Помощь в написании студенческих работ
Антистрессовый сервис

Идентификация технологических состояний процесса ручной дуговой сварки на основе математических моделей и методов нелинейной динамики

Диссертация: Идентификация технологических состояний процесса ручной дуговой сварки на основе математических моделей и методов нелинейной динамики
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Экспериментальное исследование и опытная эксплуатация автоматизированной системы МС АИСТ показали что реализуемая ею методика обеспечивает получение информативных идентификационных характеристик, коррелирующих с технологическими параметрами процесса сварки. Это позволяет использовать их для классификации определенного подмножества аттестуемых компонентов без применения дополнительных испытаний… Читать ещё >

Идентификация технологических состояний процесса ручной дуговой сварки на основе математических моделей и методов нелинейной динамики (реферат, курсовая, диплом, контрольная)

Содержание

  • 1. ХАРАКТЕРИСТИКИ ПРОЦЕССА СВАРКИ И ОСОБЕННОСТИ ИХ ПОЛУЧЕНИЯ
    • 1. 1. Физические процессы при сварке плавлением
    • 1. 2. Особенности процесса РДС
    • 1. 3. Аттестация технологических компонентов как средство повышения качества сварных соединений
    • 1. 4. Основные характеристики технологического процесса РДС
    • 1. 5. цель и задачи работы
  • 2. МЕТОДЫ ОБРАБОТКИ СИГНАЛА ДЛЯ ВЫДЕЛЕНИЯ ИДЕНТИФИКАЦИОННЫХ ХАРАКТИРИСТИК
    • 2. 1. Спектральные методы
    • 2. 2. Статистические методы исследования РДС
    • 2. 3. Регрессионные методы
    • 2. 4. Требования к методу идентификации технологических состояний сварочного процесса
    • 2. 5. Идентификация состояний процесса методом сегментации неоднородного фазового пространства
    • 2. 6. Определение числа параметров: Исследование процесса РДС методами нелинейной динамики
    • 2. 7. Выбор масштаба: ЕМ-масштабирование экспериментальных данных для выявления состояний процесса
    • 2. 8. Выбор размера клетки ФП: оценка амплитуды стохастической составляющей процесса
    • 2. 9. Сглаживание функции распределения: адаптивный метод выбора скользящего окна
    • 2. 10. Выделение состояний процесса РДС
  • 3. МОБИЛЬНАЯ СИСТЕМА АВТОМАТИЗИРОВАННОЙ ИДЕНТИФИКАЦИИ ТЕХНОЛОГИЧЕСКИХ СОСТОЯНИЙ ПРОЦЕССА РДС
    • 3. 1. Общая структура мобильной системы АИСТ
    • 3. 2. Особенности реализации и основные характеристики мобильного информационно-регистрирующего модуля
    • 3. 3. Структура базы данных эксперимента
    • 3. 4. Интерфейс пользователя автоматизированной системы
    • 3. 5. Реализация компьютерных фильтров с идеальной характеристикой
    • 3. 6. Реализация модуля расчета корреляционного интеграла
    • 3. 7. Выводы к главе 3
  • 4. РЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ ПРОЦЕССА РДС С
  • ИСПОЛЬЗОВАНИЕМ СИСТЕМЫ МС АИСТ
    • 4. 1. Организация экспериментальных исследований
    • 4. 2. Результаты спектральных исследований сварочного процесса
    • 4. 3. Результаты исследования процесса РДС статистическими методами
    • 4. 4. Исследование структуры фазового пространства процесса РДС
    • 4. 5. Получение характеристик процесса путем идентификации технологических состояний
  • ОСНОВНЫЕ РЕЗУЛЬТАТЫ

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 необъективностиэкспертные 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.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ.

Разработана методика получения идентификационных характеристик процесса ручной дуговой сварки, состоящая в автоматическом выделении технологических состояний процесса и определении их статистических характеристик. Применение этой методики вместо традиционных методов получения идентификационных характеристик позволяет удешевить и сделать более объективной аттестацию технологических компонентов сварочного процесса.

Исследованием процесса РДС методами нелинейной динамики выяснено, что оценка размерности аттрактора процесса сходится в определенном диапазоне параметра, что позволяет классифицировать этот процесс как хаотический с аддитивной стохастической составляющей.

Разработана математическая модель определения величины стохастической составляющей сигнала путем расчета корреляционного интеграла со специальной метрикой, что позволяет обоснованно выбрать размер клетки гистограммы при выделении состояний.

