Содержание к диссертации
Введение
1. Характеристики процесса сварки и особенности их получения 5
1.1. Физические процессы при сварке плавлением 5
1.2. Особенности процесса рдс 10
1.3. Аттестация технологических компонентов как средство повышения качества сварных соединений
1.4. Основные характеристики технологического процесса РДС 12
1.5. Цель и задачи работы 21
2. Методы обработки сигнала для выделения идентификационных характиристик 25
2.1. Спектральные методы 26
2.2. Статистические методы исследования рдс 34
2.3. Регрессионные методы 45
2.4. Требования к методу идентификации технологических состояний сварочного процесса 49
2.5. Идентификация состояний процесса методом сегментации неоднородного фазового пространства 53
2.6. Определение числа параметров: исследование процесса рдс методами нелинейной динамики 54
2.7. Выбор масштаба: ем-масштабирование экспериментальных данных для выявления состояний процесса 60
2.8. Выбор размера клетки фп: оценка амплитуды стохастической составляющей процесса 70
2.9. Сглаживание функции распределения: адаптивный метод выбора скользящего окна 74
2.10. Выделение состояний процесса рдс 75
3. Мобильная система автоматизированной идентификации технологических состояний процесса РДС 78
3.1. Общая структура мобильной системы аист 78
3.2. Особенности реализации и основные характеристики мобильного информационно-регистрирующего модуля 83
3.3. Структура базы данных эксперимента 94
3.4. Интерфейс пользователя автоматизированной системы 99
3.5. Реализация компьютерных фильтров с идеальной характеристикой 107
3.6. Реализация модуля расчета корреляционного интеграла 109
3.7. Выводы к главе 3 ш
4. Результаты экспериментальных исследований процесса РДС с использованием системы мс аист 112
4.1. Организация экспериментальных исследований 112
4.2. Результаты спектральных исследований сварочного процесса 114
4.3. Результаты исследования процесса рдс статистическими методами 119
4.4. Исследование структуры фазового пространства процесса РДС 122
4.5. Получение характеристик процесса путем идентификации технологических состояний 132
Основные результаты 136
Литература 139
- Аттестация технологических компонентов как средство повышения качества сварных соединений
- Требования к методу идентификации технологических состояний сварочного процесса
- Особенности реализации и основные характеристики мобильного информационно-регистрирующего модуля
- Получение характеристик процесса путем идентификации технологических состояний
Введение к работе
Безопасность эксплуатации предприятий энергетики во многом зависит от качества сварных соединений, использованных при их монтаже. В работах Патона Б.Е., Гладкова Э.А., Акулова А.И. [1, 2, 3, 4, 5, 6] построена концепция повышения качества и надежности сварных швов за счет автоматизации сварочного процесса.
Однако в ряде случаев (при сложной конфигурации сварного соединения, в труднодоступных местах), невозможно обойтись без наименее автоматизируемого вида сварки - ручной дуговой сварки (РДС).
Анализ повреждаемости сварных соединений в процессе изготовления и монтажа показывает, что наиболее дефектонесущим является именно процесс ручной дуговой сварки [7, 8]. Исследованиями [9] показано, что компенсация нестабильностей, накопленных на этапах подготовки производства, путем адекватных изменений параметров режима сварки затруднительна. Это объясняется сложной физической природой процесса, отсутствием обратной связи по показателям качества и др.
Это естественно приводит к концепции повышения качества сварных соединений, полученных ручной дуговой сваркой, за счет повышения стабильности свойств технологических компонентов процесса (оператора-сварщика, электрода, источника питания) путем их надежной и объективной аттестации на этапе подготовки производства [10, 7, 11].
Нормативными документами определена методика аттестации всех технологических компонентов [12,10,65]. Аттестацию можно подразделить на три этапа: производится контрольное соединение, т.е. проводится промышленный эксперимент с использованием аттестуемого компонента, в ходе которого замеряются значения ряда параметров - этап эксперимента. Затем результаты замеров и контрольные соединения исследуются. Результатом этого этапа является набор числовых значений -
идентификационных характеристик. Они анализируются с использованием заранее заданных критериев, и аттестуемый компонент относится к соответствующему классу (разряд сварщика, качество электрода и т.д.) -этап классификации.
