автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.07, диссертация на тему:Методы экспериментальной идентификации при автоматизации технологического процесса гальванической обработки деталей

Р Г б од

13 ФВ

СЕЙАСЩдаЖШ ГОСУДАРСТВЕННЫЕ ТЕХНИЧЕСКИ» УНИВЕРСИТЕТ

Ив прэает рукописи

. ЖУРАВЕЦ Алла Игоревна

МЕТОДЫ ЭКСП2Т МЕНТАЛЬНОЙ ИДШИОШЦИИ ПРИ АВТОМАТИЗМЖ ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА ГАЛЬВАНИЧЕСКОЙ ОБРАБОТКИ ДЕТАЛЕЙ

Специальность: 05.13.ОТ - Автоматизация -эхнологачэома процессов и производств

Автореферат

диссертации на сояскеню ученой степени кандидата технических наук

Севастополь - 1996

Работа внголнеяа в Севастопольском госуда^.гвеянок техническом университете

Научный руководитель - кандидат технических наух, доцект Цуканов A.B.

Официальны* ошоненты:

- доктор и тических наук, профессор Таранено Виктор Анате-ъевич

- кр-вддат технических наук, главный лхенер " Вт " Сало Анатолий Афонасьевич

Ведущая отаяизаи i - НПО по ыврикультуре и подводным исследованиям Национальной академик яаук Украины 'г. Севастополь)

Завдта состоится Мб " феврвля 7ЭВ6 г. в Г7.00 на заседании стадаелизироишого со: эта при Севастопольском государственное, технической университете по адресу:-

335038, г. Севастополь, Стрелецкая бухта, «удгородок.

С диссертацией можно ознакомиться в библиотеке Севастопольского ^осударственнс.о • вет некого университета.

. Автореферат разе-чан * " ; 1995 г.

Ученый секретарь специализированное совета кандидат теп яеекйх ;аук ^/¿у sf А.Н. Шереаевскив

ОБЩАЯ ХАРА' ТОРИСТИКА РАБОТЫ

Акгуальноот- проблем». При настройке технологических процессов на оптимальный р*. ш работы и созданий систем автоматизации управления такими процессами все больнее значвг. .в приобретают метода акспетименталыгой идентификации, обеспечивающие решение экстре мал' "их задач оптимизации и прогнозирования в условиях неопределенности стр>«.тур1 подели и ограниченного объема экспериментальных данных. При атом возникает ситуация, когда Р"ряду с управляемыми переменными з модель наследуемого процбс з кли явления необходимо включать переменные, которые исследователь может только измерять, но ну управлять. Большинство таких объектов представляет собой слоимо уникальные системы, подвергавдиеся постоянному воздбйетвшо случайных сопутствующих фактс.ов. Методы экспериментальной идентификации позволяет исходить оптимальные условия прг-екания технологичес их процессом непосредственна на объекте без использования аналитически* зависимостей показателя качества от управляемых факторов и при неточ-' них измерениях выходах во отчин.

К <ыслу технологических процессов над такими объектами относятся: процессы с неодаородннм сырьем в химической тс .таюгии, в частности процессы электролитического ¿сведения зшцктных покрытий на детали различных механизмов, технологические процесс! в сельском хозяйстве, процессы очистки загрязненных вод и т. д.

Задачи идентификаа л и оптимизации реальных технологичес1.лх процессов требует разумного распределения экспериментальных затрат, планирования эксперимента и эффективной обработки полученных данных, 'о позволяет наиболее полно использовать имеющиеся ре-

сурсы значительно подня'. > эффективность технологического процесса. В то »и время вопросы планирования ексдвртиепта при яа~»г-чии сопутствующих случайных факторов, так называемого активно -пассивного вктоер^нта при неизвестной структуре модели объекта, разработаны еще недостаточно. Наличие случайно менямдихся фак.о-ров в эксперименте и неопределенность о.^уктуры модели требуют своих критериев „ятамалыюсти и иной методики планирования эксперименте.

* * .