Получена оценка роста амплитуды стохастической составляющей 1 т при увеличении размерности восстановленного фазового пространства т вида lm = /j • 4 т, позволяющая оценить необходимую точность.

разделения технологических состояний процесса.

Разработана математическая модель оценки правдоподобия сглаженного значения гистограммы методом сравнения ее графика с линейной функцией и применения критерия хи-квадрат, обосновывающая адаптивный выбор размера скользящего окна.

Разработан гибкий интерфейс в виде специализированного набора блоков системы Simulink, позволяющий в наглядной форме задавать последовательность обработки для получения идентификационной характеристики.

Экспериментальное исследование и опытная эксплуатация автоматизированной системы МС АИСТ показали что реализуемая ею методика обеспечивает получение информативных идентификационных характеристик, коррелирующих с технологическими параметрами процесса сварки. Это позволяет использовать их для классификации определенного подмножества аттестуемых компонентов без применения дополнительных испытаний. Такое использование приводит к повышению надежности, объективности и оперативности аттестации.

Hi.

Hi.

Рис. 4.21 Применение критерия с условием вида Hi < Lt. Изображены гистограммы для случая оценки «отлично» (Ог—5) и меньшей оценки (0,<5).

Показать весь текст

Список литературы

  1. А.И., Бельчук Г. А., Демянцевич В. П. Технология и оборудование сварки плавлением.
  2. Сварка в машиностроении / под ред. Акулова А. И. М.: Машиностроение, 1978
  3. Э.А., Лосев В. М., Сас А.В. Вопросы идентификации моделей в дуговой сварке // Труды МВТУ, 1981, № 363, с.101−110.
  4. Э.А., Гуслистов И. А., Сас А.В. Динамические процессы в сварочной ванне при вариации соответствующих сил. //Сварочное производство, 1983,№ 1,с. 123−131
  5. Э.А., Львов Н. С. Автоматика и автоматизация сварочных процессов. М.: Машиностроение, 1982. — 304 с.
  6. .Е., Подола Н. В. Автоматизация сварочных процессов. //Сварка и спецметаллургия. 1984. — С. 221 — 227.
  7. .Н. Дефекты оборудования АЭС при входном контроле. //Обеспечение изготовления оборудования для АЭС на уровне требований высшей категории качества: Тез. докл. научн.-техн. конф.-Волгодонск, 1980. С. 27−29.
  8. В.В. «Автоматизация процесса сбора и обработки информации в сварочном производстве средствами процессорных измерительных систем» дисс. канд. техн. наук. 1995 г.
  9. В.М., Карпов B.C., Мазуров В. М. Прибор для измерения параметров каплепереноса в сварочной дуге. //Сварочное производство-1985-N5-C.31−32
  10. Правила аттестации сварщиков./ под ред. Хапонен Н. А., Шельпяков А. А., Дмитриенко И. Е. // М. НПО ОБТ, 1993
  11. С.М., Байчер Д. Л. Сертификация технологических процессов -один из основных элементов системы обеспечения качества продукции. //Повышение качества и эффективности сварочного производства. М.: МДНТП им. Дзержинского, 1992. — С. 11−14.
  12. Оборудование и трубопроводы атомных энергетических установок. Сварка и наплавка. Основные положения (ПН АЭ Г-7−009−89). Сварные соединения и наплавки. Правила контроля (ПН АЭ Г-7−010−89). /Госатомэнергонадзор. М.: Энергоатомиздат, 1991. — 320 с.
  13. Сварка в машиностроении. /Под ред. Ю. Н. Зорина. М.: Машиностроение, 1979. — 512 с.
  14. Э.А. Задачи прогнозирования качества и управления формированием шва в процессе сварки с использованием нейросетевых моделей.//Сварочное производство. 1996. № 10.
  15. С.А., Ховов В. М., Рыбачук A.M. Технология, механизация и автоматизация производства сварных конструкций. Атлас. М.: Машиностроение, 1989. — 328 с.
