автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.16, диссертация на тему:Информационно-измерительная система для аттестации источников питания дуговой сварки

На правах рукописи

Бекетов Владимир Георгиевич

ИНФОРМАЦИОННО - ИЗМЕРИТЕЛЬНАЯ СИСТЕМА ДЛЯ АТТЕСТАЦИИ ИСТОЧНИКОВ ПИТАНИЯ ДУГОВОЙ СВАРКИ

Специальность 05.11.16 - Информационно-измерительные и управляющие системы (в машиностроении)

Автореферат

диссертации на соискание ученой степени кандидата технических наук

Волгоград - 2006

Работа выполнена на кафедре «Информационные и управляющие системы » Волгодонского института (филиала) государственного образовательного учреждения высшего технического образования Южно-Российского государственного технического университета (Новочеркасского политехнического института)

Научный руководитель:

тельский и проектно-конструкторский институт атомного машиностроения"

Защита состоится "30" ноября 2006 г. в 10.00 на заседании диссертационного совета К 212 028.01 при Волгоградском государственном техническом университете по адресу: 400131, г. Волгоград, пр. Ленина, 28, ауд. 209

С диссертацией можно ознакомиться в библиотеке Волгоградского государственного технического университета.

Автореферат разослан "24 " октября 2006 г. г

доктор технических наук,

профессор Кривин Валерий Вольфович

Официальные оппоненты:

доктор технических наук, профессор Шевчук Валерий Петрович доктор технических наук, профессор Сысоев Юрий Семенович

Ведущая организация: ОАО "Волгодонский научно-исследо в а-

Ученый секретарь диссертационного совета

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Научными исследованиями в области технологам процесса луговой сварки установлено, что основная группа дефектов сварного соединения зарождается в объеме сварочной ванны и вероятность их появления связана с характером протекания тепловых, электрических и гидродинамических процессов, протекающих в сварочном контуре. Указанные физические процессы имеют различный временной масштаб протекания, характеризуются существенной нелинейностью, слабой формализуемостью при описании. В работах В.В. Кривина показано, что такие процессы могут характеризоваться хаотическим движением своих параметров. Это означает, что по мгновенным значениям контролируемых параметров процесса невозможно точно предсказать значения показателей качества, и их принято характеризовать как ограниченно детерминированные. В данных работах показано, что при таких условиях возможным способом для управления качеством становится воздействие на процесс путем компенсации нестабильностей на этапе подготовки производства. Имеется в ввду, что на вход технологического процесса сварки должны поступать материалы, энергия и оборудование, технологические свойства которых отвечают нормативным требованиям для данного производства.

Сварочное производство при изготовлении и монтаже атомных энергетических установок подчиняется ряду постановлений Госгортехнадзора РФ и "Общим положениям и правилам контроля" (ОП и ПК). 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.

Постановление Госгортехнадзора РФ от 19 июня 2003 г. N 102 "Об утверждении Порядка применения сварочного оборудования при изготовлении, монтаже, ремонте и реконструкции технических устройств для опасных производственных объектов" регламентирует проведение работ по аттестационным испытаниям сварочных источников питания, что встраивается в общую систему качества.

Однако проведенные исследования показывают, что, несмотря на все меры, принимаемые при контроле и аттестации, в реальном производстве сохраняется высокий уровень нестабильности сварочного процесса. Это объясняется трудностями получения объективной и доступной оценки качества сварного соединения: практически все существующие методы контроля либо дороги (например, методы разрушающего контроля), либо содержат элемент необъективности - экспертные оценки.

Таким образом, для производства ответственных изделий в энергетическом машиностроении актуальным является решение проблемы повышения эффективности, надежности и производительности контроля и аттестации процесса дуговой сварки. Решение этой проблемы связано с разработкой математических методов получения идентификационных характеристик и методик классификации процесса сварки, основанных на них алгоритмов, а также создание информационно-измерительной 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", утвержденным на период 1995-2005 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" 1996 г. ПО "Атоммаш"; "Автоматизированная система контроля технологических свойств сварочных материалов" 1997 г. ПО "Атоммаш"; "Автоматизированная система аттестации оператора-сварщика РДС" 2003 г. ОАО "ЭМК-Атоммаш".

Цель и задачи работы. Целью диссертационной работы является повышение производительности и эффективности, а также снижение себестоимости процесса аттестации сварочных источников питания на этапе подготовки производства, путем автоматизации. Для достижения поставленной цели необходимо решить следующие основные задачи:

1) Провести анализ параметров процесса дуговой сварки, их классификацию и обосновать выбор математических методов обработки данных;

2) Разработать методы получения численных идентификационных характеристик процесса дуговой сварки для оценки показателей сварочных свойств источников питания;

3) Разработать нейросетевой классификатор для генерации формализованных оценок показателей качества контрольного сварного соединения взамен экспертных оценок;

4) Разработать автоматизированную информационно-измерительную систему (ИИС) для аттестации источников питания дуговой сварки.

Методы исследований. Экспериментальные исследования проводились с применением цифровой ИИС. Для классификации процесса дуговой сварки плавлением использованы методы математической статистики, спектральные методы анализа процессов, для обоснованного определения значений параметров - методы математического моделирования, кластеризации данных и методы оптимизации, для разработки программного обеспечения и интерфейса - методы проектирования информационных систем.

Научная новизна. Новизна научных результатов, полученных в диссертационной работе, заключается в следующем:

1) Установлено, что использование разработанного робастного метода кластеризации параметров технологического процесса, путем построения двумерных распределений эмпирических данных, позволяет получить идентификационные характеристики процесса дуговой сварки.

2) Показано, что применение разработанного иерархического нейросетевого классификатора, на основе массива измеренных мгновенных значений тока сварки и напряжения дуги при проведении контрольного сварочного процесса, позволяет генерировать формализованные оценки показателей сварочных свойств источников питания.

3) Разработанная новая автоматизированная информационно-измерительная система аттестации источников питания позволяет существенно сократить расходы и время на проведение аттестационных процедур, а также повысить объективность и надежность экспертных оценок при подготовке сварочного производства.

Практическая значимость работы заключается в создании и внедрении ИИС контроля и аттестации сварочного оборудования, что позволяет: высвободить людские и материальные ресурсы на проведение регламентных испытаний сварочных источников питания при аттестации сварочного оборудования; повысить точность и производительность процессов измерений. 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) Метод кластеризации данных совместного распределения мгновенных значений тока сварки и напряжения дуги, позволяющий получить численные идентификационные характеристики состояния процесса дуговой сварки плавящимся электродом.

2) Метод предподготовки данных для нейросетевого классификатора показателей качества контрольного сварного соединения, получаемого при аттестации сварочного источника питания. .

3) Метод генерации оценок показателей сварочных свойств источника питания дуговой сварки, определяющий качество сварочного оборудования.