I, ел . . диссертации. Повышение качества

освадаемого электрохимическим способом свинцово-оловяшо-медного защитного покрытия в сисъаме автоматизированной гальванической линии на базе разработки методов экспериментальной идентификации.

Методы исследования. Метода теории вероятностей, математической статистики, методы теории матриц и математического моделирования метода оптимизации технологических про-мессоЕ в мащшостпоенхш, теоретические положения технологии нане-' сания покрытий.

Научная новизна.

1) Сформулированы 'задачи идентификации автоматизированных технологических процессов, характеризующихся наличием случайно изменяющихся факторов, при ограниченном о'лше експериментальных данных и неопределенности структуры модели,

2) Получены аналитические зввисимост и исследованы свойства кри )рия 0 - оптималыюсти в среднем качества плана аксперимен~ч

- при идентификации и прогнозировании автоматизированного техн. гаги-ческого процесса'пр1 наличии случайных сопутствующих .акторов.

3) Разработан шдафицировашшР метод случайного "оиска, с

помовдю которого решены Еадачи сравнительного анализа и г отроения плана йкспериментв при г ".ентификации авто^атизкровштиих технологических процессов, которые включают с. лсныв зависимости от случайных сопутствующих факторов.

4, 'Определены условия, при котор^т для идентификации автоматизированного технологического юцэсса и селекции модели из класиа, вклвчащвго случайные сопутствупцив ^актс. /, йооСходимо строить специальные плаш активдо-ьассивного акодаримента.

5) Созданы "ягоригмы для гвтоматизироввстого сгзтгстачес-кого контроля 5 управления техиолтичьским процисосм наиесения защитного покрытия на детали судовых механизмов.

Практическая ценность. Создана методика идентификации технологических процессов, характеризущихся наличием случайн-х сопутствуицих факторов. Получены условия, при ко-1«рых необходимо строить спеца*" "ьныв планы акспер! юнта, отличающиеся от существующих. Разработан алгоритм и составлен программа для ЗВЫ нз основании модифицированного метода случайного' поиска построения специальных планов эксперименте для регрессионных моделей, содержащих сложные зависимости от сопутствующее случайных переменных, распределенных по нормальному закс /. Предложенный метод моют быть распространи. на широкий класс моделей технологических процессов, содержащих зависимости от иучвйных сопутствующих переменных, законы распределения которых отличны от нормального. Разработан; процедура моделирования дня селекции дгчей из класса, включающего случайные сопутствующие переменные, яоаашишнвя сравнивать и синтезировать ноше планы эксперимента.

Р а .я и з а ц и я р вультатов работы. Разработанная в диссертации методика эксперименте ьной оптимизации и исследования процессов ори наличии случайных сопутствующих факторов была vuar эована в гальваническом цохе л 5 иввастополь-ского судоремонтного завогл " Югрг 'судоремонт " пру идентификац^ процесса влектролитичвского нанесения защи^о*-^ покрытия на детали иудовых механиков.

Апробация рэзул1ь;втов работы. Основные ..оложе. я диссвртацш докладывались на: конференции " Вклад молодых ученых и специалистов в ускорении научно - технического 'прогрессе и учтвысщ^асащр) дородного хозяйства " ( Севастополь, 1989 ); Всесоюзной 10 конференции " Плак"рование и автомат зация эксперимента в ^eyvíW* исследованиях " ( Москва, 1992 ); Всесоюзном семинаре ** й^ерруне.нтальще средства для построения вкспертных систем * ( ^е^аогопол^, t99¿ ): Международном семинаре " Экстериментальдо - ~?#TjiCT>íy.ecKge (моделирование и оптимизация в материаловедении " v( ,9де,ссщ, 199-3 ).

П у б л и к а ц и и. По розулэдг$т#;. £щодае#ных исследований опубликовано семь рас«т.

Объем работы. Диссертация состоит из введения, четырех глав, заключения и приложения, содержит 9 рисунков, 12 таблиц, список литературы из 107 наименований.

