Аннотация
В работе представлен подход, обеспечивающий возможность идентификации нелинейных зависимостей энергопотребления промышленного робота, входящего в состав автоматизированного технологического процесса, посредством использования нейро-нечетких моделей. Экспериментально подтверждено наличие существенных различий в значениях мгновенной мощности энергпотребления робота в зависимости от состояния его осей, что, в свою очередь, определяет потенциал энергосбережения при реализации возможности выбора наименее энергозатратных зон рабочей области робота при формировании управляющей программы. Была выполнена комплексная процедура измерений и сформирован массив данных мгновенных значений мощности и соответствующих значений координат шестой оси робота. На базе обучающей выборки посредством инструментов интеллектуальных нейро-нечетких систем была сформирована модель энергопотребления промышленного робота, позволяющая спрогнозировать энергетические затраты при исполнении конкретной управляющей программы технологического процесса. Подробно описаны параметры полученной нейро-нечеткой системы и также алгоритмы, реализуемые в ее подсистемах. На основании результатов репрезентативного тестирования модели во всей рабочей зоне промышленного робота и соотнесения с данными, полученными с измерительных устройств, в рамках проведения эксперимента продемонстрирована возможность существенного сокращения энергетических затрат в пределах 7–15 %. Обозначены пути интеграции предложенных инструментов управления в производственные процессы промышленного предприятия, а также определены задачи перспективных исследований.
Ключевые слова
Автоматизация, робототехника, энергосбережение, роботизированные процессы, оптимизация, управление.
1. Chemnitz M., Schreck G., Kruger J. Analyzing energy consumption of industrial robots. Emerging Technologies and Factory Automation, 2011, pp. 8-13.
2. Siar M.V.S., Fakharian A. Energy efficiency in the robot arm using genetic algorithm. 8th Conference of AI & Robotics and 10th RoboCup Iranopen International Symposium (IRANOPEN), 2018, pp. 14-20.
3. Ефимов А.Ю., Горькавый М.А. К вопросу создания интеллектуальной системы прогнозирования и оптимизации энергетических затрат роботизированного участка // Производственные технологии будущего: от создания к внедрению. 2017. С. 88-90.
4. Ефимов А.Ю., Горькавый М.А. Концептуальный анализ направлений оптимизации роботизированных технологических процессов // ГАГАРИНСКИЕ ЧТЕНИЯ - 2018. 2018. С. 311-312.
5. Gorkavyy М.А., Efimov A.Y., Soloviev V.A., Solovev D.B. Algorithmization and Principles of Construction of Information Support of the Automated Module for Energy Outlays Optimization of Technological Processes at Robotized Productions. 2018 International Multi-Conference on Industrial Engineering and Modern Technologies, 2018, pp. 1-4.
6. Gorkavyy М.А., Efimov A.Y., Gudim A.S., Solovev D.B. Intelligent System for Prognostication and Optimization of Power Expenses of Technological Processes at Robotized Productions. 2018 International Multi-Conference on Industrial Engineering and Modern Technologies, 2018, pp. 1-4.
7. Mahdavian M., Shariat-Panahi M., Yousefi-Koma A., Ghasemi-Toudeshki A. Optimal trajectory generation for energy consumption minimization and moving obstacle avoidance of a 4DOF robot arm. 3rd RSI International Conference on Robotics and Mechatronics (ICROM), 2015, pp. 353-358.
8. Feng L., Ulutan D., Mears L. Energy consumption modeling and analyses in automotive manufacturing final assembly process. IEEE Conference on Technologies for Sustainability (SusTech), 2015, pp. 224-228.
9. Gao M., Ding P., Yang Y. Time-Optimal Trajectory Planning of Industrial Robots Based on Particle Swarm Optimization. Fifth International Conference on Instrumentation and Measurement, Computer, Communication and Control (IMCCC), 2015, pp. 1934-1939.
10. Zheng X., Zheng Y., Shuai Y., Yang Y., Tian Y. IEEE 3rd Information Technology, Networking, Electronic and Automation Control Conference (ITNEC), 2019, pp. 1749-1754.
11. Зайченко И.В. Разработка и исследование нечетких систем управления сложными объектами: дис... канд. техн. наук / Зайченко Илья Владимирович. Комсомольск-на-Амуре, 2011.
12. Трусов Р.Е., Горькавый М.А., Соловьев В.А. Разработка принципа нечеткого иерархического вывода автоматизированных модулей управления производственными процессами электросетевых компаний // Информатика и системы управления.2017. №3(53). С.96-108.
13. Горькавый М.А. Модели, методы и средства управления и интегрированной информационной поддержки производственных процессов предприятия металлургической отрасли: дис... канд. техн. наук / Горькавый Михаил Александрович. Комсомольск-на-Амуре, 2011.
14. Egorova V.P., Gorkavyy M.A., Efimov A. Y., Solovev D.B. Synthesis of an Adaptive System for Diagnosing the Quality of Automated Welding Products. International Multi-Conference on Industrial Engineering and Modern Technologies (FarEastCon), 2019, pp.1-4.
15. Efimov A.Y., Gorkavyy M.A., Gorkavyy A.I., Solovev D.B. Improving the Efficiency of Automated Precision Robotics-Enabled Positioning and Welding. International Science and Technology Conference (EastConf), 2019