Реализация результатов работы. Теоретические, методические и аппаратно-программные разработки нашли практическое применение на предприятиях атомного энергетического машиностроения, 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 500 тыс. руб. за счет: повышения качества и снижения затрат на устранение дефектов сварных соединений; повышения производительности и уменьшения материальных затрат при контроле и аттестации сварочных источников питания.

Апробация работы.

- на научной конференции "Новые материалы, приборы и технологии", октябрь 1999 г., ВИ(Ф)ЮРГТУ(НПИ);

- на 17-й Международной научно-технической конференции "Математические методы в технике и технологиях", 1- 3 июня 2004г., Кострома, КРГГУ;

- на кафедре "Вычислительная техника", Волгоград, май 2006г., ВолгГТУ; на семинарах кафедры "ИиУС" ВИ(Ф)ЮРГТУ(НПИ), 1999-2005гт.

Публикации.

Материалы диссертации опубликованы в 4 печатных работах, из них две - сборники научных трудов ВИ(Ф)ЮРГТУ(НПИ), одна - материалы Международной научной конференции, одна— статья.

Структура и объем диссертации. Диссертационная работа состоит из введения, четырех глав, основных результатов, списка литературы и приложений. Она изложена на 144 страницах основного текста, в том числе содержит 71 рисунок, 8 таблиц и одно приложение. Список литературы состоит из 76 наименований.

Личный вклад автора

При проведении научных исследований на кафедре "ИиУС" ВИ(Ф) ЮРГТУ (НПИ), автором лично разработаны: алгоритм реализующий метод кластеризации данных совместного распределения мгновенных значений тока сварки и напряжения дуги; метод и алгоритм генерации, формализованных оценок показателей сварочных свойств источника питания дуговой сварки; алгоритм получения семейства вольтамперных характеристик источников питания на основе результатов контрольной сварки; интерфейс пользователя ИИС для испытаний источников питания дуговой сварки; алгоритм автоматической генерации отчета по проведенной аттестации сварочного оборудования.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

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

Первая глава "Характеристика процесса дуговой сварки плавящимся электродом" посвящена рассмотрению технологического процесса дуговой с£арки плавящимся электродом и методики аттестации сварочного оборудования.

По ряду рассмотренных научных работ В.П. Никитина, К.К. Хренова, Б.Е. Патона, А.И. Акулова, Б.К. Лебедева и др. проведен анализ физических процессов при сварке плавлением. В указанных работах 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, CA. Куркина, ЭЛ. Гладкова, U.E. Алехина, Н.С. Львова, Г.Г. Чернышева. Вопросам автоматизации аттестации сварочных процессов посвящены работы С.А. Куркина, A.B. Чернова, В.В. Кривина, М.Ю. Винниченко, В.А. Фролова идр.

На основе изучения предметной области была сформулирована концепция работы, в которой выделены недостатки при проведении аттестации сварочного оборудования. Решение проблемы повышения производительности и качества аттестационных испытаний связано с организацией промышленного эксперимента, разработкой формальных методов получения данных о процессе сварки и его классификации на множестве идентификационных характеристик. Учитывая, что информация о сварочном процессе имеет разнородный характер, а ее оперативное использование затруднено сложностью и трудоемкостью в обработке экспериментальных данных, были определены задачи по разработке формальных моделей, связывающих показатели качества сварного соединения с текущими значениями данных процесса.

При анализе физических процессов дуговой сварки, как правило, рассматривают механические, тепловые, физико-химические и металлургические, а также термодеформационные процессы. Эти физические процессы протекают в так называемом сварочном контуре, образуемом источником питания, электродом, дугой, ванной и собственно сварным швом (ИП-Э- Д—В-Ш), как показано на рисунке 1.

Z**

ил

Э - плавящийся электрод; Д -дуга; В -ванна; Ш -сварной шов; ИП — источник питания; Z-внутреннее сопротивление ИП; £-ЭЛС источника летания

Рисунок 1 - Сварочный контур

Элементы сварочного контура характеризуются динамическими связями, определяемыми скоростью протекания в них различных физических процессов, что представлено данными таблицы 1.

Процесс Порядок временного масштаба, сек

Движения руки оператора-сварщика 10"'

Реакция сварочного источника питания на изменения нагрузки Ю*

Гидродинамические явления в сварочной ванне Ю*

Плавление и кристаллизация металла заготовки МО

Плавление электрода и капельный перенос металла электрода в сварочную ванну Время пролета одной капли -10^-10*

Собственные д вижения дуги Менее Ю"4

Сварочный контур представляется взаимосвязанной системой, работающей в статических и динамических режимах. Статическая вольтамперная характеристика (ВАХ) представляет собой зависимость напряжения от тока в цепи. Динамические свойства источника питания характеризуются переходными процессами. Основными видами возмущений при сварке плавлением являются возмущения по сети и нагрузке. Возмущения по сети довольно легко устраняются схемой управления источника питания, действуют кратковременно с достаточно большим интервалом.

Возмущения по нагрузке возникают на протяжении всего процесса сварки. Их характер, периодичность и величина являются определяющими факторами стабильного формирования шва. На практике анализ динамических свойств проводится на основе прямого измерения параметров переходного процесса при подаче единичного ступенчатого воздействия. В качестве нагрузки при аттестационных испытаниях источников питания используются балластные реостаты.

Однако, как показывают проведенные исследования, область существования действительных значений сигналов сварочного тока /ев и напряжения на дуге 1/А гораздо шире, чем статическая В АХ, что и видно на рисунке 2.

Рисунок 2 - Статические электрические характеристики процесса сварки

и их мгновенные значения Это связано с тем, что на мгновенные значения сварочного тока и напряжения на дуге влияет большое количество недетерминированных (случайных по величине и времени) возмущений. Следовательно, эти сигналы следует рассматривать как случайные процессы, про-

текаюшие во времени. В связи с этим, при исследовании сигналов сварочного тока /св и напряжения на дуге 11л необходимо учитывать их динамические и статические характеристики. На рисунке 3 представлен график совместной плотности распределения мгновенных значений /св и где разной яркостью отображено количество точек, попавших в каждую область (темнее—больше).

1Гд,(В)

зо <0 во во юо 1зо 1«о 1во ко зоо /«.1М

Рисунок 3 - График совместной плотности распределения /ев и С/д,

При визуальном анализе графика видны четко разделенные группы точек. Эксперты-технологи идентифицируют эти группы как известные состояния процесса: 1- холостой ход, 2 - горение дуги и 3 - капельный перенос металла. Такой график можно интерпретировать как "топологический портрет" процесса за определенный отрезок времени, и если получить его численные идентификационные характеристики, то можно связать их с показателями качества конкретного участка сварного шва. Показатели качества нужно оценивать на основе лабораторных испытаний стандартными методами разрушающего и неразрушающего контроля, то есть объективными методами.

