автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Автоматизация контроля и аттестации сварочного производства на основе методов идентификации ограниченно детерминированных процессов

На правах рукописи

I

I

КРИВИН Валерий Вольфович

АВТОМАТИЗАЦИЯ КОНТРОЛЯ И АТТЕСТАЦИИ СВАРОЧНОГО ПРОИЗВОДСТВА НА ОСНОВЕ МЕТОДОВ ИДЕНТИФИКАЦИИ ОГРАНИЧЕННО ДЕТЕРМИНИРОВАННЫХ ПРОЦЕССОВ

Специальность 05.13.06 - Автоматизация и управление технологическими процессами и производствами

Автореферат диссертации на соискание ученой степени доктора технических наук

Новочеркасск 2003

Работа выполнена Волгодонском институте Южно - Российского государственного технического университета (Новочеркасского политехнического института) на кафедре "Информационные и управляющие системы"

Научный консультант

доктор технических наук, профессор

Официальные оппоненты:

доктор технических наук, профессор доктор технических наук, профессор доктор технических наук, профессор

Чернов A.B.

Глебов H.A. МухаЮ.П. Ластовиря В.Н.

Ведущее предприятие - ФГУП Ml Iii "Салют", г. Москва

Защита состоится "31 " октября 2003 г. в 10 ч. на заседании диссертационного совета Д 212.304.02 при Южно-Российском государственном техническом университете (Новочеркасском политехническом институте). Адрес: 346428, г. Новочеркасск, Ростовской обл., ул. Просвещения, 132.

С диссертацией можно ознакомиться в библиотеке ЮжноРоссийского государственного технического университета (Новочеркасском политехническом институте).

Отзывы на автореферат в двух экземплярах, заверенных печатью, просьба направлять по адресу: 346428, г. Новочеркасск, Ростовской обл., ул. Просвещения, 132, ученому секретарю диссертационного совета.

Автореферат разослан "_"_2003 г.

Ученый секретарь /ff А.Н. Иванченко

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. При решении задач повышения качества продукции различного назначения можно выделить ряд технологических процессов, для которых характерными классификационными признаками являются: объединение разнородных физических процессов, имеющих различный временной масштаб протекания; существенная нелинейность; неконтролируемость показателей качества в реальном времени; слабая формализуемость при описании и др. К таким технологическим процессам можно отнести, например, различные металлургические, сварочные, химические, биологические и др. процессы.

Известно, что объекты с такими характеристиками, в силу названых причин, могут характеризоваться хаотическим движением Своих параметров. Это означает, что по текущим значениям контролируемых параметров процесса невозможно точно предсказать значения показателей качества. В этом смысле технологические процессы такого типа принято характеризовать как ограниченно детерминированные (хаотические).

При таких условиях единственно возможным путем для управления качеством становится воздействие на процесс путем компенсации неста-бильностей на этапе подготовки производства. Имеется в виду, что на вход технологического процесса поступают материалы, энергия, оборудование и оператор, технологические свойства которых отвечают нормативным требованиям для данного производства.

Сварочное производство и монтаж атомных энергетических установок подчиняются "Правилам и нормам в атомной энергетике" и "Основным положениям (ОП) и правилам контроля (ПК)", ГОСТ 9467-75, ГОСТ 2437691, ГОСТ 13821-77 и др. Эти документы жестко регламентируют все этапы подготовки, производства и контроля сварных соединений. В соответствии с этими основными правилами в сварочном производстве осуществляется нормативное управление качеством сварных соединений. Это управление заключается в том, что на этапе подготовки производства осуществляется всесторонний контроль и аттестация технологических свойств оператора-сварщика, сварочных материалов и оборудования: Необходимо также отметить, что этап подготовки производства при изготовлении корпусного оборудования АЭС сопряжен со значительными материальными затратами, а по времени превосходит собственно само производство этого оборудования. Например, подготовка производства корпуса реактора ВВЭР-1000 в ПО "Атоммаш" заняла около двух лет.

Однако проведенные исследования показывают, что, несмотря на все меры, принимаемые при контроле и аттестации, в реальном производстве сохраняется высокий уровень нестабильности квалификации опера-

торов-сварщиков, характеристик уж дов и свароч-

ного оборудования. Это объясняется трудностями получения объективных характеристик: практически все существующие методы контроля либо дороги и неэффективны (например, методы разрушающего контроля), либо принципиально содержат элемент необъективности - экспертные оценки. Другим результатом исследований является тот факт, что компенсация нестабильностей, накопленных на этапах подготовки производства, путем адекватных изменений параметров режима сварки затруднительна. Это объясняется сложной физической природой процесса сварки, отсутствием обратной связи по показателям качества и противоречиями (оппозициями) в критериях качества сварного соединения.

Таким образом, для производства ответственных изделий корпусного оборудования в энергетическом машиностроении актуальным является решение проблемы повышения точности, надежности и производительности контроля и аттестации процесса сварки плавлением на этапе подготовки производства. Решение этой проблемы связано с разработкой математических методов получения идентификационных характеристик и методик классификации процесса сварки, основанных на них алгоритмов, а также аппаратно-программной системы, реализующей эти методы.

Работа выполнялась в рамках госбюджетной фундаментальной научно-исследовательской работы № 1.3.99 Ф "Разработка теории и методов повышения технологической прочности, качества и надежности оборудования на основе создания математических методов расчета и моделирования, новых технологий и материалов", а также в соответствии с научным направлением ЮРГТУ (НПИ) "Теория и принципы построения информационно-измерительных систем и систем управления", утвержденного на период 1995-2000 гг. решением Ученого совета университета от 25.01.95. Отдельные этапы работы выполнялись по хоздоговорам на проведение научно-исследовательских (опытно-конструкторских) работ: "Автоматизированная система управления сваркой плавлением корпусного оборудования АЭС" 1990 г. ПО "Атоммаш"; "Автоматизированная система контроля технологических свойств сварочных материалов" 1991 г. ПО "Атоммаш"; "Информационно-регистрирующая система ИРИС-М" 1987 г. ВНИИМонтажспецстрой; "Автоматизированная система аттестации оператора-сварщика РДС" 2003 г. ОАО "ЭМК-Атоммаш".

Цель и задачи исследования. Целью диссертационной работы является совершенствование сварочного производства ответственных конструкций АЭС средствами автоматизации, обеспечивающими повышение качества подготовки технологических процессов сварки плавлением. Для достижения поставленной цели необходимо решить следующие основные задачи:

- анализ вариации параметров процесса сварки как объекта исследования, его классификация и обоснование выбора математических методов идентификации;

- разработка метода выбора размерности фазового портрета процесса с целью получения топологического отображения (модели) процесса сварки;

- разработка робастных методов получения численных характеристик топологического отображения для идентификации процесса сварки;

- разработка нейросетевой модели-классификатора для идентификации сварного соединения в системе аттестации оператора-сварщика, сварочных материалов и оборудования;

- разработка автоматизированного аппаратно-программного комплекса для аттестации сварочного процесса.

Методы исследований. Для классификации процесса сварки плавлением использованы методы математической статистики, методы нелинейной динамики, спектральные методы анализа процессов, для обоснованного определения значений параметров - методы математического моделирования и оптимизации, для разработки интерфейса - методы проектирования программных систем, а также экспериментальные методы исследования на основе созданных устройств.

Достоверность научных результатов выполненных диссертационных исследований подтверждается корректным применением фундаментальных законов соответствующих областей знаний. Основные допущения, принятые при аналитических исследованиях, моделировании и оценке достоверности результатов, не противоречат физике рассматриваемых явлений, часто используются при изучении сложных нелинейных процессов. Достоверность научных результатов подтверждается также:

- положительными результатами промышленных испытаний созданной (на основе теоретических исследований и разработанных автором методов и алгоритмов) автоматизированной системы контроля и аттестации сварочных процессов, а также опытом ее эксплуатации на предприятиях ряда отраслей промышленности;

- сопоставлением результатов, полученных с помощью разработанных автором методов идентификации и классификации процесса сварки плавлением, с результатами экспериментальных исследований при контроле и аттестации на основе регламентных испытаний (их расхождение не превышает 4%), проведенных в соответствии с требованиями "Правил контроля сварных соединений конструкций атомных электростанций опытных и исследовательских ядерных реакторов и установок" ПК 151472 и других нормативных документов;

- использованием при проведении экспериментальных исследований только поверенной высокоточной аппаратуры и аттестованных специальных измерительных аппаратно-программных систем.

Научная новизна

Новизна научных результатов, полученных в диссертационной работе, заключается в следующем:

1. Впервые показано, что процесс сварки плавлением классифицируется как ограниченно детерминированный (хаотический) с аддитивной стохастической составляющей. Этот результат обосновывает ограничения на использование интегро-дифференциальных уравнений для решения задач управления процессом в реальном времени и определяет приоритетность использования автоматизированных систем контроля и аттестации на этапе подготовки производства.

2. Разработан новый метод восстановления размерности фазового пространства процесса, отличающийся тем, что он имеет квадратичную зависимость сложности от количества исходных данных по сравнению с экспоненциальной для других методов. Этот метод позволяет обоснованно ограничить снизу количество параметров, необходимых для описания состояний исследуемого процесса.

3. Впервые получена зависимость оценки амплитуды аддитивной стохастической составляющей сигналов от размерности фазового пространства процесса, позволяющая формально обосновать точность измерительных и числовых преобразований данных о процессе при идентификации его состояний.

4. Разработан метод автоматической идентификации по многомерной эмпирической функции распределения данных, отличающийся роба-стностью основных статистических моментов для количества данных порядка 10б за счет их предварительной агрегации при расчете фазового портрета. Этот метод позволяет получить множество численных идентификационных характеристик, чувствительных к состояниям процесса сварки плавлением.

5. Разработано масштабирующее преобразование множества численных идентификационных характеристик процесса, отличающееся тем, что оно задает для каждого малого интервала значений масштаб, пропорциональный вероятности попадания значения в этот интервал. Оно позволяет обеспечить равномерное распределение данных в своем диапазоне, тем самым обеспечивая максимум значения энтропии (информативности) входных данных нейросетевой модели-классификатора.

6. Разработана новая автоматизированная система, отличающаяся совместным использованием подсистемы автоматической идентификации состояний процесса по масштабированной сглаженной многомерной эмпирической функции распределения данных о процессе и нейросетевой моделью-классификатором. Это позволяет обеспечить контроль и аттестацию процесса сварки плавлением без экспертной оценки на основе регламентных испытаний сварного соединения.

6

Научная значимость. Диссертация решает важную научную проблему повышения надёжности и долговечности функционирования ответственного энергетического оборудования атомной энергетики и других отраслей народного хозяйства. Она вносит вклад в теорию автоматизации технологических процессов, обеспечивающих повышение качества сварных соединений. Впервые показано, что совместное применение разработанного метода автоматической идентификации состояний, основанного на сегментации топологического отображения процесса в восстановленном фазовом пространстве с нейросетевой моделью-классификатором, позволяет решить проблему уменьшения нестабильности и повышения качества, а также является общим для достаточно широкого класса таких технологических процессов как металлургические, химические и др.

Практическая значимость работы.

Основным итогом диссертационного исследования являются как общие теоретические положения по идентификации процесса сварки плавлением, так и практические разработки, позволяющие обеспечить повышение качества сварных соединений при производстве корпусных изделий АЭС за счет автоматизации контроля и аттестации на этапе подготовки производства.

Практическая значимость работы заключается в создании и внедрении автоматизированной системы контроля и аттестации сварочных процессов, что позволило: высвободить людские и материальные ресурсы на проведение регламентных испытаний сварных соединений в заводских лабораториях; значительно (более чем в 20 раз) сократить время на подготовку производства в части аттестации оператора-сварщика, сварочных материалов и оборудования; существенно (более чем на 30%) сократить брак сварных соединений при производстве корпусного оборудования АЭС. Также значимость работы заключается в предложенных инженерных методах проектирования автоматизированных систем контроля и аттестации сварочных процессов, позволяющих существенно снизить трудоёмкость выполнения этих работ и повышающих их эффективность.

На защиту выносятся следующие основные положения работы:

1. Теоретические положения по формальным методам классификации технологических процессов, характеризующихся хаотическим движением своих параметров. Общие концепции построения расчетных моделей, математические модели, инженерные методики и алгоритмы для автоматизированной системы аттестации процесса сварки плавлением.

2. Общие теоретические принципы восстановления и численного анализа топологического отображения (модели) исследуемого процесса для решения проблемы автоматической идентификации его состояний.

3. Методы сегментации восстановленной многомерной эмпирической функции распределения данных, обеспечивающие робастность статистических характеристик фазового портрета процесса.

4. Методы предподготовки данных нейронной сети для автоматической классификации процесса сварки при аттестации оператора-сварщика, сварочных материалов и оборудования на этапе подготовки производства.

Реализация результатов работы. Теоретические, методические и аппаратно-программные разработки нашли практическое применение на предприятиях атомного энергетического машиностроения и организациях Минмонтажспецстроя, а также при проведении научно-исследовательских и опытно-конструкторских работ в ВНИИ Атомного машиностроения.

Автоматизированная система аттестации сварочных процессов внедрена в ОАО "ЭМК-Атоммаш" и ЗАО "Энергостройсервис" с экономическим эффектом более 1,5 млн. руб. за счет: повышения качества и снижения затрат на устранение дефектов сварных соединений; повышения производительности и уменьшения материальных затрат при контроле и аттестации сварочных материалов и оператора-сварщика.

Апробация работы. Основные положения и результаты работы докладывались и обсуждались на международных, республиканских, региональных и отраслевых научно-технических конференциях и семинарах, в том числе на: II Всесоюзной конференции "Системные исследования проблем управления качеством и автоматизации процессов управления качеством", Москва, 1980г.; семинара "АСУ технологическими процессами" Москва, 1980 г.; Международной научно-технической конференции "Современные проблемы науки и техники", Ростов-н/Д, 1993 г.; Российской научно-технической конференции "Современные проблемы сварочной науки и технологии "Сварка - 95", Пермь, 1995 г.; Международной научно-технической конференции "Современные проблемы машиностроения и технологических процессов" Севастополь 1996 г.; Международной научно-технической конференции "Новые технологии управления движением технических объектов", Новочеркасск, 1999 г.; Международной научно-технической конференции " Методы и средства измерения в системах контроля и управления", Пенза, 1999 г.; Международной научно-технической конференции "Информационные технологии в моделировании и управлении", Санкт-Петербург, 2000 г.; Международной научно-технической конференции "Теория, методы и средства измерений, контроля и диагностики", Новочеркасск, 2000 г., а также на кафедре "Сварка и защита от коррозии" ГАНГ, Москва 2003г., кафедре "Производство сварных конструкций МАСИ, Москва, 2003 г., кафедре "Вычислительная техника" Волгоградского ГТУ, Волгоград, 2003 г.

Публикации. По материалам диссертации опубликована 27 работ, из них 1 монография, 10 научных статей, 15 докладов на научных конференциях, 1 авторское свидетельство.

Кроме того, автор принимал участие в выполнении ряда научно-исследовательских работ по теме диссертации, по которым в ВИНИТИ зарегистрировано 3 научно-технических отчета.

Структура и объем диссертации. Диссертационная работа состоит из введения, пяти разделов, основных результатов работы, списка литературы и приложений. Она изложена на 285 страницах основного текста, в том числе содержит 94 рисунка и 11 таблиц. Список литературы состоит из 203 наименований. Включает 5 приложений на 5 страницах.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность, сформулирована цель диссертационной работы, приведены формулировки основных положений, выносимых на защиту.

Первая глава "Анализ особенностей сварочного производства при изготовлении и монтаже корпусных изделий энергетического машиностроения" посвящена рассмотрению организации сварочного производства при изготовлении продукции ответственного назначения в энергетическом машиностроении.

Особенностью современного сварочного производства является тот факт, что управление качеством осуществляется на основе множества нормативных документов и основывается, в основном, на аттестации всех компонент этого процесса (оператор-сварщик, сварочные материалы и оборудование). Это связано с тем, что в силу множества причин компенсация возмущений непосредственно в процессе сварки весьма затруднительна из-за отсутствия эффективных способов воздействия на процесс, а также невозможностью контролировать показатели качества в реальном времени процесса.

