количества ошибок от квалификации сварщика Рисунок 3.26 – Длина безошибочно воспроизведенной траектории Эксперименты с учащимися ПТУ под руководством учебного мастера показали динамику формирования первоначальных моторных навыков.

Имитация выполнялась при отсутствии визуальной и слуховой информации.

Оценивалась длина безошибочно воспроизводимой траектории. Результат представлен на рисунке 3.27.

Рисунок 3.27 – Динамика формирования первоначальных моторных навыков Затем характеристики ПМВ оценивались у экспериментальной и контрольной группы. Проведены практические занятия на выполнение наплавки прямолинейного валика в экспериментальной (4 занятия) и контрольной (15 занятий) группах. Практические занятия с контрольной группой проводились по общепринятой методике. Расход электродов в экспериментальной группе составил 2 кг на ученика. В контрольной группе расход составил 20 кг на ученика. Внедрение тренажёров позволило сократить срок подготовки начинающих сварщиков до II разряда и сократить затраты сварочных материалов.

Выводы к главе 3:

1. Экспериментально проверена адекватность модели расчёта тока сварки и напряжения на дуге. Настроены ограничения для данной модели. По результатам эксперимента видно, что модель позволяет адекватно рассчитать параметры процесса РДС.

2. Проведено экспериментальное исследование звука ручной дуговой сварки. С помощью кластеризации определены характерные звуки, затем установлена вероятностная зависимость порождения звука из того или иного кластера в зависимости от мощности дуги. Полученная кластеризация представляет базу звуковых фрагментов для реализации модели звукового сопровождения в компьютерном тренажёре. База звуковых фрагментов сохранена на машинном носителе информации.

3. Проверено влияние моделируемого звука сварки на процесс РДС.

При отсутствии звукового сопровождения обнаружено сильное отличие эмпирических характеристик процесса по сравнению с естественным или моделируемым звуком. Это говорит о том, что моделирование звукового сопровождения в тренажёре является необходимым и составленная стохастическая модель является адекватной.

4. В рамках совместных исследованй с РГУНГ им. Губкина получены результаты, которые подтверждают полезность разработанных моделей. Установлено снижение количества ошибок при проведении процесса РДС и снижение расхода сварочных материалов. Следовательно, внедрение тренажёров на базе ИИС в процесс обучения навыкам РДС повышает его эффективность.

4 РЕАЛИЗАЦИЯ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНОЙ СИСТЕМЫ ДЛЯ МОДЕЛИРОВАНИЯ СВАРОЧНОГО ПРОЦЕССА В РЕАЛЬНОМ ВРЕМЕНИ ИИС для моделирования процесса ручной дуговой сварки включает аппаратные и программные модули. Математические модели, построенные в ходе исследования, должны быть реализованы с помощью методов объектно ориентированного программирования (ООП). При этом работа с устройствами ввода-вывода осуществляется посредством подключаемых модулей. Для реализации ИИС необходимо выбрать объектно ориентированный язык программирования и среду разработки программ с поддержкой подключаемых модулей. Результатом разработки является основа для мультимедийных тренажёров РДС.

4.1 Выбор средств разработки ИИС 4.1.1 Выбор средств разработки программного обеспечения Для реализации программного обеспечения информационно измерительной системы необходимо выбрать средства разработки. В настоящее время для разработки мультимедийных программ доступно множество API (Application Programming Interfaces) – интерфейсов прикладного программирования. API публикуются как динамически связываемые библиотеки (DLL) для одного или нескольких средств разработки. Исходный код библиотек может быть как закрытым, так и открытым.

Примером графического API с открытым кодом является OpenGL – Open Graphics Library. Стандарт OpenGL был создан и утвержден в 1992 году ведущими фирмами в области разработки программного обеспечения как эффективный аппаратно-независимый интерфейс, пригодный для реализации на различных платформах. Развитие стандарта OpenGL осуществляется объединением фирм под названием Architectural Review Board (ARB) – комитетом по пересмотру архитектуры. ARB состоит из представителей основных компаний, заинтересованных в развитии и использовании библиотеки: 3D Labs, SGI, Apple, NVidia, ATI, Intel, id Software и др. Роль ARB является определяющей в развитии OpenGL, что не позволяет оперативное включение новых опций в API. Для решения этой проблемы в OpenGL существует механизм расширений, с помощью которого можно использовать различные функции, не входящие в базовую спецификацию, а поддерживаемые только реализацией OpenGL для конкретной видеокарты.