В первой главе проведен анализ методик аттестации сварочных источников питания, который показал, что большую часть контрольных параметров (показатели сварочных свойств ИП) получают на основе субъективных экспертных оценок, что зачастую приводит к ошибкам при принятии решения о пригодности сварочного оборудования. Лабораторные испытания контрольных сварных соединений значительно повысят стоимость аттестационных работ, а применение объективных методов оценки качества не приводит к удорожанию работ и позволяет исключить субъективные оценки.

В связи с этим на кафедре "Информационные и управляющие системы" ВИ ЮРГТУ (НПИ) была поставлена задача - разработать информационно-измерительную систему аттестации сварочных источников питания на основе последних достижений электронной вычислительной техники и новых методов обработки информации.

Во второй главе "Методы и алгоритмы обработки измерительной информации при исследовании процесса сварки" показано применение традиционных и современных приемов обработки информации, полученной в ходе эксперимента.

Значительное место при исследовании сварочного процесса занимают спектральные методы. Основой спектральных методов состоит в том, что обработка сигнала, являющегося функцией времени, заменяется обработкой спектра сигнала, являющегося функцией частоты. Составляющие процесса сварки, такие, как колебания сварочной ванны, каплеперенос и другие, характеризуются очень разными характерными временами протекания событий

(таблица 1), и это обосновывает необходимость применения спектральных методов для их отдельного исследования. Спектральная обработка измеренных сигналов позволила обосновать параметры фильтрации как аппаратными средствами, так и программными фильтрами. *

Статистические методы исследования дуговой сварки

В первой главе было показано, что применение численных идентификационных характеристик процесса сварки позволит получить формализованные оценки показателей сварочных свойств источников питания. В настоящей работе предлагается метод получения численных идентификационных характеристик на основе статистической обработки эмпирических данных процесса.

При использовании стандартных статистик, как идентификационных характеристик процесса сварки, необходимо учитывать, что измеряемые параметры тока и напряжения имеют смеси распределений, что видно го рисунка 3. Если применить статистическую обработку по всему массиву измеренных мгновенных значений 1СВ и С/д , тогда не будут учитываться различные технологические состояния, в которых находится процесс. Фактически при их вычислении происходит усреднение по всем состояниям, т.е. потеря информации о них.

Разработанный метод получения численных идентификационных характеристик состоит в выделении групп данных, которые заведомо принадлежат к одному распределению (состоянию процесса сварки), и в подборе наиболее точного теоретического распределения эмпирических данных в группах.

Общие теоретические принципы, устанавливающие связь между случайными характеристиками различного уровня влияния на контролируемый процесс, определяются достаточно просто. Действительно, если ) плотность вероятности измеряемой

/—мерной случайной величины X, зависящей от т-мерной случайной величины § = ((9р...,<9т), непосредственные измерения которой невозможны, то функция являющаяся смесью распределений , определит нам безусловную плотность

вероятности случайных характеристик х контролируемого процесса.

(о

Укажем способы проведения оценок величин неизвестных характеристик (вероятностей р(, а также неизвестных параметров, характеризующих дифференциальные функции

распределения /(X, В) в предположении, что вид этих функций априори известен).

I) Алгебраический способ. Этот способ предполагает либо непосредственное вычисление параметров плотности вероятности /(х, , либо их косвенное вычисление, посредством составления систем уравнений, связывающих искомые величины (1). Использование этого метода вызывает необходимость предварительной кластеризации измеренных данных, что далеко не всегда представляется возможным. Причиной этого является то, что множества измеренных случайных параметров, характеризующих различные состояния случайного процесса, чаще всего имеют непустое пересечение, и решить вопрос, какому состоянию процесса отнести измеренное значение параметра, лежащее в указанном пересечении множеств, не представляется возможным.

Учитывая сказанное, алгебраический способ определения параметров целесообразно использовать для грубой первичной оценки искомых параметров с последующим их уточнением другими методами.

2) Аппроксимация плотности вероятности по методу наименьших квадратов состоит в аппроксимации функции су(х) сравнением ее значений с соответствующими значениями, полученными по гистограмме. Достоинством этого метода является то, что при его применении исчезает необходимость предварительной кластеризации статистических данных. Основными проблемами, возникающими при использовании этого метода, являются выбор метрики при построении целевых функций для указанной аппроксимации и «эффект оврагов», возникающий при оптимизации полученных целевых функций,

.3) Метод наибольшего правдоподобия. Достоинствами этого метода являются, во-первых, устранения необходимости кластеризации статистических значений, во-вторых, при его использовании исчезает необходимость выбора метрики при построении целевой функции (функции правдоподобия). Недостаток этого метода, как и предыдущего, состоит в том, что он приводит к необходимости оптимизации целевых функций, обладающих сильно выраженным «эффектом оврагов».

Отметим, что наиболее эффективным является использование комбинированного метода. На первом этапе используют алгебраический метод, а затем полученные на его основе результаты уточняют либо методом наибольшего правдоподобия, либо (если метод правдоподобия не удается использовать) методом аппроксимации.

Поскольку ранее определено, что распределение данных в любом состоянии сварочного процесса имеют нормальный закон распределения, то естественно попытаться ток сварки и напряжение на дуге описать смесью трех гауссовых законов распределения. Итак, плотность вероятности распределения тока и напряжения на дуге (как случайных величин) будем искать в следующем ввде:

аы2тс 2 ак

Здесь неизвестными параметрами являются математические ожидания ¿ц , ц2 > Мз > Дисперсии сг,, сг2, сг3 тока/напряжения на дуге (как случайных величин) в каждом из трех состояний процесса, а также вероятности р]г р2 и р3 нахождения соответствующего сигнала в каждом из состояний.

Для определения точки максимума функции правдоподобия был использован метод градиентного спуска, представленный в программном пакете МАТ1АВ. Поскольку непосредственное применение этого метода по всем параметрам (, ¿¿2 > Мг»»> >

Рг»Рг»Рз) одновременно для решения задачи не позволило получить результаты с необходимой точностью из за "овражной" структуры целевой функции, то метод градиентного спуска применялся на различных подпространствах пространства искомых параметров. Каждый итерационный шаг используемого алгоритма состоял из оптимизации целевой функции

методом градиентного спуска сначала по параметрам (/£,, }Л2, )ЛЪ, сг,, <т2, с3), а затем по

(Р\ > Рг»Рг Для получения необходимой точности достаточно было выполнение десяти итераций.

Наряду с методом наибольшего правдоподобия для определения неизвестных значений характеристик была также использована аппроксимация плотности вероятности по методу наименьших квадратов. Как и в предыдущем случае, для нахождения точки минимума построенной целевой функции использовался тот же метод градиентного спуска.

Проверка критерием Колмогорова показала, что наибольшее доверие вызывают значения параметров, найденные методом наибольшего правдоподобия. Более того, поскольку области значений напряжения на дуге не пересекаются, то, проводя анализ этих значений любым из трех перечисленных методов, мы обязаны получить одинаковыми соответствующие вероятности рх, рг и , и эти вероятности определяют нахождение сварочного процесса в том или ином состоянии. Совершенно очевидно, что определять указанные вероятности алгебраическим методом на основе анализа тока сварки не целесообразно. Погрешность в этом случае достигает 10%. В то же время, предлагаемое в работе использование метода наибольшего. правдоподобия приводит к погрешности, не превышающей 1%. На рисунке 4 приведен пример распределения значений тока сварки.