ОСНОВНОЕ СОДЕКЬЫИЕ РАБОТЫ

о введении, дано обоснование выбора темы и приведена общая хрпактеристика диссертационной работы.

В первой главе ставится задача повышения у<\ч этва осаждаемого защитного пок^н :я в АСУТП гальваг тческой

обработки дета; К. Делается краткий обзор сущвотвуювдг мэтоа->в повышения качества защитят" покрытий, обосновывается применение принципа статистического контроля крчвст ¡м випускаомай продукции. Дается описание рассматриваемого класса тэхнашгичес.-.пс процв ;ов. Яри атом все факторы, опр"делАидо состояние процосса, разбиваются нр следугадта группы- а) факторы, вначениями которых можыэ управлять или задарать по специально^., ал: мтму; б) факторы, значения которых можно только измерять; в) возмущашие воздействия, кото»—е не поддается кзморвнию или опрэделетеп; г) кязатель каче. ва работы технологического процесса.

В связи со сложностью исследуемого класса процессов представляется перспективным экспериментальная идентификация моделай процесса и получение оптимальных условий их протекания. Б этом случае прих.дятся решать две основные задачи: выбор структуры мо-„али с помощью методов селекщг- моделей и планиро' тике эксперимента в заданной области значений управляемых пешмешшх, о есть решение о наилучкам по какому - либо кртлрию расположении экспериментальных точек.

В работе рассматривается процессы, в которнх сопутствующие случайные фактора воздействуют на показатель качес -в процесса аддитивно по отношению к воздейств 5 управляомых переменных и модель зависимости показателя качества'или функции от тжя у от

Еекторз управляемых переменных хт = [х, ..... и вектора

СОП'/ТСТВУКЕЛХ случайны: факторов "Т = и, ,2,,..., ) мох зт .. лъ гтедставлона в виде:

у = ГТ(Х) Р + фт(2) С + С, (?)

где ?т = Г Л(х),/2(х), ... /к(х)1,

- а -

^ (?,) = 1<р.|(г;, ^{.ъ),...,р к ч - неизвестные паракь.ры модели, е - случайная ошибка, возникающая за счет ошибок измерений.

В общем случае вектор средних случайных перемог -их г может зависеть от вектора управляемых эронянных х. работе рассматривается еду й, когда эта зависимость линер-'чя, то есть мог з за-писр-ь: -

. . Гт(х) Ь + е, (2)

Ь I к ,7 1 - учтрица 1 .дейной связи; е - вектор остатков, распределенный по нормальному закону с нулевым вектором г чдш« и известной ковариационной матрицей "„При оптимизации и прогнозирош ии процессов, описываемых моделью (1), когда вектор управляемых приеме .шх х фиксирован, показатель качества у продолжает I: пяться случайным образом за счет изменения соц. ствупцих случайных перк.:эшшЛ г. В атом случае аадвча оптимизации состоит в поиске и поддержании таких зь-адний вектс^я х, при которых среднее значение показвтв/ качества тшшмает вкстрек льное значею»". а задача прогноза состоит в предсказании с—одного значения показателя качества.

В первой главе . злается также к} тки! обзор опубликованных работ по план-рованию активно-пассивного эксперимента, п селекции моделей, синтезу планов эксперимента дая салекции к чалой.

Во второй главе рассматривается планирование эксперимента для оценки коэффициентов регрессионной модели с сопутствующими случайными переменными, распределенными по нормально-<у закону с известным., параметрами, для кри'4 рия миними~аи,гч средне-квадратической ош ки про: оза.

Рассматриваемся смешанная регрессионная модель вида: М(у! П-Гр + 'ч, Г С у I 2 > « V!. (3)

где, как и ранее, у - вектор измеренных знг эний функция отклика, Р - матрица значения управляемых переменных, 7. - матрица измерен—чх значений сопутствующих "пученных факторов, И -условная ковариационная матрица вектора у.