  16. А.И., Патон Б. Е., Тимченко В. А. Оборудование для механизированной дуговой сварки. Машиностроение, 1985. — 264 с.
  17. Н.М. Повышение точности регуляторов напряжения на дуге при использовании электрода. // Автоматическая сварка. 1979. — № 6. -С. 55−60.
  18. Н.А. Исследование технологических особенностей сварки прямошовных труб из сталей аустенитного класса типа 18−8 на форсированных режимах: Дисс. канд. техн. наук. М
  19. Ф.И., Тарасенко Ф. П. Основы системного анализа: Учеб. 2-е изд., доп. Томск: Изд-во HTJI, 1997. — 396с.
  20. , J. (1911) «Objectiv kriterien in der ethologie.» Korrespondenz-blatt der Deutschen Gesellschaft fbr Antropologie, Ethnologie, und Urgeschichte 42: 1−5
  21. Tryon R.C. Cluster Analysis. New York: McGraw-Hill. 1939.
  22. Sokal R., P. Sneat Principles of Numerical Taxonomy. San Francisco (1963): W.H.Freeman
  23. И.Д. Кластерный анализ. M.: Финансы и статистика. 1988. -176с.
  24. Б.Болч, К.Дж. Хуань. Многомерные статистические методы для экономики/Пер. с англ. М.: Статистика, 1979. — 317с.
  25. С.А., Бежаева З. И., Староверов О. В. Классификация многомерных наблюдений. М.: Статистика, — 1974, — 240 с.
  26. С.А., Бухштабер В. М., Енюков И. С., Мешалкин Л. Д. Прикладная статистика: Классификация и снижение размерности. М.: Финансы и статистика, 1989. — 607с.
  27. Факторный, дискриминантный и кластерный анализ: Пер с англ./Дж. -О.Ким, Ч. У. Мьюллер, У. Р. Клекка и др.- Под ред. И. С. Енюкова. М.: Финансы и статистика, 1989. — 215с.
  28. П.В. Метод корреляционных плеяд//Вестник ЛГУ. 1959. -№ 9 — с.137−141.
  29. Н.Г., Елкина В. Н., Емельянов С. В., Лбов Г. С. Пакет прикладных программ ОТЭКС (для анализа данных). М.: Финансы и статистика, 1986. — 160с.
  30. И.С. Методы, алгоритмы, программы многомерного статистического анализа: пакет lil 1С А. М.: Финансы и статистика, 1986. -232с.
  31. Д.С. Программное обеспечение прикладной статистики: Обзор состояния. Тенденции развития. М.: Финансы и статистика, 1988. — 240с.
  32. Методы анализа данных: Подход, основанный на методе динамических сгущений: Пер. с фр./Кол. Авт. Под рук. Э. Дидэ- Под ред. И с предисл. С. А. Айвазяна и В. М. Бухштабера. М.: Финансы и статистика, 1985. -357с.
  33. М. Иерархический кластер-анализ и соответствия: Пер. с фр. М.: Финансы и статистика, 1988. 342с.
  34. Статистические методы для ЭВМ/Под ред. К. Энслейна, Э. Рэлстона, Г. С. Уилфа: Пер с англ./Под ред. М. Б. Малютова. М.: Наука, 1986. -464с.
  35. Э. Основы теории распознавания образов: Пер с англ./ Под ред. Б. Р. Левина. М.: Сов. Радио, 1980. — 408с.
  36. Я.А., Тарловский Г. Р. Статистическая теория распознавания образов. М.: Радио и связь, 1986. — 264с.
  37. С.А., Бухштабер В. М. Анализ данных, прикладная статистика и построение общей теории автоматической классификации// Методы анализа данных/ Пер. с фр. М.: Финансы и статистика, 1985. — Вступ. ст. — с. 5−22.
  38. С.А., Бежаева З. И., Староверов О. В. Классификация многомерных наблюдений. М.: Статистика, 1974. 240с.
  39. В.Н., Червоненкис А. Я. Теория распознавания образов. М.: Наука, 1973.-416с.
  40. И.И., Рукавишников В. О. Группировка, корреляция, распознавание образов: Статистические методы классификации и измерения связей. М.: Статистика, 1977. — 143с.
  41. К. Введение в статистическую теорию распознавания образов/Пер. с англ. М.: Наука, 1979. — 367с.
  42. . Нетрадиционные методы многомерного статистического анализа: Сб. статей: Пер. с англ./ Предисловие Ю. П. Адлера, Ю. В. Кошевника. М.: Финансы и статистика, 1988. — 263с.