ааг

0.06

0.05 -

0.04

0.0Э

0.02

0.01

20 40 60 ео 100 120 140 160 180 200

I А

Рисунок 4 - Гистограмма тока сварки (/«) и кривые распределений: 1- кривая распределения, найденная алгебраическим методом; 2- методом наименьших квадратов; 3- методом наибольшего правдоподобия.

Аналогично проводится расчет для напряжения душ. Используя рассчитанные параметры распределения по каждому из параметров, получаем распределение двумерной величины (/и, С/Д показанное на рисунке 5,

о в

Рисунок 5 - Совместное распределение для сигналов /и и(/д

Учитывая понятие робастности состояний процесса (процесс в ограниченной области должен быть унимодальным) и применив правило "трех сигм", удалось локализовать области данных, соответствующие следующим состояниям процесса: 1 — холостой ход, 2 - горение дуги, 3 - область коротких замыканий (рисунок 5). Используя статистические параметры, полученные разработанным методом, мы получаем массив численных идентификационных характеристик процесса, который представлен в таблице 2, и можем классифицировать его по критериям качества контрольного сварного соединения.

Для соотнесения идентификационных характеристик с показателями качества разработан иерархический нейросетевой классификатор, объединяющий две различных нейронных сети (рисунок 7). Первая сеть состоит из слоя Кохонена с конкурентным обучением и предназначена для разбиения входного пространства образов на кластеры. Второй слой представляет собой совокупность нейронных сетей, которые хранят образы, принадлежащие различным показателям качества. Число нейронных сетей равняется числу показателей сварочных свойств оборудования, которые записаны в регламенте аттестации. В качестве классифицирующей нейронной сети используется однослойный персептрон с пороговой функцией активации. Выходными данными слоя Кохонена являются номера кластеров, которые формируют вектор входа для классификатора.

Рисунок 6 - Архитектура иерархического нейросетевого классификатора

Алгоритм функционирования нейронной сети дли иерархической классификации образов состоит из следующих шагов: 1) Подается входной образ ^(идентификационные характеристики процесса контрольной сварки) на нейронную сеть; 2) Для каждого столбца матрицы X определяется нейрон-победитель в карте Кохонена (номер кластера), и заносится в вектор выхода; 3) В соответствии с решаемой задачей возбуждается одна из нейронных сетей

слоя классификации, на которую и подается результат кластеризации; 4) Производится процедура распознавания образов (вектора с номерами кластеров) и на выходе одного из пяти нейронных элементов персептрона появляется единица, а на остальных ноль. Номер нейронного элемента с единицей на выходе есть балл (от 1 до 5) оценки входного вектора. Полученные оценки сварочно-технологических характеристик источника питания (начальное зажигание дуги, стабильность процесса, эластичность душ и т.д.) сохраняются и в дальнейшем входят в отчет по аттестации. ,

В третьей главе "Экспериментальные исследования сигналов в процессе сварки плавлением" представлена схема установки для проведения промышленного эксперимента, а также результаты фильтрации сигналов и расчет идентификационных характеристик процесса с последующей нейросетевой классификацией.

Как показал анализ, проведенный в первой главе, существующие в настоящее время измерительные системы, предназначенные для аттестации сварочного оборудования, обладают рядом существенных недостатков; приборы не соединены в единый измерительный комплекс; обработка данных для каждого прибора предполагает наличие отдельных программных продуктов, результаты которых в общий отчет об испытаниях вносятся вручную; построение семейства вольтамперных характеристик источников питания производится на данных от специализированных нагрузочных устройств, а не на данных реального процесса

Поэтому для проведения экспериментов по контролю качества сварочного оборудования для ручной дуговой сварки и установления их связи с параметрами сварочного тока и напряжения на дуге возникла необходимость в разработке информационно-измерительной системы, приведенной на рисунке 7.

Рисунок 7 - Функциональная схема измерительной системы Здесь: БСУ — блок согласующих усилителей; ФНЧ — фильтр нижних частот, АЦП -аналого-цифровой преобразователь, модуль Е-140.

Помехозащищенность измерительной системы достигается за счет выноса блока согласующих усилителей, модуля Е-140 (АЦП) и ЭВМ от места сварки на расстояние 3-4 метра, а соединение согласующих усилителей со сварочным оборудованием выполнено экранированной витой парой.

Используя измеренный массив мгновенных значений тока и напряжения сварки, и применяя метод расчета наиболее достоверной теоретической кривой распределения данных, приведенный в главе 2, можем локализовать области данных процесса, где они находятся с наибольшей вероятностью. Провед я расчет неизвестных параметров уравнения (2), получаем идентификационные характеристики процесса. Далее ограничиваем области данных для каж-

дой функции распределения применяя правило "трех сигм". Каждая область данных является эллипсом - полуоси которого равны За! и Зсти (Рисунок 8).

РИСА^Д«МНН* л«нм«1|г процесс«

Рисунок 8 - Локализованные области данных процесса

Угол наклона большой полуоси равен коэффициенту корреляции тока и напряжения в каждой области, т.е. большая полуось эллипса проходит по прямой линейной регрессии в соответствующей области (4).

(4)

и-и ~г

('"Л)

Окончательным результатом применения метода является таблица 2, содержащая для всех выделенных областей статистические параметры.

О"! Р2 <г2 Рз оъ

иа 0,124 1.583 4.235 0,810 2.359 22.373 0,066 1.292 84.598

А;в 0,124 4.768 172.460 0,779 9.726 135.903 0,098 0.143 22.262

Содержимое таблицы и является идентификационными характеристиками, несущими информацию о сварочном процессе, и они применены непосредственно в системе автоматической классификации.

Нормализация данных и корреляционный анализ позволили получить массив входных данных для обучения нейросетей. Проведя обучение сетей с различным количеством нейронов, были определены оптимальные размеры карты Кохонена и проведена кластеризация данных.

На основе использования измеренных данных из области горения дуги (рисунок 8 область 2), разработан алгоритм расчета ВАХ источника питания. В результате проведения трех контрольных сварок при минимальном, номинальном и максимальном токе сварки строится график семейства вольтамперных характеристик ИП и включается в отчет об аттестации.

В четвертой главе подробно рассматривается аппаратная и программная реализация автоматизированной информационно измерительной системы аттестации сварочных источников питания.

Проведенные исследования с использованием экспериментальной установки, а также анализ работ, посвященных проектированию и применению цифровой вычислительной техники в средствах технологических измерений, позволили сформировать структурную схему разрабатываемой информационно измерительной системы (рисунок 9). .