Проведен анализ физических процессов при сварке плавлением, показано, что в настоящее время нет теории, которая бы исчерпывающим образом описывала этот технологический процесс. Эта проблема постоянно находилась в поле зрения ученых технологов. Исследованиями, проведенными В.П. Никитиным, К.К. Хреновым, Б.Е. Патоном, А.И. Акуловым, Б.К. Лебедевым, Э.А. Гладковым, A.B. Черновым, Ю.Н. Зориным и др., создана теория, которая была положена в основу соответствующих стандартов и руководящих документов по проведению сварочных процессов и контролю качества сварных соединений.

Проблема повышения качества сварных соединений являлась объектом исследований во многих работах отечественных и зарубежных ученых, среди которых необходимо выделить работы A.B. Чернова, С.А. Куркина,

9

Э.А. Гладкова, JI.E. Алехина, Н.С. Львова, Г.Г. Чернышова, а также W. Lucas, D. Rehfeld, J. Seyferth, D. Luts, P. Ripple и др. Вопросам автоматизации аттестации сварочных процессов посвящены работы С.А. Куркина, A.B. Чернова, И.А. Бубликовой, М.Ю. Виниченко, В.А. Фролова и др.

Исходя из целей и задач, была сформирована концепция работы, в которой выделены источники нестабильности в сварочном производстве и определена предметная область. Решение проблемы уменьшения влияния нестабильности связано с организацией промышленного эксперимента, разработкой формальных методов получения данных о процессе и классификация процесса на множестве идентификационных данных. Учитывая, что информация, с которой имеют дело сварщики имеет разнородный характер, а ее оперативное использование затруднено из-за сложности и трудоемкости в обработке экспериментальных данных, была выделена проблемная область, определяющая задачи, связанные с разработкой методологии процессорных измерений и принятия решений в условиях отсутствия формальных моделей, связывающих показатели качества сварного соединения с текущими значениями данных о процессе.

При анализе физических процессов сварки плавлением рассматривают источники энергии, тепловые, физико-химические и металлургические, а также термодеформационные процессы. Эти физические процессы протекают в так называемом сварочном контуре, образуемом источником питания, дугой, ванной и собственно швом (ИП - Д - В - III) (рис. 1).

if*

1

(1СВ ,ид , Zfl ,Е, Z)

Ф

Е

Рис. 1. Сварочный контур

Отмечен тот факт, что эти разнородные физические процессы имеют различный временной масштаб протекания и являются существенно нелинейными. Именно эти обстоятельства делают чрезвычайно сложной задачу формального описания процесса сварки плавлением. Фактически в настоящее время отсутствует полная всеобъемлющая математическая модель этого процесса.

Для достижения цели, поставленной в диссертационной работе, был сформулирован и решен применительно к технологии сварочного производства при изготовлении и монтаже корпусного оборудования АЭС ряд задач.

Вторая глава "Методы нелинейной динамики при исследовании процесса сварки плавлением" посвящена теоретическому обоснованию формальных методов классификации технологических процессов, характеризующихся хаотическим движением своих параметров.

Особенностью процесса сварки является то, что о его состоянии мы можем судить в основном только по мгновенным значениям тока сварки и напряжению на дуге. На осциллограмме сигнала тока сварки (рис. 2) видно, что этот сигнал подвержен значительному искажающему воздействию шумов различной природы и интенсивности.

/, мс

Рис. 2. Осциллограмма тока сварки

На рис. 3 представлен график совместной плотности распределения тока и напряжения, выполненный в равномерном масштабе. Разной яркостью отображено количество точек, попавших в данную область (темнее -больше).

О 15 30 «« 73 90 f

Рис. 3. График совместной плотности распределения тока и напряжения, выполненный в равномерном масштабе

При визуальном анализе вольт-амперных характеристик процесса определяются четко разделенные группы точек. Эксперты-технологи идентифицируют, по крайней мере, некоторые из этих групп как известные состояния процесса (капельный перенос металла, угасание дуги и горение дуги и т.п.). В полученном отображении (рис. 3) наблюдается существенная неоднородность, указывающая на то, что процесс характеризуется множеством состояний, а отрицательный наклон линии 1 на вольт-амперной характеристике говорит о структурной неустойчивости и сложности движения параметров в пространстве состояний.

В работах Э.А. Гладкова, A.B. Чернова, В.А. Фролова и др. предложено рассматривать процесс сварки плавлением как систему "сварочный источник - дуга". Например, для источника питания ВДУ-501 получена структурная схема (рис. 4).

На схеме обозначено: кпр - передаточная функция коррек-

тирующего звена в цепи управления тиристорами, где - коэффициент передачи тиристорного выпрямителя; pLdp, 1/jR^, , pL^, кус - передаточные функции дросселя, проводимости трансформатора, и цепи обратной связи соответственно, где L^, и - индуктивности соответственно дросселя и трансформатора, Кщ, - активное сопротивление обмотки трансформатора;

U3,U, 1(р) - задающее напряжение на входе, возмущение по нагрузке и изображение значения тока в сварочной цепи соответственно.

Рис. 4. Структурная схема системы "сварочный источник-дуга"

Сопротивление дуги гд показано в виде звена, содержащего нелинейное переменное сопротивление, которое шунтируется ключом на время, равное Тю.

Представленной структурной схеме ставится в соответствие аналитическая модель:

{Т1Ьтр + Т2Ьдр)р2 +

+ {гдТг + кукпртх + ТгЯщ + Ьдр + + Т2Ктр)р + Гд+ кукц, + '

где ТЬТ2 - постоянные времени трансформатора и дросселя источника питания; ку - коэффициент усиления обратной связи по току (напряжению).

В последние годы, благодаря исследованию нелинейных систем, стало ясно, что высокая чувствительность к начальным условиям, приводящая к хаотическому поведению детерминированных динамических систем во времени, никоим образом не исключение, это типичное свойство многих систем. Динамическому хаосу в фазовом пространстве системы соответствует притягивающее множество, называемое странным аттрактором. "Странность" аттрактора заключается в неустойчивости принадлежащих ему фазовых траекторий. Любые две первоначально близкие траектории с течением времени экспоненциально быстро разбегаются, оставаясь при этом в ограниченной области фазового пространства. Размерность аттракторов находится в определенной зависимости от числа «генераторов», участвующих в формировании колебаний сигнала. Поэто-

му различия в составе и структуре «генераторов» и характер их взаимодействия должны отражаться на величине размерности аттракторов. Таким образом, размерность аттрактора может дать оценку количества параметров, участвующих в отображении исследуемого процесса.

Одним из широко применяемых методов оценки, позволяющим по виду дифференциальных уравнений определить наличие хаотического движения в системе, является расчет показателя Ляпунова. Показатель Ляпунова А(хо) характеризует степень экспоненциального разбегания траекторий в фазовом пространстве процесса.

Структурной схеме на рис. 4. может быть поставлена в соответствие электротехническая схема рис. 5.

На этой схеме элементы Е, гвн, С и Ь образуют приближенную схему замещения трехфазного выпрямителя и схемы управления сварочного источника питания. Сопротивление дуги гд и ключ представляют собой эквивалент нелинейной нагрузки в режиме горения дуги и в режиме коротких замыканий при капельном переносе.

На основе законов Ома и Кирхгофа получено уравнение этой цепи и проведен анализ с целью установления возможности хаотического движения его параметров:

Е-1/'{ид)йд + ид =

= гвн/{ид)+гвнСЬ

Г{идЩ+г(иду)д

и*

(1)

где ид — падение напряжения на сопротивлении нагрузки гд.

ЛАЛг

гтп

I.;

о

I-

Рис. 5. Электротехническая модель процесса сварки плавлением

Линеаризуем уравнение (1) в окрестности статического решения. Для этого заменим Д Ц) ее первыми двумя членами разложения в ряд Тейлора в окрестности точки и=Щ и представим Х]д в виде {/о+А. Обозначим А=Лио) и/о'=Л^о). Отсюда из (1) получим

М„ - ЩЬ + Д = '.«(/о + /¿А)+

у

/•„«/¿А + (гмС + ¿/¿)д + (г,н/о' - 1)д = О, Это уравнение имеет вид:

ЛЛ + ЯД + .£Д = 0, где Л, В и. К- константы:

А = гвнСЬД, В = {гвнС + ЬП),К = {г1НЛ-\). Обозначим через I) дискриминант характеристического уравнения: Л = В2 - 4ЛГ = (/?,„с + ¿л)2 -4Л„иС£/'(Л.я/(; -1)= = л2«*с2+б^сад+¿2/<;2 -Возможны два случая: /)<0, т.е. у колебательного контура есть собственная частота колебаний и 2)>0, т.е. у колебательного контура нет собственной частоты колебаний.

В первом случае А представляет собой синусоиду с экспоненциально изменяющейся амплитудой:

=*{ы0) -('-'о) = 2Ке1Г1 Кее2А 'шее™ .

Поскольку А означает разницу между двумя первоначально близкими состояниями, в этом случае система демонстрирует экспоненциальное разбегание траекторий с показателем Ляпунова, равным:

г_-В _-(гвнС + ЬП)_{\-5-10-1)_5 1(?6 2А 2гжСХ/о Ю-2 -1(Г5

В случае /»О А представляет собой сумму двух экспонент. Для оценки скорости разбегания траекторий необходимо учесть только экспоненту с большим показателем. Он больше единицы при реальных параметрах цепи.

На рис. 6 показан график величины А (мера разбегания траекторий процесса), полученный компьютерным моделированием процесса.

Значения параметров, измеренные при эксперименте, часто бывают распределены существенно неравномерно. При этом на графике, построенном в равномерном масштабе (рис. 3), много значений оказываются изображенными в узкой полосе. В такой ситуации для повышения разрешающей способности графика применяют масштабирующие преобразования, которые обеспечивают разный масштаб в разных точках оси значений. "Идеальным" в этом смысле преобразованием является преобразование, которое обеспечивает для каждого малого интервала значений мас-

штаб, пропорциональный вероятности попадания значения в этот интервал. Это требование означает, что преобразованная величина должна быть равномерно распределена в области ее изменения

моделированием процесса

Такое преобразование названо преобразованием естественного масштабирования или ЕМ-преобразованием.

Точное определение - Пусть Р с 9t - область изменения измеряемого параметра //: Р х Р 94 - вероятностная мера на Р. Необходимо определить функцию ЕМ: Р -> SR, такую, что

Дх-и> //([*, х + Ах]) где к- произвольная константа. Преобразуя, получаем

w „ .. ЕМ(х + Дх) - ЕМ(х) Ах

\/хеР: lim-----—-= к.

Дх-*о Ах /л([х,х + Дх])

Для непрерывного распределения имеем

1

Vx е Р: ЕМ , (х) —— = к, * Pix)

где р(х) - плотность распределения Р в точке х:

VxeP:EMx(x) = kp{x), VxeP: ЕМ(х) = к\ p(x)dx.

Таким образом, в качестве ЕМ-преобразования для непрерывного сигнала может быть выбрана функция распределения, т.е.

В случае неизвестной функции распределения (как обычно и бывает для реальных данных) вместо нее можно использовать эмпирическую функцию распределения, т.е.

где \Х\ - мощность множества X; N - количество измеренных значений параметра.

Для разработанного преобразования были определены и доказаны ряд свойств: все ЕМ-масштабированные значения различны; ЕМ-масштабированная величина распределена приблизительно равномерно; ЕМ-преобразование является монотонно возрастающим, т.е. участки подъема и спуска на графиках сохраняются; "плато", т.е. последовательности равных значений, будут заменены возрастающими последовательностями; Х-У-график двух независимых величин выглядит как равномерно заполненный квадрат (рис. 7); ЕМ-масштабированный график любой монотонной зависимости является прямой линией; ЕМ-масштабированный график процесса является инвариантным (с точностью до зеркального отражения) относительно любых непрерывных изоморфизмов параметров. Поэтому ЕМ-масштабированный график процесса назван "топологически инвариантным отображением процесса" или короче "топологическим отображением процесса".

ЛГ

и, 1

О 20 40 60 80 100 120 140

Рис. 7. ЕМ-масштабированная вольт-амперная характеристика процесса сварки с линиями разделения состояний

Основным инструментом исследования процесса методами нелинейной динамики по экспериментальным данным является корреляционный интеграл С(1)

С(/)= J р(х) jp(Y)dS dn,

ХеП YeS(X, l) где ft - вероятностное пространство; р (X) - плотность распределения случайной величины, д(Х,[) - сфера с центром в точке X, радиусом /.

Физический смысл корреляционного интеграла по множеству точек ft: С(1) - средняя доля точек ft, попадающих в /-окрестность произвольно выбранной точки ft. Его важность связана с тем, что он обеспечивает реальный по вычислительной сложности метод оценки размерности аттрактора. Этот метод имеет квадратичную зависимость сложности от количества точек по сравнению с экспоненциальной для других методов.

Оценка размерности аттрактора через корреляционный интеграл опирается на тот факт, что для достаточно малого I С(Г) пропорционально f, где N— размерность пространства.

Покажем это. Для достаточно малого /

J р(х) Jp(f) dd dO.« Jp (xf JdS dO. = cdN ,

Xei2 Уеё(х, l) XeQ. YeS(X,l)

где a - коэффициент, зависящий от размерности пространства и его метрики; N- размерность пространства.

Таким образом

i-*o log/ о log/

Отсюда получим определение корреляционной размерности К аттрактора ft:

logC(/) d\o%C{l)

lim-

/=о

/-»о log / rflog/

При фиксированном / это позволяет получить оценку корреляционной размерности к{[):

¿togcy)

d log/

С помощью этой методики, имея временные последовательности значений параметров процесса, можно определить минимальную размерность фазового пространства, т.е. ограничиться нужным количеством параметров.

На рис. 8 приведен типичный график оценки размерности аттрак-

Рис. 8. График корреляционного интеграла хаотического процесса со стохастической составляющей

Ось ординат - оценка размерности £(/), ось абсцисс - параметр корреляционного интеграла, имеющий смысл точности измерения или степени огрубления сигнала.

Исследование процесса сварки плавлением методами нелинейной динамики показало, что корреляционный интеграл процесса, рассчитанный в восстановленном фазовом пространстве, сходится в определенном диапазоне параметра. Согласно работам Сагдеева, Шустера, Арнольда, Колмогорова, это наряду со значением показателя Ляпунова, позволяет отнести процесс сварки к классу хаотических с аддитивной стохастической составляющей.

Для расчета фазового портрета (многомерного аналога гистограммы) (рис. 7) фазовое пространство разбивается на множество клеток ("карманов" гистограммы). После этого для каждой клетки подсчитывает-ся количество точек, попавших в нее. Размер клетки фазового портрета является важным параметром метода. Оценить его позволяют следующие соображения. Границы кластеров размываются стохастической составляющей процесса. Поэтому порядок точности построения фазового портрета не имеет смысла брать выше, чем порядок амплитуды стохастической составляющей.

Пусть среднеквадратичное отклонение стохастической составляющей сигналов о процессе равно 5. Как известно, корреляционный интеграл С([) имеет смысл математического ожидания количества точек, попавших в сферу радиуса / вокруг произвольно выбранной точки фазового

пространства. При /«38 С(1) имеет порядок роста С, но при /»35 С(1) имеет порядок роста /\ где к - размерность аттрактора. Следовательно, график корреляционного интеграла в двойной логарифмической шкале претерпевает излом поблизости от /=35, где 5 - средняя амплитуда шума (рис. 8).

Соотношение Хп+1 = F(ATn) задает исходный хаотический процесс, а соотношение Хя+1 =Р{Хп)+£„ задает тот же хаотический процесс, но искаженный аддитивной стохастической составляющей. Предполагаем, что стохастическая составляющая £ независима от основного процесса. Без потери общности можно считать, что £ имеет нулевое математическое ожидание - иначе из него можно было бы выделить детерминированную составляющую, которую можно считать частью процесса

По определению хаотического процесса

Р{Х + д)-Р(Х)*еЛт 6, где 8 - произвольное малое изменение, а г - период дискретизации. Считая г малым, имеем F(Лr + 5) —Р(Х) « 8. Следовательно,

Исходный процесс и искаженный имеют одинаковое начальное состояние, т.е. Х0=Х0, продолжая подстановку, получим оценку того, насколько искаженный процесс расходится с исходным за и шагов. Применяя восстановление фазового пространства, имеем

+Ей, (2)

1=0

ХЗ={Х0,Х19...,Ха}. (3)

В метрике "максимум модуля разности" из (2) и (3) получим

*-1

у Л V" л0 ~ 0 « шах А=1...и-1

¡=0

Оценивая максимум по сумме с максимумом слагаемых и учитывая, что независимые случайные величины с <т(£л) = б0, окончательно получим

График зависимости оценки амплитуды стохастической составляющей от размерности /0(и) должен образовывать плато. Высоту этого плато следует принимать за оценку амплитуды стохастической составляющей сигналов о процессе.