  43. . Анализ генетических данных/ Пер. с англ. М.: Мир, 1995. -400с.
  44. Р. Быстрые алгоритмы цифровой обработки сигналов. М.1989. 448с.
  45. Daubechies Ten lectures on wavelets/ Philadelphia. 1992. 357 pp.
  46. Ж.Макс. Методы и техника обработки сигналов при физических измерениях. В 2-х томах. М., «Мир», 1983.
  47. Современные методы идентификации систем: Пер. с англ., под ред. П.Эйкхоффа.-М.-Мир, 1983.-400с.
  48. П. Эйкхофф, А. Ванечек, Е. Савараги, Т. Соэда, Т. Накамизо, X. Акаике, Н. Райбман, В. Петерка. Современные методы идентификации систем М. Мир, 1983. — 400с.
  49. Робастность в статистике. Подход на основе функций влияния. Хампель Ф., Рончетти Э., Рауссеу П., Штаэль В. М. Мир, 1989 — 512 с.
  50. Г. Детерминированный хаос: Введение. -М.: Мир, 1988. 240 с.
  51. М. Ю. Кривин В.В. Обработка экспериментальных данных о процессе сварки на основе методов нелинейной динамики. «Методы и средства измерения в системах контроля и управления» Материалы Пенза 1999 стр. 156−158
  52. М.Ю. Оценка случайной составляющей сигналов при измерении параметров сварочного процесса. //Изв. вузов Сев.-Кав. регион. Техн. науки. 1999 № 4.
  53. М.Ю., Кривин В. В. Получение идентификационных характеристик процесса РДС методом сегментации фазового пространства. //Изв. вузов Сев.-Кав. регион. Техн. науки. 2000. № 1.
  54. Grassberger P., Procaccia J., On characterization of strange attractors // Phys. Rev.Lett. 1983. Vol.50. P 346.
  55. Дж., Пирсол А. Прикладной анализ случайных данных,-М.:Мир. 1989.
  56. Takens F. Detecting strange attractor in turbulence. //Dynamycal systems and turbulence: Lect. Notes in Math. /Eds R.A. Rand and L.S. Young. Warwick: Springler-Verlag. 1980.Vol.898.P.366.1975, 175 c.
  57. Puscher P. Konventionelle und elektronische Schweissstomguellen Bauarten, statische und dynamische Eigenschafiten, Wirkungsweiss. //DFS -Ber. — 1986. — № 105. — S. 193−195.
  58. Dorn Lutz, Riplle Peter. Power Source influence arc welding dunamice beheviour in mangel arc Welding with alternating current. // Schweiss. und schneid. — 1986. — № 10. — E. 176 — 177.
  59. В.Ф. Оптимальная стабилизация выходных параметров источников питания сварочной дуги при случайных воздействиях. //Сварочное производство. 1990. — № 1. — С. 36−37.
  60. А.Т. Технологические свойства электросварочной дуги. М.: Машиностроение, 1969. — 178 с.
  61. А.И., Бельчук Г. А., Деменцевич В. П. М.: Машиностроение, 1977. — 420 с.
  62. И.Н. Электроды для сварки оборудования тепловых электростанций. М.: Энергоиздат, 1972. — 280 с.
  63. А.А. Основы сварки плавлением. Физико-химические закономерности. М.: Машиностроение, 1973. — 448 с.
  64. И.К., Заруба М. И., Пономарев В. Е. и др. Критерии оценки стабильности процесса дуговой сварки на постоянном токе. //Автоматическая сварка. 1989. — № 8. — С. 1−4.
  65. Lucas W. Computer in arc Welding te next industrial revolution Part 3: Innstrumentation and processanalysis //Metal Constraction. — 1985.- № 7. — P. 431−436.
  66. Новые разработки фирмы «Макса Судаж СА» (Швейцария). //Энергомашиностроение. 1988. — № 7. — 45 с.
  67. Ondrejcek P., Slovak J., Vins F. Analysis of voltage wave form in CO walding under short sircuiting confitons. //Zvaracsce spravy. 1985. • № 4. -P. 73−81.
  68. Rehfeldt. D., Seyferth J. Statistical analyzys of arc welding with coated electrodes. Univ. Hannover, S.a. (II W. Doc. 212−488−80). — 10 p.
  69. Luts D., Ripple P. Development of a sustem for process data acquisition and process analysis during arc welding. // Schweissen und schneiden. 1982.-№ 4.-P. 80−81.
