Металлургия

Создание металловедческих экспертных систем для решения прямых и обратных задач, адаптивное управление металлоплавильными агрегатами и др.

Без преувеличения можно сказать, что металлургия является одним из китов на которых стоит современная технологическая цивилизация. Это положение делает ее весьма привлекательной для внедрения новых информационных технологий, способных ускорить исследования в направлении получения новых перспективных сплавов, повысить качество и безопасность способов получения выплавляемого металла, понизить его стоимость.
Традиционные методы поиска состава новых сплавов с требуемыми свойствами весьма трудоемки и включают многократные выплавки опытных образцов (на основе методов планирования эксперимента) с последующим испытанием их на механические свойства и математической обработкой результатов. Однако с ростом числа компонентов сплава растет и число необходимых экспериментов. Из-за сложного характера изменения свойств материала в зависимости от химического состава, режимов термической обработки и условий испытаний с ростом данных экспериментов возможность подобрать точную математическую зависимость между составом и свойствами быстро понижается и может становиться невыполнимой. Благодаря этому наиболее перспективные сплавы могут оказаться за пределами исследовательских возможностей. Создание нейросетевых экспертных систем для решения прямой задачи - прогнозирования свойств сплавов по их химическому составу и обратной задачи - выдача рекомендаций по химическому составу в зависимости от комплекса требуемых параметров (с учетом стоимости) позволяет резко упростить научный поиск и выйти на создание новых сложных материалов, необходимых для развития технологий 21-го века.
Дальнейшее продвижение возможно на пути решения задач управления крупными плавильными агрегатами (доменными печами, кислородными конвертерами и др.) включающих сложные многопараметрические процессы, некоторые из которых приближаются по сложности к управлению ракетой. Сейчас подобные задачи решаются коллективами специалистов высокой квалификации. Введение автоматизированных нейросетевых систем управления процессами плавки позволит поднять качество выплавляемого металла, понизить его стоимость и повысить безопасность технологического процесса.
Если создание экспертных систем может выполняться как на базе самоадаптирующихся сетей, так и с использованием классических нейросетевых алгоритмов, то задачи управления плавильными агрегатами находятся целиком в компетенции сетей с самостоятельной адаптацией.

1. Тухватулин И.Х., Ланкин Ю.П. Прогноз свойств металлических сплавов с помощью нейронных сетей // Научная сессия МИФИ-2000. II Всероссийская научно-техническая конференция "Нейроинформатика-2000". Сборник научных трудов. В 2 частях. Ч.2.- М.: МИФИ, 2000.- С.119-125.

Получены успешные результаты получения экспертных рекомендаций по свойствам металлических сплавов от созданной нейросетевой экспертной системы. Проведено исследование изменения прочности и ударной вязкости углеродистых и низколегированных сталей в зависимости от их химического состава и режимов термической обработки. Работа показала эффективность применения нейросетей при решении реальных сложных задач прогнозирования комплекса служебных свойств различных сплавов, что может позволять значительно упрощать синтез новых сплавов с заданными свойствами и максимально снижать затраты на их изготовление.
Скопировать статью - 12.9 Kb, архив (zip) файла 'Microsoft Word 97'

2. Тухватулин И.Х., Колокольцев В.М., Долгополова Л.Б., Ланкин Ю.П. Металловедческая нейросетевая экспертная система для оценки свойств сплавов и выдачи практических рекомендаций // Литейное производство, 2000. - №3. – С. 6-8.

3. Ланкин Ю.П., Колокольцев В.М., Тухватулин И.Х., Долгополова Л.Б. Использование нейросетевых методов при создании новых сплавов // Известия высших учебных заведений. Черная металлургия, 2000.- №11.- С.44-48.