Таким образом, получена оценка зависимости амплитуды шума от размерности восстановленного пространства вида

¡о(п)

Этот результат позволяет оценить исходную амплитуду стохастической составляющей по корреляционному интегралу сигнала, рассчитанному в метрике "максимум модуля разности координат".

Решением перечисленных выше задач сформирован метод получения идентификационных характеристик процесса сварки плавлением, основывающийся на идентификации технологических состояний исследуемого процесса, учитывающий зависимость процесса от времени (при расчете корреляционного интеграла и при использовании производных в качестве параметров), дающий методику оценки необходимого количества параметров (через расчет корреляционной размерности аттрактора) и пригодный для количеств данных порядка 106 (за счет их предварительной агрегации при расчете фазового портрета).

В третьей главе "Экспериментальные исследования процесса сварки, обоснование методов обработки данных" показано, что особенностью предметной области является то, что надежное и оперативное измерение возможно только для мгновенных значений тока и напряжения сварки (в некоторых работах используются также шум дуги и перемещения электрода). Остальные параметры могут быть получены только при исследовании готового шва и подвержены необъективности, т.к. содержат элементы экспертных оценок. Это приводит к необходимости максимально полного использования имеющейся информации, т.е. к потребности в алгоритмах выделения информативных идентификационных характеристик из массивов значений измеренных параметров.

Известно, что для описания состояния нелинейных процессов гармоники высоких частот являются существенными. Это приводит к необходимости сбора данных о параметрах автоматическими устройствами с высокой частотой дискретизации.

Для адекватного описания массивы измерений должны иметь длину порядка сотен тысяч. Таким образом, для применения автоматической классификации (и тем более - для классификации экспертом-технологом) необходимо снижение размерности входных данных.

Множество существующих методов, направленных на решение этой задачи, можно классифицировать следующим образом: статистиче-

ские (получение статистических моментов выборки); спектральные; регрессионные (корреляционный анализ); методы нелинейной динамики (определение размерности аттрактора) и, наконец, кластерный анализ.

Спектральные исследования позволяют обоснованно выбрать частоту оцифровки и минимальную длину выборки. Исследование показало, что сигналы имеют непрерывный спектр с пиками на частотах, кратных сетевым. На рис. 9 приведена спектральная характеристика сигнала тока сварки, на которой наблюдаются четко выраженные пики.

Р, дБ

Ча к. =1 \—

4J VW 44TW>

100 150 200 250 300 350 400 450

Рис. 9. Спектр тока сварки

v, Гц

Спектральные методы позволяют эффективно реализовать фильтрацию сигнала Известно, что сигнал индуктивных помех в сварочном производстве содержит частоты, кратные 50 Гц. Это позволяет рассчитывать на эффективное удаление такого типа помех с помощью фильтрации узкополосными фильтрами. Однако физически реализуемые фильтры имеют ряд ограничений. Эти ограничения связаны с конечной скоростью работы физических компонент, а также с наличием информации только о прошлом сигнала, а не о будущем.

Компьютерная фильтрация с помощью спектральной обработки лишена этих недостатков. Она основывается на формуле

где/т(0 - исходный сигнал; p{t) - отфильтрованный сигнал; A(w) -(комплексная) амплитудно-частотная характеристика фильтра; F[...] и Jp1[...] - прямое и обратное преобразования Фурье.

Компьютерная фильтрация позволяет реализовать идеальные фильтры, т.е. фильтры с наклоном характеристики, равным бесконечности.

Одной из главных целей технологической подготовки производства является стабильность и предсказуемость сварочного процесса. Однако несмотря на все усилия, затрачиваемые для достижения этой цели,

50

О

процесс сварки остается в высокой степени подверженным непредсказуемым, т.е. случайным воздействиям: воздействие производственной обстановки на оператора-сварщика, изменение свойств сварочных материалов и поверхности разделки и т.п. Представляется принципиально невозможным построение строго детерминированной модели сварочного процесса. Это влечет необходимость применения для его исследования методов, основанных на теории вероятностей и математической статистике. Эти » методы позволяют получать предсказуемые характеристики непредска-

зуемых (случайных) процессов.

При использовании стандартных статистик как идентификационных ха-рактерисшк процесса сварки необходимо учитывать их неробастность, т.е. чувствительность к малым "загрязнениям" данных. Неформально говоря, неробастность статистик приводит к тому, что их можно обоснованно применять только в тех случаях, когда данные принадлежат к одному и тому же (унимодальному) распределению. Применительно к процессу сварки этот недостаток статистик проявляется в том, что они не учитывают различные технологические состояния, в которых находится процесс, т. к. рассчитываются по всему массиву мгновенных значений параметра. Фактически при их вычислении происходит усреднение по всем состояниям, т.е. потеря информации о них.

Известно, что полностью определить случайную величину можно, задав ее функцию распределения или плотность распределения. К сожалению, априорное предсказание функций распределения для столь сложного процесса, как процесс сварки, невозможно. В подобных случаях, при необходимости оперировать функциями плотности распределения случайных величин, строят их эмпирические аппроксимации - гистограммы, т.е. графики относительных частот попадания случайной величины в заранее фиксированные интервалы (рис.10).

N

1200

* 1000

800 ООО 400

и» о

30 40 50 00 70 80 90 100 110

Рис. 10. Гистограмма тока сварки

Влияние неробастности можно снизить, подсчитывая статистики для различных состояний раздельно. Идея предложенного метода состоит в определении обоснованных способов разбиения данных на группы, которые явно имеют различные статистические распределения. При этом необходимо, чтобы метод выделения состояний опирался исключительно на объективные данные, полученные в конкретном эксперименте.

Существует множество разных алгоритмов кластерного анализа, которые дают различные результаты на одних и тех же данных. Кластерный анализ предназначен для использования в случаях, когда имеется малое количество данных (порядка сотен или тысяч), и является, фактически, набором эвристических приемов, позволяющих выделить пики функции плотности распределения.

В случае сварочного процесса большое количество данных (порядка юМо6) является необходимым (поскольку необходимо измерять данные с высокой частотой в течение длительного времени).

Таким образом, кластерный анализ невозможно применить для сварочного процесса из-за большого количества данных. Такой объем данных позволяет применить неэвристический, более объективный способ определения сгущений в фазовом пространстве - путем непосредственной оценки функции плотности распределения.

Идея предлагаемого метода идентификации состояний процесса состоит в отождествлении топологической неоднородности на гистограмме совместного распределения параметров с пиками функции распределения и в разделении их по гиперповерхностям водоразделов. Эмпирическая функция распределения оценивается по фазовому портрету процесса, т.е. многомерной гистограмме, полученной по измеренным и рассчитанным значениям параметров.

После разделения данных по кластерам функция распределения внутри каждого кластера имеет единственный пик, т.е. является одномо-довой. На таких данных стандартные статистические методы дают устойчивые результаты, то есть являются робастными. Это позволяет использовать их как адекватные идентификационные характеристики.

Окончательным результатом такой идентификации является таблица, содержащая для всех выделенных кластеров статистические характеристики всех перечисленных параметров. Содержимое этой таблицы и является идентификационными характеристиками, несущими информацию о существенных состояниях процесса. Они могут быть непосредственно применены в системе автоматической классификации или экспертом-технологом.

Полученное множество идентификационных характеристик является результатом компьютерной обработки массивов значений тока сварки и напряжения на дуговом промежутке, которые измеряются и записываются

также автоматически. Таким образом, их получение - полностью автоматический процесс, исключающий применение ручного труда и проявления субъективных факторов.

Одной из важных характеристик фазового пространства является его размерность. Буквальным определением размерности является количество измеренных параметров. Существует несколько подходов к определению "естественной" размерности процесса. Примером является кор* реляционная размерность процесса, имеющая смысл минимально необходимого для описания детерминированного процесса числа независимых параметров.

^ Для оценки корреляционной размерности процесса сварки был

применен модифицированный метод Грассбергера и Прокаччиа. Этот метод был выборочно применен к нескольким реализациям процесса. По корреляционному интегралу рассчитана оценка корреляционной размерности кт{1) и построен ее график (рис. 11).

Ш б

5

4

3 2 1 О

Рис. 11. График оценки корреляционной размерности контрольного соединения

Известно, что для низкоразмерных хаотических процессов графики образуют "плато" к„£1)»ко при и > к0, где ко - размерность процесса. Оценка размерности в этом методе выбирается как пик гистограммы, постро-4 енной по значениям АД/) (рис. 12).

Для объединенного множества реализаций технологического процесса сварки плавлением размерность аттрактора, получаемая методом Грассбергера и Прокаччиа, оказалась равной 2,9±0,05. Поэтому число параметров для определения состояний было принято равным 3.

Рис. 12. Гистограмма, соответствующая графику (рис. 11) оценки корреляционной размерности

С целью определения средней амплитуды стохастической составляющей был рассчитан корреляционный интеграл объединения реализаций сварочного процесса с метрикой "максимум модуля разности координат" (рис. 13).

Рис. 13. График Ст(1) корреляционного интеграла объединения реализаций сварочного процесса, рассчитанного в метрике "максимум модуля разности координат"

Далее строится график оценки амплитуды стохастической составляющей (рис. 14). Он образует плато на уровне 2-2,5%. Оценку амплитуды принимаем равной 2% (т. к. это обеспечивает меньший размер клетки).

Результаты исследования структуры фазового пространства технологического процесса ручной дуговой сварки показывают, что это пространство имеет корреляционную размерность, равную приблизительно 2,9 (для дальнейших исследований используется трехмерное пространство).

о,%

6 8 10 1о§2«

Рис. 14. График оценки амплитуды стохастической составляющей а в зависимости от размерности пространства п (в % от амплитуды процесса)

Пространство является существенно неоднородным и содержит визуально различимые сгущения-кластеры, соответствующие отдельным технологически значимым состояниям. С помощью оценки амплитуды стохастической составляющей показано, что поведение процесса сварки соответствует хаотическому процессу с размерностью фазового пространства меньше 3 с аддитивной стохастической составляющей, имеющей амплитуду около 2% от амплитуды основного процесса.

Четвертая глава "Разработка нейросетевой модели-классификатора для аттестации процесса сварки плавлением" посвящена вопросам предподготовки данных и экспериментальным исследованиям при обучении и эксплуатации нейронной сети.

Физическая интерпретация полученных на топологическом отображении идентификационных характеристик - сложная теоретическая задача. Использование нейросетевых моделей позволяет избежать необходимости такой интерпретации и добиться надежной аппроксимации оценок эксперта без сложных и дорогостоящих регламентных испытаний при аттестации оператора-сварщика, сварочных материалов и оборудования.

В результате сегментации фазового портрета процесса сварки образуется множество численных характеристик, отображающих состояния процесса. При последующей нормировке все входные и выходные переменные отображаются в единичном кубе. Задача нейросетевого моделирования - найти статистически достоверные зависимости между входными и выходными переменными. Единственным источником информации для статистического моделирования являются примеры из обучающей

выборки. Чем больше бит информации принесет каждый пример, тем лучше используются имеющиеся в нашем распоряжении данные.

Рассмотрим произвольную компоненту нормированных (предобра-ботанных) данных: Зе,. Среднее количество информации, приносимой

каждым примером Зсf, равно энтропии распределения значений этой компоненты H(xt). Если эти значения сосредоточены в относительно небольшой области единичного интервала, информационное содержание такой компоненты мало. В пределе нулевой энтропии, когда все значения переменной совпадают, эта переменная не несет никакой информации.

Напротив, если значения переменной Зс" равномерно распределены в единичном интервале, информация такой переменной максимальна.

Таким образом, общий принцип предобработки данных для обучения состоит в максимизации энтропии входов и выходов.

Часто линейное преобразование не позволяет выполнить нормировку основной массы данных и одновременно ограничить диапазон возможных значений этих данных. Естественный выход из этой ситуации - использовать для предобработки данных некоторую масштабирующую функцию, которая бы доставляла на вход нейросети данные, равномерно распределенные в своем интервале. Для решения этой задачи разработано масштабирующее преобразование, названное ЕМ-преобразованием. Количество масштабированных точек в любом интервале, вложенном в область изменения ЕМ-преобразования, примерно равно длине этого интервала (т.е. масштабированная величина распределена приблизительно равномерно). Применив это преобразование к одноименным данным идентификационной таблицы, мы обеспечим максимум значения энтропии входов. Для эффективной работы всей системы аттестации компонент сварочного процесса необходимо обосновано выбрать средства вычислительной техники и базовые системные средства программирования. Учитывая большой и специфический объем математических расчетов, все эти задачи наиболее эффективно могут быть решены в системе MatLab 6.0. В обширном комплексе команд, функций и прикладных программ (Toolbox) система MatLab имеет специальные средства для электротехнических расчетов (операции с комплексными числами, матрицами, векторами и полиномами, обработка данных, анализ сигналов и цифровая фильтрация), обработки изображений, реализации нейронных сетей и др.

Требуется создать нейронную сеть для аттестации оператора-сварщика ручной дуговой сварки путем распознавания трех классов (оценки «отлично», «хорошо», «удовлетворительно» в соответствии с правилами аттестации сварщиков, утвержденных Госгортехнадзором России от 16 марта 1993 г.).

Множество идентификационных характеристик, полученных при обработке сигналов тока сварки и напряжения на дуге образуют образ процесса, подаются на вход нейронной сети (рис. 15) и задают размерность входного вектора сети р1=36. Вектор выхода содержит 3 элемента, т.е. а2=3.

СКРЫТЫЙ слой выходной слой

\ 36 ✓ \ а1=1од$"1д(1У\/,1р1+Ь1) , ч а2-ригеПпв(^1а1+Ь2,

Рис. 15. Архитектура сети для аттестации оператора-сварщика: р- вектор входного сигнала; ЛР11, Ш11 - матрица весовых коэффициентов скрытого и выходного слоев; и1, и2 - взвешенная сумма скрытого и выходного слоев; Ь1, Ьг - начальное смещение скрытого и выходного слоев; logsig - сигмоидная функция активации; ригеИпе - линейная функция активации; а=у - значение выходного вектора сети

Правильно функционирующая сеть должна ответить вектором со значением 1 для элемента, отображающего соответствующую оценку оператора сварщика.

Для решения поставленной задачи выбрана двухслойная нейронная сеть с логарифмической сигмоидальной функцией активации в скрытом слое и линейной функцией активации в выходном слое. Известно, что гетерогенные сети (имеющие разные функции активации в слоях) в меньшей степени склонны к насыщению.

Скрытый слой имеет 20 нейронов. Такое число нейронов выбрано эмпирическим путем при проведении обучения сети. Сеть обучается так, чтобы сформировать единицу в единственном элементе вектора выхода, позиция которого соответствует оценке оператора сварщика, и заполнить остальную часть вектора нулями.

Эффективность нейронной сети оценивается по функции ошибки Е(полученной на обучающей и контрольной выборках (рис. 16).

^ Обучающая выборка ^^Контрольная выборка | \

Рис. 16. Зависимость погрешности нейронной сети от количества

циклов обучения

Испытания системы аттестации оператора сварщика показали, что погрешность предсказания не превышает 2 %.

Пятая глава "Автоматизированная система для аттестации процесса сварки плавлением" посвящена разработке аппаратно-программного комплекса, образующего рабочее место для аттестации оператора-сварщика, сварочных материалов и оборудования. Решение задач автоматизации процессов аттестации сварочного производства требует согласования форм представления информации и ее упорядочения путем структурирования. Такую возможность предоставляет система промышленного эксперимента на базе процессорной техники, для которой задачи преобразования и структурирования являются характерными. Однако наличие вычислительных мощностей в такой системе не является достаточным. Такая система должна содержать нестандартные аппаратные и программные средства, учитывающие физические условия и технологические особенности сварочного производства. К таким особенностям относятся: высокий уровень помех и шумов, характерный для сварочного производства; большой динамический диапазон измеряемых параметров; существенная нелинейность протекания физических процессов; сложная и противоречивая связь параметров процесса сварки.

Проведенные исследования послужили основой для создания автоматизированной системы промышленных исследований, разработанной в Волгодонском институте Южно-Российского государственного технического университета по техническому заданию ОАО ЭМК "АТОММАШ". Система автоматической идентификации состояний технологического процесса (АПС) состоит из следующих аппаратных и программных модулей.

