Структура робототехнического комплекса

⇐ ПредыдущаяСтр 7 из 8Следующая ⇒

Рис. 3.1 Компоновка РТК

Использование методов нечеткой логики в структуре машиностроительного предприятия

«Вентилятор ГТД»

Условия:

Вид сварки высокоэффективная технология

Способ сварки

Правила:

1. Точечная сварка и робот max

2. Аргонно-дуговая сварка и ручное выполнение ср.

3. Ручное выполнение min

Сварка Способ Итог

1 1 1 (1)

2 2 2 (1)

0 1 3 (0)

Рис.3.2 График

4. Рекуррентные нейронные сети в Matlab для системного анализа технологических инноваций

Методы решения оптимизационных задач

В процедуре проектирования новых технологических процессов часто возникает задача выбора наиболее рационального технологического процесса с точки зрения некоторого критерия оптимизации. Решение таких оптимизационных задач становится возможным при использовании систем автоматизации проектирования технологических процессов (САПР ТП) в АСТПП. Эти системы наряду со значительным сокращением сроков проектирования позволяют существенно повысить качество проектных решений за счёт проведения оптимизации на всех этапах технологического проектирования.

Различают три вида методов оптимизации новых технологических процессов:

1. Структурную.

2. Параметрическую (одно- и многокритериальную).

3. Структурно – параметрическую.

Для решения оптимизационных задач применяют не только методы однокритериальной, но и многокритериальной оптимизации. При этом многокритериальная структурная оптимизация[14] технологических процессов может быть осуществлена с помощью различных методов математического моделирования[15] : теории статистических решений и теории игр, динамического и линейного программирования, использования экспертных систем, генетических алгоритмов, искусственных нейронных сетей и методов нечеткой логики, а также других методов системотехнического проектирования.

Для оптимизации новых технологических процессов названые перечни методов можно обобщить следующим образом, рис.1:

– классический метод дифференцирования;

– линейное программирование;

– квадратичное программирование;

– динамическое программирование.

С точки зрения стратегии поиска оптимума можно выделить четыре группы методов:

– аналитические;

– рекурсивные;

– итерационные;

– стохастические.

В дальнейшем исследовании особое внимание уделено методам структурной оптимизации с использованием известных средств искусственного интеллекта в виде рекуррентных нейронных сетей (Хопфилда, Элмана и Джордана).

Структурная оптимизация – это определение оптимальной структуры технологического процесса:

- вида заготовок,

- структуры технологических маршрутов (расцеховки и/или маршрутных карт технологических процессов),

- состава технологических операций и / или методов обработки,

- моделей парка оборудования и других средств технологического оснащения,

- многоинструментальных наладок, многоместных приспособлений и т.д.

После выбора определённой структуры маршрута обработки, состава технологических операций и их переходов должна ставиться задача параметрической оптимизации. Параметрическая оптимизация выполняется обычно после выбора структуры технологических переходов и состоит в выборе оптимальных режимов обработки, например режимов резания (скорости, подачи, глубины), выбора силовой схемы резания или схемы высокоскоростной обработки. Структурно-параметрическая оптимизация представляет собой комбинацию методов структурной и параметрической оптимизации.

Структурная оптимизация рассматривает последовательно каждую задачу технологического проектирования на нескольких взаимосвязанных уровнях (расцеховка, маршрутный технологический процесс, технологическая операция). Процесс проектирования на каждом уровне представляет собой многовариантную процедуру.

Рис.4. 1 . Классификация методов оптимизации технологических процессов в машиностроении

В результате проектирования на всех уровнях можно сформировать граф допустимых вариантов выполнения технологического процесса, отвечающих заданным ограничениям.

Задача структурной оптимизации состоит в поиске наилучшего варианта, обеспечивающего экстремум целевой функции. В силу неупорядоченности параметров основной метод структурной оптимизации состоит в последовательном переборе возможных вариантов. Чтобы выбрать один оптимальный вариант, необходимо до конца спроектировать очень большое количество допустимых техническими и технологическими ограничениями вариантов техпроцессов и выполнить их системный анализ с использованием названных на рис.1 математических методов.

Наиболее прогрессивным методом совершенствования АСТПП в настоящее время, кроме математического моделирования и оптимизации технологических процессов с помощью структурных графов, является также использование средств искусственного интеллекта . В этой связи применение современных методов искусственного интеллекта является актуальной задачей совершенствования АСТПП. Применение методов искусственного интеллекта к рассмотренной задаче структурной оптимизации новых технологических процессов, разрабатываемых в ходе инновационной деятельности или инновационного проектирования, позволяет обеспечивать выпуск конкурентоспособной продукции.