Расширения в стандарт OpenGL включаются следующим образом: как только производитель выпускает видеокарту с поддержкой нестандартной функции, он включает ее в свою реализацию OpenGL и включает в поставку драйвера. Такой путь не универсален: на видеокарте другой модели использовать нестандартное расширение не получится из-за различий в интерфейсе. Поэтому существуют расширения, одобренные ARB – при их использовании можно надеяться, что они будут работать на видеокартах различных производителей. Такие расширения являются кандидатами на включение в последующие версии OpenGL.

Параллельно с OpenGL развивается API OpenAL для программирования звука. Соглашения, которые используются в OpenAL, такие же, как и в OpenGL. На данный момент поддержкой OpenAL занимается, в основном, компания Creative Labs [73].

Другое API DirectX, которое развивается и продвигается фирмой Microsoft, не имеет механизма расширений. Новые функции вносятся в новую версию библиотеки без изменения уже существующих, причём будут доступны при использовании любой видеокарты, для которой производитель заявил поддержку новой версии DirectX. Считается, что при использовании DirectX требуется более объёмный код по сравнению с использованием OpenGL, но DirectX считется налучшим API для разработки игр и мультимедийных приложений, работающих в операционной системе Windows [67]. Помимо функций работы с графикой, API DirectX включает также функции работы со звуком и устройствами ввода-вывода.

В качестве среды разработки приложения выбрана Microsoft Visual Studio, в которой возможно программирование на нескольких языках. Так как SDK для библиотеки DirectX и других используемых библиотек ориентированы на использование языка C++, то разработка ПО также велась на языке C++.

Существует множество библиотек, являющихся надстройками над DirectX, которые создаются с целью сделать более лёгкими в разработке и понятными примеры DirectX, прототипы и готовые программные продукты.

При использовании таких библиотек, разработчик не тратит время на создание собственных классов, и использует готовые. Одной из них является DirectX Utility Library (DXUT) – библиотека, которая используется в большинстве примеров (samples) DirectX SDK и упрощает такие задачи, как:

– создание окна графического приложения;

– создание Direct3D-интерфейса устройства;

– настройка Direct3D–интерфейса;

– обработка событий Direct3D–интерфейса;

– обработка событий графического интерфейса пользователя;

– переключение между полноэкранным и оконным режимами и др.

Библиотека DXUT разработана программистами Microsoft по модульному принципу, что позволяет включать в приложение либо все её возможности, либо только необходимые для работы конкретного приложения. Библиотека включает классы элементов управления для создания графического интерфейса пользователя и другие классы, необходимые разработчикам игр, например камеру и таймер.

Для простоты использования, DXUT поддерживает только одно графическое окно, связанное с одним графическим устройством.

Приложения с более широкими возможностями, которым нужна одновременная работа нескольких графических окон, невозможно построить на базе DXUT. Так как разрабатывать для тренажёра РДС многооконного интерфейса не планировалось, то принято решение использовать данную библиотеку в разработке ПО.

4.1.2 Выбор аппаратных средств Источником данных для моделирования процесса РДС в ИИС являются координаты торца электрода, зарегистрированные УКС.

Моделируемый процесс РДС сопровождается визуальными и звуковыми явлениями, которые необходимо демонстрировать техническими средствами.

Для демонстрации звуковых явлений подходят акустические системы и головные телефоны. Визуальные явления – свечение дуги и нагретого металла, искры, формирование сварного шва – могут продемонстрированы следующими дисплейными устройствами:

1) обычный ЖК-монитор с частотой кадров 60 Гц;

2) быстродействуюий ЖК-монитор с чатотой кадров 120 Гц в паре затворными стерео очками NVidia 3D Vision;

3) шлем виртуальной реальности.

ЖК-монитор показывает заготовку и торец электрода. Требуется, чтобы торец на экране двигался в связке с устройством имитации плавления.