Однако проведенные исследования показывают, что, несмотря на все меры, принимаемые при контроле и аттестации, в реальном производстве сохраняется высокий уровень нестабильности квалификации операторов-сварщиков и характеристик уже аттестованных электродов, сварочных источников питания. Это объясняется трудностями получения объективных характеристик: практически все существующие методы контроля либо дороги и неэффективны (например, методы разрушающего .контроля), либо принципиально содержат элемент необъективности -экспертные оценки, экстраполяция данных, полученных по одному элементу группы на всю группу.
Важно отметить, что какой бы метод ни использовался на этапе
классификации (принятие решения экспертом-технологом или
автоматическая классификация с помощью распознавания образов, вывода
в нечеткой логике, нейронных сетей), объективность ее результата зависит,
прежде всего, от объективности и информативности набора
идентификационных характеристик, полученных на предыдущих этапах.
Таким образом, для производства ответственных изделий корпусного оборудования в энергетическом машиностроении актуальной является разработка математических методов получения идентификационных характеристик процесса РДС, методик их применения, основанных на них алгоритмов, а также аппаратно-программных систем, реализующих эти методы.
Процесс ручной дуговой сварки является сложным физическим процессом. Вследствие этого необходим комплексный подход к
получению характеристик, т.е. применение методов, относящиеся к различным классам.
Поскольку все компоненты сварочного процесса подвержены случайным воздействиям, естественным является применение статистических методов.
Трудность априорного выделения зависимостей между параметрами процесса приводит к необходимости использования важного подмножества статистических методов - регрессионных методов.
Процесс РДС является результатом целенаправленных действий оператора-сварщика. Поэтому он должен содержать детерминированную сотавляющую. В сочетании с принципиальной нелинейностью процесса это позволяет рассчитывать на применимость к его исследованию методов нелинейной динамики. Одним из результатов настоящей работы является доказательство такой применимости, что обосновано классификацией процесса РДС по результатам исследования как хаотического с аддитивной стохастической составляющей.
Следует отметить, что перечисленные методы получения характеристик игнорируют его важную особенность - наличие сильно различающихся по технологическим свойствам состояний. Однако известно [3, 4, 14], что дефекты сварочного шва связаны прежде всего с особыми состояниями технологического процесса. Это приводит к необходимости выделения раздельных состояний процесса и получения их характеристик. Сложность процесса не позволяет рассчитывать на априорное аналитическое описание таких состояний. Таким образом необходимо применение методов эмпирической классификации состояний. В настоящей работе показано, что метод кластерного анализа [23], традиционно используемый для решения этой задачи, неприменим к сварочному процессу. Отсюда вытекает задача разработки специализированного метода выделения технологических состояний
процесса РДС и получения идентификационных характеристик на его основе.
Целью настоящей работы является разработка эффективного специализированного метода автоматической идентификации состояний технологического процесса (АИСТ), аналогичного кластерному анализу, но учитывающего особенности процесса РДС, реализация и исследование аппаратно-программного комплекса для получения идентификационных характеристик как с помощью традиционных методов, так и с помощью метода АИСТ.
Идея метода состоит в отождествлении кластеров с максимумами эмпирической функции распределения, полученной по фазовому портрету, разделении кластеров по гиперплоскостям водоразделов и получении описания процесса как последовательности технологических состояний.
Аттестация технологических компонентов как средство повышения качества сварных соединений
Кристаллизация металла сварочной ванны по мере удаления дуги приводит к образованию шва, соединяющего свариваемые детали. При случайных обрывах дуги или при смене электродов кристаллизация металла сварочной ванны приводит к образованию сварочного кратера (углублению в шве, по форме напоминающему наружную поверхность сварочной ванны). Затвердевающий шлак образует на поверхности шва шлаковую корку.
