Управление параметрами движения пипетирующего робота, обеспечивающими дозирование, на базе нечеткой логики тема диссертации и автореферата по ВАК РФ 05.02.05, кандидат технических наук Антонов, Антон Николаевич

• Антонов, Антон Николаевич
• кандидат технических наук
• 2010

Оглавление диссертации кандидат технических наук Антонов, Антон Николаевич

ВВЕДЕНИЕ.

1. Анализ методов и систем автоматического дозирования.

1.1. Классификация систем автоматического дозирования.

1.2. Теоретические основы дозирования.

1.3. Роботизированные системы дозирования.

1.4. Постановка задачи исследования.

2. Технологические аспекты разработки интеллектуальной системы дозирования.

2.1. Конструкция роботизированной пипетирующей станции.

2.2. Технология дозирования при использовании роботизированной станции.

2.3. Расчет ламинарности потока технологической жидкости.

2.4. Метрологические характеристики дозирования.

2.5. Выводы.

3. Разработка базы знаний.

3.1. Структура базы знаний.

3.1.1. Опросные листы.

3.1.2. Процедура построения базы знаний в Matlab.

3.2. Выводы.

4. Разработка виртуального нечеткого контроллера.

4.1. Теоретические основы нечеткой логике.

4.1.1. Основные определения.

4.1.2. Свойства нечетких множеств и операции над ними.

4.2. Теоретические обоснования выбора функций принадлежности.

4.2.1. Аналитическое определение функций принадлежности переменных для процесса дозирования.

4.3. Разработка и оптимизация структуры нечеткого вывода для нечеткого контроллера.

4.3.1. Методика построения нечеткого логического вывода по выбору параметров дозирования.

4.3.2 Реализация нечеткого логического вывода в Matlab.

4.3.3. Оптимизация функций принадлежности и базы правил.

4.4. Моделирование нечеткого контроллера управления параметрами движения, обеспечивающими дозирование, в среде Simulink.

4.5. Выводы.

Введение диссертации (часть автореферата) на тему «Управление параметрами движения пипетирующего робота, обеспечивающими дозирование, на базе нечеткой логики»

Одним из основных этапов на лакокрасочных, фармацевтических, химических производствах и при производстве диагностических тест-систем является этап дозирования жидких и сыпучих сред требуемого объема в тару. Автоматизация и применения робототехнических станция позволяет повысить производительность, исключить вредное влияние на человека монотонности работы («запястный синдром»), воздействия токсичных веществ и потенциально патогенных реагентов [12, 19, 21]. В настоящее время трудоемкость ручного дозирования составляет до 50% от общей трудоемкости при производстве диагностических тест-систем, а стоимость этих операций достигает до 40%, тогда как автоматизация на малых и средних производствах дозировочных операций составляет не более 30% [12, 13,73].

Исследования в области автоматизации и интеллектуализации процесса дозирования посвящены работы таких представителей науки, как Видинеев Ю.Д., Першин В.Ф., Першина С.В., Безменов B.C., Сорокин С.А., Анискевич А.А., Гуревич Д.А., Соколов М.В., Орлов С.П. и др.

Совершенствование технологических процессов выдвигает требования по точности, качеству, быстродействию, универсальности и прочим критериям к различного рода дозирующим устройствам [12, 20]. Проведенный в первом разделе анализ показывает, что современные системы автоматического дозирования накладывают все более жесткие требования к технологии дозирования. Системный подход к созданию дозирующих устройств, предполагающий использования последних достижений механики, информационных технологий, управления, вычислительной техники, дает положительные результаты, о чем свидетельствует опыт зарубежных стран в производстве и использовании роботизированных технологических систем дозирования [10, 86, 105, 107]. Особое значение в современных системах автоматического дозирования (САД), выполняющих различные операции дозирования, диспенсинга и смешивания, имеет организации системы контроля и управления [12, 23, 35, 41, 52].

В последнее время на первый план выходят интеллектуальные технологии, способные, как показывают зарубежные и отечественные разработки, обеспечить высококачественное управление в широком диапазоне скоростей, внешних и внутренних неопределенностей [1, 2, 3, 27, 32, 36, 41]. Таким образом, интеллектуализация систем управления, не применявшихся ранее в процессе дозирования, является важной и актуальной задачей.

Последние пару десятилетий стремительно развивающейся интеллектуальной технологией является нечеткая логика, имеющая ряд отличительных особенностей, таких как: осуществление качественного управления при неточной информации об объекте, быстродействие, простота реализации [4, 7, 11, 18, 31, 44, 54, 57]. Различными аспектами проектирования и использования нечетких систем управления, основоположником которых является JI. А. Заде, посвящены работы Штовбы С.Д., Ротштейна О.П., Сугено М., Мамдани Е., Орловского С.А., Сангали А. и других ученых. По этой тематики активно ведутся исследования в ведущих Российских, Украинских и европейских ВУЗах, что подтверждает актуальность разработок, направленных на расширение границ применения нечеткой логики.