сзлл

Система - п сбора данных

Fr(u)

1" л У"-'! Режим работы ИП *; ■\ | пв% ПН% Г-

f

¡■¿^.S-S Matlab script

Частот* I' Wi питающей сети

1

Генерация протоколе испытаний сварочного оборудования

Рисунок 9 - Структурная схема информационно-измерительной системы Общая структура автоматизированной системы аттестации состоит из трех основных блоков:

1) аппаратная часть - система сбора данных, осуществляющая связь между объектом исследования (сварочным контуром) и средой программной обработки;

2) программная часть, производящая преобразование и визуализацию поступающей информации, необходимые вычисления и формирование итогового протокола аттестации;

3) нейросетевой генератор экспертных оценок, позволяющий по данным контрольной сварки при проведении испытаний получить формализованные "экспертные" оценки технологических свойств источников питания.

Анализ характеристик измерительного тракта системы сбора данных позволяет сделать вывод о ее применении в аттестационных испытаниях, т.к. относительная погрешность измерения не превышает 1%, что удовлетворяет требованиям нормативной документации по проведению аттестации сварочного оборудования.

Программная часть реализована в двух пакетах программ (ЬаЬ\У1еу и Ма^аЪ), позволяющих производить запись и обработку регистрируемой информации:

В пакете ЬаЬМтеу разработаны — программа управления параметрами АЦП Е-140, процедуры визуализации и записи на диск регистрируемых сигналов, а также интерфейс пользователя в виде виртуальных приборов со встроенным генератором отчетов;

В пакете Ма1]аЬ разработаны - программа реализующая метод получения идентификационных характеристик сварочного процесса, нейросетевая программа генерации оценок показателей сварочных свойств сварочного оборудования на основе идентификационных характеристик и программа для получения семейства вольт-амперных характеристик источника питания,

В заключении диссертации подведены тоги исследования, перечислены научные результаты и выводы.

Основные результаты работы

Содержанием настоящей диссертационной работы является разработка как методов по идентификации процесса сварки плавлением, так и разработка ИИС позволяющей обеспечил, надежными и точными автоматизированными методами проведение аттестации сварочного оборудования на этапе подготовки производства.

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

1) На основе исследований процесса дуговой сварки плавлением показано, что процесс характеризуется несколькими состояниями распределения параметров. Разработан новый метод расчета наиболее достоверной теоретической кривой при смеси распределений данных процесса. Применение данного метода позволяет получил, идентификационные характеристики процесса дуговой сварки, состоящие из рассчитанных коэффициентов функции распределения тока сварки и напряжения дуги и использовать их для классификации показателей качества контрольного сварного соединения.

2) Разработана методика нейросетевой кластеризации эмпирических данных на основе использования идентификационных характеристик технологического процесса сварки.

3) Разработан иерархический нейросетевой классификатор для получения формализованных оценок показателей сварочных свойств источников питания дуговой сварки. Применение классификатора позволит избежать субъективности экспертных оценок в процессе аттестации.

4) Разработана новая мобильная ИИС для аттестационных испытаний источников питания дуговой сварки, позволяющая:

- повысить производительность работ при аттестации за счет автоматизации: измерений, расчетов и подготовки отчетов по испытаниям;

- повысить объективность оценок показателей сварочных свойств источников питания в результате применения нейросетевого классификатора параметров контрольной сварки;

- снизил» затраты на проведение работ при аттестации за счет применения менее дорогостоящего оборудования, использования возможности проведения аттестации в производственных условиях. -

5) Создана и прошла опытно-промышленное испытание в производственных условиях ОАО "ЭМК Атоммаш" и ЗАО "Энергостройсервис" автоматизированная контрольно-измерительная система аттестации сварочного оборудования. ИИС позволяет значительно сократить расходы (более чем в 5 раз) и время (более чем в 3 раза) на проведение аттестационных процедур. . ,

Библиографический список опубликованных работ по теме диссертации:

1) Бекетов В.Г., Кривин В.В., Руденко П.И. Автоматическая классификация процесса сварки на основе самообучающейся нейронной сети. // Математические методы в технике и технологиях: Сб. науч. тр. ХУД Междунар. научи.-технич. конф. / Кострома. Издательство КГТУ, 2004. -С. 43-46

2) Бекетов В.Г., Бут С.Н., Чернов A.B. Моделирование процесса ручной дуговой сварки средствами компьютерной графики. // Известия высших учебных заведений. Северокавказский регион. Технические науки, 2004. Приложение №5. - С. 4S -52

3) Чернов A.B., Кавришвили З.О., Бекетов В.Г., Ульянова О.В. Использование вероятностного подхода при сравнительной оценке свойств элементов сварочного контура. // Известия высших учебных заведений. Северокавказский регион. Технические науки, 2004. Приложение №5.-С. 118-122

4) Чернов A.B., Сас A.B., Бекетов В.Г., Ульянова О.В. Марковская модель процесса ручной дуговой свартшУ/Сварочное производство, 2006, №8.-С. 14-17

Бекетов Владимир Георгиевич

ИНФОРМАЦИОННО - ИЗМЕРИТЕЛЬНАЯ СИСТЕМА ДЛЯ АТТЕСТАЦИИ ИСТОЧНИКОВ ПИТАНИЯ ДУГОВОЙ СВ АРКИ

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Сдано в набор 3.10.06. Подписано в печать с оригинала-макета 14.10.06. Формат 60x84/16. Бумага офсетная. Печать трафаретная. Усл. печ, л. 1.

Тираж 100 экз. Заказ № 921

Южно-Российский государственный технический университет Типография ЮРГТУ (НПИ) Адрес ун-та и типографии: 346428, Новочеркасск, ул. Просвещения,132.

ВЕДЕНИЕ.

1 ХАРАКТЕРИСТИКИ ПРОЦЕССА СВАРКИ И ОСОБЕННОСТИ

ИХ ПО ЛУЧЕНИЯ.

1.1 Физические процессы при сварке плавлением

1.2 Основные характеристики технологического процесса дуговой сварки

1.3 Аттестация технологических компонентов как средство повышения качества сварных соединений.

1.4 Цель и задачи работы.

2 МЕТОДЫ И АЛГОРИТМЫ ОБРАБОТКИ ИЗМЕРИТЕЛЬНОЙ

ИНФОРМАЦИИ ПРИ ИССЛЕДОВАНИИ ПРОЦЕССА СВАРКИ

2.1 Спектральные методы

2.2 Статистические методы.

2.3 Регрессионные методы.

2.4 Статистическая обработка параметров многовариантных технологических процессов

2.5 Нейросетевая кластеризация и классификация данных.

Выводы к главе 2.

3 ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ СИГНАЛОВ В ПРОЦЕССЕ СВАРКИ ПЛАВЛЕНИЕМ.

3.1 Функциональная схема установки для промышленного эксперимента

3.2 Спектральный анализ и фильтрация сигналов.

3.3 Расчет идентификационных параметров процесса сварки.

3.4 Нормализация данных и корреляционный анализ.