Информационно-регистрирующий модуль. Предназначен для автоматической регистрации параметров технологического процесса и сохранения их в базе данных эксперимента. Реализован на базе блока АЦП-ЦАП Е-330 и стандартного IBM PC компьютера. Программное обеспечение - частично поставляемое с модулем ЕЗЗО, частично - специализированное, спроектированное и реализованное в рамках настоящей работы (использован язык С++).

Вход модуля: измеряемые аналоговые сигналы.

Выход модуля: оцифрованные сигналы, сохраненные в базе данных эксперимента.

Модуль графического интерфейса пользователя. Предназначен для наглядного определения последовательности операций сбора и обработки данных эксперимента. Реализован в виде набора блоков подсистемы Simulink системы программирования MatLab.

Вход модуля: графическая схема - определение последовательности операций.

Выход модуля: последовательность вызовов соответствующих модулей системы, операций поиска в базе и выдача отчетов о результатах.

Модуль расчета корреляционного интеграла Предназначен для оценки корреляционной размерности аттрактора процесса и амплитуды стохастической составляющей. Реализован в виде программного модуля системы MatLab и графического блока подсистемы SIMULINK.

Вход модуля: массив мгновенных значений технологических параметров.

Выход модуля: записанный в базу массив значений корреляционного интеграла и, по выбору пользователя: график оценки размерности, численное значение оценки размерности или оценка амплитуды стохастической составляющей.

Модуль масштабирования. Предназначен для изменения масштаба измеренных значений. Реализован в виде набора графических блоков системы SIMULINK и программных модулей системы MatLab. По умолчанию используется блок естественного масштабирования.

Вход модуля: массив мгновенных значений параметров или результаты их обработки.

Выход модуля: масштабированные согласно выбранному пользователем блоку данные.

Модуль расчета фазового портрета. Предназначен для оценки эмпирической функции плотности распределения на равномерной многомерной сетке. Реализован в виде программного модуля системы MATLAB и графического блока подсистемы SIMULINK.

Вход модуля: N массивов мгновенных значений параметров или результатов их обработки; размер клетки фазового портрета.

Выход модуля: набор значений эмпирической функции плотности распределения в виде ^мерного массива данных.

Модуль адаптивного сглаживания. Предназначен для сглаживания Ы-мерной функции с учетом ее особенностей как гистограммы (а именно -соответствия случайных флуктуаций критерию хи-квадрат). Реализован в виде программного модуля системы Ма1:ЬаЬ и графического блока подсистемы БГМиЫЖ.

Вход модуля: исходная гистограмма.

Выход модуля: сглаженная гистограмма. «

Модуль автоматической идентификации состояний. Предназначен для разделения кластеров фазового портрета по гиперповерхностям водоразделов. Реализован в виде программного модуля системы Ма&аЬ и * графического блока подсистемы 51М1ЛЖК.

Вход модуля: сглаженная гистограмма (фазовый портрет).

Выход модуля: таблица состояний - И-мерный массив данных, каждое значение в котором равно номеру состояния, соответствующего данной клетке.

Модуль расчета идентификационных характеристик. Предназначен для разбиения массивов мгновенных значений параметров на множества, соответствующие технологическим состояниям, и вычисления статистик этих наборов, а также время пребывания в состоянии и "скважность". Реализован в виде программного модуля системы МаЛаЬ и графического блока подсистемы БШШЛКК.

Вход модуля: таблица состояний и набор массивов мгновенных значений параметров.

Выход модуля: таблица идентификационных характеристик. Каждая строка соответствует идентифицированному состоянию.

Методика получения идентификационных характеристик и реализующая ее система АПС предназначены для использования в производственных условиях непосредственно технологом или инструктором по обучению сварщиков. Такая область использования предъявляет жесткие требования к наглядности и удобству интерфейса. В настоящее время об- •

щепринято, что наиболее пригодным для пользователя-непрограммиста является интерфейс, основанный на графическом представлении информации. Интерфейс системы, предназначенный для выбора последовательности обработки сигнала, основан именно на этом принципе и реализован в виде библиотеки графических блоков системы БМЦЫЫК (часть программного пакета Ма^аЬ, предназначенная для графического создания имитационных моделей).

Особенностью реализации является то, что все вычисления производятся за один такт модельного времени, т.е. оно фактически не используется. Сигналы, передаваемые между блоками, являются векторными и

содержат массив измеренных значений параметра для всех моментов реального времени. Каждый модуль обработки сигнала реализован в виде Р-функции системы БМиЬШК и ему сопоставлен графический блок (маска в терминах 81МиЬП\гК) с соответствующим количеством входов и выходов.

На основе проведенных исследований была разработана и изготовлена автоматизированная система для аттестации оператора-сварщика, сварочных материалов и оборудования. Система представляет собой рабочее место, размещенное в отделе главного сварщика в подразделении, ответственном за проведение аттестационных работ. Общий вид системы представлен на рис. 17.

тт*4

Рис. 17. Рабочее место для аттестации сварочных процессов

Автоматизированная система аттестации сварочных процессов включает в себя рабочий стол для сварки образцов во всех пространственных положениях. На рабочем столе закрепляются измерительные преобразователи тока и напряжения сварки. Рабочее место оснащено сварочным источником питания. Соединительные кабели связывают рабочий стол с компьютерной стойкой. На стойке размещены блок вторичных измерительных преобразователей, модуль АЦП-ЦАП Е-ЗЗО и компьютер.

Данная система прошла опытно-промышленное испытание в ОАО ЭМК "Атоммаш" и ЗАО "Энергостройсервиг." г. Нпгугсшонс.кя Результаты

.....к надаихе^ём^й^^[овой сварки

бивлиотека | г33

С. Петербург •

*

испытании при аттестации операторов-

0Э 300 »«т

показали, что заключение о результатах, сделанное на основе регламентных испытаний и мнения эксперта, совпали с оценкой автоматизированной системы с вероятностью 0.95.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

Современное энергетическое машиностроение характеризуется исключительно высокими требованиями к качеству и надежности изготавливаемых конструкций. Использование накопленного научного потенциала в решении существующих проблем технологии изготовления ответственных корпусных изделий АЭС осложнено отсутствием методов и средств автоматизации, надежно работающих в цеховых условиях и обеспечивающих высокий уровень требований к подготовке производства и контрольным операциям при сварке.

Содержанием настоящего диссертационного исследования является разработка как теоретических положений по идентификации процесса сварки плавлением, так и разработка программно-аппаратной системы, позволяющих обеспечить производство и монтаж корпусных изделий надежными и точными автоматизированными методами проведения аттестации оператора-сварщика, сварочных материалов и оборудования на этапе подготовки производства.

Основные результаты, полученные в настоящей работе, могут быть сформулированы следующим образом.

1. На основе теоретических и экспериментальных исследований методами нелинейной динамики впервые показано, что сварочный процесс классифицируется как ограниченно детерминированный (хаотический) процесс. На это указывают рассчитанные по модели значения показателя Ляпунова (АМО6), а также полученная на основе численного расчета по экспериментальным данным корреляционного интеграла оценка размерности аттрактора процесса (N=2,4*2,9). Это, в свою очередь, означает, что применение интегро-дифференциальных уравнений описания процесса сварки плавлением для предсказания значений его параметров затруднено из-за экспоненциального роста погрешности этого предсказания.

2. На основе анализа корреляционной размерности контролируемых сигналов установлено, что для идентификации состояний процесса сварки плавлением необходимо не менее трех параметров, а успешная классификация процесса по идентификационным характеристикам нейросетевой моделью свидетельствует о достаточности этого количества параметров.

3. Впервые разработан метод и получена оценка амплитуды стохастической составляющей сигналов о процессе около 2,5 % от амплитуды контролируемого параметра). Это позволяет обосновать точность разделения состояний сварки плавлением на многомерной эмпирической функции

34 :

распределения параметров процесса и обосновать погрешность измерительных и числовых преобразований данных при идентификации процесса сварки плавлением.

4. Разработано масштабирующее преобразование, отличающееся тем, что оно задает для каждого малого интервала значений масштаб, пропорциональный вероятности попадания значения в этот интервал. Это преобразование позволяет получить инвариантное топологическое отображение процесса и существенно повысить разрешающую способность такого отображения при сегментации фазового портрета процесса сварки.

5. Разработан метод сегментации фазового портрета, учитывающий амплитуду аддитивной стохастической составляющей сигналов о процессе и обеспечивающий автоматическое выделение состояний процесса сварки в виде множества численных характеристик, чувствительных к изменениям процесса. Это позволяет понизить исходную информационную размерность, данных от более чем 105 до менее 102 значений.

6. Теоретические и экспериментальные исследования показали, что исследуемый процесс может находиться в нескольких дискретных состояниях распределения вероятностей параметров, которые значительно различаются. Показано, что выделение однородных областей на фазовом портрете при сегментации процесса обеспечивает робастность предложенного метода.

7. Создан гибкий системный и пользовательский интерфейс в виде блоков системы БтиНпк МаИ,аЬ 6.0, позволяющий в наглядной форме задавать последовательность обработки данных для получения идентификационных характеристик процесса сварки плавлением.

8. Разработан метод предподготовки данных, позволяющий отобразить множество численных идентификационных характеристик процесса в единичный куб с равномерно распределенными значениями параметров и обеспечивающий максимум энтропии (информативности) входных данных нейросетевой модели-классификатора.

9. Разработана и обучена трехслойная нейронная сеть с сигмои-дальной функцией активации в скрытом слое и линейной функцией активации в выходном слое, обеспечивающая автоматическую аппроксимацию экспертных оценок при аттестации оператора-сварщика, сварочных материалов и оборудования с погрешностью не более 4 %.

10. Создана и прошла опытно-промышленное испытание в производственных условиях ОАО "ЭМК Атоммаш" и ЗАО "Энергостройсер-вис" автоматизированная система аттестации оператора-сварщика, сварочных материалов и оборудования. Эта система позволяет значительно сократить расходы (более, чем в 10 раз) и время (более, чем в 20 раз) на проведение аттестационных процедур, а также существенно (более, чем

на 30 %) сократить брак сварных соединений при производстве корпусного оборудования АЭС.

11. Экономический эффект от внедрения разработок составляет более 1,5 млн. руб. и достигнут за счет повышения качества сварных соединений, снижения затрат на устранение дефектов и сокращения времени и материальных затрат на проведение регламентных испытаний при подготовке производства корпусного оборудования АЭС.

Основные результаты диссертации изложены в следующих публикациях:

1. Кривин В.В., Загородний И.Г., Патерыга Р.Б. Особенности машинного проектирования электронных схем каналов передачи данных повышенной помехозащищенности // Теоретическая электротехника: Респ. межвед. науч.-техн.сб.- Львов, 80.- Вып. 28.- С.159-164.

2. Кривин В.В., Загородний И.Г. К вопросу о применении микропроцессорной техники в АСУТП сварочного производства // Материалы семинара АСУ технологическими процессами. -М.,1980.-С.100-103

3. Кривин В.В., Загородний И.Г., Патерыга Р.Б. Анализ помех в каналах передачи данных АСУ ТП сварочного производства // Материалы семинара АСУ технологическими процессами.-М.,1980.-С.104-107.

4. Кривин В.В., Онищук Б.С., Патерыга Р.Б. Применение отечественной микропроцессорной техники в системах автоматического управления качеством сварных соединений // Системные исследования проблем управления качеством и автоматизация процессов управления качеством: Материалы II Всесоюз. конф. 24-26 сент. 1980 г.- Львов, 1981. - С. 42-44.

5. A.C. 1004038 (СССр) МКИ В23 К9/00 Управляемый источник для электродуговой сварки //В.В. Кривин, A.A. Гужавин. H.A. Юхин, A.B. Чернов и др. 1983, Б.И., №10.

6. Принципы построения микропроцессорных информационно регистрирующих систем для исследования процессов сварки В.В. Кривин, A.B. Лесков, A.B. Чернов, H.A. Юхин //Оборудование и технология сварки при сооружении промышленных объектов: Тр. ВНИИМСС. - М., 1985. -С. 46-51.

7. Кривин В.В., Игнацевич С.Н., Чернов A.B. Микропроцессорная система управления сварочным источником питания // Современные проблемы сварочной науки и техники: Тез. докл. Междунар. науч. конф., 27-30 сент. 1993 г. - Ростов-н/Д, 1993. С. 31-33.

8. Кривин В.В., Фролов В.А., Бубликова И.А. Использование промышленных экспериментов в сварочном производстве //Современные проблемы сварочной науки и техники "Сварка-95": Материалы Рос. науч.-техн. конф., 23-25 мая 1995 г. - Пермь, 1995. - 4.1. - С.201-202.

9. Кривин В.В., Чернов A.B., Бубликова И.А. Оценки технологических свойств сварочных материалов и оборудования //Современные проблемы машиностроения и технологических процессов: Тез. докл. Междунар. науч.-техн. конф., 10-13 сент. 1996 г., Севастополь-Донецк, 1996. - С. 253-254.

10. Кривин В.В., Потапов O.A. Автоматическая система измерения характеристик плавления электрода при ручной дуговой сварке // Методы и средства измерения в системах контроля и управления: Сб. материалов

* Междунар. науч.- техн. конф.,22-23 апр. 1999г.-Пенза, 1999.- С. 140-142.

11. Кривин В.В., Карташев А.Н. Методы контроля и управления процессом переноса металла при ручной дуговой сварке //Методы и сред-

v ства измерения в системах контроля и управления: Сб. материалов Меж-

дунар. науч.- техн. конф., 22-23 апр. 1999 г.-Пенза, 1999.- С.,144-145.

12. Кривин В.В., Виниченко М.Ю. Обработка экспериментальных данных о процессе сварки на основе методов нелинейной динамики //Методы и средства измерения в системах контроля и управления: Сб. материалов Междунар. науч.- техн. конф., 22-23 апр. 1999 г.-Пенза, 1999.- С. 156-158.

13. Кривин В.В., Виниченко М.Ю. Получение идентификационных характеристик технологических процессов методом сегментации фазового пространства // Новые технологии управления движением технических объектов: Материалы 2-й Междунар. науч.- техн. конф., г. Новочеркасск 22-25 нояб. 1999 г. - Новочеркасск, 1999. - С. 27-29.

14. Кривин В.В., Виниченко М.Ю. Преобразование "естественного масштабирования" при обработке экспериментальных данных //Новые технологии управления движением технических объектов: Материалы 2-й Междунар. науч.- техн. конф., г. Новочеркасск 22-25 нояб. 1999 г. - Новочеркасск, 1999. -С. 43-45.

15. Кривин В.В., Виниченко М.Ю. Получение идентификационных характеристик процесса РДС методом сегментации фазового пространства //Изв. вузов. Сев.-Кавк. регион. Техн. науки. 2000. - № 1. - С. 19-23.

16. Кривин В.В. Автоматизированная система обработки данных

" при идентификации процесса сварки плавлением //Информационные

технологии в моделировании и управлении: Тр. II Междунар. науч.-практ. конф., СПб. 20-22 июня 2000 г. - СПб.: Изд-во СПб ГТУ, 2000. -

* С. 205-207.

17. Кривин В.В. Применение нейросетевых моделей при аттестации процесса сварки плавлением //Информационные технологии в моделировании и управлении: Тр. II Междунар. науч.-практ. конф., СПб. 20-22 июня 2000 г. - СПб.: Изд-во СПб ГТУ, 2000. - С. 207-209.

18. Кривин В.В., Потапов O.A. Методы и.алгоритмы измерений при исследовании процесса сварки //Теория, методы и средства измерений, контроля и диагностики: Материалы Междунар. науч. - практ. конф.:

В 10 ч. /Юж.-Рос. гос. техн. ун-т. - Новочеркасск: ЮРГТУ, 2000,- 4.7. - С. 40-43.

19. Кривин В.В. Автоматизированная система промышленных исследований сварочных процессов //Теория, методы и средства измерений, контроля и диагностики: Материалы междунар. науч. - практ. конф.: BIO ч. /Юж.-Рос. гос. техн. ун-т. - Новочеркасск: Юж.-Рос. гос. техн. ун-т, 2000.-4.8.-С. 36-41.

20. Кривин В.В., Чернов A.B., Бут С.Н., Бурдаков С.М. Визуализа- , ция виртуальной реальности в тренажере для обучения оператора сварщика //Электромеханика. 2003. - № 2. - С. 72-74.

