|
1 前言
喷射成形是近年来新发展的材料加工技术,由于雾化过程中具有很高的冷却速度,因此喷射成形具有快速凝固的特征,加上生产的预成形坯体具有近终形零件的特点,使得喷射成形技术具有一系列的独特优点[1]:生产工序简单,生产周期短,生产成本低;雾化过程采用惰性气体,使金属的氧化程度减小;预成形坯体的晶粒组织细小,合金元素的固溶度高,可产生亚稳态相,并且偏析程度小。
然而由于工艺过程的复杂性,喷射成形技术的研究面临的主要问题之一是:为保证工艺参数的稳定及克服恶劣的工作环境所产生的不良影响,必须采取自动控制技术。控制技术是获得高质量沉积坯体的保证,也是促进商业化应用不可缺少的技术。对于喷射成形这样复杂的工艺系统,控制方法中先进的智能控制技术更具有优越性,为解决一些经典控制理论难以解决的问题提供了新的途径。本文详细地介绍了几种智能控制技术在喷射成形工艺中应用的实例,阐述了智能控制在喷射成形技术中的应用的优越性,展望智能控制技术潜在的应用前景。
2 智能控制技术在喷射成形工艺中的应用
2.1 雾化液滴尺寸的专家控制系统
专家系统利用被控对象领域的专业知识和经验,采用人工智能专家系统的知识积累及推理技术得出控制动作。一个好的专家控制系统首先必须有充分的关于控制的知识和被控过程的有关数据,这是推理和决策的基础,另外必须有一个有效利用知识的推理机构。因此从某种意义上来讲,专家系统是一个知识获取和利用的系统。
文献[2]介绍气体雾化过程中颗粒尺寸的智能控制,控制系统包含高级控制器和低级控制器两个部分,其中高级控制器的设计就是利用了专家系统。图1为雾化控制系统简图。高级控制器的决策策略 基于分级控制思想,将最高一级的控制目标被分成几个子目标,所有子目标必须是可实现的,以完成整体目标。这样,为了执行分解的目标,控制器相应地分成若干个控制模式,每个模式完成一个或多个子目标。
模式分解的知识以事实(ｆａｃｔ)和规则(ｒｕｌｅｓ)的形式存在知识库中,其中事实的形式如下:(项目1,[项目2........项目ｎ])
每个项目表示一个事实,例如:Ｐ=1000.00,表示喷嘴压力为1000Ｐａ。规则指定了具体的动作,当给定的条件满足时,既触发了一条规则。通常,规则具有如下的形式: Ｉｆ 条件 Ｔｈｅｎ 动作
当某条规则被触发,即可执行一个目标动作,交给低级控制器完成。由于在同一时刻可能有多个规则的条件满足,因此控制器必须具有解决冲突的策略。当选择规则的策略是变化的,则可认为控制器具有自适应能力;当选择规则的策略使性能指标不断改善,可以说控制器具有自学习能力,所有的这些方法实现了雾化过程控制的智能决策。
总之,专家系统用于雾化过程的液滴尺寸控制,利用已有专家的知识和经验,通过识别不同状态给出不同的控制目标,然后实现具体的控制。由于控制决策中用到了已有的事实和经验规则,一般可以获得较好的控制效果。但为得到满意的控制效果,要求对工艺过程非常了解。知识库中必须有很多的经验数据,因此,对于这样的过程,采用专家系统控制是很必要的。
2.2 预测沉积坯体质量的神经网络技术
神经网络控制是研究和利用人脑的某些结构和机理以及人的知识和经验对系统进行控制。它是神经网络作为人工智能的一种途径在控制领域的渗透。采用神经网络,可将控制看成是模式识别问题,智能控制器应能够实时识别及分离出变化的模式,并且能从经验中“学习”到模式的变化,甚至在数据不完备的情况下,仍能做到这些。随着模式识别的自组织能力和映射以及决策能力的日益增强,神经网络用于智能控制设计表现出巨大的潜在优势。
文献[3]、[4]中介绍了神经网络在喷射成形技术中的应用,建立了用以描述工艺参数与产品质量关系的四层神经网络(输入层、两个中间层、输出层)。为了验证神经网络具有模拟实际情况的能力,根据训练数据集与验证数据集选取的不同,研究中设计了三个神经网络进行进行考察。最后用所有的实验数据训练神经网络,然后假设输入变量数据,根据神经网络获得输出数据,籍此考察输入、输出之间的关系。每个神经网络的输入变量为:操作时间(ｔ)、气体/金属质量流率比(Ｇ/Ｍ)、金属温度(Ｔ);网络的输出参数为:表面粗糙度、排气温度、孔隙大小。本研究的实验数据由五组(代号分别为Ａ、Ｂ、Ｃ、Ｄ、Ｅ)实验中得到,获得的数据具有较广的覆盖面。