Ввиду того, что от токоподвода в электрододержателе сварочный ток протекает по металлическому стержню электрода, стержень разогревается. Этот разогрев тем больше, чем дольше протекание по стержню сварочного тока и чем больше величина последнего. Перед началом сварки металлический стержень имеет температуру окружающего воздуха, а к концу расплавления электрода температура повышается до 500-600С (при содержании в покрытии органических веществ - не выше 250С). Это приводит к тому, что скорость расплавления электрода (количество расплавленного электродного металла) в начале и конце различна. Изменяется и глубина проплавлення основного металла ввиду изменения условий теплопередачи от дуги к основному металлу через прослойку жидкого металла в сварочной ванне. В результате изменяется соотношение долей электродного и основного металлов, участвующих в образовании металла шва, а значит, и состав и свойства металла шва, выполненного одним электродом. Это один из недостатков ручной дуговой сварки покрытыми электродами.
Перед зажиганием (возбуждением) дуги оператор-сварщик установливает необходимую силу сварочного тока, которая зависит от марки электрода, пространственного положения сварки, типа сварного соединения и др. Длина дуги зависит от марки и диаметра электрода, пространственного положения сварки, разделки свариваемых кромок и т. п. Пределами нормальной длины дуги считаются 1 =(0,5+1,\)с1эл (dm -диаметр электрода). Увеличение длины дуги снижает качество наплавленного металла шва ввиду его интенсивного окисления и азотирования, увеличивает потери металла на угар и разбрызгивание, уменьшает глубину проплавлення основного металла. Также ухудшается внешний вид шва.
Во время ведения процесса сварщик обычно перемещает электрод не менее чем в двух направлениях. Во-первых, он подает электрод вдоль его оси в дугу, поддерживая необходимую в зависимости от скорости плавления электрода длину дуги. Во-вторых, перемещает электрод в направлении наплавки или сварки для образования шва. В этом случае образуется узкий валик, ширина которого при наплавке равна примерно (0,8 - \,5)d3Jl и зависит от силы сварочного тока и скорости перемещения дуги по поверхности изделия. Узкие валики обычно накладывают при проваре корня шва, сварке тонких листов и тому подобных случаях.
При правильно выбранном диаметре электрода и силе сварочного тока скорость перемещения дуги имеет большое значение для качества шва. При повышенной скорости дуга расплавляет основной металл на малую глубину и возможно образование непроваров. При малой скорости вследствие чрезмерно большого ввода теплоты дуги в основной металл часто образуется прожог, и расплавленный металл вытекает из сварочной ванны. В некоторых случаях, например при сварке на спуск, образование под дугой жидкой прослойки из расплавленного электродного металла повышенной толщины, наоборот, может привести к образованию непроваров.
Иногда сварщику приходится перемещать электрод поперек шва, регулируя тем самым распределение теплоты дуги поперек шва для получения требуемых глубины проплавлення основного металла и ширины шва. Глубина проплавлення основного металла и формирование шва главным образом зависят от вида поперечных колебаний электрода, которые обычно совершают с постоянными частотой и амплитудой относительно оси шва. Траектория движения конца электрода зависит от пространственного положения, разделки кромок и навыков сварщика. При сварке с поперечными колебаниями получают уширенный валик, ширина которого обычно составляет (2 ч- 4) d3Jl, а форма проплавлення зависит от траектории поперечных колебаний конца электрода, т. е. от условий ввода теплоты дуги в основной металл.
При любом обрыве дуги образуется кратер - застывшая сварочная ванна. Кратер является зоной с наибольшим количеством вредных примесей ввиду повышенной скорости кристаллизации металла, поэтому в нем наиболее вероятно образование трещин. Поэтому квалифицированный сварщик по окончании сварки не обрывает дугу, резко отводя электрод от изделия. Необходимо прекратить все перемещения электрода и медленно удлинять дугу до обрыва; расплавляющийся при этом электродный металл заполнит кратер. При сварке низкоуглеродистой стали кратер иногда выводят в сторону от шва - на основной металл. При случайных обрывах дуги или при смене электродов дугу возбуждают на еще не расплавленном основном металле перед кратером и затем проплавляют металл в кратере.
Положение электрода относительно поверхности изделия и пространственное положение сварки оказывают большое влияние на форму шва и проплавление основного металла.