  70. P. Метод оценки стабильности сварочного процесса. //Информ. материала СЭВ. 1977. — вып. 2. — С. 183 — 185.
  71. Sasch A. Newe Grundsatze zur Beurteiling der dynamischen Eigenschen von Gleischstrom quellen fur das lichtbogen — Langschwassen. //Schwassen und Schneiden. — 1982. — № 11. — P. 525 — 529.
  72. Л., Калик А. Метод объективной оценки сварочных свойств электродов с основным покрытием и технологии их механизированного производства. Братислава. — Б.И. — 1984. — С.93−114.
  73. Нечеткие множества в моделях управления искусственного интеллекта. /Под ред. Д. А. Поспелова. М.: Наука, 1986. — 396 с.
  74. P.P. Множества уровня для оценки принадлежности нечетких подмножеств. В кн.: Нечеткие подмножества и теория возможностей. Последние достижения. / Под ред. Ягера P.P. — М.: Радио и связь, 1986. -406 с.
  75. Выбор структуры и технических средств при автоматизации дуговой сварки /А.Е. Коротынский, Я. Ф. Кисилевский, Н. С. Мухлыгин и др. Автоматическая сварка. 1984. -.№ 10. — 59−61.
  76. А.Е., Мухлыгин Н. С., Зайенко В. Н. Выбор информационных параметров при контроле режимов аргонодуговой сварки неплавящимся электродом. //Автоматическая сварка. 1988. -№ 6. — С. 33 — 36.
  77. Комплекс технических средств и оценка эффективности АСУ процесса аргонодуговой сварки труб. / Гладков Э. А., Широковский Н. А., Полянский Н. В. и др. //Сварочное производство. 1986. — № 1. — С. 3−5.
  78. А.П. Микропроцессорная система регистрации параметров режима сварки труб большого диаметра. //Автоматическая сварка. -1987.-№ 7.-С. 57−60.
  79. Система автоматического управления процессом аргонодуговой сварки на основе однокристальной ЭВМ. /Подола Н.В., Руденко М. М., Кобылина A.M. //Сварочное производство. 1986. — № 2. — С. 7−9.
  80. Микропроцессорное управление электросварочным оборудованием. /Бортняков Ю.А., Шаверов В. Н., Куратов и др. //Сварочное производство. 1986. — № 11. — С. 11−12.
  81. Оборудование для дуговой сварки: Справочное пособие. /Под ред. В. В. Смирнова. Д.: Энергоатомиздат. Ленингр. отделение, 1986.
  82. В.Н., Цветков Э. И. Процессорные измерительные средства/ЛТриборы и системы управления. -1984. -№ 5. С. 20−22.
  83. Э.И., Пискулов Е. А. Аналого-цифровые преобразователи. М.: Энергоиздат, 1981. — 360 с.
  84. В.А. Динамические измерения. Л.: Энергоатомиздат, 1984. — 220 с.
  85. М.П. К определению основных целей измерения//Измерительная техника. 1983. — № 5. — С. 12−14.
  86. Э.И. Измерительно-вычислительные средства и формальная метрология//Измерительная техника. 1983. — № 9. — С. 25−28.
  87. ГОСТ 1.25−76. ГСС. Метрологическое обеспечение. Основные положения. 12 с.
  88. ГОСТ 8.000−72. ГСИ. Основные положения. М.: 1972. — 4 с.
  89. ГОСТ 8.009−84. ГСИ. Нормируемые метрологические характеристики средств измерений. 38 с.
  90. ГОСТ 16 263–70. ГСИ. Метрология. Термины и определения. М., 1970. -54 с.
  91. С.Г. Погрешности измерений. Л.: Энергия, 1978. — 262 с.
  92. Основные понятия теории динамических измерений. К. П. Широков, В. О. Артюнов, В. А. Грановский и др.// Измерительная техника. 1975. -№ 12.-С. 9−13.
  93. В.В. Динамические погрешности аналого-цифровых преобразователей. Л.: Энергия, 1975. — 174 с.
  94. . Методы и техника обработки сигналов при физических измерениях. Т. 1. М.: Мир, 1983.-311 с.
  95. Особенности машинного проектирования электронных схем каналов передачи данных повышенной помехозащищенности. /Загородний И.Т., Кривин В. В., Патерыга Р. Б. //Теоретическая электротехника. 1979. — № 2. — С. 159−164.