Для этого производится калибровка по трём точкам. Калибровка необходима также и для второго варианта с использованием затворных очков. В случае объёмных, а не плоских деталей, необходимо следить за положением головы сварщика, чтобы показывать нужный ракурс. В шлемы виртуальной реальности встраивается гиродатчик, который можно задействовать для отслеживания наклонов и поворотов головы.

Макет мультимедийного тренажёра РДС, реализованного на базе ИИС и обычного монитора, показан на рисунке 4.1.

Рисунок 4.1 – Вариант реализации тренажёра РДС 4.2 Реализация расчётов по математическим моделям в ИИС 4.2.1 Реализация модели тока сварки и напряжения на дуге Ток сварки и напряжение на дуге являются теми параметрами процесса РДС, моделирование которых в ИИС производится в первую очередь. Модель расчёта тока сварки и напряжения на дуге основана на соотношениях (2.6 – 2.9). Входные данные модели – координаты торца электрода, по которым оценивается длина дуги, а далее – ток сварки и напряжение на дуге. Кроме этих величин, модель позволяет рассчитать скорость плавления электрода на каждом шаге моделирования, а значит – его длину.

При решении системы (2.6 – 2.9) на каждом шаге моделирования необходимо учесть связь между напряжением на дуге U и током сварки I. Эта связь задана табличной ВАХ сварочного источника, определённой экспериментально. В результате получены опорные точки ВАХ источника.

Чтобы использовать их при поиске решения системы уравнений с помощью ЭВМ, введены зависимости U и I от сопротивления дуги Rд. Алгоритм, реализующий представлен на рисунке 4.2.

Рисунок 4.2 – Алгоритм моделирования процесса РДС Количество опорных точек ВАХ невелико, поэтому промежуточные данные необходимо получать с помощью интерполяции. Поскольку ИИС должна моделировать процесс РДС в реальном времени, выбрана линейная интерполяция. Поиск интерполированных значений U и I реализован отдельными функциями.

В представляемой работе проводилось усовершенствование модели, целью которого было увеличение достоверности расчётов по ней. При этом были получены ограничения на рассчитываемые значения [72, 74]. Проверки рассчитанных по модели значений U и I на соответствие данным ограничениям, а также коррекция полученных значений в случае обнаруженного несоответствия, также вынесены в отдельную функцию. На этапе проверки определяется истинность следующих условий:

I µ I ( L Д, I ИП ) 3 I ( L Д, I ИП ) ;

(4.1) U µU ( L Д, I ИП ) 3 U ( L Д, I ИП ). (4.2) Где IИП – установленный на виртуальном сварочном источнике ток сварки;

LД – длина дуги;

µI(LД, IИП) и µU(LД, IИП) – оценки математических ожиданий I и U соответственно;

I(LД, IИП) и U(LД, IИП) – оценки СКО I и U соответственно.

Если условия истинны, то никаких коррекций не требуется, и рассчитанные значения U и I используются в ИИС для моделирования процесса РДС. В противном случае решено реализовать коррекцию следующим образом. Если рассчитанное значение ниже нижней границы допустимого интервала, то принять в качестве значения нижнюю границу.

Аналогично, если рассчитано значение выше допустимого, то ограничиться им же. Также следует запустить отсчёт времени с момента первого обнаружения ошибки, и если она не будет устранена в течение заданного интервала времени, аварийно остановить моделирование процесса РДС.

Алгоритм проверки и коррекции, разработанный с учётом данных требований, представлен на рисунке 4.3.

Рисунок 4.3 – Алгоритм проверки моделирования процесса РДС Выход модели расчёта U и I является входом для других моделей в составе ИИС – модели формирования сварного шва и звука сварки. Это позволяет моделировать визуальные и звуковые явления, которыми сопровождается процесс РДС.

4.2.2 Расчёты по модели формирования сварного шва Чтобы рассчитывать внешний вид и геометрические параметры сварного соединения, необходимо знать, где находится источник тепла, и какой тепловой мощностью он обладает в каждый момент времени. Тепловая мощность сварочной дуги определяется по её электрической мощности, т.е.

рассчитанным значениям U и I. Вместе с координатами торца электрода x, y, z они передаются в модель формирования сварного шва.

