Остання редакція: 2024-12-07
Анотація
Важливим елементом більшості технічних систем є канали зв'язку, що містять лінії зв'язку, в яких зазвичай використовуються провідні кабелі: радіочастотні, коаксіальні та кабелі передачі даних. Їх виробництво є безперервним багатоопераційним процесом, що має всі властивості складної системи. Більшість компаній-виробників кабелю використовують програмовані логічні контролери зі звичайними контролерами для керування швидкістю лінії під час екструзії кабелю. Ці традиційні контролери мають труднощі з підтриманням постійної швидкості лінії, викликаючи дефекти поверхні на екструдованих кабелях і впливаючи на якість виготовлених кабелів. Щоб подолати ці проблеми, необхідно проаналізувати контрольовані параметри та встановити причини дефектів. Під час виробництва кабелю необхідно застосовувати контролер адаптивної нейросистеми нечіткого висновку для забезпечення постійної швидкості лінії під час процесу екструзії кабелю. Адаптивна нейросистема нечіткого висновку — це багаторівнева мережева комбінація алгоритмів навчання штучних нейромереж і систем нечіткого логічного висновку для відображення певних вхідних параметрів на виході. Вона використовує звичайний інтерфейс і здатність до навчання за рахунок штучних нейромереж для покращення знань систем. Найбільш використовуваною моделлю є модель Такагі-Сугено, оскільки вона ефективна з точки зору обчислень і добре працює з методами оптимізації та адаптації. В роботі було описано процес нанесення ізоляції на дріт методом екструзії, запропоновано систему керування швидкістю лінії. В результаті аналізу параметрів, які є визначальними для покращення якості виробництва кабелів було запропоновано систему керування швидкістю екструзії. Це дасть змогу в по-дальшому реалізувати та змоделювати роботу контролера адаптивної нейросистеми нечіткого висновку, який буде розроблятися в подальшому. Після його розробки та моделювання буде виконано порівняння з із вже існуючими аналогами.
Ключові слова
Посилання
[1] M. Thirumarimurugan, S. Subramanian, M. Ramasubramanian. Performance evaluation of extrusion process. Journal of Applied Science Research. vol. 12, 2016. p. 65-70.
[2] S. Subramanian, M. Thirumarimurugan. Performance enhancement of the extrusion process with smith predictor and AWPI. Asian Journal of Research in Social Sciences and Humanities. vol. 6, 2016. p. 485-489.
[3] C. Mbaocha, N. Amaeze, P. Eze. Design of a plastic extrusion system controller. International Journal of Scientific and Engineering Research. vol. 7, 2016. p. 595-598.
[4] M. Mayda. Barrel temperature control for quality of thermoplastic polymers in the extrusion process. Control and Systems Engineering. vol. 2, 2018. p. 1-6.
[5] C. Belavy, G. Hulko, D. Sismisova, M. Kubiss. FEM based modeling and control of temperature field in extruder barrel. Proceedings of the 29th International Conference 2018 Cybernetics & Informatics (K&I), Lazy pod Makytou. Slovakia, 2018. p.1-6.
[6] J. T. Dzib, E. J. Alejos-Moo, A. Bassam, M. Flota-Banuelo, M. A. Escalante-Soberanis, L. J. Ricalde, and M. J. López-Sánchez. Photovoltaic module temperature estimation: a comparison between artificial neural networks and adaptive neuro fuzzy inference systems models. International Symposium on Intelligent Computing Systems.vol.10, 2016. p.46-60, 2016.