  96. А.В., Баклыкова И. А., Сысоев Ю. С. Методика поликритериальной оценки сварочно-технологических свойств электродов. //Современные проблемы сварочной науки и техники: Тез. докл. междунар. научн. техн. конф. — Ростов-н/Д, 1993. — С. 57.
  97. А.В., Сысоев Ю. С., Баклыкова И. А. Особенности использования вероятностных методов для оценки технологических свойств электродов для ручной дуговой сварки. /Новочерк. политехи, ин-т. Новочеркасск. — Деп. в ВНИИТЭМП, 1992. — № 54. — МШ 92. -48с.
  98. Сварка в машиностроении. Т. 4 Под ред. Ю. Н. Зорина. М.: Машиностроение, 1979. — 512 с.
  99. Е.П. Теория линейных систем автоматического регулирования и управления. М.: Наука, 1989. 304 с.
  100. А.В., Фролов В. А. и др. Исследование динамических характеристик источников питания для сварки. //Производство и надежность сварных конструкций: Тез. докл. научн. конф. стран СНГ. -Калининград, Моск. обл. М., 1993. — С. 57.
  101. А.В., Фролов В. А. и др. Влияние динамических свойств источников питания на стабильность процесса сварки плавящимся электродом. //Современные проблемы сварочной науки и техники: Тез. докл. междунар. научн.-техн. конф. Ростов-н/Д, 1993. — С. 127.
  102. Микропроцессорная система управления сварочным источником питания/С.Н. Игнацевич, В. В. Кривин, А.В. Чернов//Современныепроблемы науки и техники: Тез. докл. Международной научн. техн. конф. Ростов-н/Д, 1993. — С. 18−19.
  103. Автоматизированная система управления сваркой плавлением корпусного оборудования АЭС: Отчет НИР. /Новочерк. политехи, ин-т.: Рук. Чернов А. В. Г. Р. 1 860 007 396. — Инв. № 280 065 932. -Новочеркасск, 1988. — 70 с.
  104. Информационно-регистрирующая система для оценки технологических свойств электродов для ручной дуговой сварки. /Акулов А.И., Бубликова И. А., Чернов А. В., Сысоев Ю. С. //Сварочное производство, 1992. № 12. — С. 31−32.
  105. В.А., Чернов А. В. Исследование влияния неравномерности углов открытия тиристоров в сварочных источниках питания: Стабильность, качество и работоспособность сварных конструкций. //Межвузовский сборник научных трудов. М., 1993. — С. 129−136.
  106. А.В., Фролов В. А. и др. Влияние динамических свойств источников питания на стабильность процесса сварки плавящимся электродом. //Современные проблемы сварочной науки и техники: Тез. докл. междунар. научн.-техн. конф. Ростов-н/Д, 1993. — С. 127.
  107. А.В., Фролов В. А. и др. Исследование динамических характеристик источников питания для сварки. //Производство и надежность сварных конструкций: Тез. докл. научн. конф. стран СНГ. -Калининград, Моск. обл. М., 1993. — С. 57.
  108. JI.E. Инерционность расплавления электродной проволоки и проплавления металла изделия при автоматической сварке под флюсом.//Автоматическая сварка. 1963. — № 10. — С. 1−7.
  109. И.Н. Электроды для сварки оборудования тепловых электростанций. М.: Энергоиздат. — 1972. — 280 с.
  110. Автоматизированная система контроля технологических свойств сварочных материалов: Отчет НИР. /Новочерк. политехи, ин-т: Рук. Чернов А. В. Г. Р. 1 870 033 686. — Инв. № 2 890 021 817. — Новочеркасск, 1989.-48 с.
  111. Abarbanel, H.D.I., Brown, R., Sidorowich, J.J., and Tsimring, L.Sh.T. «The analysis of observed chaotic data in physical systems"// Rev. Modern Physics 1993, № 65, c.1331−1392.
  112. D. Kaplan and L. Glass, Understanding Nonlinear Dynamics, 1995, Springer-Verlag
  113. Zeng X., Lucas J., Fang M.T.C. Newral Network Knowledge Base Systeme For Process Control of TIG Welding. /Liverpool: The University of Liverpool? 1989.
