A Fuzzy Production Model of Knowledge for Adjusting the Results from Mathematical Modeling of an Electroplating Process and for Optimizing It in Being Embodied
Abstract
The main parameters (technological conditions and geometric factors) the optimization of which is used to simulate electroplating processes with specified characteristics (coating thickness nonuniformity over the part surface and process duration) are considered.
The mathematical statement of the electroplating process optimization problem written in the form of additive convolution of partial criteria is presented. The composition of the process mathematical model’s system of equations and the algorithms for finding its solution are described. It is pointed out that the parameters adopted for calculations according to the mathematical model may differ considerably from the actual parameters. To eliminate the need of repeatedly solving the optimization problem, it is proposed to use the experience, knowledge and intuition of a specialist in electroplating technology who directly conducts the technological process. The proposed approach can be implemented using a fuzzy production model of knowledge that takes into account technological conditions and geometric factors in an integrated manner.
The aim of the developed model is to obtain close-to-optimal experimental values of partial criteria taking into account the deviations of the found parameter values from their actual values by adjusting them. The input and output variables with terms and membership functions are defined. The key electrochemical regularities required for constructing the production model knowledge base, which contains a system of rules based on conditional statements in the form of "IF ... THEN ..." are formulated.
The application of the developed model is considered taking as an example the problem of correcting the results of modeling and optimizing the nickel plating process in a sulfate electrolyte for parts with complex surface shapes. For the selected forms of parts, the optimization problem was solved, the results of which were implemented in the plant without and with correction according to the developed knowledge model. The obtained results were compared by calculating the relative deviation of the predicted value of the criterion from its experimental value.
It is shown that the correction of the found optimal parameters has an effect on the target criterion with increasing the weight of the first term (the coating thickness nonuniformity) due to its being calculated for an object with distributed coordinates and, as a consequence, due to a nonlinear dependence.
References
2. Сторублев М.Л., Ивахненко А.Г. Управление качеством процесса нанесения гальванических покрытий // Фундаментальные и прикладные проблемы техники и технологии. 2009. № 2. С. 41—45.
3. Рахимянов Х.М., Янпольский В.В., Кадырбаев Р.М. Влияние температуры электролита и катодной плотности тока на качество и толщину гальванического покрытия при восстановлении работоспособности зеркальной поверхности гильз гидроцилиндров // Обработка металлов (технология, оборудование, инструменты). 2015. № 3 (68). С. 16—22.
4. Наумов Л.В. Закономерности электроосаждения сплава кобальт-никель при различных режимах электролиза // Известия высших учебных заведений. Поволжский регион. Серия «Технические науки». 2013. № 1 (25). С. 76—84.
5. Лютов А.Г., Ишкулова А.Р. Моделирование процесса нанесения гальванических покрытий с учетом геометрических конфигураций электродов // Вестник Уфимского гос. авиационного технического ун-та. 2015. Т. 19. № 4 (70). С. 45—48.
6. Шульгин В.Г. Распределение тока и повышение равномерности осаждения металлов в гальванотехнике и гальванопластике. Л.: ЛДНТП, 1983.
7. Шеркунов В.Г., Редников С.Н., Власов А.Е., Тезе П. Влияние динамики движения электролита в гальванической ванне на однородность наносимого покрытия // Вестник МГТУ им. Г.Н. Носова. 2016. Т. 14. № 3. С. 32—38.
8. Solovjev D.S., Solovjeva I.A., Litovka Yu.V., Korobova I.L. About One Counterexample of Applying Method of Splitting in Modeling of Plating Processes // J. Physics: Conf. Series. 2018. V. 1015. P. 032138.
9. Jinxiang Z., Zaiman Z., Yanbin Q., Linru Y, Suqin W., Lianyu L. pH Fuzzy Control of Automated Industrial Electroplating of Gold // Chem. Eng. Techn. 1997. V. 20. No. 8. Pp. 576—580.