Требования к методу идентификации технологических состояний сварочного процесса
Однако существующие системы позволяют использовать ограниченное количество исходных признаков - максимум порядка сотен, в то время как массивы мгновенных значений параметров процесса, полученные при регистрации имеют размеры на 2-3 порядка большие.
Поэтому актуальной является разработка методов понижения размерности поля признаков без уменьшения их информативности, т.е. обработки массивов значений параметров с целью получения информативных идентификационных характеристик.
Таким образом, целью настоящей работы является разработка эффективного специализированного метода автоматической идентификации состояний технологического процесса (АИСТ), учитывающего особенности процесса РДС, реализация и исследование аппаратно-программного комплекса для получения идентификационных характеристик как с помощью традиционных методов, так и с помощью метода АИСТ. Комплекс должен быть рассчитан на применение пользователем-непрограммистом в производственных условиях. В него должны входить средства автоматической регистрации, хранения и предварительной обработки массивов значений технологических параметров. Получение характеристик должно базироваться на автоматической идентификации мгновенных состояний процесса сварки. Полученные характеристики должны быть применимы для этапа классификации (как экспертом-технологом, так и подходящей автоматизированной системой классификации), в частности должно обеспечиваться эффективное понижение размерности поля признаков до 101 -102 значений. Отсюда вытекают следующие задачи: - исследовать процесс РДС с целью выявления его характеристик и особенностей, существенных для выбора методов получения идентификационных характеристик; - разработать теоретические обоснования и подходы к специализированной обработке информации для выделения характеристик, описывающих технологические состояния сварочного процесса; - разработать гибкий интерфейс, позволяющий в наглядной форме задавать последовательность обработки для получения идентификационной характеристики; - разработать математические модели обоснованного выбора параметров методов, входящих в методику и имитационные модели для оценки их точности; - реализовать методику в виде мобильной системы автоматизированной идентификации состояний технологического процесса (МС АИСТ) и провести производственные испытания МС АИСТ для определения ее чувствительности к существенным технологическим свойствам аттестуемых компонентов процесса сварки. На кафедре «Информационных и управляющих систем» ВИ ЮРГТУ в рамках сотрудничества с ОАО ЭМК «Атоммаш», Ростовской АЭС, ПО «Ижорский завод», ВНИИАМ и др. уже много лет ведутся работы направленные на совершенствование процессов сварки плавлением при изготовлении и монтаже корпусного оборудования АЭС. В работах Чернова А.С., Кривина В.В., Сысоева Ю.С., Гладкова Э.А., Акулова А.И. и др. [3, 4] показано, что сварочный процесс относится к классу стационарных и эргодичных, даны обоснования методик автоматического сбора, оцифровки и предварительной обработки данных, показано, что записи сигналов тока и напряжения при сварке содержат важную информацию о технологических состояниях процесса [72, 74, 103, 104, 107, 108]. Особенностью предметной области (то есть процесса РДС) является то, что надежное и оперативное измерение возможно только для мгновенных значений тока и напряжения сварки (в некоторых работах используются также шум дуги и перемещения электрода). Остальные параметры могут быть получены только при исследовании готового шва и подвержены необъективности, т.к. содержат элементы экспертных оценок. Это приводит к необходимости максимально полного использования имеющейся информации, т.е. к потребности в алгоритмах выделения информативных идентификационных характеристик из массивов значений измеренных параметров. Необходимо подчеркнуть, что физические процессы, составляющие процесс РДС, имеют нелинейные характеристики (горение дуги, плавление деталей и электрода, гидродинамические процессы в сварочной ванне, управляющие воздействия оператора-сварщика). Одним из видов нелинейности процесса РДС является наличие в нем сильно отличающихся по физическим характеристикам технологических состояний. В работах [1, 3, 4, 63] приведены физические модели состояний каплепереноса, горения дуги, зажигания дуги, гидродинамических явлений в ванне. Известно, что для описания состояния нелинейных процессов гармоники высоких частот являются существенными. Это приводит к необходимости сбора данных о параметрах автоматическими устройствами с высокой частотой дискретизации. Известные методы автоматической классификации, такие как методы распознавания образов, нейронные сети, использующие нечеткие множества и др. характеризуются быстрым ростом вычислительной сложности с ростом размерности вектора входных данных. Реально количество входных данных может иметь порядок 102-103. Но, как обосновано в [8, 75], для адекватного описания массивы измерений должны иметь длину порядка сотен тысяч. Таким образом, для применения автоматической классификации (и тем более - для классификации экспертом-технологом) необходимо снижение размерности входных данных. Таким образом, требуется выделение из массивов измеренных данных информативных идентификационных характеристик.