. редп^-шгается, что до проведения экспо^-меи' значения матрицы 1 некавестны, з известии то..оКО некоторые статистические ивойства случайного шктора г. а частное/и, вектор г монот бить распределен по г ^рмяльиому закону с математическим ожиданием М I г }•- [!„ к матрицей ковзриаций £„.

Предполагается, что модель объекта неизвестна и аадыэтся класс функций, в которых будет выбираться модоль.

Для оцв1Г ания неизвестных параметров рассматривается класс аг генных рогрессионных моделей, вписываемых следу ици' т уравнениями :

Г|(х) (,1=).....к) (4)

"к^ = Ц 01.-.1).

Без I, ,тери общности мскчо считать, что V? = а2 Г„, тогда дисперсионная матрица оцв1Пси вектора коефицяентоь модели (' 4 есть

1 1 ^ 1 [

Матрица Н является случайной матрицей, зависящей от распре-дельдая случайной матрицы и от малицы

Для "осматриваемой модели критерий оптимальности экспари-

мента - зредтквадраткчвска. ошибка прогноза является функционалом от ковариационной матрицы оценок коэффициенте.! и являетря случайной величиной.

Планы, ыог~шу трупцие среднее значение српднеквьдратической ошибки прогноза, в работе зазываг оя 0 - оптималькчми в среднее.

При неопределенности структура моде^ -ооцесса для оценки неизвестных параметров используется одна модель из класса И).

Если в модель чклгчаются не все переменные вектора г, а только часть, которая обозначена через ыектор и методом наименьших ксадратоЕ оцениваются параметры модели, хогда:

Ы(.у > . г^ г ' _ (Б)

- часть матрицы, соответствующая вектору 2.,, Ъ " I Zj Zí_j 1, - часть матрицы Гс, соотдатствупцая вектору 2.,, = - то имеет место следупдая теорема.

Теорема Т.

Пусть существуют матттцц Н а ^ .число опытов п > к + ^ + 1, для оценивания ьектерз в'1 = {рг qт] мь.одоа наикэнышис квадратов ишельзуэтоя модель \5), имеет место зависимость (2) и I } вектор значений управляемых по реме иных в точка прогноза, тогда справедливо следующее соотношение:

= Ы {( у(х,)- у(х,))2) =

<2с > ^^ Ф^Ц.) (Р^-Ат + •

. : чт 2е ч (О2, (6)

Интъгрировв"Чый критерий С) ■ оптимальности в среднем по

области прогноза для моделей (к+З) Судет имс ?ь следующий виг: Еак+3 -

„+ о2) у г<£,/ ; <£,-

Ш 41

+ ^ 2е ч + О 2 _ (7)

Из теоремы I следует, что плш;и 0 - оптималышь в среднем для подк-чссв будут совпа, ль о обычными 0 - оптимальными

планами.

Если в модель включается не все переменные вектора х, а только часть, 1.вторую мы обозначим через вектор х, и метод' наименьших квадратов оцениваются параметр ■ "одели:

И ( у ) ■ ^ Р, , (8) .

то имеет место еле дуг., зя теорема. Теорема 2.

Пусть существует матрица [? | Г1 , число опытов п > 1 + ♦, для оценивания вектора р, методом наименьших квадратов игаоль-

г*

зуется модель (8), имеет место зависимость (2) : г,- вектор зна~, чений управляемых переменных в точке прогнозе, тогда справедливо оледуш^а соотношение:

на1 = м {( у(хг>- у и,»-» = = ( чт *аг )1\ (х,). [р| К1Г1Г-(х,)' +

* • ~ Ц&иП ) * VI ч)

+ 5* Ее а + о2 оо)

Интегрированный критерий (] - оптимальности в среднем г области прогноза дня моделей (к+3) будет иметь следующий вид:

И4 = <5Т + о2) / Г?(х,) 1У| Р1Г111{3,) / П^ + .»1 * *1

♦I <(Ру-!+ '■к _<*.шг<£«/ X <зх, +

т

+ Чт 1е Ч + О 2 (И)

.Из теоремы 2 следует, что для моде лев подкласса 1 планы О -оптимальные в среднем буду-* совпадать о обычными о - оптимальными планами.