В модели формирования шва для плоских деталей рассматривались три слоя в каждом конечном элементе-столбце. При программной реализации модели на языке С++ необходимо объявить структуры данных, в которых будет храниться информация обо всех КЭ. Так как рассчитанные соединение выводится на экран средствами трёхмерной графики, то выбранные структуры данных должны быть организованы под данную задачу.

Компьютерные графические 3D-модели состоят из геометрических элементов-примитивов, чаще всего треугольников и квадратов [75]. При реализации модели формирования шва выбраны квадраты, поскольку она разрабатывалась для столбцевых КЭ, квадратных в сечении.

Когда виртуальный процесс РДС ещё не начат, то деталь является полностью кристаллизованной. Поэтому средний слой (граница раздела жидкой и твёрдой частей) сливается с верхним. По мере нагрева КЭ сварочной дугой, начинается плавление вещества в них. При достижении температуры плавления в конечном элементе, средний слой в нём начинает движение вниз.

Пространство между слоями может быть оставлено прозрачным или заполнено в зависимости от возможностей мультимедийного тренажёра на базе ИИС. Таким образом, сварное соединение прорисовывается послойно.

На рисунке 4.4 представлен вид виртуального сварного шва при прозрачном заполнении пространства между слоями.

Рисунок 4.4 – Вид виртуального сварного шва в разрезе Как показано на рисунке 4.5, при просмотре шва сверху его внутренней прозрачности не видно, так как верхний слой является непрозрачным.

При расчёте соединения неповоротных стыков труб учитываются гравитация и пространственное положение КЭ. Также необходимо знать разность высот между КЭ расчёта гидростатического давления. Так как модель для неповоротных стыковых соединений реализована на основе модели для плоских труб, то использованы аналогичные программные решения [76]. Одно из отличий заключается в цилиндрической системе координат, связанной с трубой.

Рисунок 4.5 – Вид виртуального сварного шва сверху Поэтому слои представляют собой коаксиально вложенные цилиндры. При прорисовке их поверхности также состоят из квадратов. Координата h для их вершин рассчитана по схеме, представленной на рисунке 4.6.

Рисунок 4.6 – Схема расчёта координаты h В этом случае координата h зависит от угла следующим образом:

d d h( ) = cos( ) + + h0. (4.3) 2 Температурное поле стыкового соединения, рассчитанное по разработанной модели, представлено на рисунке 4.7.

C y, мм x, мм z, мм Рисунок 4.7 – Температурное поле стыкового соединения При расчёте поля произведено моделирование прохода сварочной дугой по неповоротному стыку труб в направлении снизу вверх.

4.2.3 Моделирование звука РДС в ИИС Моделирование звука процесса РДС в ИИС предложено реализовать следующим образом. Для экспериментальных исследований звуковая модель была реализована в среде разработки приложений Borland Delphi 7, в которой используется язык программирования высокого уровня Pascal. Интерфейс пользователя программы был создан встроенными средствами среды с использованием элементов управления VCL. Помимо графических элементов, в приложение были добавлены функции передачи данных по сети.

Они использовались для обмена данными между программой моделирования звука и системой LabVEIW. Обмен данными между двумя этими разнородными программами осуществляется с помощью TCP-пакетов. При этом LabVIEW выступает сервером, а программа моделирования звука – клиентом.

Если сервер LabVIEW заменить другим сервером, предоставляющим клиенту аналогичные данные, то клиентское приложение может выполнять свои задачи и с ним. В качестве нового сервера выступает ИИС. Таким образом, блок моделирования звука в ИИС представлен отдельной программой, и задача интеграции данного блока с другими блоками ИИС решается с помощью TCP-соединения.

Так как синтезатор звука является внешней программой, то он не будет работать с ИИС, пока не будет запущен пользователем. Поэтому его запуск реализован автоматически. Чтобы запустить другую программу из программы на языке C++, необходим фрагмент кода, представленный в приложении 1 [77]. Если по каким-либо причинам запуск внешней программы не удался, то будет выдано сообщение с системным кодом ошибки. Функция моделирования звука в ИИС будет автоматически отключена.



Pages:     | 1 || 3 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.