Особенности реализации и основные характеристики мобильного информационно-регистрирующего модуля
В предыдущем параграфе констатирован один из недостатков статистических методов: они плохо приспособлены для обработки данных, содержащих информацию о различных состояниях. В то же время известно [1, 9], что наличие физически различных состояний при сварочном процессе является его существенной технологической особенностью.
Например, можно выделить состояния каплепереноса, рабочего хода и холостого хода. Ошибочные измерения, неизбежно возникающие [49] при реальном промышленном эксперименте, можно также считать особым состоянием. Это приводит к необходимости использования методов, позволяющих различить отдельные состояния. Применение статистических методов к данным, относящимся к одному и тому же состоянию, значительно более обоснованно.
Поскольку всеобъемлющей модели сварочного процесса до сих пор не создано, нет возможности получить множество этих состояний и их границы априорным анализом процесса. Необходимо, чтобы метод выделения состояний опирался исключительно на объективные данные, полученные в конкретном эксперименте. При этом исключается риск пропустить состояние, неизвестное технологам априори (например, связанное с неисправностью оборудования).
Таким образом, необходим метод, позволяющий выделить группы данных, такие, что в группе данные "похожи", а в разных группах -различны. Известно, что именно для решения таких задач предназначен класс методов, называемый кластерным анализом. Согласно [27], кластерный анализ (КА) - совокупность математических методов, предназначенных для формирования относительно "отдаленных" друг от друга групп "близких" между собой объектов по информации о расстояниях или связях (мерах близости) между ними. По смыслу аналогичен терминам: автоматическая классификация, таксономия, распознавание образов без учителя. Кластерный анализ получил довольно широкое развитие только в последние три десятилетия, хотя первые идеи о "структурной классификации" были высказаны еще в начале двадцатого века польским антропологом К. Чекановским [20]. Причина этого в том, что метод требует больших вычислительных затрат. Практическое применение кластерного анализа стало возможным только при достаточном развитии вычислительной техники. Целью КА является разбиение множества X на подмножества - классы подобных объектов. Согласно [32] КА сводится к нахождению сгущений в М-мерном пространстве, т.е. оценке функции плотности распределения по относительно малому количеству данных. Существует множество разных алгоритмов КА, которые, вообще говоря, дают различные результаты на одних и тех же данных. Иными словами, алгоритмы кластерного анализа являются эвристическими. Все алгоритмы включают процедуру попарного сравнения данных. Это приводит к квадратичной зависимости времени исполнения всех вариантов алгоритмов от количества данных. Конкретный алгоритм кластерного анализа задает правила, по которым объекты объединяются в кластеры в зависимости от результатов сравнения. Подытоживая, можно сказать, что кластерный анализ предназначен для использования в случаях, когда имеется малое количество данных (порядка сотен или тысяч), и является, фактически, набором эвристических приемов, позволяющих выделить пики функции плотности распределения в этой ситуации.
Надо заметить, что в случае сварочного процесса большое количество данных (порядка 10 -105) является необходимым (поскольку необходимо измерять данные с высокой частотой в течение длительного времени) и с использованием современной вычислительной техники это становится возможным.
Таким образом, кластерный анализ невозможно применить для сварочного процесса из-за большого количества данных (это бы заняло слишком много времени), но, с другой стороны, такой объем данных позволяет применить неэвристический, более объективный способ определения сгущений в фазовом пространстве - путем непосредственной оценки функции плотности распределения.