21. Кривин В.В., Чернов A.B., Бут С.Н. Система отслеживания движения в тренажере оператора ручной дуговой сварки // Электромеханика.

2003. - № 3. - С. 74-75. ,

22. Кривин В.В. Виниченко С.М. Максимизация численной оценки информативности графика масштабированием параметров.// Изв. вузов Сев.-Кавк. регион. Техн. науки. 2003. - № 3. - С. 48-52.

23. Кривин В.В. Предобработка данных для нейросети при классификации процесса сварки // Электромеханика. 2003. - № 2. - С. 67-71.

24. Кривин В.В. Измерительный преобразователь сигналов о процессе сварки // Электромеханика. 2003. - № 4. - С. 26-28.

25. Кривин В.В. Оценка аддитивной стохастической составляющей сигналов процесса сварки плавлением // Электромеханика. 2003. - № 3. -С. 64-66.

26. Кривин В.В. Исследование сварочных процессов методами нелинейной динамики // Изв. вузов Сев.-Кавк. регион. Техн. науки. 2003.-№ 3.-С .41-47.

27. Кривин В.В. Автоматизация ограниченно детерминированных процессов: Монография / Юж.-Рос. гос. техн. ун-т. Новочеркасск: Ред. журн. "Электромеханика". 2003.176 с.

Личный вклад диссертанта в работах, выполненных в соавторстве: В работах [1-4] разработаны методы и алгоритмы проектирования систем повышенной помехозащищенности, проведены экспериментальные исследования. Разработан комплекс измерительных преобразователей сигналов о процессе сварки и аппаратно-программные средства сопряжения с микропроцессором. В работе [5] разработана схема управления источником питания. В работах [6-8] разработан аппаратно-программный комплекс для проведения промышленных экспериментов в условиях сварочного производства. Разработан метод цифровой синхронизации и управления силовой частью тиристорного выпрямителя сварочного источника питания.

В работах [9-11] предложен метод измерения и преобразования сигналов для получения критериальных параметров характеризующих состояние процесса сварки. Проведены эксперименты и анализ результатов. В работах [12-15,18] предложен метод сегментации фазового портрета процесса. Разработаны требования к масштабированию измерительной информации. Проведены экспериментальные исследования и анализ результатов. В работах [20,21] Разработан метод и устройство синхронизации пространственного положения торца электрода. Предложен алгоритм обработки видео сигнала. В работе [22] определены формальные критерии максимизации энтропии измерительной информации, проведены численное моделирование и анализ результатов.

2ooJ-/) I

TЩ? I

Р 15 4 9 9 v

I

Подписано в печать QjO. О $,03 Печ. л. 2,4. Тираж 100 экз. Заказ

Типография ЮРГТУ(НПИ). 346428. г. Новочеркасск, ул. Просвещения, 132 Тел. факс: (863-52)5-53-03. E-mail: tvpographe@novoch.ru

ВВЕДЕНИЕ.

1. АНАЛИЗ ОСОБЕ1IIЮСТЕЙ СВАРОЧНОГО ПРОИЗВОДСТВА ПРИ ИЗГОТОВЛЕНИИ И МОНТАЖЕ КОРПУСНЫХ ИЗДЕЛИЙ ЭНЕРГЕТИЧЕСКОГО МАШИНОСТРОЕНИЯ.

1.1 Общая характеристика сварочного производства.

1.2 Физические процессы при сварке плавлением.

1.3 Основные характеристики технологического процесса сварки.

1.4 Аттестация оператора сварщика РДС.

1.5 Процессы в сварочном контуре.

1.6 Методы исследования технологических свойств сварочного оборудования и материалов.

1.7 Процессорные измерительные средства.

1.8 Цели и задачи работы.

2. МЕТОДЫ НЕЛИНЕЙНОЙ ДИНАМИКИ ПРИ ИССЛЕДОВАНИИ 11РОЦЕССА СВАРКИ ПЛАВЛЕ11ИЕМ.

2.1 Выбор и обоснование математических методов идентификации процесса сварки плавлением.

2.2 Основные характеристики нелинейных систем.

2.3 Анализ эквивалентной модели процесса сварки плавлением

2.4 Идентификация состояний процесса методом сегментации неоднородного фазового пространства.

2.5 Оценка размерности фазового пространства процесса сварки.

2.6 Выбор масштаба: ЕМ-масштабировапис экспериментальных данных для выявления состояний процесса.

2.7 Выбор размера клетки ФП: оценка амплитуды стохастической составляющей процесса.

2.8 Сглаживание функции распределения: адаптивный метод выбора скользящего окна.

2.9 Получение идентификационных характеристик процесса сварки.

Выводы к главе 2.

3. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ ПРОЦЕССА СВАРКИ, ОБОСНОВАНИЕ МЕТОДОВ ОБРАБОТКИ

ДАННЫХ.

3.1 Спектральные методы исследования процесса сварки.

• 3.1.1 Результаты спектральных исследований сварочного процесса.

3.2 Статистические методы исследования сварки плавлением.

3.2.1 Результаты исследования процесса сварки плавлением статистическими методами.

3.3 Регрессионные методы исследования процесса сварки.

3.4 Требования к методу идентификации технологических состояний сварочного процесса.

3.5 Исследование структуры фазового пространства процесса сварки плавлением.

3.6 Получение характеристик процесса путем идентификации технологических состояний.

Выводы к главе 3.

4. РАЗРАБОТКА НЕЙРОСЕТЕВОЙ МОДЕЛИ-КЛАССИФИКАТОРА ДЛЯ АТТЕСТАЦИИ ПРОЦЕССА

СВАРКИ ПЛАВЛЕНИЕМ.

4.1 Основные характеристики нейронных сетей.

4.1.1 Искусственные нейронные системы.

4.1.2 Формальный нейрон.

4.1.3 Нейронные сети с пороговой функцией активации

4.1.4 Топология и анализ многослойных нейронных сетей.

4.1.5 Анализ алгоритма обратного распространения ошибки.

4.2 Выбор и обоснование системных средств программирования для нейронной сети.

4.3 Предобработка данных.

4.4 Нейросетевая модель-классификатор для аттестации оператора-сварщика.

Выводы к главе 4.

5. АВТОМАТИЗИРОВАННАЯ СИСТЕМА ДЛЯ АТТЕСТАЦИИ ПРОЦЕССА СВАРКИ ПЛАВЛЕНИЕМ.

5.1 Общая структура автоматизированной системы аттестации сварочных процессов.

5.2 Устройство и принцип работы измерительного, преобразователя тока (напряжения) сварки.

5.3 Модуль АЦП — ЦАГ1 Е330 для ввода аналоговых сигналов в систему промышленного эксперимента.

5.4 Структура базы данных автоматизированной системы аттестации сварочных процессов.

5.5 Интерфейс пользователя автоматизированной системы.

5.6 Автоматизированная система аттестации сварки плавлением.

5.7 Основные практические результаты работы.

Выводы к главе 5.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ.

Отличительной особенностью сварочного производства крупногабаритных изделий энергетического машиностроения является его относительная дискретность. Это вытекает из следующих особенностей производственного процесса изготовления корпусного оборудования атомных станций:

- протяженность во времени этапа технологической подготовки производства;

- повышенные требования к качеству сварных соединений;

- протяженность во времени и в пространстве различных этапов технологического процесса сварки;

- неоднородность форм представления и локализации информации, характеризующей различные этапы производственного процесса.

При этом па различных этапах производственного процесса возникают различные отклонения (нестабильности), которые могут послужить причиной возникновения дефектов сварного соединения.

Сварочное производство и монтаж атомных энергетических установок подчиняются "Правилам и нормам в атомной энергетике" и "Основным положениям (ОН) и правилам контроля (ПК)", ГОСТ 9467-75, ГОСТ 2437691, ГОСТ 13821-77 и др. Эти документы жестко регламентируют все этапы подготовки, производства и контроля сварных соединений. Это управление заключается в том, что па этапе подготовки производства осуществляется всесторонний контроль и аттестация технологических свойств оператора-сварщика, сварочных материалов и оборудования. Необходимо также отметить, что этап подттовки производства при изготовлении корпусного оборудования АЭС сопряжен со значительными материальными затратами, а но времени превосходит собственно само производство этого оборудования.

Режимы сварки

Исправность сварочного оборудования

Например, подготовка производства корпуса реактора ВВЭР-1000 и ПО "Атоммаш" заняла около двух лет. В соответствии с этими основными правилами в сварочном производстве осуществляется нормативное управление качеством сварных соединений (рис. 1.1).

Длительные исследования, проведенные коллективом кафедр]»! "Информационные и управляющие системы" при участии автора позволили установить, что значительное количество дефектов "закладывается" не непосредственно в результате отклонений (нарушений) течения процесса сварки, а на этапе подготовки производства.

Имеются в виду разброс и нестабильность свойств и характеристик компонент сварочного процесса (оператор сварщик, сварочные материалы и оборудование). Из этого вытекает задача выявления нестабильное!ей на всех этапах производственного процесса.

Другим результатом исследований является тот факт, что компенсация псстабильностей, накопленных па этапах подготовки производства путем адекватных изменений параметров режима сварки, затруднительна. Это объясняется сложной физической природой процесса сварки, отсутствием обратной связи по показателям качества и противоречиями в критериях качества сварного соединения. В связи с этим была сформулирована концепция, направленная не па борьбу с отклонениями, а на выявление и учет этих отклонений па этапе подготовки производства.

Решение задачи уменьшения влияния нестабильности технологических свойств сварочных материалов, оборудования и оператора-сварщика связано с организацией промышленного эксперимента, формальной идентификацией данных о процессе, а также с разработкой методов классификации на основе идентификационных характеристик процесса.

Так как информация, характеризующая состояние производственного процесса, имеет разнородный характер, и се использование затруднено из-за сложности и трудоемкости обработки экспериментальных данных, то актуальной становится проблема разработки методов и алгоритмов процессорных измерений.

Это, естественно, приводит к концепции повышения качества сварных соединений за счет повышения стабильности свойств технологических компонентов процесса, путем их надежной и объективной аттестации на этапе подготовки производства [1,2].

Нормативными документами определена методика аттестации всех технологических компонентов [4,5]. Аттестация любой технологической компоненты (сварщика, электрода, источника питания) проводится по одинаковой схеме:

- производится контрольная сварка - промышленный эксперимент, в ходе которого замеряются значения ряда параметров, затем результаты замеров и контрольные соединения исследуются и анализируются с использованием заранее заданных критериев, и аттестуемый компонент относится к соответствующему классу (разряд сварщика, качество электрода и т.д.)

Однако проведенные исследования показывают, что, несмотря на все меры, принимаемые при контроле и аттестации, в реальном производстве сохраняется высокий уровень нестабильности квалификации операторов-сварщиков, характеристик уже аттестованных электродов и сварочных источников питания. Это объясняется трудностями получения объективных характеристик: практически все существующие методы контроля либо дороги и неэффективны (например, методы разрушающего контроля), либо принципиально содержат элемент необъективности — экспертные оценки, экстраполяция данных, полученных но одному элементу группы на всю группу.

Важно отмстить, что какой бы метод ни использовался на этапе классификации (принятие решения экспертом-технологом или автоматическая классификация с помощью распознавания образов, вывода в нечеткой логике, нейронных сетей), объективность ее результата зависит, прежде всего, от объективности и информативности набора идентификационных характеристик, полученных на предыдущих этапах.

Таким образом, для производства ответственных изделий корпусного оборудования в энергетическом машиностроении актуальным является решение задач: разработки математических методов получения идентификационных характеристик процесса сварки; методов классификации процесса; основанных па них алгоритмов; аппаратно-программной системы, реализующей эти методы (далее АГ1С).

Работа выполнялась в рамках госбюджетной фундаментальной научно-исследовательской работы № 1.3.99 Ф "Разработка теории и методов повышения технологической прочности, качества и надежности оборудования па основе создания математических методов расчета и моделирования, новых технологий и материалов", а также в соответствии с научным направлением ЮРГГУ (НИИ) "Теория и принципы построения информационно-измерительных систем и систем управления", утвержденного па период 1995-2000 гг. решением Ученого совета университета от 25.01.95. Отдельные этапы работы выполнялись по хоздоговорам па проведение научно-исследовательских (опытно-копструкторских) работ: "Автоматизированная система управления сваркой плавлением корпусного оборудования АЭС" 1990 г. ПО "Атоммаш"; "Автоматизированная система контроля технологических свойств сварочных материалов" 1991 г. ПО "Атоммаш"; "Информационно-регистрирующая система ИРИС-М" 1987 г. ВНИИМоптажспецетрой; "Автоматизированная система аттестации оператора-сварщика РДС" 2003 г. ОАО "ЭМК-Атоммаш".

Целыо диссертационной работы является совершенствование сварочного производства ответственных конструкций АЭС средствами автоматизации, обеспечивающими повышение качества подготовки технологичсских процессов сварки плавлением. Для достижения поставленной цели необходимо решить следующие основные задачи:

- анализ вариации параметров процесса сварки как объекта исследования, его классификация и обоснование выбора математических методов идентификации;

- разработка метода выбора размерности фазового портрета процесса с целью получения топологического отображения (модели) процесса сварки;

- разработка робастных методов получения численных характеристик топологического отображения для идентификации процесса сварки;

- разработка нсйросстсвой модели-классификатора для идентификации сварного соединения в системе аттестации оператора-сварщика, сварочных материалов и оборудования;

- разработка автоматизированного аппаратно-программного комплекса для аттестации сварочного процесса.

Методы исследований. Для классификации процесса сварки плавлением использованы методы математической статистики, методы нелинейной динамики, спектральные методы анализа процессов, для обоснованного определения значений параметров - методы математического моделирования и оптимизации, для разработки интерфейса - методы проектирования профаммпых систем, а также экспериментальные методы исследования на основе созданных устройств.

Достоверность научных результатов выполненных диссертационных исследований подтверждается корректным применением фундаментальных законов соответствующих областей знаний. Основные допущения, принятые при аналитических исследованиях, моделировании и оценке достоверности результатов, не противоречат физике рассматриваемых явлений, часто используются при изучении сложных нелинейных процессов. Достоверность научных результатов подтверждается также:

- положительными результатами метрологической экспертизы и промышленных испытаний созданной (па основе теоретических исследований и разработанных автором методов и алгоритмов) автоматизированной системы котроля и аттестации сварочных процессов, а также опытом ее эксплуатации па предприятиях ряда отраслей промышленности;

- сопоставлением результатов, полученных с помощью разработанных автором методов идентификации и классификации процесса сварки плавлением, с результатами экспериментальных исследований при контроле и аггестации на основе регламентных испытаний (их расхождение не превышает 4 %), проведенных в соответствии с требованиями "Правил контроля сварных соединений конструкций атомных элекфостапций опытных и исследовательских ядерных реакторов и установок" ПК 1514-72 и других нормативных документов;

- использованием при проведении экспериментальных исследований только поверенной нысокоточпой аппаратуры и аттестованных специальных измерительных аипаратпо-профаммпых систем.

Новизна научных результатов, полученных в диссертационной работе, заключается в следующем:

1. Впервые показано, что процесс сварки плавлением классифицируется как офаничепно детерминированный (хаотический) с аддитивной стохастической составляющей. Этот результат обосновывает ограничения на использование иптефо-дифференциальпых уравнений для решения задач управления процессом в реальном времени и определяет приоритетность использования автоматизированных систем котроля и аггестации на этапе подготовки производства.

2. Разработан новый метод восстановления размерности фазового пространства процесса, отличающийся тем, что он имеет квадратичную зависимость сложности от количества исходных данных по сравнению с экспоненциальной для других методов. Этот метод позволяет обоснованно ограничить снизу количество параметров, необходимых для описания состояний исследуемого процесса.

3. Впервые получена зависимость оценки амплитуды аддитивной стохастической составляющей сигналов от размерности фазового пространства процесса, позволяющая формально обосновать точность измерительных и числовых преобразований данных о процессе при идентификации его состояний.

4. Разработан метод автоматической идентификации по многомерной эмпирической функции распределения данных, отличающийся ро-бастпостыо основных статистических моментов для количества данных порядка 106за счет их предварительной а1регации при расчете фазового портрета. Этот метод позволяет получить множество численных идентификационных характеристик, чувствительных к состояниям процесса сварки плавлением.

