Разработка и анализ интеллектуальной системы управления гальваническим процессом на базе ассоциативной памяти в условиях предсказуемой неопределенности

Проведен анализ способов улучшения равномерности гальванических покрытий, среди которых наиболее перспективным для многономенклатурного серийного типа производства является управление токовым режимом. Для управления токовым режимом рассматривается гальванический процесс как объект управления и описывается его математическая модель (с распределенными координатами на базе законов Фарадея и Ома, а также дифференциального уравнения Лапласа в частных производных). Из-за сложности математической модели гальванического процесса поиск оптимального управления невозможен в режиме реального времени и требует длительных предварительных расчетов. Применение ассоциативной памяти в интеллектуальной системе позволит сформировать управление, которое соответствует текущему состоянию гальванического процесса и заданному критерию качества (равномерности покрытия) в реальном времени. Предложен алгоритм работы блока формирования знаний, подразумевающий применение интеллектуальной системы управления в условиях предсказуемой неопределенности с ассоциативной памятью матричного типа. Заполнение строк ассоциативной памяти осуществляется на основе аппроксимации критерия равномерности квадратичной функцией и выбора ее значений при заданных потерях в качестве. Рассмотрен алгоритм работы регулятора, который использует управление из строки ассоциативной памяти, имеющей взвешенную метрику, наиболее близкую к нормализованным значениям входных переменных. Предложен алгоритм работы блока оценки качества на основе определения влияния входных переменных на выходную переменную посредством расчета их весовых коэффициентов значимости, для определения значений которых используются максимальные значения, размах и максимальные локальные изменения для вероятности неотрицательности отклонения выходной переменной от ее заданного значения. Для анализа эффективности предложенных алгоритмов работы блоков интеллектуальной системы управления гальваническим процессом на базе ассоциативной памяти с точки зрения длительности поиска управления и потери в равномерности покрытия проведен вычислительный эксперимент.

1. Гамбург Ю. Д. Гальванические покрытия. Справочник по применению. М.: Техвосфера, 2006. 216 с.

2. Помогаев М. В., Помогаев В. М., Волкович А. В. Равномерность гальванических покрытий и методы ее повышения // Практика противокоррозионной защиты. 2003. № 2 (28). С. 49—52.

3. Ishizuka N., Yamada T., Izui K., Nishiwaki S. Topology optimization for unifying de-posit thickness in electroplating process // Structural and Multidisciplinary Optimization. 2020. Vol. 62. P. 1767—1785.

4. Yang G., Deng D., Zhang Y., Zhu Q., Cai J. Numerical optimization of electrodeposition thickness uniformity with respect to the layout of anode and cathode // Electrocatalysis. 2021. Vol. 12. P. 478—488.

5. Park C.-W., Park K.-Y. An effect of dummy cathode on thickness uniformity in electro-forming process // Results in Physics. 2014. Vol. 4. P. 107—112.

6. Solovjev D. S., Solovjeva I. A., Konkina V. V. Software Development for the Optimal Parts Location in the Bath Space with the Purpose to Reduce the Non-uniformity of the Coating Thickness // Proceedings of the 6th International Conference on Industrial Engineering (ICIE 2020). Lecture Notes in Mechanical Engineering. 2021. P. 85—93.

7. Anand R. K. Bipolar electrode focusing: tuning the electric field gradient // Lab on a Chip. 2011. Vol. 11. P. 518—527.

8. Popov K. I., Živković P. M., Nikolić N. D. A mathematical model of the current density distribution in electrochemical cells // Journal of the Serbian Chemical Society. 2011. Vol. 76. P. 805—822.

9. Wang F. Y., Xu J. W., Zhao J. S. Numerical Simulation of Electrochemical Machining Process and Machined Surface Prediction // Key Engineering Materials. 2011. Vol. 458. P. 99—105.

10. Пчелинцева И. Ю., Литовка Ю. В. Система автоматизированного управления процессом нанесения гальванического покрытия в ванне с токонепроводящим экраном // Мехатроника, автоматизация, управление. 2022. Т. 23, № 4. С. 188—196.

11. Соловьев Д. С., Соловьева И. А. Разработка и исследование системы оптимального управления гальваническими процессами в ваннах со многими анодами // Мехатроника, автоматизация, управление. 2022. Т. 23, № 9. С. 462—472.

12. Solovjev D. S., Solovjeva I. A., Litovka Y. V., Nesterov V. A. Searching Method for Suboptimal Action Ensuring Acceptable Losses in the Process Quality // Journal of Machinery Manufacture and Reliability. 2020. Vol. 49. P. 429—438.

13. Solovjev D. S., Solovjeva I. A., Litovka Y. V. Synthesis of the suboptimal control algorithm for electroplating processes under conditions of uncertainty in the range of processed products // IOP Conference Series: Materials Science and Engineering. 2020. Vol. 709(022063). P. 1—7.

14. Макаров И. М., Лохин В. М., Манько С. В., Романов М. П. Искусственный интеллект и интеллектуальные системы управления. М.: Наука, 2006. 333 с.

15. Карабутов Н. Н., Лохин В. М., Манько С. В., Романов М. П. Модели адаптивного управления на базе ассоциативной памяти // Мехатроника, автоматизация, управление. 2014. № 12. С. 11—17.

16. Романов М. П. Высокоточная система управления для сборочных роботов на основе ассоциативной памяти // Вестник МГТУ МИРЭА. 2015. № 3-1 (8). С. 60—87.

17. Ильин В. П. Методы конечных разностей и конечных объемов для эллиптических уравнений. Новосибирск: Издво Ин-та математики, 2000. 345 с.

18. Giaccherini A., Caporali S., Berretti E., Marcantelli P., Sanzari I., Perissi I., Innocenti M. Finite Elements Analysis of an Electrochemical Coating Process of an Irregularly Shaped Cathode with COMSOL Multiphysics® // ECS Transactions. 2015. Vol. 64. P. 1—8.

19. Johansson R. Numerical Python: Scientific Computing and Data Science Applications with Numpy, SciPy and Matplotlib. New York: Apress, 2018. 700 p.