Тип публикации: статья из журнала
Год издания: 2025
Идентификатор DOI: 10.47617/2072-3172_2025_3_152
Ключевые слова: induction soldering, automation, technological process, thin-walled materials, machine learning, artificial neural networks, индукционная пайка, автоматизация, технологический процесс, тонкостенные материалы, машинное обучение, искусственные нейронные сети
Аннотация: С развитием космической техники появляется необходимость в наиболее современных методах создания элементной базы оборудования искусственных спутников. Растут требования к технологичности, точности и качеству как производства в целом, так и к формированию неразъемных соединений элементов оборудования, в частности. Индукционная пайкаПоказать полностьюявляется одним из наиболее современных, высокотехнологичных и эффективных процессов для создания элементов конструкций полезной нагрузки искусственных спутников. В статье рассматривается проблема влияния испарений, образующихся в процессе индукционной пайки, на точность измерений температуры, осуществляемых бесконтактными пирометрами. Для пайки элементов волноводного тракта используется припой и флюс в зоне соединения. При этом происходит плавление флюса, сопровождающееся выделением паров, которые искажают данные, получаемые пирометрами. Эти отклонения в показаниях температуры могут привести к различным дефектам пайки, включая расплавы, непрогревы и протекания. Целью данной работы является создание модельно-алгоритмического аппарата, позволяющего осуществлять идентификацию этапов технологического процесса индукционной пайки в системах автоматического управления. Предлагаемая система управления будет осуществлять контроль выполнения процесса посредством методов машинного обучения, в частности, сверточных нейронных сетей. Разработанная система определяет этап технологического процесса и может быть встроена в технологический процесс, благодаря чему сможет более точно регулировать параметры температуры, что позволит снизить процент брака, а также сократить материальные и трудовые затраты при изготовлении деталей тонкостенных конструкций посредством индукционной пайки. Результаты проведенных натурных экспериментов на тридцати видео процессов пайки показали эффективность разработанной системы. Вероятность верного определения этапа технологического процесса в среднем составляет 99,8%. With the development of space technology, there is a need for the most modern methods of creating an element base for artificial satellite equipment. The requirements for manufacturability, accuracy, and quality are increasing both for production as a whole and for the formation of permanent, non-removable connections of equipment elements in particular. Induction soldering is one of the most modern, high-tech and efficient processes for creating structural elements of the payload of artificial satellites. The paper addresses the issue of the impact of vapors formed during the induction soldering process on the accuracy of temperature measurements performed by contactless pyrometers. Solder and flux are used at the joint zone for soldering waveguide tract elements. During this process, the flux melts, releasing vapors that distort the temperature data obtained by pyrometers. These deviations in temperature readings can lead to various soldering defects, including melts, incomplete heats, and leaks. The goal of this work is to develop a model-algorithmic system that enables the identification of the technological process stages in automatic control systems. The proposed control system will monitor the process execution using machine learning methods, specifically convolutional neural networks. The developed system determines the stage of the technological process and can be integrated into the production process, allowing for more precise regulation of temperature parameters, which will help reduce the defect rate, as well as decrease material and labor costs during the fabrication of thin-walled structural components via induction soldering. The results of field experiments on thirty video-soldering processes demonstrated the effectiveness of the developed system. The probability of correctly identifying the stage of the technological process averages 99.8%.
Журнал: Вестник МГТУ "Станкин"
Выпуск журнала: № 3
Номера страниц: 152-162
ISSN журнала: 20723172
Место издания: Москва
Издатель: Московский государственный технологический университет "Станкин"