Метод и средства нейросетевого моделирования задачи управления технологической операцией лазерной полировки

Abstract

Рассматривается задача формализации адаптивного управления технологической операцией лазерной полировки кварцевых стекол, выполняемой на лазерном станке с ЧПУ. Предложен подход, в рамках которого технологическая операция представляется как стохастическая последовательно-параллельная графовая структура, отражающая возможные состояния процесса, диагностические процедуры, управляющие воздействия и вероятностные переходы между ними. Базовый контур управления задает штатную траекторию реализации операции при фиксированных параметрах скорости обработки и мощности лазерного излучения, тогда как адаптивный контур формирует корректирующее управление U на основе текущих результатов мониторинга. Адаптация управления осуществляется путем активации на каждом шаге дискретного времени дополнительных микротехнологических операций, образующих последовательные наборы корректирующих воздействий для изменения скорости обработки и мощности лазерного излучения. Для синтеза корректной политики адаптации управления используется нейросетевой регулятор, синтезируемый методами обучения с подкреплением на данных имитационной модели. Имитационная модель строится на основе данных конечно-элементных расчетов температурно-напряженного состояния зоны лазерной обработки. Критерий качества управления формируется с учетом необходимости удержания максимума температуры в допустимом диапазоне значений. Предложенный метод обеспечивает построение в режиме реального времени оптимальной траектории развития технологического процесса за счет замкнутого контура мониторинга и адаптивной коррекции переменных управления технологической операции. Полученные результаты могут быть использованы при разработке интеллектуальных систем управления технологическими операциями лазерной обработки материалов. = This paper considers the problem of formalizing adaptive control for the laser polishing process of quartz glass, performed on a CNC laser machine. An approach is proposed in which the process operation is represented as a stochastic serial-parallel graph structure reflecting possible process states, diagnostic procedures, control actions, and probabilistic transitions between them. The basic control loop defines the standard trajectory of the operation for fixed parameters of processing speed and laser radiation power, while the adaptive loop generates corrective control ΔU based on current monitoring results. Control adaptation is achieved by activating additional microprocessing operations at each discrete-time step, forming sequential sets of corrective actions for changing the processing speed and laser radiation power. A neural network controller trained using reinforcement learning methods on simulation model data is used to synthesize the correct control adaptation policy. The simulation model is constructed using finite element calculations of the temperature-stress state of the laser processing zone. The control quality criterion is developed taking into account the need to maintain the maximum temperature within an acceptable range of values. The proposed method enables the construction of an optimal process development trajectory in real time through closed-loop monitoring and adaptive correction of process operation control variables. The obtained results can be used in the development of intelligent control systems for laser material processing operations.