Рассмотрим кратко названные на рис. 1 группы методов оптимизации.

Аналитические методы находят применение при решении классических задач математического анализа и задач с ограничениями в виде уравнений. Для решения таких задач без ограничений используют методы исследования производной функции и приравнивания этой производной к 0 определения точки экстремума, далее можно исследовать точки с помощью второй производной для отыскания максимума. Этот метод широко используют при решении простых технологических задач, например при расчёте режимов резания, выборе параметров режущего инструмента и др.

Рекурсивные методы относят к методам, позволяющим определить одну переменную за одну расчётную операцию. Решение всей задачи осуществляется путём поочередного определения переменных. Наиболее распространённым среди этих методов является динамическое программирование. Этот метод можно использовать при анализе многоэтапных процессов принятия решения. Например, при оптимизации маршрутных технологических процессов. Вместе с тем, метод динамического программирования, как показывает опыт его использования, эффективен при небольшом числе ограничений, вводимых в математическую модель. Поэтому он пока не получил широкого распространения при решении технологических задач.

Итерационные методы объединяют наибольшую группу методов поиска оптимумов, к которым относятся способы расчёта функции цели в одной или нескольких вероятностных точках для определения "лучшей" точки. Расчёт выполняют до тех пор, пока не приблизятся к назначенному критерию на расстояние меньше определенного значения. Эти методы позволяют устанавливать только локальные оптимумы. Однако подобные методы могут быть применены в случаях, когда оптимизацию проводят в различных исходных точках. Оптимумы, определяемые этим способом, представляют собой достаточно точное решение относительно абсолютного оптимума. Различают два основных типа применений итерационного метода: линейное и нелинейное (квадратичное) программирование.

Линейное программирование применяют для решения линейных задач, когда функция цели и ограничения являются линейными, а все переменные – непрерывными функциями. В основу этого программирования положено утверждение, что точка оптимума целевой функции находится в одной из вершин многоугольника, определяющего область возможных решений. Наиболее известным среди подобных итерационных методов является симплексный метод.

Для методов нелинейного программирования характерно непосредственное отыскание оптимума. Эти методы разделяются на две группы: методы, базирующиеся на расчётах градиентов, и методы, в которых не требуется расчёта градиента. К первой группе относится метод наиболее быстрого убывания, а ко второй – например, метод Фибоначчи, основанный на отыскании оптимума вдоль произвольно выбранного направления. Все методы непосредственного поиска оптимума включают в себя операции выбора направления поиска и длины шага. Отдельные методы имеют разные критерии выбора этих двух параметров. Большинство методов непосредственного отыскания оптимума не может быть применено к математическим моделям с ограничениями. Поэтому в таком случае предварительно необходимо привести математическую модель с ограничениями к модели, в которой не требуются ограничении.

Стохастические методы (методы случайного поиска решений) включают в себя процедуры накопления и обработки информации в целях оптимизации, в которые сознательно вводится элемент случайности. Преимущества этих методов заключаются в их простоте, большой надежности, достаточно хорошем совпадении расчетных результатов с действительностью и в легкости программирования. В результате этих преимуществ методы случайного поиска стали одними из наиболее эффективных и универсальных методов оптимизации в многомерных пространствах. Стохастические методы имеют особое значение при оптимизации различных задач технологического проектирования процессов изготовления детали при наличии большого числа случайных факторов, которые описать в математической модели традиционными способами не представляется возможным.

Не останавливаясь подробно на других методах оптимизации (рис.1) рассмотрим более подробно применение для задач разработки технологических инноваций наиболее прогрессивных методов искусственного интеллекта, в частности использование рекуррентных нейронных сетей. Существуют и другие методы математического моделирования и оптимизации проектно-технологических решений с использованием средств искусственного интеллекта при разработке проектной документации - генетические алгоритмы, методы нечеткой логики и экспертные системы. Рассмотрим работу искусственных нейронных сетей Элмана для системного анализа инновационных технологий.

Дата добавления: 2019-02-13; просмотров: 188; Мы поможем в написании вашей работы!

Поделиться с друзьями:

⇐ Предыдущая 1 2 3 4 5 678 Следующая ⇒

Мы поможем в написании ваших работ!