Ест истинная модель технологичаско.л процаоса описывается общей функциональной зависимостью <1), которая жявт включать взаимодествия мезду «игтствуюс^'ш переменные, тогда усредненная тедаеквадратиче счая ошибка прогн^ча является функцией, зависящей от плана эксперимента, вектора неизвестных параметров 6, функцдо ф, матриц» коЕариацяй а также две. .рекк ойхОки о2. ; '

Для нахождения оценки неизвестных параметров в используется метод наименьших квадратов:

где * ( пД I- матрица значений вектора ?(х) переменных в п опытах, Ф I п,т 1- матрица значений вектора <р в тех яв а опы'пх.

Матрица Н является случайной матрмэй, зависящей как от пла-ш» эксперимента с, так V» от распределения ¿лучвйкоЯ функции Ф. :

■ш

рТр

?ТФ

«V

— 1

V

8

Так как структура Ф включает разлившие взаямодейст ля между случайная: ""зпутствувзим¡' фактор2,та, анализ 0>т<? адат слип-ком сложен. В результате'этого аналитическое j аенив функционала 43) д,_же для простейших модэлей сс взвимодействиачщ практически неразрешимая зздача.

В работа для сравнения планов эксперимента по критерии среднеквадратичеслой ошибки прогноза используется принцип ккня-макса, то есть исследуется следующий функционал:

R(9, Ее, о2) s ¡sin иах SJ (в) (14)

Dg

Построение оптимальных планов для задач так, .о рода са^-ано о' примг эниеы слециалышх п^аг^овых алгор1т»4ов. одним из таких алгоритмов является метод случайного поиска. Предлагается использовать методы имитационного моделирования для пааовденил функционала (14) на каждом яаг® . ¿эроцисиной процедур!.

Среднее значащ» функционала (14), излученное с помощью метода Монта-Карло до - но прибиваться к своему истинному матема-таче-кому ожиданию, для. того, чтобы определить влияние отклонений от плана акспв^ лента на срадоеквадратическуя ошибку прогноза. Это возмоги • якь при счаиь большом числе г траций е методе Монте-Карло. К тому же построенный таким образом план mojlt отличаться от оптимального. В работе предлагается ограничить коли. че' -во йт раций в методе Ыонте-Кврло для сравнения А-ух планов за счет использования олих и тех «а последовательностей для z и е на. каадом ваге итерационной процедуры случайного поиска. Тогда срег'еквадрв. 1ческая ояибнч прогноза не будет изменяться случайно и сильнее **де. зависеть от плана эксперимента.

В третьей . лаве исследуется оОслцошшй критерий для селекции прогнозирующих моделей из заданного класса, который мохно записать в яде:

К = XVimL +i1V <15>

ж-.,

где v< j,^j - вероятность вабора моделг 1 и (k+J) соответственно с

помощь») крглтвр1я селекции. В качестве критерия селекции бил выО-

ран itpif-врий С- Маллоуса. р

.влагается использоват метода имитационного моделирования длч получения вероятностей выбора моделей vx и се жционной процодуры.

В работе исследованы вероятно v выбора модели из'подк. зсса (K+J) и из подкл8"св 1. Критерий Ср- Мвллоуса для модели (Кч J) имеет вид :

Cj } = BSS k+j + 2 ( k » J), (J = 1,?....., 1)

где HSS,_+j - остаточная сумма квадратов, (k+J) - количество оцен вемых параметров модели.