В первом разделе работы проведен анализ методов и систем автоматического дозирования. Произведена классификация современных САД и охарактеризованы современные роботизированные станции I дозирования. Рассмотрены основные технологические различия между современными роботами-дозаторами и приведена обобщенная кинематическая схема роботизированных пипетирующих станций.

Во втором разделе рассмотрены технологические аспекты разработки интеллектуальной системы дозирования. Проанализирована конструкция конкретной модели пипетирующей станции и на основе рассмотренных особенностей сформирован алгоритм процесса дозирования. Учитывая действия на процесс дозирования ряда факторов неопределенностей, а так же неполной информации при задании параметров дозирования, выявлено, что управление по предложенному алгоритму стоит осуществлять с помощью интеллектуальных систем, снабженных базой знаний, а, в частности, методами нечеткой логики.

Третий раздел посвящен разработки базы знаний процесса дозирования. Сформированы на основе опросных листов экспертов 48 правил дозирования и построена база правил с помощью инструментария Fuzzy Logic Toolbox - пакета математического моделирования Matlab. Предлагаемый теоретический метод получения экспертных данных применительно к роботизированной пипетирующей станции заключается в следующем: имея информацию о требуемом объеме дозы, вязкости дозируемой жидкости и обобщенном параметре температуры (как окружающей среды, так и самой жидкости) при условии максимального быстродействия и сохранении заявленной точности требуется определить параметры дозирования: скорость аспирации, скорость дозирования и задержку после каждого из этапов.

Четвертый раздел посвящен проектированию нечетких систем управления роботизированной пипетирующей станцией. Нечеткий контроллер, как одно из наиболее важных практических приложений нечеткой математики, служит для построения высококачественных систем управления сложными процессами. В разделе предложен механизм построения нечеткого логического вывода на основе алгоритма Мамдани, проведено теоретическое обоснование выбора функций принадлежности лингвистических переменных и реализована их оптимизация. Также рассмотрен вариант оптимизации количества баз правил методом укрупнения. Для подтверждения работоспособности и эффективности нечеткого управления проведено моделирования нечеткого контроллера, управляющего работой шагового двигателя, который выполняет перемещение поршня шприцевого насоса, являющегося основным дозирующим инструментом роботизированной пипетирующей станции.

Разработанная система нечеткого вывода апробирована для выбора параметров дозирования действующей пипетирующей станции EVO Freedom 75, применяемой на участки фасовки, этикетирования и комплектации (УФЭК) при научно-производственной лаборатории ФГУН ЦНИИЭ Роспотребнадзора. Полученные результаты оправдывают применение нечеткого управления в процессе дозирования роботизированными станциями.

Заключение диссертации по теме «Роботы, мехатроника и робототехнические системы», Антонов, Антон Николаевич

4.5. Выводы

Проведено теоретическое обоснование выбора функция принадлежности и их оптимизация. Предложен метод укрупнения баз правил, приводящий к уменьшению количества правил без потери интерпритабельности. Произведена разработка системы нечеткого логического вывода по алгоритму Мамадани, позволяющей определять параметры дозирования в условиях наличия ряда существенных неопределенностей условий дозирования. На основе данной системы разработан нечеткий контур управления скоростью шагового двигателя, отвечающего за выдачу единичной порции жидкости, что демонстрирует принципиальную возможность построения системы управления на базе данного контроллера. При этом создан работающий программный комплекс, позволяющий рекомендовать параметры дозирования при создании протоколов работы роботизированной пипетирующей станции EVO Freedom 75.

ЗАКЛЮЧЕНИЕ

В диссертационной работе были получены следующие основные практические и научные результаты:

1. Рассмотрены принципы работы роботизированных систем дозирования. Выявлены основные неопределенности, влияющие на точность дозирования и ограничивающие применение роботизированных систем дозирования. Предложена классификация систем автоматического дозирования.

2. Разработана база знаний интеллектуализации процесса задания параметров дозирования.

3. Создан виртуальный нечеткий контроллер на основе нечеткого логического вывода для осуществления процесса дозирования.

4. Произведено моделирования работы созданного нечеткого контроллера по управлению шаговым двигателем, являющимся основным исполнительным элементом устройства дозирования роботизированной пипетирующей станции. 5. Параметры дозирования, сформированные системой нечеткого вывода, увеличили производительность участка фасовки НПЛ ОМДиЭ ФГуН ЦНИИЭ Роспотребнадзора на 10-15% по сравнению с вручную подобранными параметрами, а так же использование разработанной системы I сократили на 30% время, затрачиваемое на создание протокола дозирования.

Список литературы диссертационного исследования кандидат технических наук Антонов, Антон Николаевич, 2010 год

1. Автоматическое проектирование информационно-управляющих систем. Проектирование экспертных систем на основе системного моделирования. Г.Г. Куликов, А.Н. Набатов, А.В. Речкалов и др., Уфимск. Гос. Авиац. Техн. Ун-т. Уфа, 1999.