3.5 Построение и обучение нейросетевого классификатора.

3.6 Обработка экспериментальных данных.

Выводы к главе 3.

4 РАЗРАБОТКА СИСТЕМЫ АТТЕСТАЦИИ СВАРОЧНОГО

ОБОРУДОВАНИЯ.

4.1 Аппаратная реализация системы сбора данных.

4.2 Программная реализация расчетов в пакете MatLab.

4.2.1. Определение семейства внешних статических характеристик источников питания.

4.2.2. Нейросетевой классификатор качества процесса сварки.

4.3 Информационно-регистрирующая система в среде Lab View.

4.3.1. Виртуальные приборы регистрации данных.

4.3.2. Генератор отчета об испытаниях сварочного оборудования

4.3.3. Интерфейс информационно измерительной системы

Выводы к главе 4.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ.

Дуговая сварка плавящимся металлическим электродом в настоящее время является одним из самых распространенных методов получения неразъемных соединений при изготовлении металлоконструкций. Это объясняется простотой и мобильностью применяемого оборудования, возможностью выполнения сварки в различных пространственных положениях и в местах, труднодоступных для механизированных способов сварки.

Современными исследованиями в области технологии процесса дуговой сварки установлено, что основная группа дефектов сварного соединения зарождается в объеме сварочной ванны, и вероятность их появления связана с характером протекания тепловых, электрических и гидродинамических процессов в сварочном контуре.

При решении задач повышения качества продукции можно выделить ряд технологических процессов, для которых характерными классификационными признаками являются: объединение разнородных физических процессов, имеющих различный временной масштаб протекания; существенная нелинейность; слабая формализуемость при описании и др.

Известно [1, 14], что объекты с такими свойствами, в силу названных причин, могут характеризоваться хаотическим движением своих параметров. Это означает, что по мгновенным значениям контролируемых параметров процесса невозможно точно предсказать значения показателей качества. В f этом смысле технологические процессы такого типа принято характеризова ть как ограниченно детерминированные (хаотические). В работах Кривина В.В. показано, что при таких условиях возможным путем для управления качеством становится воздействие на процесс путем компенсации нестабильностей на этапе подготовки производства. Имеется в виду, что на вход технологического процесса поступают материалы, энергия и оборудование, технологические свойства которых отвечают нормативным требованиям для данного производства.

Сварочное производство при монтаже атомных энергетических установок подчиняются ряду постановлений Госгортехнадзора РФ [15,16,17]. 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.

Постановление Госгортехнадзора РФ от 19 июня 2003 г. N 102 "Об утверждении Порядка применения сварочного оборудования при изготовлении, монтаже, ремонте и реконструкции технических устройств для опасных производственных объектов" [16] регламентирует проведение работ по аттестационным испытаниям сварочных источников питания, что встраивается в общую систему контроля качества.

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

Таким образом, для производства ответственных изделий в энергетическом машиностроении актуальным является решение проблемы повышения точности, надежности и производительности контроля и аттестации процесса сварки плавлением. 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. Настоящая 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 1995-2005 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" 1995 г. ПО "Атоммаш"; "Автоматизированная система контроля технологических свойств сварочных материалов" 1997 г. ПО "Атоммаш"; "Информационно-регистрирующая система ИРИС-М" 1997 г. ВНИИМонтажспецстрой; "Автоматизированная система аттестации оператора-сварщика РДС" 2003 г. ОАО "ЭМК-Атоммаш".

Целью диссертационной работы является совершенствование методик аттестации сварочного оборудования при подготовке технологических процессов изготовления, монтажа, ремонта оборудования АЭС средствами автоматизации. Для достижения поставленной цели необходимо было решить следующие основные задачи:

1) произвести анализ параметров процесса сварки как объекта исследования, их классификация и обоснование выбора математических методов обработки данных;

2) разработка робастных методов получения численных характеристик состояния процесса дуговой сварки для идентификации качества сварочного оборудования;

3) разработать нейросетевой классификатор для генерации формализованных экспертных оценок качества сварного соединения при проведении контрольной сварки взамен экспертных оценок;

4) разработать автоматизированную информационно-измерительную систему (ИИС) для аттестации источников питания дуговой сварки.

Экспериментальные исследования проводились с применением цифровой информационно-измерительной системы, разработанной на кафедре "Информационные и управляющие системы" ВИ ЮРГТУ. Для классификации процесса сварки плавлением использованы методы математической статистики, спектральные методы анализа данных, для обоснованного определения значений параметров - методы математического моделирования, методы оптимизации и кластеризации данных, для разработки программного обеспечения и интерфейса - методы проектирования информационных систем.

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

1) Установлено, что использование разработанного робастного метода кластеризации параметров технологического процесса, путем построения двумерных распределений эмпирических данных, позволяет получить идентификационные характеристики процесса дуговой сварки.

2) Показано, что применение разработанного иерархического нейросетевого классификатора, на основе массива измеренных мгновенных значений тока сварки и напряжения дуги при проведении контрольного сварочного процесса, позволяет: генерировать формализованные оценки показателей сварочных свойств источников питания.

3) Разработанная новая автоматизированная информационно-измерительная система аттестации источников питания позволяет существенно сократить расходы и время на проведение аттестационных процедур, а также повысить объективность и надежность экспертных оценок при подготовке сварочного производства.

Практическая значимость работы заключается в создании и внедрении информационно-измерительной системы контроля и аттестации сварочного оборудования, что позволяет повысить эффективность (высвободить человеческие и материальные ресурсы) проведения регламентных испытаний сварочных источников питания в центрах аттестации сварочного оборудования, существенно сократить брак в сварных соединениях при производстве ответственных конструкций опасных производственных объектов. Также значимость работы заключается в предложенных инженерных методах проектирования автоматизированных систем контроля и аттестации сварочных процессов, позволяющих существенно снизить продолжительность и трудоёмкость выполнения этих работ, проводить аттестационные испытания на рабочих местах без транспортировки в специализированные аттестационные центры.

На защиту выносятся следующие основные положения работы:

1) Метод кластеризации данных совместного распределения мгновенных значений тока сварки и напряжения дуги, позволяющий получить численные идентификационные характеристики состояния процесса дуговой сварки плавящимся электродом.

2) Метод предподготовки данных для нейросетевого классификатора показателей качества контрольного сварного соединения, получаемого при аттестации сварочного источника питания.

3) Метод генерации оценок показателей сварочных свойств источника питания дуговой сварки, определяющий качество сварочного оборудования.

Реализация результатов работы. Теоретические, методические и аппаратно-программные разработки нашли практическое применение на предприятиях атомного энергетического машиностроения (ОАО "ЭМК Атоммаш"), 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 500 тыс. руб. за счет повышения качества и снижения затрат на устранение дефектов сварных соединений, повышения производительности и уменьшения материальных затрат при контроле и аттестации сварочного оборудования.