В работе получена фо^лула для распределения ~ отаточнсй cjmmu квадратов, связанной с i делью класса (k+J):

^ttj ~ п-К-3. СГ )) <3 = 1,2..... 1) (!6)

Откуда следует вывод, что вероятность выбора модели из подкласса (k+3) ^ н' зависит от плена эксперимента. Критерий Ор— Маллоуса для »одели ■* имоет вид:

Gi - BSSj +2 1, (1 = 1,2,____ Ю

гдо RS3; - остаточная сумма квадратов для мод«лой класса 1, 1 - количестве одаииявьких параметров'

В работе получена формула для распределения остаточной суммы

.вадратов, оьязаннсй о моделью I:

~ Х2< "--Н. (Чт + с2). Т2), <1Т)

•де х2 = , ~ яараедтр нзце..гра^ьнссги,

- ( ?| Р, )~1?| - адеглпс.ентнзя матрица,

< Рк-Г Чс-!^

Откуда следует, что вероятность выбора 1-ой модели савлскт эт плаг^ эксперимента и для всей процедура моделирования необходимо <ярсщть специальные планы экспериментов

В (втЕ)ртой главе приводятся np.tM.jpu экспэр' ментов по исследованию и автоматизации тошог гическоги процесса э ле к тродатическсго нанесения зенитного покрытия н- детали су.' зых мехениг ;в, к частности, нанесе ад снинцово-оловянно-медного покрытия на рябсчуп поверхность вклэдакой подшипников сфояьжония.

Совокупность факторов, определяющих состояние процесса, рг Эита на три группы:

1) Управляемые Факторы х - Гг., ,х?,..., х^): задаваемые даоэтором конпентрац . (г/л) мвди, -ляова, свинца, берфторводород-ной борной кислот.

2) Сопутствуй^»* случайные факторы г - ,___):

факгические :оиц9нтрпции (Г/л) : меди, олова, ilинцэ, кислот.

3) Цплэвая функция: у1 - процентное содержания меди в осаженном сплаве; у2 - гтоцэитное содержание свинца в осааденном сплаве;

уЗ прои ншоо содержание олова в осажденном сплаве.

Тля исследуемого технологического процесса сопутствуивиэ случайные факторы г зависят от управляемых факторов х. Из ■гех-нол "ичрских условий гхроц*"~са следует наличие линейной зввиси-

мости нвда:

к ■■ х Ь + ê , И ( t Ь х L , D ( s 1 - ï6 (18)

Крхдый раз и?"вряя концентрации компонентов эле тродита, кы на самом дси„ измеряем значе<шк случайных оопут^.вущих торэмек-них. Следовательно целевая функция зависит от фактических гнвчо&лЯ ко;гцо|;трз1;кй электролита z. Таким образом, можно предположит1 ншшчио линейной по параметрам зависимости вида:

у » ф q + Z. (19)

v:o ;ц.".лчгся частным случаем функции y^ïp-'-Œq* е гти р « 0.

В розультаго дисмрсионного анализа,- а так же в результате селекции моделей с помощью критерия Ср- Маллоуса была полудня сладу ода я модгль:

У - Z,q5 + z2q2 + о. , (20)

где у - целарая функция, то есть процентное содержание меди <.у1 ) или с вот. з (у._ ) в осаждаемом сплчве. z, - концеп1.^ ация олова в элоктролите, 7,0- концентрация свинца в электролите, неиз-

вестная параметры модели.

Якспорммонталмю оценивались коэффициенты peí'}, jcv.oiuion мо дели методам наименьших квадратов.

Таким образом получены двр модели, определяющие процентное содеричнив меди (уi ) и свинца (у2 ) в сплаве. Третья модель, определявшая лроцонтное соде,, лания олова (уЗ) в сплаве межет бить по-лучона из вавд.кенля у1 + у2 + уЗ » 100 SE Тогда ил-вэт место следующая система уравнений : j" У1 = -9.2246 + 1.701 £ г1 + 0.1 Э55 2,- 0.0299 ^ y2 = 119.6G7T - Ö.3591 я,- О.ТОТг ü2+ 0.1115 г^г, (21)