10. Jaya A.S.M., Kadir N.A.A., Jarrah M.I.M. Modeling of Tin Coating Roughness Using Fuzzy Logic Approach // Sci. Intern. (Lahore). 2014. V. 26. No. 4. Pp. 1563—1567.
11. Джамбеков А.М. Нечеткая система управления процессом каталитического риформинга // Прикаспийский журнал: управление и высокие технологии. 2015. № 4 (32). С. 268—280.
12. Мялик Я.В., Федулов А.С. Моделирование систем управления двухколесной балансирующей платформой // Вестник МЭИ. 2016. № 3. С. 61—65.
13. Анисимов Д.Н., Май Т.А. Двухуровневая нечеткая система управления динамическими объектами // Вестник МЭИ. 2017. № 4. С. 101—109.
14. Лесин В.В., Лисовец Ю.П. Основы методов оптимизации. М.: Изд-во МАИ, 1995.
15. Deconinck J. Mathematical Modelling of Electrode Growth // J. Appl. Electrochem. 1994. V. 24. No. 3. Pp. 212—218.
16. Агошков В.И., Дубовский П.Б., Шутяев В.П. Методы решения задач математической физики. М.: Физматлит, 2002.
17. Самарский А.А., Гулин А.В. Численные методы. М.: Наука, 1989.
18. Агладзе Р.И. и др. Прикладная электрохимия. М.: Химия, 1984.
19. Левин А.И. Теоретические основы электрохимии. М.: ГНТИЛЧЦМ, 1963.
20. Miller G.A. The Magical Number Seven, Plus or Minus Two // The Psychological Rev. 1956. V. 63. Pp. 81—97.
21. Mamdani E. Applications of Fuzzy Algorithms for Control of Simple Dynamic Plant // Proc. IEEE. 1974. V. 121. No. 12. Pp. 1585—1588.
22. Тарасян В.С. Пакет Fuzzy Logic Toolbox for Matlab. Екатеринбург: Изд-во УрГУПС, 2013.
23. Любарский Ю.Я. Интеллектуальные информационные системы. М.: Наука, 2016.
---
Для цитирования: Соловьев Д.С. Нечеткая продукционная модель знаний для корректировки результатов математического моделирования и оптимизации гальванического процесса при его практической реализации // Вестник МЭИ. 2019. № 6. С. 115—123. DOI: 10.24160/1993-6982-2019-6-115-123.
#
1. Kadaner L.I. Ravnomernost' Gal'vanicheskikh Pokrytiy. Khar'kov: Izd-vo KHGU, 1961. (in Russian).
2. Storublev M.L., Ivakhnenko A.G. Upravlenie Kachestvom Protsessa Naneseniya Gal'vanicheskikh Pokrytiy. Fundamental'nye i Prikladnye Problemy Tekhniki i Tekhnologii. 2009;2:41—45. (in Russian).
3. Rakhimyanov Kh.M., Yanpol'skiy V.V., Kadyrbaev R.M. Vliyanie Temperatury Elektrolita i Katodnoy Plotnosti Toka na Kachestvo i Tolshchinu Gal'vanicheskogo Pokrytiya pri Vosstanovlenii Rabotosposobnosti Zerkal'noy Poverkhnosti Gil'z Gidrotsilindrov. Obrabotka Metallov (Tekhnologiya, Oborudovanie, Instrumenty). 2015; 3(68): 16—22. (in Russian).
4. Naumov L.V. Zakonomernosti Elektroosazhdeniya Splava Kobal't-nikel' pri Razlichnykh Rezhimakh Elektroliza. Izvestiya Vysshikh Uchebnykh Zavedeniy. Povolzhskiy Region. Seriya «Tekhnicheskie Nauki». 2013; 1(25):76—84. (in Russian).
5. Lyutov A.G., Ishkulova A.R. Modelirovanie Protsessa Naneseniya Gal'vanicheskikh Pokrytiy s Uchetom Geometricheskikh Konfiguratsiy Elektrodov. Vestnik Ufimskogo Gos. Aviatsionnogo Tekhnicheskogo Un-ta. 2015; 19;4 (70):45—48. (in Russian).