1. ХАРАКТЕРИСТИКА ПРОЦЕССА ДУГОВОЙ СВАРКИ ПЛАВЯЩИМСЯ

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

5. На основе теоретических и экспериментальных исследований процесса дуговой сварки плавлением показано, что процесс характеризуется несколькими состояниями распределения вероятностей параметров. Разработан новый метод расчета наиболее достоверной теоретической кривой распределения при сложном (не унимодальном) распределении данных процесса. Применение данного метода позволяет получить идентификационные характеристики процесса дуговой сварки, состоящие из рассчитанных коэффициентов функции распределения тока сварки и напряжения дуги и использовать их для классификации показателей качества контрольного сварного соединения. Показано, что выделение однородных областей при сегментации процесса обеспечивает робастность предложенного метода.

6. Разработана методика нейросетевой кластеризации эмпирических данных на основе использования идентификационных характеристик технологического процесса сварки.

7. Разработана методика предподготовки данных для нейросетевого классификатора качественных характеристик процесса контрольной сварки при аттестации сварочного оборудования.

8. Разработан иерархический нейросетевой классификатор для получения формализованных оценок для показателей сварочных свойств источников питания дуговой сварки плавящимся электродом. Применение классификатора позволит избежать субъективности экспертных оценок в процессе аттестации.

9. Разработана новая мобильная информационно-измерительная система для аттестационных испытаний источников питания дуговой сварки, позволяющая:

- повысить производительность работ при аттестации за счет автоматизации: измерений, расчетов и подготовки отчетов по испытаниям;

-повысить объективность оценок технологических характеристик сварочных источников питания в результате применения нейросетевого классификатора параметров контрольной сварки;

- снизить затраты на проведение работ при аттестации за счет применения менее дорогостоящего оборудования, использования возможности проведения аттестации в производственных условиях.

10. Создана и прошла опытно-промышленное испытание в производственных условиях ОАО "ЭМК Атоммаш" и ЗАО "Энергостройсервис" автоматизированная контрольно-измерительная система аттестации сварочного оборудования. Эта система позволяет значительно сократить расходы (более, чем в 5 раз) и время (более, чем в 3 раза) на проведение аттестационных процедур, а также существенно сократить брак сварных соединений при производстве корпусного оборудования АЭС.

1. Чернов А.В. Обработка информации в системах контроля и управления сварочным производством: Монография /Новочерк. гос. техн. унт. Новочеркасск: НГТУ, 1995.- 180 с.

2. Шитова В.М., Робинович Н.Я. Вопросы динамики источников питания при автоматической сварки в защитных газах //Автоматическая сварка. 1959.-№9.-С. 17-19.

3. Гладков Э.А., Чернышев ГГ., Сас А.В. Задачи управления качеством формирования шва при дуговой сварке //Известия вузов. Машиностроение. 1981. - № 12. - С. 11-12.

4. Сас А.В., Гладков Э.А., Чернов А.В. Автоматизированная система управления качеством аргоно-дуговой сварки труб //Труды МВТУ. -1980. -№ 337. -С. 81 -88.

5. Патон Б.Е. Основные задачи развития сварочного производства в СССР //Автоматическая сварка. 1986. - № 3. - С. 1-4.

6. Алекин Л.Е. Полная структурная схема дугового автомата типа АРДС//Труды МВТУ. 1970. - № 136. - С. 67 - 117.

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

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

9. Чернов А.В., Фролов В.А. и др. Влияние динамических свойств источников питания на стабильность процесса сварки плавящимся электродом //Современные проблемы сварочной науки и техники: Тез. докл. междунар. научн.-техн. конф. Ростов-н/Д, 1993. - С. 127.

10. Фролов В.А., Чернов А.В. Исследование влияния неравномерности углов открытия тиристоров в сварочных источникахф питания: Стабильность, качество и работоспособность сварныхконструкций// Межвузовский сборник научных трудов. М.Д993.-С. 129-136.

11. Оборудование для дуговой сварки: Справочное пособие /Под ред. В.В. Смирнова. Л.: Энергоатомиздат. Ленингр. отд-ние, 1986.

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

13. Походня И.К., Заруба И.И., Пономарев В.Е., Илюшенко Н.В., Гвенетадзе Т.А. Критерии оценки стабильности процесса дуговой сварки на постоянном токе. // Автоматическая сварка. 1989. №8. С. 1-4.

14. Кривин В.В. Методы автоматизации ограниченно детерминированных процессов: Монография /Юж.-Рос. гос. техн. ун-т. Новочеркасск: "Изв. вузов. Электромеханика", 2003. 174 с.

15. Постановление Госгортехнадзора РФ от 19 июня 2003 г. N 101 "Об утверждении Порядка применения сварочных материалов при изготовлении, монтаже, ремонте и реконструкции технических устройств для опасных производственных объектов"

16. Постановление Госгортехнадзора РФ от 19 июня 2003 г. N 102 "Об утверждении Порядка применения сварочного оборудования при изготовлении, монтаже, ремонте и реконструкции технических устройств для опасных производственных объектов"

17. Постановление Госгортехнадзора РФ от 19 июня 2003 г. N 103 "Об утверждении Порядка применения сварочных технологий при изготовлении, монтаже, ремонте и реконструкции технических устройств дляф опасных производственных объектов"

18. Кривин В.В. Исследование сварочных процессов методами нелинейной динамики. Изв. вузов Сев.-Кавк. регион. Техн. науки. 2003. №3. - С. 45-49.

19. Кривин В.В. Виниченко М.Ю. Обработка экспериментальных данных о процессе сварки на основе методов нелинейной динамики.

20. Методы и средства измерения в системах контроля и управления" Материалы Пенза, 1999.-С. 156-158.

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

22. Гладков Э.А., Лосев В.М., Сас А.В. Вопросы идентификации моделей в дуговой сварке // Труды МВТУ, 1981, №363. С.101-110.

23. Гладков Э.А., Гуслистов И.А., Сас А.В. Динамические процессы в сварочной ванне при вариации соответствующих сил //Сварочное производство, 1983, №1. С.123-131.

24. Мандель И.Д. Кластерный анализ. М.: Финансы и статистика. 1988.- 176 с.

25. Б. Болч, К.Дж. Хуань. Многомерные статистические методы для экономики /Пер. с англ. М.: Статистика, 1979. - 317с.

26. Айвазян С.А., Бежаева З.И., Староверов О.В. Классификация многомерных наблюдений. М.: Статистика, - 1974. - 240 с.

27. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Классификация и снижение размерности. М.: Финансы и статистика, 1989. - 607с.

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

29. Блейхут P. Быстрые алгоритмы цифровой обработки сигналов. М., 1989.-448 с.

30. Современные методы идентификации систем: Пер. с англ., под ред. П.Эйкхоффа.-М.: Мир, 1983. 400 с.

31. П. Эйкхофф, А. Ванечек, Е. Савараги, Т. Соэда, Т. Накамизо, X. Акаике, Н. Райбман, В. Петерка. Современные методы идентификации систем М. Мир, 1983. - 400с.