  114. Человеческий фактор. В 6 т. Т. З. Моделирование деятельности, профессиональное обучение и отбор операторов: Пер. с англ./Холдинг Д., Голдстейн Н., Эбертс Р. и др. (Часть 2. Профессиональное обучение и отбор операторов). М.: Мир, 1991.302с.
  115. М.Д., Соловов А. В. Исследование влияния параметров режима сварки на форму и размеры сварного шва. Самара: СГАУ, 1994. 18с.
  116. Искусственный интеллект: Справочник. М.: Радио и связь. — Книга 1. Системы общения и экспертные системы- Книга 2. Модели и методы- Книга 3. Программные и аппаратные средства., 1990. — 363 с.
  117. Э.А. Тахтенгерц. Компьютерная поддержка принятия решений. М.: СИНТЕГ. 1998, с. 376
  118. B.C. Оборудование и технология дуговой автоматической и механизированной сварки. М.: Высш. шк.: Академия, 1997. 318 с.
  119. Справочник по сварочным работам / Сост. Ф. А. Хромченко М.: НПО ОБТ, 1998.-429 с.
  120. , Б. Е., Лапчинский, В.Ф. Сварка и родственные технологии в космосе: Особенности и перспективы Киев: Наук, думка, 1998. — 183 с.
  121. М.В. Шахматов, В. В. Ерофеев, В. В. Коваленко. Технология изготовления и расчет сварных оболочек. Уфа: Б.и., 1999. 272 с.
  122. Э.Г. Бабенко, Н. П. Казанова Расчет режимов электрической сварки и наплавки. Хабаровск: ДВГУПС, 1999. 69 с.
  123. , Б. Е., Янишевская, А. Г. Тепловые процессы при сварке -Омск: Изд-во ОмГТУ, 1997. 79 с.
  124. Сварка и свариваемые материалы: Справ.: В 3 т. / Под общ. ред. д.т.н. В. Н. Волченко. М.: Изд-во МГТУ им. Н. Э. Баумана, 1998.
  125. Г. А. Кривов, В. Р. Рябов, А. Я. Ищенко. Сварка в самолетостроении Киев: МИИВЦ, 1998. — 695 с.
  126. Г. В. Рыбина, В. В. Смирнов, М.В. Шубинцева- Введение в инструментальную систему G2: Компьютер, учеб. по методам разраб. эксперт, систем реал, времени на базе инструм. систем G2+GDA / -М.: МИФИ, 1997.- 81 с.
  127. В.М. Сирица Модели представления и методы приобретения знаний для построения экспертных систем: Учеб. пособие / М.: Изд-во МАИ, 1998. — 86 с.
  128. О.В. Герман. Введение в теорию экспертных систем и обработку знаний / Минск: Дизайн ПРО, 1995. — 255 с.
  129. Д.-Э.Бэстенс, В.-М. Ван Ден Берг, Д. Вуд- Нейронные сети и финансовые рынки: Принятие решений в торговых операциях / Пер. с англ. С. В. Курочкина под ред. А. П. Коваленко и Е. С. Пастухова. М.: ТВП, 1997. — XX, 235 с.
  130. Ю. П. Самоадаптирующиеся нейронные сети Красноярск: Ин-т биофизики, 1997. 21 с.
  131. В.М. Обучаемые системы управления Липецк: Липец, гос. техн. ун-т, 1998. — 414 с.
  132. А.В. Коновалов, С. М. Образцов, А. Л. Шимкевич. Нейросетевой алгоритм безусловной оптимизации Обнинск: ФЭИ, 1998. — 12 с.
  133. Нейрокомпьютинг. Вопросы теории и практики: Сб. науч. тр. -Киев: Ин-т кибернетики, 1995. 81 с.
  134. A.M. Урманов, А. В. Грибок, А. Н. Волов. Исследование методов слепого разделения свернутых сигналов при помощи специализированных нейронных сетей Обнинск: ФЭИ, 1998. — 22 с.
  135. , С. А. Нейросетевые непараметрические методы анализа экспериментальных данных /- Снежинск: ВНИИТФ, 1998. 18 с.
  136. А.Н.Горбань, В.Л.Дунин-Барковский, А. Н. Кирдин Нейроинформатика Новосибирск: СП «Наука» РАН, 1998. — 296 с.
  137. Е.М. Миркес Нейрокомпьютер: Проект стандарта Новосибирск: Наука. Сиб. предприятие РАН, 1999. — 337 с.
  138. А.Н. Радченко Ассоциативная память. Нейронные сети. Оптимизация нейропроцессоров СПб.: Наука, 1998. — 260 с.
  139. А.А. Программирование в системе Windows. Практическое руков-во. М.: МП «Малип», 1992
  140. Gabel, David A. «Software Engeneering». IEEE Spectrum, January 1994, pp 38−41.
Заполнить форму текущей работой

Сессия? Спокойно!