Традиционные статистические методы снижения информационной размерности применимы к исследованию сварочного процесса только при условии предварительного выделения отдельных выраженных технологических состояний. Применение для этой цели кластерного анализа неприменимо по вышеизложенным причинам. Это приводит к необходимости разработки метода разделения состояний, обладающего следующими свойствами:
Получение характеристик процесса путем идентификации технологических состояний
Исследования состояли в записи мгновенных значений параметров сварочного процесса - тока и напряжения сварки - в процессе аттестации сварщиков в производственных условиях. Для обеспечения максимальной повторяемости результатов запись велась при одинаковых условиях: проводилась наплавка электродом УОНИ-04 в вертикальном положении, использовался сварочный источник тока ВДУ-504. Запись велась после завершения переходных процессов, которое определялось визуально по устойчивому горению дуги, и велась в течение 16 сек с частотой 1кГц. Каждый эксперимент (сварка контрольного соединения) оформлялся паспортом эксперимента, содержащим следующие данные:
Последовательный номер эксперимента; 2. Фамилия сварщика; 3. Дата выполнения соединения; 4. Вид электрода; 5. Вид соединения; 6. Используемое сварочное оборудование (источник тока); 7. Время эксперимента; 8. Номинальное значение тока сварки; 9. Номинальное значение напряжения сварки; 10.Среднее значение скорости сварки; 11.После выставления оценок комиссией по аттестации в паспорт заносилась оценка по четырехбалльной системе: 5-отлично, 4-хорошо, 3-удовлетворительно, 2-неудовлетворительно. Результаты экспериментальных исследований образуют базу данных эксперимента, структура которой описана в параграфе 3.3. База имеет средства поиска необходимых данных по информации из паспорта. Всего в базе содержится 187 записей эксперимента (не считая 28 записей предварительных лабораторных исследований). Каждая запись содержит 16384 (214) значений тока и напряжения сварки. Записанные значения сварочного тока и напряжения в соответствии с методикой, обоснованной в главе 2 настоящей работы, были подвергнуты обработке следующими классами методов: 1. Спектральные методы. Позволили обосновать вид применяемой компьютерной фильтрации. 2. Статистические исследования. Подтвердили адекватность применения робастных статистических методов. 3. Исследование многомерных совместных функций распределения параметров (включая и производные) методами нелинейной динамики и средствами визуального исследования фазового пространства. Подтвердило принадлежность процесса РДС к классу хаотических с аддитивной стохастической составляющей, неоднородность фазового пространства процесса и дало объективную оценку минимально необходимого количества параметров и оценку амплитуды стохастической составляющей. 4. Получены таблицы идентификационных характеристик процесса методом идентификации технологических состояний (параграф 2.10) 5. По таблицам методом полного перебора выделены критерии для классификации операторов-сварщиков без дополнительных исследований. Для принятия обоснованного решения о частоте оцифровки и минимальной длине выборки было проведено исследование спектра сигналов тока и напряжения сварки. Исследование показало, что сигналы имеют непрерывный спектр с пиками на частотах, кратных сетевым. На рисунках 4.1 и 4.2 приведены графики тока и напряжения сварки, а на рисунках 4.3 и 4.5 - спектры этих сигналов. Падение спектров после 450Гц - следствие использования ФНЧ на входе АЦП. Наличие пиков в спектрах может объясняться одной из нескольких причин: либо выходное напряжение сварочного источника питания модулировано сетевой частотой, либо сопротивление дугового промежутка изменяется с соответствующей частотой, либо в считанный сигнал попадает помеха - "наводка". Поскольку дуговой промежуток обладает малым реактивным сопротивлением, изменение мощности источника или сопротивления дугового промежутка должно приводить к согласованному изменению тока и напряжения. Но на рисунках видно, что спектр тока имеет четко выраженные пики, а спектр напряжения - нет. Следовательно, наличие пиков может объясняться только помехой. Большая подверженность помехам именно сигнала тока объясняется тем, что он измеряется в виде падения напряжения на малом сопротивлении (шунте) и, следовательно, мал по сравнению с ЭДС наводки. Поэтому соотношение сигнал/шум для него значительно хуже, чем для сигнала напряжения. Таким образом, принято решение о фильтрации сигнала сварочного тока узкополосным режекторным фильтром с частотами, кратными сетевой.