第一个神经网络选用全部数据进行训练,并用全部数据进行测试,测试结果表明,网络输出与实际输出数据较好的吻合;第二个神经网络随机地从五组实验数据中抽取一定量的数据作为训练,余下的数据用于测试,测试结果表明,网络输出仍与实际数据较好的吻合;第三个网络用Ｄ组作为测试数据,余下的数据用于网络训练,目的是利用神经网络完全没有‘看到’的数据测试网络的泛化性能,测试结果表明,网络输出结果与实际数据有4%的偏差,但变化趋势与实际数据一致,这说明在实验范围内的数据神经网络预测具有很好的性能。
最后,用第一个神经网络从两个方面研究输入参数与输出参数之间的关系。首先研究ｔ为变量、Ｇ/Ｍ和Ｔ为常量,考察喷射时间与输出参数的变化关系。结果表明:排气温度在30ｓ后保持稳定状态,而粗糙度均方根(ＲＭＳ)值在15ｓ后随时间呈线性的增长的关系,孔隙度在30ｓ后也开始呈稳定状态。然后保持ｔ为常量、Ｇ/Ｍ和Ｔ为变量,考察气体/金属质量流率及金属温度同时变化与孔隙变化的关系时,网络的预测结果表明,低的气体/金属质量流率和高的金属温度可以保证获得较小的孔隙,即预成形坯体具有较好的质量,见图2。
工艺参数与喷射成形质量之间的关系,不仅能够保证描述精度的准确性,还能考察输入、输出之间的关系。这为研究复杂工艺过程的模型提供了一个新的方法,因此如果将这种方法推广到喷射成形工艺中其它方面的研究领域,必将进一步深入地了解喷射成形工艺过程。实际上,神经网络不仅用于建模的研究,将其用于过程控制也有很多优点,这里不多介绍。
2.3 优化沉积坯体质量的模糊控制技术
模糊控制是智能控制中应用最广泛的一种形式,它吸取了人的思维具有模糊性的特点,使用模糊数学中的隶属函数、模糊关系、模糊推理和决策等工具得出控制动作。根据控制规则、误差及误差变化率的模糊子集生成控制决策表,对控制表的直接查询,可得到每一时刻应施于系统的控制动作。
喷射成形工艺的过程控制中,模糊理论的应用包含两个方面的内容:模糊建模与模糊控制。模糊建模是指利用模糊关系描述喷射成形工艺过程,以实现对工程更深入的本质上的认识,其中包括利用经验规则和逻辑集合以及可描述状态集合等对工艺过程予以描述[5],该方向研究的有关报道较少。模糊控制是指控制器采用模糊理论进行设计,将专家的或熟练操作工的操作经验用模糊语言的形式表达出来,以对实时过程的参数、状态有效地控制,获得满意的控制结果。用于模糊控制不需要对过程模型更深入的了解,因此更适于类似喷射成形这样复杂系统的应用,实践中有过许多成功的范例。文献[6]中对(ＤＴＲＣ)设计的智能控制系统做了详细的介绍,在他们设计的系统中,采用简单的模糊语言描述这些模型表述的关系,即模型以模糊规则的形式出现。例如:Ｉｆ出现宏观粗糙度和微观粗糙度以及微观糙度值的增加 Ｔｈｅｎ保持第二气压不变
就是一条描述产品粗糙度与第二气压之间关系的一条模糊规则。ＤＴＲＣ提取了许多描述产品性能与主要工艺参数之间的关系的模糊规则,将其作为模糊控制的核心。其目标是在局域控制的一次过程参量与利用模糊控制器实时传感和控制的表征最终工件质量的指标参量之间建立起联系(或者称为模糊控制规则),保持准静态的加工状态。在这种状态下控制合适的沉积层厚度和合适的温度,最终得到具有细小等轴晶粒组织的完全致密的预成形件。在模糊控制过程中,调整过程采用微小增量方式,传感器反馈信息决定了模糊控制过程中的反应是否恰当,工艺过程的微小误差可以在工艺过程中及时得以校正[7]。
3 展望
上面介绍了喷射成形工艺中已经应用的三种智能控制方法,实际上,智能控制技术的应用也不仅限于这三种,其它的方法,如遗传算法用于优化参数、神经网络实现模糊控制用于过程的自学习等,都存在应用的可能性。总之,智能控制在喷射成形工艺中的应用是一个较新的研究方向,开展这一领域的研究有很重要的意义。由于喷射成形工艺过程的复杂性,决定了智能控制技术有更广泛的应用前景,可以实现诸如模型辩识、智能传感、智能控制器设计等多方面的任务,是未来研究的方向。
|