2. Алиев Р.А., Абдикеев Н.М., Шахназаров М.М. Производственные системы с искусственным интеллектом,- М.: Радио и связь, 1990.

3. Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечетких условиях. Тюмень: Издательство Тюменского государственного университета, 2000.

4. Анисимов В.Ю., Борисов Э.В. Методы достоверности реализации нечетких отношений в прикладных системах искусственного интеллекта. Изв. АИ: серия техническая кибернетика, №5, 1991.

5. Борисов А.Н., Крумберг О.А., Федоров И.П. Принятие решений на основе нечетких моделей: примеры использования/ Рига: Знатнее, 1990.

6. Заде JI.A. Понятие лингвистической переменной и его применение к принятию приблеженных решений. М.: Мир, 1976.

7. Кофман А. Введение в теорию нечетких множеств. —М.: Радио и связь, 1982.

8. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. СПб.: БХВ-Петербург, 2003.

9. Штовба С. Д."Введение в теорию нечетких множеств и нечеткую логику" http://matlab.exponenta.ru/fuzzylogic/bookl/index.php .

10. Freedom EVO 75 Operating Manual ver. 1.0, 2004.I

11. Кузнецов М.В. Разработка системы эффективного управления поиском согласованного положения деталей для роботизированных сборочных устройств на основе нечеткой логике: Дис. Канд. Техн. Наук. М: РГБ, 2005.

12. Безменов B.C. Разработка принципов и методов построения пневматических систем автоматизированного дозирования жидкостей: автореферат дис. док. техн. Наук. — М.:2009.

13. Фогельсон Р.Л., Лихачев Е.Р. «Температурная зависимость вязкости». Журнал технической физики, том 71, вып.8:2001.

14. Круглов В .В., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети М.: ФИЗМАТЛИТ, 2001.

15. Л.В. Найханова, С.В. Дамбаева. Методы и алгоритмы принятия решений в управлении учебным процессом в условиях неопределенности: Монография. — Улан-Удэ: Изд-во ВСГТУ, 2004.

16. Галыгин А.Н. Алгоритмы автоматического формирования базы правил для систем управления на нечеткой логике: Дис, канд. Техн. Наук. — М.:РГБ, 2005.

17. Базы знаний интеллектуальных систем. Т. А. Гаврилов, В.Ф. Хорошевский. — СПб.: Питер, 2000.

18. Беллман Р., Заде Л.А. Принятие решений в расплывчатых условиях // Вопросы анализа и процедуры принятия решений: Сб. статей/ Пер. с англ.; Под ред. И.Ф. Шахнова. — М., 1976.

19. Соколов М.В., Гуревич А.Л. Автоматическое дозирование жидких сред. I Л.: Химия, 1987.I

20. Гуревич А.Л., Соколов М.В. Импульсные системы автоматического дозирования агрессивных жидкостей. М.: Энергия, 1973.

21. Прохоров В.А. Основы автоматизации аналитического контроля химических производств. М.: Химия, 1984.

22. Видинеев Ю.Д. Дозаторы непрерывного действия. М.: Энергия, 1978.

23. Абилов А.С., Лютфалиев К.А, Автоматические микродозаторы для жидкостей. М.: Энергия, 1975.

24. Тартаковский Д.Ф., Ястребов А.С. Метрология, стандартизация и технические средства измерений: Учеб. Для вузов. М.: Высш. Шк., 2001.

25. Прикладные нечеткие системы: Пер. с япон./ К. Асаи, Д. Ватада, С. Иваи и др.: под редакцией Т. Тэрано, К. Асаи, М. Сугэно. — М.: Мир, 1993.

26. Каталымов А.В., Любартович В.А. Дозирование сыпучих и вязких материалов. JL: Химия JIO, 1990.

27. Дистанционно управляемые роботы и манипуляторы / Под ред. B.C. Кулешова и Н.А. Лакоты. М.: Машиностроение, 1986.

28. Елтаренко Е.А., Оценка и выбор решений по многим критериям. М.: МИФИ, 1995.

29. Жуковин В.Е. Нечеткие многокритериальные модели принятий решений// Тбилиси, Мецниереба, 1988.

30. Захаров В.И., Ульянов С.В. Нечеткие модели интеллектуальных промышленных регуляторов и систем управления// Изв. АН.: серия техническая кибернетика, №4,5, 1993.

31. Каляев И.А., С.Г. Капустян, Усачев Л.Ж. Концептуальные аспекты организации распределительных систем управления коллективами роботов // IX научно-техническая конференция «Экстремальная робототехника»: Материалы конференции. — СПб: изд-во СПбГТУ, 1998.

32. Козырев Ю.Г. Промышленные роботы. Справочник. — М.: Машиностроение, 1988.

33. Керер Р. Новая тенденция в области измерений на базе персональных компьютеров// Приборы и системы управления, №4, 1997.36,37,38