I УЗ = 10Q - у1 - у2

ДО

Оптимизация данного процесса состоит в нахождении 'кш средних шачений концентраций свиннч и олова в электролите, чтС-выходные ве"ичин» у1, у2 и уз попадали в ь^датше технической инструкцией нормы процентного содержании соответствующих компо-нонтов. В данном случае выходная величина представляот собой вектор у - (у1,у2,у31. В качестве обобщенного критерия оптимальности показэ-еля качества процесса был использован квядрят г-клоненин случайных величин у1, у2 от сроднг гначониЯ заданных

интерв! ов:

са = М У!- у1 )2/ и21> {2г)

где у^ - огненное значение ' - ой исходной Ее.та'апш, У|Р -середина интервала, соответствующего 1-ой выгодной величине, ((умах, - уп1п<)/2+уш1п1)2- весовая функция i - ой еы-х тгой величины, учитывающая раг^лчие интервалов варьировшзы.'

На основании разрвботаннсй в диссертации методики создано программное обоспече :е для ьодс^"темы АСУТП контролирования хим* еского состава электролита. Проведенные ""гатеримеитг подт вердили эффекти^аос-ь использования информации о случайных сопутствующих ф .торах для идентификации технолог.,/еского процесса. При этом обобщенный критерий качества процесса позволяет уучь-шить число бракованных изделий на 5.2Х (о вероятностью 0.95) по ср ¡нети г традиционной методикой.

!

ОСНОВНЫЕ ГЕЗУЛЪТАТЫ РАБОТЫ

Основнм' теьультатом рас ты является разработка методов

экспериментальной идант-^икации в системе авто, ¿тизшдаи техчолс гичаскс..) процясса гальванической обработки дотплей, обеспечила» щих повышение ка"чства ^оаццаемого сплпвя. В частости:

1. В работе дано обоснование ггриманенкя статистического принцип управления кпчопгвом выпускаомой продукции для гальвашпескэг производства.

2. Проанализированы сущоствущие лодходы к планированию якспери мв|П<: :гш автоматизированной идентификации и оптимизации техно лотчоских процессов со случвйшми сопутствующими факторами.

3. Постывлэна задача планирования активно-пассивного эксперимент для построения прогнозирупцих моделей в АСУТП со случайными со путствупцими фак\.рами в гальваническом производстве.

4. Исследованы особэнности построения 0 - оптимальных в сроднв! планов, мый-«изируицих не множестве планов сред, сввдратичоску! ошибку прогноза.

5. Гк-лучонн аналитические зависимости для средних значений сре-дне^вадраткчвекой ошибки прогноза для нор. льного закон; распрэделения вектора случайных сопутствующих факторов.

6. Прбдлоюн моди<{ицирова!»ный метод случайного поиска для построения 0 - оптимального ь среднем плане эксперимента для модели, вкличащай пззимодейст^ля случайных сопутствущих факторов.

7. Разработан алгоритм и составлена югрчммч построения плана актиино-пассивного эксперимента с помощью предложенного модифицированного метода случайного поиска.

8. Получены условия, при которых для оЗоОщоиного критерия качества в смысле средаокЕьдратичоской ошибки прогноза для содок-

ции моделей кз класса, включзпвего случайные согтутс.аугху.а факторы, в сис еме автоматизации необходимо использовать специальные алгоритмы построения плана эксперимента.

.. Разработана методика и проведет, эксперименты з гальнаяичес-ском цехе Севастопольского судоремонтного завода. Построена модель технологического процессе гальванического нанесения защитного потштия, статистическая достоверность которой по критерию Фишера равна 95 %.

ТС. Созд но npoi аммноо обеспечение для подсистемы АСУТП контролирования химического cocí за электролита, которое позволяет учость влияние случайных сопутствующих факторов.

11. Бнэ, эюю разработанных на г-нова данной мотодики экспериментальной идентификации технологического процесса нвнесокия зшцит-ного покрытия пе деталь- судовых механизмов, позволило < изить

пр ',ент бракованных изделий на 5.

12. Экономический аффект от етодроняя указанных исследований сос-ав.ляет 29 тыс. руб. i -од по цв,.ам 1ЯЭ1 года.