32. Попов Е.П. Теория линейных систем автоматического регулирования и управления. М.: Наука, 1989. 304 с.

33. Фомин Я. А., Тарловский Г.Р. Статистическая теория распознавания образов. М.: Радио и связь, 1986. - 264с.

34. Айвазян С.А., Бухштабер В.М. Анализ данных, прикладная статистика и построение общей теории автоматической классификации //Методы анализа данных/ Пер. с фр. М.: Финансы и статистика, 1985. -Вступ. ст. - с. 5-22.

35. Факторный, дискриминантный и кластерный анализ: Пер с англ. /Дж. О.Ким, Ч.У.Мьюллер, У.Р.Клекка и др.; Под ред. И.С.Енюкова. - М.: Финансы и статистика, 1989. - 215с.

36. Терентьев П.В. Метод корреляционных плеяд //Вестник ЛГУ. -1959. №9-с.137-141.

37. Методы анализа данных: Подход, основанный на методе динамических сгущений: Пер. с фр. /Кол. Авт. Под рук. Э. Дидэ; Под ред. И с предисл. С.А.Айвазяна и В.М.Бухштабера. М.: Финансы и статистика, 1985. -357 с.

38. Статистические методы для ЭВМ /Под ред. К.Энслейна, Э.Рэлстона, Г.С.Уилфа: Пер с англ. /Под ред. М.Б.Малютова. М.: Наука, 1986.-464 с.

39. Робастность в статистике. Подход на основе функций влияния. Хампель Ф., Рончетти Э., Рауссеу П., Штаэль В. М.Мир, 1989 - 512 с.

40. Эфрон Б. Нетрадиционные методы многомерногостатистического анализа: Сб. статей: Пер. с англ. /Предисловие Ю.П.Адлера, Ю.В.Кошевника. М.: Финансы и статистика, 1988. - 263с.

41. Бендат Дж., Пирсол А. Прикладной анализ случайных данных. -М.: Мир, 1989 422 с.

42. Загоруйко Н.Г., Елкина В.Н., Емельянов С.В., Лбов Г.С. Пакет прикладных программ ОТЭКС (для анализа данных). М.: Финансы истатистика, 1986. 160 с.

43. Патрик Э. Основы теории распознавания образов: Пер с англ /Под ред. Б.Р.Левина. М.: Сов. Радио, 1980. - 408 с.

44. Астафьева Н.М. //Успехи физических наук 1996. - №11 -С.1145.

45. Слесарев Д.А., Барат //Измерительная техника 2000. -№8.1. С.43.

46. Sasch A. Newe Grundsatze zur Beurteiling der dinanischen Eigenshen von Gleishstrom quellen fur das lishtbogen - landschwei en. //Schwei en und Schneiden. 1982. - 34. - №11. - P.525-529.

47. Кушлейко P. Метод оценки стабильности сварочного щ процесса. // Информ. Материалы СЭВ, 1977. вып.2. - с. 183-185.

48. Бутаков Г.А., Долиненко В.В., Тер-Арутюнянц, Шеметило К.А., Ржанов Б.П., Зиновьев А.А., Никифоров А.Ю. Предварительная обработка сигналов сварочного тока и напряжения для ввода в ЭВМ. // Автоматическая сварка. 1991. №8. С.41-46.

49. Кисилевский Ф.Н., Бутаков Г.А., Долиненко В.В., Кирик В.К., Дзябура В.А., Петрук О.Р., Шадрина С.А., Шеметило К.А.

50. Автоматизированный комплекс для исследования методов и средств управления процессом дуговой сварки. // Автоматическая сварка. 1990. №6. -С.24-27.

51. Чернов А.В. Обработка информации в системах контроля и управления сварочным производством: Монография/Новочерк. гос.техн.ун-т. Новочеркасск: НГТУ. 1995.- 180 с.

52. Балакай В.Г., Крюк И.П., Лукьянов Л.М. Интегральные схемы аналого-цифровых и цифро-аналоговых преобразователей. М.: Энергия. 1978. 256 е., ил.

53. Нефедов В.И. Основы радиоэлектроники: Учеб. для вузов. М.: Высш. шк.2000. -399 е.: ил.

54. Гольденберг Л.М. и др. Цифровая обработка сигналов: Справочник. / Гольденберг Л.М., Матюшкин Б.Д., Поляк М.Н. М.: Радио и связь. 1985.-312 с.

55. Бендат Д., Пирсо А. Измерение и анализ случайных процессов. М.: Мир. 1971.-408 с.58. . Баскаров С.И. Радиотехнические цепи и сигналы. //Учеб. для вузов. 3-е изд., перераб. и доп. - М.: Высш. шк. 2000. - 462 е., ил.

56. Лесков Г.И. Электрическая сварочная дуга. М.: Машиностроение, 1970. 335 с.

57. Надеев А.И., Юсупов Р.А., Свечников Ю.К., Юсупов Д.Р. Математическая модель эксплуатационной надежности интеллектуальных датчиков// Измерительная техника.-2004-№1-С.8-12.

58. Гильт И.Ю., Винниченко С.М., Сысоев Ю.С. Построение оптимальной групповой стратегии при различных законах распределения погрешностей экспертных оценок// Измерительная техника. М.: 2005 . - №10.-С.58-63.

59. Гультяев А.К. Визуальное моделирование в среде MATLAB: Учеб. курс. СПб: Питер, 2000. 432с.

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

61. Нейрокомпьютинг. Вопросы теории и практики: Сб. науч. тр. -Киев: Ин-т кибернетики, 1995. 81 с.

62. А.Н.Горбань, В.Л.Дунин-Барковский, А.Н. Кирдин Нейроинформатика Новосибирск: СП "Наука" РАН, 1998. - 296 с.

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

64. А.Н. Радченко. Ассоциативная память. Нейронные сети. Оптимизация нейропроцессоров СПб.: Наука, 1998. - 260 с.

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

66. Булычев А.Л., Галкин В.И., Прохоренко В.А. Аналоговые интегральные схемы: Справочник. 2-е изд., перераб. и доп. - Мн.: Беларусь. 1993. - 382 е.: черт.

67. Кофлин Р., Дрискол Ф. Операционные усилители и линейные интегральные схемы. /Перевод с английского Бронина Б.Н., под редакцией канд. техн. наук Гальперина М.В. М.: Мир. 1979.

68. Тревис Дж. Lab VIEW для всех. М.: ДМК Пресс, ПриборКомплект. 2004. с. 653.

69. Бекетов В.Г., Бут С.Н., Чернов А.В. Моделирование процесса ручной дуговой сварки средствами компьютерной графики. // Известия высших учебных заведений. Северокавказский регион. Технические науки, 2004. Приложение №5. С. 48 -52

70. Чернов А.В., Сас А.В., Бекетов В.Г., Ульянова О.В. Марковская модель процесса ручной дуговой сварки.// Сварочное производство, 2006, №8. -С. 14-17148