5. Разработано масштабирующее преобразование множества численных идентификационных характеристик процесса, отличающееся тем, что оно задает для каждого малого интервала значений масштаб, пропорциональный вероятности попадания значения в этот интервал. Оно позволяет обееиечить равномерное распределение данных в своем диапазоне, тем самым обеспечивая максимум значения энтропии (информативности) вход-пых данных нейросстсвой модели-классификатора.

6. Разработана новая автоматизированная система, отличающаяся совместным использованием подсистемы автоматической идентификации состояний процесса по масштабированной сглаженной многомерной эмпирической функции распределения данных о процессе и псйросетевой модслыо-классификатором. Это позволяет обеспечить котроль и аттестацию процесса сварки плавлением без экспертной оценки па основе регламентных испытаний сварного соединения.

Научная значимость. Диссертация решает нажпую научную проблему повышения надёжности и долговечности функционирования ответственного энергетического оборудования атомной энергетики и других отраслей народного хозяйства. Она вносит вклад в теорию автоматизации технологических процессов, обеспечивающих повышение качества сварных соединений. Впервые показано, что совместное применение разработанного метода автоматической идентификации состояний, основанного па сегментации топологического отображения процесса в восстановленном фазовом пространстве с нейросетевой модслыо-классификатором, позволяет решить проблему уменьшения нестабильности и повышения качества, а также является общим для достаточно широкого класса таких технологических процессов как металлургические, химические и др.

Практическая значимость работы.

Основным итогом диссертационного исследования являются как общие теоретические положения по идентификации процесса сварки плавлением, так и практические разработки, позволяющие обеспечить повышение качества сварных соединений при производстве корпусных изделий АЭС за счет автоматизации контроля и аттестации па этапе подготовки производства.

Практическая значимость работы заключается в создании и внедрении автоматизированной системы котроля и аттестации сварочных процессов, что позволило: высвободить людские и материальные ресурсы на проведение регламентных испытаний сварных соединений в заводских лабораториях; значительно (более чем в 20 раз) сократить время на подготовку производства в части аттестации оператора-сварщика, сварочных материалов и оборудования; существенно (более чем на 30 %) сократить брак сварных соединений при производстве корпусного оборудования АЭС. Также значимость работы заключается в предложенных инженерных методах проектирования автоматизированных систем котроля и аттестации сварочных процессов, позволяющих существенно снизить 1рудосм-косп. выполнения этих работ и повышающих их эффективность.

На защиту выносятся следующие основные положения работы:

1. Теоретические положения по формальным методам классификации технологических процессов, характеризующихся хаотическим движением своих параметров. Общие концепции построения расчетных моделей, математические модели, инженерные методики и алгоритмы для автоматизированной системы аттестации процесса сварки плавлением.

2. Общие теоретические принципы восстановления и численного анализа топологического отображения (модели) исследуемого процесса для решения проблемы автоматической идентификации его состояний.

3. Методы сегментации восстановленной многомерной эмпирической функции распределения данных, обеспечивающие робастпость статистических характеристик фазового портрета процесса.

4. Методы предподготовки данных нейронной сети для автоматической классификации процесса сварки при аттестации оператора-сварщика, сварочных материалов и оборудования на этапе подготовки производства.

Реализация результатов работы. Теоретические, методические и ап-паратпо-про1раммныс разработки нашли практическое применение па предприятиях атомного энергетического машиностроения и организациях МиI¡монтажепсцстроя, а также при проведении научно-исследовательских и опытно-коиструкторских работ в ВНИИ Атомного машиностроения.

Автоматизированная система аттестации сварочных процессов внедрена в ОАО "ЭМК-Атоммаш" и ЗАО "Энсргостройсервис" с экономическим эффектом более 1,5 млн. руб. за счет: повышения качества и снижения затрат па устранение дефектов сварных соединений; повышения производительности и уменьшения материальных за!рат при контроле и аттестации сварочных материалов и оператора-сварщика.

Основные положения и результаты работы докладывались и обсуждались на международных, республиканских, региональных и отраслевых паучпо-тсхничсских конференциях и семинарах, в том числе на: II Всесоюзной конференции "Системные исследования проблем управления качеством и автоматизации процессов управления качеством", Москва, 1980г.; семинара "АСУ технологическими процессами" Москва, 1980 г.; Международной научно-технической конференции "Современные проблемы пауки и техники", Ростов-н/Д, 1993 г.; Российской научно-технической конференции "Современные проблемы сварочной пауки и технологии "Сварка - 95", Пермь, 1995 г.; Международной научно-технической конференции "Современные проблемы машипосчроспия и технологических процессов" Севастополь 1996 г.; Международной научно-технической конференции "Новые технологии управления движением технических объектов", Новочеркасск, 1999 г.; Международной научно-технической конференции " Методы и средства измерения в системах кошроля и управления", Пенза, 1999 г.; Международной научно-технической конференции "Информационные технологии в моделировании и управлении", Санкт-Петербург, 2000 г.; Международной научно-технической конференции "Теория, методы и средства измерений, кошроля и диагностики", Новочеркасск, 2000 г., а также на кафедре "Сварка и защита от коррозии" ГАНГ, Москва 2003г., кафедре "Производство сварных конструкций MACH, Москва, 2003 г., кафедре "Вычислительная техника" Волгофад-ского ГГУ, Волгоград, 2003 г.

По материалам диссертации опубликована 27 работ, из них 1 монография, 10 научных статей, 15 докладов па научных конференциях, 1 авторское свидетельство.

Кроме того, автор принимал участие в выполнении ряда научно-исследовательских работ по теме диссертации, но которым в ВИНИТИ за-рсгис1рировано 3 научно-технических отчета.

Структура и объем диссертации. Диссертационная работа состоит из введения, пяти разделов, основных результатов работы, списка литературы и приложений. Она изложена на 285 страницах основного текста, в том числе содержит 94 рисунка и 11 таблиц. Список литературы состоит из 203 наименований. Включает 5 приложений на 5 страницах.

Основные результаты, полученные в настоящей работе, могут 6i.ru, сформулированы следующим образом.

1. Па основе теоретических и экспериментальных исследований методами нелинейной динамики впервые показано, что сварочный процесс классифицируется как офапичепно детерминированный (хаотический) процесс. IIa это указывают рассчитанные по модели значения показателя Ляпунова (ЫО6), а также полученная па основе численного расчета по экспериментальным данным корреляционного иптсфала оценка размерности аттрактора процесса (А'1 2,4 :2,9). Это, в свою очередь, означает, что применение интсфо-диффсрспциальних уравнений описания процесса сварки плавлением для предсказания значений сю параметров затруднено из-за экспоненциального роста пофсшпости этою предсказания.

2. Па основе анализа корреляционной размерности контролируемых сигналом установлено, что для идентификации состояний процесса сварки плавлением необходимо пс менее трех параметров, а успешная классификация процесса по идентификационным характеристикам псйросстсвой моделью свидетельствует- о достаточности этого количества параметров.

3. Впервые разработан метод и получена оценка амплитуды стохастической составляющей сигналов о процессе 2,5 % от амплитуды контролируемого параметра). Это позволяет обосновать точность разделения состояний сварки плавлением па многомерной эмпирической функции

0 распределения параметров процесса и обосновал» пофсшпость измерительных и числовых преобразований данных при идентификации процесса сварки плавлением.

А. Разработано масштабирующее преобразование, отличающееся тем, что оно задаст для каждого малого интервала значений масштаб, пропорциональный вероятности попадания значения в этот- интервал. Это прс

• образование позволяет получить инвариантное топологическое отображение процесса и существенно повысить разрешающую способность такого отображения при сегментации фазового портрета процесса сварки.

5. Разработан метод сегментации фазового портрета, учитывающий амплитуду аддитшшой стохастической составляющей сигналов о процессе и обеспечивающий автоматическое выделение состояний процесса сварки в виде множества численных характеристик, чувствительных к изменениям процесса. Это позволяет понизит], исходную информационную размер

5 2 ность данных от более чем 10 до менее 10 значений.

6. Теоретические и экспериментальные исследования показали, что исследуемый процесс может находиться в нескольких дискретных состояниях распределения вероятностей параметров, которые значительно различаются. Показано, что выделение однородных областей па фазовом портt рстс при сегментации процесса обеспечивает робасшость предложенного метода.

7. Создан гибкий системный и пользовательский интерфейс в виде блоков системы ЯппиНпк МаП.аЬ 6.0, позволяющий в наглядной форме задавать последовательность обработки данных для получения идентификационных характерист ик процесса сварки плавлением.

8. Разработан метод предподготовки данных, позволяющий отобразить множество численных идентификационных характеристик процесса в единичный куб с равномерно распределенными значениями параметров и обеспечивающий максимум энтропии (информативности) входных данных псйросстевой модели-классификатора.

9. Разработана и обучена трехслойная нейронная сен. с сигмоидальпой функцией активации в скрытом слое и линейной функцией активации в выходном слое, обеспечивающая автоматическую аппроксимацию экс

35 перших оценок при аттестации оператора-сварщика, сварочных материалов и оборудования с пофспшостмо не более А %.

10. Создана и прошла онытно-промьпплснпос испытание в производственных условиях ОАО "ЭМК Атоммаш" и ЗАО "Эпсргостройссрвис" автоматизированная система аттестации оператора-сварщика, сварочных материалов и оборудования. Эта система позволяет- значительно сократит!, расходы (более чем в 10 раз) и время (более чем в 20 раз) па проведение аттестационных процедур, а также существенно (более чем па 30 %) сократить брак сварных соединений при производстве корпусного оборудования АЭС.

11. Экономический эффект от внедрения разработок составляет более 1,5 млн. руб. и достигнут за счет повышения качества сварных соединений, снижения затрат па устранение дефектов и сокращения времени и материал!.пых затрат на проведение регламентных испытаний при подготовке производства корпусного оборудования АЭС.

1. Чернов A.B. Обработка информации в системах контроля и управления сварочным производством: Мопофафия /Повочсрк. гос. техн. ун-т. -11овочсркасск: 1Н ТУ, 1995. 180 с.

2. Акулов Л.Й., Нсльчук Г.А., Дсмянцснич В.П. Технология и оборудование сварки плавлением.:-М.: Машиностроение, 1981.- 270 с.

3. Сварка в машиностроении/ под ред. Акулова А.И. М.: Машиностроение, 1978.-250 с.

4. Правила контроля сварных соединений и наплавки узлов и конструкций атомных электростанций, опытных и исследовательских ядерных реакторов и установок. ПК 1514-72ИМ. Металлургия, 1975.-73 с.

5. Основные положения по сварке и наплавке узлов и конструкций атомных электростанций, опытных и исследовательских ядерных реакторов и установок. ОН 1513-72//М. Металлургия, 1975.- 56 с.

6. Гладков Э.А., Лосев В.М., Сас A.B. Вопросы идентификации моделей в дуговой сварке//'Груды МВТУ, 1981, №363 , С. 101-110.

7. Гладков Э.А., Гусли сто в H.A., Сас A.B. Динамические процессы в сварочной ванне при вариации соответствующих сил //Сварочное производст во, 1983,№ 1, С. 123-131.

8. Гладков Э.А., Львов П.С. Автоматика и автоматизация сварочных процессов. М.: Машиностроение, 1982. - 304 с.

9. Пат он IJ.lt., Подола II.В. Автоматизация сварочных процессов //Сварка и спсцмсталлургия. 1984. - С. 221 - 227.

10. Кривип В.В. Автоматизация ограниченно детерминированных процессов: Мопофафия /Юж.-Рос. гос. техн. ун-т. Новочеркасск: "Изв. вузов. Электромеханика", 2003. 176с.

11. Дсвицип U.U. Дефекты оборудования АЭС при входном контроле. //Обеспечение изготовления оборудования для АЭС на уровне трсбовапий высшей категории качества: Тез. докл. научи. техп. копф.- Волгодонск, 1980.-С. 27-29.

12. Кривип В.В. "Автоматизация процесса сбора и обработки информации и сварочном производстве средствами процессорных измерительных систем": дисс. канд. техн. паук. 1995 185 с.

13. Папарип В.М., Карпов B.C., Мазуров В.М. Прибор для измерения параметров каплспсрспоса в сварочной дую //Сварочное производство, 1985.-№5.-С. 31-32.

14. Правила аттестации сварщиков/под ред. Хапоисп H.A., Шсль-пяков A.A., Дмитриспко И.Ii. //M. НПО Ol» Г, 1993 64 с.

15. Казаков С.М., Найчср Д.Л. Сертификации технологических процессов один из основных элементов системы обеспечения качества продукции //Повышение качества и эффективности сварочного производства. - М.: МДИТП им. Дзержинского, 1992. - С. 11-14.

16. Оборудование и трубопроводы атомных энергетических установок. Сварка и наплавка. Основные положения (ПИ АЭ Г-7-009-89). Сварные соединения и наплавки. Правила контроля (ПН АЭ Г-7-010-89). /Госатомэпсргопадзор. М.: Эпсргоатомиздат, 1991. - 320 с.

17. Сварка в машиностроении. /Под ред. Ю.П.Зорина. М.: Машиностроение, 1979. - 512 с.

18. Гладков Э.А. Задачи прогнозирования качества и управления формированием шва в процессе сварки с использованием псйросетсвых моделей//Сварочное производство №10. 1996. С. Н-18.

19. Куркип С.А., Ховов В.М., Рыбачук А.М. Технолог ия, механизация и автоматизация производства сварных конструкций. Атлас. М.: Машиностроение, 1989. - 328 с.

20. Чвертко А.И., Пат он 1>.Н., Тимченко В.А. Оборудование для механизированной дуг овой сварки. Машиностроение, 1985. - 264 с.

21. JI.C. Липшиц, A.II. Хакимов Металловедение снарки и термическая обработка сварных соединений. / М.Машиностроение, 1989. 334с.

22. Контроль качества сварки. Под ред. В.II. Волчснко М.: Машиностроение, 1975. - 327 с.

23. Николаев Г.А., Куркин С.А., Винокуров В.А. Сварные конструкции. Технология изготовления./ Автоматизация производства и проектирование сварных конструкций. М.: Высш. школа, 1983.- 344 с.

24. Трофимов U.M. Повышение точности регуляторов напряжения падуге при использовании электрода //Автоматическая сварка. 1979. - № 6. - С. 55-60.

25. Юхип H.A. Исследование технологических особенностей сварки прямошовпых труб из сталей аустсиитпого класса типа 18-8 па форсированных режимах: Дисс. капд. техн. паук, Москва.

26. Псраудов Ф.И., Тарасспко Ф.П. Основы системного анализа: Учеб. 2-е изд., доп. Томск: Изд-во I П'Л, 1997. - 396 с.

27. Czckanowcki, J. (1911) "Objccliv krilcricn in der clhologic." Kor-rcspontlcrv/.-blall der Dcutschcn Gesellschaft fi.r Anlropologic, Hthnologic, und Urgeschichte 42: 1-5.

28. Tryon R.C. Cluster Analysis. New York: McGraw-I lill. 1969 297 p.

29. Sokal R., P.Sncat Principles of Numerical Taxonomy. San Francisco (1963): W.U.Freeman.

30. Мапдсль И.Д. Кластерный анализ. М.: Финансы и статистика. 1988.- 176 с.31. 1>. 1>олч, К.Дж. Хуапь. Многомерные статистические методы для экономики /11ср. с англ. М.: Статистика, 1979. - 317с.

31. Айвазян С.А., 1>сжасва З.И., Староверов О.В. Классификация многомерных наблюдений. М.: Статистика, - 1974, - 240 с.

32. Айвазян С.А., Нухштабср В.М., Ншоков И.С., Мсшалкип Л.Д. Прикладная статистика: Классификация и снижение размерности. М.: Финансы и статистика, 1989. - 607с.

33. Факторный, дискриминант пый и кластерный анализ: Пер с англ. /Дж. О.Ким, Ч.У.Мыоллср, У.Р.Клскка и др.; Под ред. И.С.Ншокова.- М.: Финансы и стат ист ика, 1989. 215с.

34. Тсрсптьсв II.В. Метод корреляционных плеяд //Вестник ЛГУ.- 1959. №9- с.137-141.

35. Загоруйко П.Г., Нлкипа В.П., Емельянов С.В., Лбов Г.С. Пакет-прикладных профамм ОТЭКС (для анализа данных). М.: Финансы и статист ика, 1986,- 160 с.

36. Ншоков И.С. Методы, алгоритмы, профаммы многомерною статистического анализа: пакет I II ICA. М.: Финансы и статистика, 1986. -232 с.