Лолучекгаш результата могут иайти примрт'ение также при экспериментально.» исследовании других объектов, характеризующихся наличием сл} айных сопутствующих факторов.

ПУШЙШШ

I. А T3ukanov, А.Т. Zhuravets. The one method of the experimental design construction for a clase of models In the preserve of vner trolled .ariables, А0"апсез In noMllng * Analysis, B, vol. 27, N 4, pp. 57-63.

2. A.I. Zhuravetß. Struc vrai Identification end dxperimentBl de-algri for technology process in the presence о? uncontrolled variables, Advar.c з lu modelling ь Analysis, С, ' 1. 42, N 2,

PP- J-8.

3. Журавец А.И., Цуканов ¿.Б. Плакирование активно-пассивного экс-перлмента при неопределошюсти структуры модели. - В кн.: Тозкси доклпд; л 10 Всесоюзной конференции " Планирование и автоматизация eKCje^'/Mîнта б научных исследованиях Иосква, 19Э2„ с. 17 - 18.

4. lü'w.iOB A.B., Журавьц А.И. Об одном метод- построена" плана зк-спэримолта для класса моделей в присутствии неконтролируемых переменных. - Э кн.: Тезисы докладов Международного семинара " Эггпе-ршонтвлыга - статистичэское моделирование в компьютерном материаловедении ". Киев, 1993, с. 28.

5. Цукакоз A.B., Журавец A.Ii. О выборе плана эксперимента для постровкиш прогнозирующей линейкой по параметрам ре.рессионной модели при наличии сопутствующих случайных переменных.- Доп.- в ГНГБ Украины 1Ь.08.94, И 1654 - Ук94., с.20.

6. F-равец А.И, Планирование аксперимента для сель.а<ии рогряссион-шх моделей в присутствии сопутствующих случайных переменных. -Доп. г. ГИТЕ Украины 15.OS.94, Г 1651 - Ук54, с.12.

7. Курявэц А.И. Об одном методе управления технологическим процессом уничтожения бытовых отходов. - Деп. в ПГГБ Украины 15,08.94,

Я 1652 - .У.ч94, с. 7.

урэвец A.I. Метода ечспвркуентально! 1ден чфикацП при овто-атизвтх тв1полог1'и jro ггроцэсу г°пьваи1чио1 обро<Зк1 деталей. Ясартац1я на здо^уття яаукоЕСго отупеня каяд^^ата тохи1чних наук :о сп ц1альност1 05.13. J? - автоу тизац1я техиолог1чнях npouecls •8 виро<5н1цгв. Севастопольский даржавгай техя1чняй ун1версктет. !евастаполъ, 1995.

1ахиц8еться рукопис на бэз1 7 |рб1т, з$о м1стять результат» дос-идаень пол1пден^л якост1 гйльвзрпног oßpoOKi деталей.в автома-rasoss.ili систем! контролю х!м1чкого складу ел0ктрол1т.,, Знайдв-il умови HeodxlxHoCTi то методе: побудови с. .ц1альнях плата екс-:spwei :1е. Ме-эди разроОки автоматазовшшх систем експернмг гальнох 1двятаф1хац11 впрог джок! у ¡ПдприЕмства.

Zhuravets АЛ. Experimental identification methods In the aL'.oma-tlon о electroplating details technolojjy ргосеза. Candldat of technical sciences thesis, speciality 0S.13.cn -automation of technology processes and produc ions. Sevastopol State Technical University, Sevastopol, 1995. It Is <}e fended the manuscript b^-ssd on the 7 artlkles containing the results of jtiie investigations of tha electroplating quality Improvement In the system of autwr tlon control of the eJ-»ctrolyte chemical conpoaition. r^ceaslty conditions and con-atr -.tlon methods of special expertnental dolens were found. Computer-aided irperlreental identification program toola were designed and tatro-uced.

Клочев1 олова: экспериментальна 1Дентш51кад1я, прогнозуюч.1 модели, селекц1я медалей, гвтематизовангй техшлоПчиий рроцес, гальванична с..робка деталей.