6. Shul'gin V.G. Raspredelenie Toka i Povyshenie Ravnomernosti Osazhdeniya Metallov v Gal'vanotekhnike I Gal'vanoplastike. L.: LDNTP, 1983. (in Russian).
7. Sherkunov V.G., Rednikov S.N., Vlasov A.E., Teze P. Vliyanie Dinamiki Dvizheniya Elektrolita v Gal'vanicheskoy Vanne na Odnorodnost' Nanosimogo Pokrytiya. Vestnik MGTU im. G.N. Nosova. 2016; 14;3:32—38. (in Russian).
8. Solovjev D.S., Solovjeva I.A., Litovka Yu.V., Korobova I.L. About One Counterexample of Applying Method of Splitting in Modeling of Plating Processes. J. Physics: Conf. Series. 2018;1015:032138.
9. Jinxiang Z., Zaiman Z., Yanbin Q., Linru Y, Suqin W., Lianyu L. pH Fuzzy Control of Automated Industrial Electroplating of Gold. Chem. Eng. Techn. 1997;20;8:576—580.
10. Jaya A.S.M., Kadir N.A.A., Jarrah M.I.M. Modeling of Tin Coating Roughness Using Fuzzy Logic Approach. Sci. Intern. (Lahore). 2014;26;4:1563—1567.
11. Dzhambekov A.M. Nechetkaya Sistema Upravleniya Protsessom Kataliticheskogo Riforminga. Prikaspiyskiy Zhurnal: Upravlenie i Vysokie Tekhnologii. 2015; 4 (32):268—280. (in Russian).
12. Myalik Ya.V., Fedulov A.S. Modelirovanie Sistem Upravleniya Dvukhkolesnoy Balansiruyushchey Platformoy. Vestnik MEI. 2016;3:61—65. (in Russian).
13. Anisimov D.N., May T.A. Dvukhurovnevaya Nechetkaya Sistema Upravleniya Dinamicheskimi Ob′ektami. Vestnik MEI. 2017;4:101—109. (in Russian).
14. Lesin V.V., Lisovets Yu.P. Osnovy Metodov Optimizatsii. M.: Izd-vo MAI, 1995. (in Russian).
15. Deconinck J. Mathematical Modelling of Electrode Growth. J. Appl. Electrochem. 1994;24;3:212—218.
16. Agoshkov V.I., Dubovskiy P.B., Shutyaev V.P. Metody Resheniya Zadach Matematicheskoy Fiziki. M.: Fizmatlit, 2002. (in Russian).
17. Samarskiy A.A., Gulin A.V. Chislennye Metody. M.: Nauka, 1989. (in Russian).
18. Agladze R.I. i dr. Prikladnaya Elektrokhimiya. M.: Khimiya, 1984. (in Russian).
19. Levin A.I. Teoreticheskie Osnovy Elektrokhimii. M.: GNTILCHTSM, 1963. (in Russian).
20. Miller G.A. The Magical Number Seven, Plus or Minus Two. The Psychological Rev. 1956;63:81—97.
21. Mamdani E. Applications of Fuzzy Algorithms for Control of Simple Dynamic Plant. Proc. IEEE. 1974;121;12:1585—1588.
22. Tarasyan V.S. Paket Fuzzy Logic Toolbox for Matlab. Ekaterinburg: Izd-vo UrGUPS, 2013.
23. Lyubarskiy Yu.Ya. Intellektual'nye Informatsionnye Sistemy. M.: Nauka, 2016. (in Russian).
---
For citation: Solovjev D.S. A Fuzzy Production Model of Knowledge for Adjusting the Results from Mathematical Modeling of an Electroplating Process and for Optimizing It in Being Embodied. Bulletin of MPEI. 2019;6:115—123. (in Russian). DOI: 10.24160/1993-6982-2019-6-115-123.