37. Сильвестров Д.С. Профаммиос обеспечение прикладной статистики: Обзор состояния. Тенденции развития. М.: Финансы и стат истика, 1988. - 240с.

38. Методы анализа данных: Подход, основанный на методе динамических ci-ущспий: Пер. с фр. /Кол. Авт. Под рук. Э. Дидэ; Под ред. И спрсдисл. С.Д.Дйвазяпа и В.М.Нухштабера. М.: Фипаисм и статистика,1985.- 357с.

39. Жамбю М. Иерархический кластер-анализ и соответствия: Пер. с фр. М.: Финансы и статистика, 1988. 342с.

40. Статистические методы для ЭВМ /Под ред. К.Эиелсйиа, Э.Рэлстопа, Г.С.Уилфа: Пер с англ. /Под ред. М.Н.Малютова. М.: Паука,1986.-464с.

41. Патрик Э. Основы теории распознавания образов: Пер с англ /11од ред. Ь.РЛсвипа. М.: Сов. Радио, 1980. - 408 с.

42. Фомин Я. Д., Тарловский Г.Р. Статистическая теория распознавания образов. М.: Радио и свял., 1986. - 264с.

43. Кривил В.В., Виппичепко М.Ю. Получение идентификационных характеристик процесса РДС методом сегментации фазового пространства //Изв. вузов Сев. Кавк. регион. Техн. пауки. 2000. - № 1. - С. 19-23.

44. Дйвазяп С.Д., Нсжасва З.И., Староверов О.В. Классификация многомерных наблюдений. М.: Статистика, 1974. 240с.

45. Ваппик В.П., Чсрвопспкис Д.Я. Теория распознавания образов. М.: 11аука, 1973. - 416 с.

46. Нлиессва И.И., Рукавишников В.О. Группировка, корреляция, распознавание образов: Статистические методы классификации и измерения связей. М.: Статистика, 1977. - 143с.

47. Фукупага К. Введение в статистическую теорию распознавания образов /11ер. с англ. М.: 11аука, 1979. - 367с.

48. Эфрон Б. Нетрадиционные методы многомерного статистического анализа: Сб. статей: Пер. с англ. /Предисловие Ю.П.Ддлера, Ю.В.Кошсвиика. М.: Финансы и статист ика, 1988. - 263с.

49. Всйр I). Диализ генетических данных /11 ер. с апгл. М.: Мир, 1995.-400 с.

50. Нлсйхут P. Ныстрыс алгоритмы цифровой обработ ки сигналов. М., 1989. 448 с.

51. Daubcchics Ten lccturcs on wavelets/ Philadelphia. 1992. 357 pp.

52. Ж.Макс. Методы и техника обработки сигналов при физических измерениях. В 2-х томах. М., "Мир", 1983 569 с.

53. Современные методы идентификации систем: 11ер. с англ., иод ред. П.Эйкхоффа.-М.: Мир, 1983.-400 с.

54. II. Эйкхофф, А. Ванечек, Н. Савараги, Т. Соэда, Т. Пакамизо, X. Акаике, II. Райбмаи, В. Пстсрка. Современные методы идентификации систем М. Мир, 1983. - 400с.

55. Робаст носи, в статистике. 11одход па основе функций влияния. Хампсль Ф., Ропчстти Э., Раусссу II., Штаэлв В. М.Мир, 1989 - 512 с.

56. Шустер Г. Детерминированный хаос: Введение. М.: Мир, 1988.-240 с.

57. Рыекип П.М., Титов В.П., Трубсцов Д.И. Детали перехода к хаосу в системе электронный пучок обратная электромагнитная волна //ДАН. - 1998.-Т. 358.-С. 620.

58. Кузслсв М.В., Рухадзс А.А. Электродинамика плотных электронных пучков в плазме. М.: 11аука, 1990 432 с.

59. Самарский А.Г., Тишкин В.Ф. и др. О представлении разностных схем в операторной форме//ДА11 СССР. 1981. Т. 258, №5. с. 1092.63. 1>сржс II., Помо П., Видал i» К. Порядок в хаосе. О детерминистическом подходе к турбулентности. М.: Мир, 1991 346 с.

60. Ватапабс С. Разложение Карупспа Лоэва и факторный анализ. Теория и приложения //Автоматический анализ сложных изображений /Под ред. Э.М. Иравсрмапа. М.: Мир, 1969. с. 310.

61. Кривип В.В. Випичспко С.М. Максимизация численной оценки информативности ¡рафика масштабированием параметров //Изв. вузов Ссв.-Кавк. регион. Тсхп. науки. 2003. № 3. - С. 52-54. С. 48-52.

62. Псймарк Ю.И., Ланда II.C. Стохастичсскис и хаотические колебания. М.: Паука, 1987. 424 с.

63. Апищспко B.C. Сложные колебания и простых системах. М.: Паука, 1990.312 с.

64. Кальянов Э.В., Лебедев M.I I. Стохастические колебания в системе связанных генераторов при наличии инерционности //РЭ. 1985. № 8. -С. 1570.

65. Нсльский ЮЛ., Дмитриев А.С. Передача информации с использованием детерминированного хаоса //Радиотехника и электроника. 1993. Т. 38, №7.-С. 1310.

66. Кривин В.В. Исследование сварочных процессов методами нелинейной динамики // Изв. вузов Ссв.-Кавк. регион. Техн. пауки. 2003. -№ 3. С. 41-47.

67. Рубчипский ЛJI., Сущик М.М. Прямая и обратная взаимосвязь между неупорядоченностью пространственных и временных паттернов в цепочках хаотических автогенераторов//Изв. вузов. Прикладная нелинейная динамика. 1999. Т. 7, №1. С.81.

68. Grassberger P., Procaccia J., On characterization of strange atlrac-tors // Phys. Rev.Lett. 1983. Vol.50. P346.

69. Ьспдат Дж., Пирсол А. Прикладной анализ случайных данных. М.: Мир, 1989 422 с.

70. Takcns I*\ Detecting strange attractor in turbulence. //Dynamycal systems and turbulence: Lect.Notcs in Math. /lids R.A. Rand and L.S. Young. Warwick: Springier-Verlag. 1980.Vol.898.P.366. 1975, 175 c.

71. Puscher P. Konvcnlioncllc und clcklronischc Schwcissstomgucllcn Bauarten, slatischc und dynamische Higcnschaftcn, Wirkungswciss //DFS Bcr. - 1986.-№ 105.-S. 193-195.

72. Dorn Lutz, Ripllc Pclcr. Power Source influence arc welding du-namicc beheviour in mangel arc Welding with alternating current //Schwciss. und schncid.- 1986.-№ 10.-P. 176- 177.

73. Loren/ H.N. Deterministic nonpcriodic flow //J. Atm. Sei. 1963. Vol.20. P. 130.

74. Странные аттракторы /Под. ред. Я.Г. Сипая и JI.1I. Шилышко-ва. М.: Мир, 1981 378 с.

75. Шумилсв В.Ф. Оптимальная стабилизация выходных параметров источников питания сварочной дуги при случайных воздействиях. //Сварочное производство. 1990. - № 1. - С. 36-37.

76. Мазсль Л/Г. Технологические свойства электросварочной дуги. М.: Машиностроение, 1969. - 178 с.

77. Акулов А.И., 1>сльчук Г.А., Дсмспцсвич B.II. М.: Машиностроение, 1977. - 420 с.

78. Ворповицкий И.II. Электроды для сварки оборудования тепловых электростанций. М.: Эпсргоиздат, 1972. - 280 с.

79. Нрохип A.A. Основы сварки плавлением. Физико-химические закономерности. М.: Машиностроение, 1973. - 448 с.

80. Походня И.К., Заруба М.И., Пономарев B.Ii, и др. Критерии оценки стабильности процесса дуговой сварки па постоянном токе. //Автоматическая сварка. 1989. - № 8. - С. 1-4.

81. Криви н В.В., Загородний И.Г., Патеры га Р.1>. Анализ помех в каналах передачи данных АСУ TII сварочного производства // Материалы семинара АСУ технологическими процессами. М., 1980. - С.104-107.

82. Кривип В.В., Чернов Л.В., Нут С.П., Пурдаков С.М. Визуализация виртуальной реальности в тренажере для обучения оператора-сварщика // Электромеханика. 2003. № 2. С. 72-74.

83. Lucas W. Computer in arc Welding te next industrial revolution Part3: Innstrumcntation and proccssanalysis//Metal Constraction. - 1985.- № 7. -P. 431-436.

84. Новые разработки фирмы "Макса Судаж С А" (Швейцария) //Энергомашиностроение. 1988. - № 7. - 45 с.

85. Ondrcjcck P., Slovak J., Vins P. Analysis of voltage wave form in CO walding under short sircuiting confitons //Xvaracscc spravy. 1985. - № A. -P. 73-81.

86. Rchfcldt. D., Scyfcrth J. Statistical analyzys of arc welding with coated clcctrodcs. Univ. Hannover, S.a. (II W. Doc. 212-488-80). - 10 p.

87. Luts П., Ripplc Р. Dcvciopmcnt of a sustcm for proccss data acquisition and proccss analysis during arc welding // Schweissen und schneiden. -1982.- №4.- P. 80-81.

88. Кухлейко Р. Метод оценки стабильности сварочного процесса. //Ипформ, материала СЭВ. 1977. - вып. 2. - С. 183 - 185.

89. Sasch Л. Ncwc Grundsätze zur Bcurteiling der dynamischen Hi-gcnschcn von Glcischslrom quellen für das lichtbogcn - Langschwassen. //Schwasscn und Schneiden. - 1982. -№11.- P. 525 - 529.

90. Кривип В.В., Чернов A.B., 1>ут С.II. Система отслеживания движения в тренажере оператора ручной дуговой сварки // Электромеханика. 2003.-№3.-С. 74-75.

91. Лакатош Л., Калик А. Метод объективной оценки сварочных свойств электродов с основным покрытием и технологии их механизированного производства. Братислава. - 1>.И. - 1984. - С.93-114.

92. Нечеткие множества в моделях управления искусственного интеллекта /Под ред. Д.А.Поспелова. М.: Наука, 1986. - 396 с.

93. Ягср Р.Р. Множества уровня для оценки принадлежности нечетких подмножеств. В кн.: Нечеткие подмножества и теория возможностсй. Последние достижения /Под ред. Ягера P.P. M.: Радио и связь, 1986. -406 с.

94. Выбор структуры и технических средств при автоматизации дуговой сварки /Л.К. Коротынский, Я.Ф. Кисилсвский, U.C. Мухлыгип и др. Авт оматическая сварка. 1984. - № 10. - 59-61.

95. Кривип В.В. Оценка аддитивной стохастической составляющей сигналов процесса сварки плавлением // Электромеханика. 2003. № 3. - С. 64-66.

96. Коротынский А.И., Мухлыгип U.C., Зайепко В.П. Выбор информационных параметров при контроле режимов аргоиодуговой сварки псплавящимся электродом //Автоматическая сварка. -1988.-№ 6. С. 33 - 36.

97. Кривип В.В. Измерительный преобразователь сигналов о процессе сварки // Электромеханика. 2003. № 4. - С. 26-28.

98. Кривип В.В., Загороди и й И.Г. К вопросу о применении микропроцессорной техники в АСУТП сварочного производства // Материалы семинара АСУ технологическими процессами. -М.,1980.-С. 100-103.

99. Комплекс технических средств и оценка эффективности АСУ процесса аргоиодуговой сварки труб /Гладков Э.А., Широковский 11.А., Полянский П.В. и др. //Сварочное производство. 1986. - № 1. - С. 3-5.

100. Тарссв А.П. Микропроцессорная система регистрации параметров режима сварки труб большого диаметра //Автоматическая сварка. -1987. -№ 7. -С. 57-60.

101. Система автоматического управления процессом аргоподуго-вой сварки па основе однокристальной ЭВМ /Подола II.В., Рудепко М.М., Кобылипа A.M. //Сварочное производст во. 1986. - № 2. - С. 7-9.

102. Микропроцессорное управление электросварочным оборудованием. /Ьортпякон Ю.А., Шавсров В.П., Куратов и др. //Сварочное производство. 1986. -№ 11.-С. 11-12.

103. A.c. 1004038 (СССР) MICH B23IC9/00. Управляемый источник для электроду! овой сварки // Кривип В.В., Гужа вин A.A., Юхип H.A. и др. 1983. Б.И., - №10.

104. Оборудование для дуговой сварки: Справочное пособие. /Под ред. В.В. Смирнова. Л.: Эпсргоатомиздат. Лспишр. отделение, 1986. -567 с.

105. Иванов В.П., Цветков Э.И. Процессорные измерительные средства//! 1риборы и системы управления. -1984. -№ 5. С. 20-22.

106. Гитис Э.И., Пискулон Н.Л. Аналого-цифровые преобразователи. М.: Энергоиздат, 1981. - 360 с.

107. Грановский В.А. Динамические измерения. Л.: Эисргоатом-издат, 1984.-220 с.

108. Цапспко N1.11. К определению основных целей измсрс-ния//Измсритсл1.пая техника. 1983. - № 5. - С. 12-14.

109. Цветков Э.И. Измерительно-вычислительные средства и формальная метрология //Измерительная техника. 1983. - № 9. - С. 25-28.

110. ГОСТ 1.25-76. ГСС. Метрологическое обеспечение. Основные положения. 12 с.

111. ГОСТ 8.000-72. ГСИ. Основные положения. М.: 1972. - 4 с.

112. ГОСТ 8.009-84. ГСИ. Нормируемые метрологические характеристики средств измерений. 38 с.

113. ГОСТ 16263-70. ГСИ. Метрология. Термины и определения. -М., 1970.- 54 с.

114. Рабинович С.Г. Пофсшности измерений. Л.: Энергия, 1978.262 с.

115. Основные понятия теории динамических измерений. К. II. Широков, В.О. Артюпов, В.А. Грановский и др. // Измерительная техника. 1975. -№ 12.-С. 9-13.

116. Островерхов В.В. Динамические пофсшности аналого-цифровых преобразователей. Л.: Энергия, 1975. - 174 с.

117. Особенности машинного проектирования электронных схем каналов передачи данных повышенной помехозащищенности /Загородпий

118. И/Г., Кринии Ii.Ii., Натсрыга Р.1>. //Теоретическая электротехника. 1979. -№2. - С. 159-164. Респ. межвед. науч.-тсхп.сб.- Льном, 80.- Вып. 28.- С. 159164.

119. Чернов A.B., Наклыкова И.А., Сысоев 10.С. Методика поли-критсриальпой оценки сварочпо-тсхпологичсских свойств электродов

120. Современные проблемы сварочной пауки и техники: Тез. докл. мсждупар.научп. техп. копф. - Ростов-п/Д, 1993. - С. 57.

121. Машиностроение, 1979. 512 с.

122. Попон Ii.ll. Теория линейных систем автоматического раули-ровапия и управления. М.: Паука, 1989. -304 с.

123. Чернов A.B., Фролов В.А. и др. Исследование динамических характеристик источников питания для сварки //Производство и надежность сварных конструкций: Тез. докл. научп. копф. стран СНГ. Кали-нишрад, Моск. обл. - М., 1993. - С. 57.

124. Чернов A.B., Фролов В.А. и др. Влияние динамических свойств источников питания на стабильность процесса сварки плавящимся электродом //Современные проблемы сварочной пауки и техники: Тез. докл. мсждупар. паучп.-техп. копф. Ростов-н/Д, 1993. - С. 127.

125. Микропроцессорная система управления сварочным источником питания /В.В. Кривин, С.II. Игнацсвич, A.B. Чернов //Современныепроблемы сварочной пауки и техники: Тез. докл. Международной научи, техн. конф. Ростов-п/Д, 1993. - С. 31-33.

126. Автоматизированная система управления сваркой плавлением корпусного оборудования АЭС: Отчет ПИР /Повочсрк. политехи, ип-т.: Рук. Чернов А.И. Г.Р. 01860007396. - Инн. № 0280065932. - Новочеркасск, 1988.-70 с.

127. Информационно-регистрирующая система для оценки технологических свойств электродов для ручной дуговой сварки. /Акулов А.И., Нубликова И.А., Чернов A.B., Сысоев Ю.С. //Сварочное производство, 1992. -№ 12.-С. 31-32.

128. Фролов В.А., Чернов A.B. Исследование влияния неравномерности углов открытия тиристоров в сварочных источниках питания: Стабильность, качество и работоспособность сварных конструкций //Межвузовский сборник научных трудов. М., 1993. - С. 129-136.

129. Чернов A.B., Фролов В.А. и др. Влияние динамических свойств источников питания на стабильность процесса сварки плавящимся электродом //Современные проблемы сварочной пауки и техники: Тез. докл. междупар. паучн.-техп. копф. Ростов-п/Д, 1993. - С. 127.

130. Чернов A.B., Фролов В.А. и др. Исследование динамических характеристик источников питания для сварки //Производство и надежность сварных конструкций: Тез. докл. паучн. конф. стран СНГ. Калининград, Моск. обл. - М., 1993. - С. 57.

131. Модуль гибкого автоматизированного производства ЭП1С карт-днищ: Отчет ПИР. /Повочсрк. политехи, ип-т.: Рук. Чернов A.B. Г.Р. 01840017637. - Ипв. № 02870045849. - Новочеркасск, 1986. - 85 с.

132. Ллскип Jl.lt. Инерционность расплавления электродной проволоки и проилавлепия металла изделия при автоматической сварке под флюсом //Автоматическая сварка. 1963. - № 10. - С 1-7.

133. Ворповицкий И.II. Электроды для сварки оборудования тепловых электростанций. М: Эпсргоиздат. - 1972. - 280 с.

134. Автоматизированная система контроля технологических свойств сварочных материалов: Отчет ПИР /Повочсрк. политехи, ип-т: Рук. Чернов А.В. Г.Р. 01870033686. - Ипв. № 02890021817. - Новочеркасск, 1989.-48 с.

135. Исследование и разработ ка гибких автоматизированных систем элсктрошлаковой и дуговой сварки: Отчет- ПИР /Повочсрк. политехи, ип-т.: Рук. Чернов А.В. Г.Р. 01890031332. -11овочсркасск, 1991. - 70 с.

136. Abarbancl, I I.D.I., Brown, R., Sidorowich, J.J., and Tsimring, L.Sh.T. "The analysis of observed chaotic data in physical systems" //Rev. Modern Physics 1993, №65, c. 1331-1392.

137. D. Kaplan and L. Glass, Understanding Nonlinear Dynamics, 1995, Springer-Vcrlag 233 pp.

138. Zcng X., Lucas J., Pang M.T.C. Ncwral Network Knowledge Base Systcmc For Process Control of TIG Welding /Liverpool: The University of Liverpool 1989 342 pp.

139. Человеческий фактор. В 6 т. Т.З. Моделирование деятельност и, профессиональное обучение и отбор операторов: Пер. с апгл. /Холдинг Д., Гол детей п П., Эбсртс Р. и др. (Часть 2. Профессиональное обучение и отбор операторов). М.: Мир, 1991. 302 с.

140. Рудман М.Д., Cojiobob А.В. Исследование влияния параметров режима сварки па форму и размеры сварного шва. Самара: СГАУ, 1994. 18с.

141. Искусственный интеллект: Справочник. М.: Радио и связи. -Книга 1. Системы общения и экспертные системы; Книга 2. Модели и методы; Книга 3. Профаммпые и аппаратные средст ва., 1990. - 363 с.

142. Э.А. Тахтенгерц. Компьютерная поддержка принятия решений. М.:СИМТНГ. 1998, с. 376

143. Випо1радов B.C. Оборудование и технология дуговой автоматической и механизированной сварки. М.: Высш. шк.: Академия, 1997.- 318 с.

144. Справочник по сварочным работам /Сост. Ф.А. Хромчспко -М.: 1IIJO ОЬТ, 1998.-429 с.163. 11атоп, Н. Н., Лапчинский, В.Ф. Сварка и родственные технологии в космосе: Особенности и псрсискгивы Киев: Паук, думка, 1998. -183 с.

145. М.В. Шахматов, В.В. Нрофсев, В.В. Коваленко. Технология изготовления и расчет сварных оболочек. Уфа: 1>.и., 1999. 272 с.

146. Э.Г. Ьабепко, 11.11. Казапова Расчет режимов электрической сварки и наплавки. Хабаровск: ДВГУПС, 1999. 69 с.

147. Лопасв, Н. И., Янишсвская, А. Г. Тепловые процессы при сварке Омск: Изд-во ОмГТУ, 1997. - 79 с.

148. Сварка и свариваемые материалы: Справочник: В 3 т. / Под общ. ред. д.т.п. В.П.Волчспко. М.: Изд-во Ml ТУ им. Н.Э.Баумана, 1998.

149. Г.А. Кривов, В.Р. Рябов, А.Я. Ищспко. Сварка в самолетостроении Киев: МИИВЦ, 1998. - 695 с.

150. Г.В. Рыбина, В.В. Смирнов, М.В. Шубинцсва. Введение в инструментальную систему G2: Компьютер, учеб. по методам разраб. экспсрт. систем реал, нрсмсии на базе инструментальных систем G2-IGIM. -М.:МИФИ, 1997.-81 с.

151. И.М. Сирица Модели представления и методы приобретения знаний для построения экспертных систем: Учеб. пособие. М.: Изд-воМАИ, 1998. - 86 с.

152. Рудаков II.И., Сафонов И.В. Обработка сигналов и изображений. MATLAB 5.x /Под общ. ред. В.Г. Потемкина. М.: Диалог-МИФИ,1999. 287с. (Пакеты прикладных профамм; Кн. 2).

153. Ьсркинблит М.Ь. Нейронные сети. /М: МИРОС, 1993 542 с.

154. Уосссрмаи Ф. 11сйрокомпыотсрпая техника./М.: Мир, 1992 389 с.

155. Тихонов A.II. О решении некорректно поставленных задач и методе регуляризации //Доклады AII СССР. T.I51, №3. 1963 С 54-58.

156. Гультяев А.К. Визуальное моделирование в срсдс MATLAB: Учеб. курс. CI16:11итер, 2000. 432с.

157. О.В. Герман. Введение в теорию экспертных систем и обработку знаний. Минск: Дизайн ПРО, 1995. - 255 с.

158. А.И. Галушкин Теория нейронных сетей. М., "Радиотехника",2000.-с. 415.

159. Bcalc H.M.L. A derivation of conjugate gradients in F. A. Loostma //Numerical methods for nonlinear optimization. London: Academic Press, 1972. PP 23-26

160. Dennis J.H., Schnabcl R.B. Numerical Methods for Unconstrained Optimization and Nonlinear liquations. Hnglcwood Cliffs, NJ: Prentice-Hall, 1983 p 148.

161. Кривии В.В. Предобработка данных для псйроссти при классификации процесса сварки //Электромеханика. 2003. № 2. - С. 67-71.

162. Розснблатт Ф. Принципы пейродипамики. М., Мир, 1965, с.

163. Аналитические самонастраивающиеся системы. Под ред. H.H. Солодовпикова. М., Машиностроение, 1965. - с. 355.

164. В.А. Головко Нейронные сети: обучение, организация и применение. М., "Радиотехника", 2000. - с. 256.

165. Grossberg S., Adaptive pallcrn Classification and universal recoding // Biological Cybcrnclics, 1976, № 23, pp 121-134.

166. Kojas Raul. Theorie der neuronalen Netze. Hinc systematische Hin-fuchrung. Berlin: Springer-Verlag. 1993.

167. Кривип B.B. Применение исйросстсвых моделей при аттестации процесса сварки плавлением //Информационные технологии в моделировании и управлении: Тр. II междупар. пауч.-практ. копф., СПб. 20-22 июня 2000г.- СПб.: Изд-воСПб ГГУ, 2000.- С, 207-209.

168. Д.-Э.1>эстспс, В.-М. Ван Дсп 1>срг, Д. Вуд; Псйроппые сети и финансовые рынки: Принятие решений в торговых операциях /Пер. с англ. С.В. Курочкипа под ред. A.I1. Коваленко и К.С. Пастухова. М.: TB1I, 1997. - XX, 235 с.

169. Лапкип 10. II. Самоадаптирующисся нейронные сети Красноярск: Ип-т биофизики, 1997. - 21 с.

170. Антонов В.М. Обучаемые системы управления Липецк: Липец. гос. техн. ун-т, 1998. - 414 с.

171. A.B. Коновалов, С.М. Образцов, АЛ. Шимксвич. 11ейросетс-вой алгоритм безусловной оптимизации Обнинск: ФЭИ, 1998. - 12 с.

172. Толстой Г.П. Ряды Фурье. М.: Паука, Физматлит, 1980.

173. Королюк B.C., Портспко II.И., Скороход A.B., Турбин А.Ф. Справочник по теории вероятности и математической статистике.- М.: 11аука, Физматлит,1985.

174. Топчсев Ю.И. Атлас для проектирования систем автоматического регулирования. М.: Машиностроение, 1989.

175. Набспко К.И. Основы численного анализа. М.: Паука, Физ-матлит, 1986.

176. Псйрокомпыотипг. Вопросы теории и практики: Сб. науч. тр. Киев: Ип-т кибернетики, 1995. - 81 с.

177. А.М. Урманов, А.В. Грибок, А.П. Волов. Исследование методов слепого разделения свернутых сигналов при помощи специализированных нейронных сстсй Обнинск: ФЭИ, 1998. - 22 с.

178. Терехов, С. А. Псйросстсвыс пспарамстричсскис метод.] анализа экспериментальных данных /С.А. Терехов. Спсжипск: ВПИИТФ, 1998.- 18 с.

179. А.II.Горбат., ВЛ.Дунип-Ь'арковский, A.II. Кирдип 11сйроип-формат ика -11овосибирск: CII "11аука" PAII, 1998. 296 с.

180. B.C. Медведев, В.Г. Потемкин Нейронные сети Mallab 6 М., Диалог-МИФИ, 2002. - с. 489.

181. Н.М. Мирксс Нейрокомпьютер: Проект- стандарта Повоси

182. А.П. Радчспко. Ассоциативная намять. 11сйроппыс сети. Опт имизация псйропроцсссоров CI16.: Паука, 1998.-260 с.

183. Ьрюзгип A.A. 11ро1раммировапис в системе Windows. Практическое руков-во. /- М.: Ml I "Малин", 1992 290 с.

184. Кофлии Р., Дрискол Ф. Операционные усилители и линейные иптаральпые схемы. М.: Мир, 1979.- 360 с.бирск: Паука. Сиб. предприятие РАН, 1999. 337 с.1. УТВЕРЖДАЮ

185. Зам. генерального директора должность руководителя1. АКТ

186. О ВНЕДРЕНИИ РЕЗУЛЬТАТОВ НАУЧНО-ИССЛЕДОВАТЕЛЬСКОЙ (ОПЫТНО-КОНСТРУКТОРСКОЙ) РАБОТЫ № 127

187. Разработка Волгодонского института (филиала)

188. Южно-российского государственного технического университета

189. Технический уровень разработок=указать номер авторского свидетельства, патента

190. В ид в 11 едрс 11 и я Выполнение производственных работ п сди и I «ч I гом,и мелкосерийном н¡кугушдстве

191. Наименование документов, подтверждающих внедрение:

192. ЭФФЕКТИ ВНОСТЬ ШIКДРК1 . и я

193. Социальный эффект ц разтпис пауки и научных нсслсдопякнйвид эффекта (защита здоровья человека, охрана окружающей среди, совершенствование организационной структуры управления, развитие науки и научных исследований и т.д.)

194. Экономический эффекг от ьиедрсния разработок доетишут (достигается) за счетсокращения г.рсмспи материальных рссурсоп на пропеденне регламентныхнпи.пяний при подготовке проптподстпя корпусного оборудопяння АЗС

195. Получен фактический экономический эффект с момента ьпедрспня52?тыс, руб. (пятьсотдиялцять девять тысяч рублей)сумма цифрами и прописью

196. Годовой ожидаемый экономический эффект составляет1320тыс. руб. (одни миллион трис!я дкядн.ять тысяч рублей) .сумма цифрами и прописью1. Ш'ИЛОЖКНИК,1. Л.А. Дармастукфамилия и инициалы

197. НТЛ1иколаснко фамилия и инициалы1. Гланпый бухгалтер

198. Директор фипансокого управления1. Утверждаю1. Утверждаю1. Директор Л ВИ(ФЦ<МТУ(1ШИ)уу!. Д1 «Ч^1. А Черно» Л.В.1. А 2002 г.1. Главный сварщик1. ЗЛО " Энергостройсервис"па 1»»1щинщ' 2002 г.чНерешцикои В.Н.

199. Акт оимтно-проммшленпмх испытаний автоматизированной системы

200. Наименование документов, подтверждающих внедрение (с указанием Кя. даты;кт1шедрения----—------официальные формы отчетности, акты, протоколы комиссий и т. д.1. ЭФФЕКТИВНОСТЬ ВНЕДРЕНИЯ

201. Г'.пп:.тнм.:-гкий эффект от внедрения разработок дос-шгттr'.u.i г- )i) -.ci ■ уменьшения количествадефект.овлрии з г о то в ден и ируд о в ан иа.А Э.С

202. Наименование документов, подтверждающих внедрение (с указанием Кв. да, ил.зкгвнсд1»снии„.официальные формы отчетности, акты, протоколы комиссий и т. д.впкдллшп1. 0ргамм.":и1м»',им"-тг»\'н:',!иск11с проплат цсч-пк;аптоматиздц«« ."рояссса^нраилсиип.

203. О-г.пгглпч.-гчаш эффс-кт от внедрения расраышж д'.тлг>п" ! длстигпг-тгя) ?а иррьипспия.качсстпа.изделий АЭС• г"- г---'» СО".?«—.'.Л. .''«.■■уч.ч ,ц.д,"г<<м<г°с'.< 1 *г>"г"!ч>1мч.1Г. .• : .'и 1310 и.*'* Триста .сорок.

204. Л'"«-".1— «'Ч-ПСП'!«* ¡111М Т» (|'1 III 1'.МК ТМЧ'ГСК'М м ¡ч'Мр' П1 •„■• Ч'Т • I Ь1С.1. Ч.•!" ЦСУ СССР ^и-.;.^:;:::!• /ч-.-»¡«'(г".:-) "^по^мя-'Т I"! причин-.1Щ »>•».•»•Г I

205. ГС 'И '.</*• |-1 Даг"МГ>1( I ."■К"?!'ПМ! ¡Ч«— ' »")'.'),-К I"385 1ьк »^Г. Д'риста г.оссм».лссят пять ть?с. руС.и г. .- у гл: г::. Ш1И Триста.вохсмьдесятлятьтыс.руб.-у .;%:,. :: грог/л г:,'.) Фчкт1"К".*Ю1Й аффект Г»\»д»-г по »ч^т^ч'м'.т ип " И'г

206. Ь'Г. "\"'|ГГ».1 Г>\'ЛЛ"Г ПТМ1ММ.'Ч'М|:1 1М"ЛП1 ">,'Т,1!:1Т\'и^ПЛ*)ЖЕНИК: 1. Расчет (рак-гич'-.'к«"-«» «|.\ч.'>»*ч«>'} •цЬал-К ( и С НИ'гКггУК«Н«и1НЫМИ ПОДПИСЯМИ

207. Гл. бухгалюр Начальник ИЭО Другие службыа>. и.2851 <■> '.'к .УИГЛРЖЛАГО" ((.рсягрилтия)1. И^Уиич Н.С. ф. и. о11»гтекло1. Я К То ькедрении результатов научно-исслсловат^кскои (опытно-конструкторской) работы № 40С0

208. И:?.-:ачск1!с в«сг?яс«кч рвзр^оток „измеримо иоораб'зткаданиц^о„у^арке.крсье ;>Кочие фу,.лч'и внедренной ? эг > ;

209. СЛ»И.)ИА*к»Ч1» Л» пи»"' ГрСТийОЯЫ КОМИССИЙ ИТ Вtiш::о<л i» з;ni ¡lp::iр.ш

210. Of.r.i-naj и: ) 1\ чЬк icck.ic .реачумсспдсиних и и«Он n-'t'y* 1л »дкгорнст ИХ по Cî>av»t»"M:j с ».м .ча мггд^ *»м !. .г мантомрезультатов измерении на автоы'дтизировтииап2. С.'оцнллььий э^фокг

211. Дг.езос \част::с НИЛ в получении фактического эффекта сосгзацллтис. руГ.1. С'мчл h .траста десять 310

212. Л" .у'.'сьт!: > i :p.n.-.:::.j р:зрлСот ¡а*у. UJ ob