Литейное производство 2010 № 11 ноябрь

Подождите немного. Документ загружается.

ЛИТЕЙНОЕ ПРОИЗВОДСТВО №11/2010

нформация.

роника

Книги научно-технического издательства «Машиностроение»

Марукович Е.А., Карпенко М.И. Износостойкие сплавы. 2005. – 428 с.

Изложены теория и практика производства износостойких сплавов и композиционных материалов. Проанализированы

металлургические и технологические способы повышения износостойкости белых чугунов, графитизированных сплавов,

фрикционных чугунов, антифрикционных материалов, высокопрочных композиционных материалов, сложнолегированных

и аморфных сплавов.

Определены оптимальные режимы обработки расплавов и отливок для получения заданных параметров физико-меха-

нических, технологических и эксплуатационных свойств. Рассмотрены вопросы влияния технологии получения, химсостава

и структуры износостойких сплавов и композиций на прочность и эксплуатационные свойства. Отражены практические ре-

зультаты создания и использования ряда комплексно-легированных сплавов и композиционных материалов, области их

применения.

Для инженерно-технических работников, аспирантов, студентов, специализирующихся в области материаловедения,

литейного производства и технологии конструкционных материалов.

Осинцев О.Е., Федоров В.Н. Медь и медные сплавы. Отечественные и зарубежные марки: справочник. 2004.

– 336 с.

В справочник

е впервые систематизированы и обобщены сведения о физических, механических и технологических

свойствах почти всех марок меди и сплавов на ее основе: латуней, бронз, Cu–Ni- сплавов, а также специальных Cu- спла-

вов: микролегиро ванных, дисперсно-упрочненных, с эффектом памяти и др. Показано влияние легирующих элементов и

примесей на свойства сталей. Изложены сведения о составе и структуре, особен ностях термообработки, даны двойные и

многокомпонентные диаграммы состояния, определяющие фазовый состав. Приведены также сведения о свойствах зару-

бежных аналогов отечественных Cu- сплавов.

Для инженерно-технических работников машиностроительных, металлургических и металлообрабатывающих предпри-

ятий, научно-исследовательских и проектно-конструкторских организаций, также для студентов, аспирантов и преподавате-

лей высших учебных заведений и университетов.

Болдин А.Н., Соляков Д.А., Яковлев А.И. Образование газовой пористости в чугунных отливках: справочник.

Приведены методики исследования термодеструкции. Рассмотрены вопросы газовыделения из форм и стержней, полу-

ченных по горячим ящикам и Cold-box-amin-процессу. Приведены данные по газовыделению из стержней на основе смолы

КФ-90. Математические модели процессов газовыделения могут служить основой для расчета вентиляционных систем

литейного цеха. Приведены структуры чугунов и критерии их оценки к образованию газовой пористости.

Для инженерно-технических работников литейного производства, может быть полезен для студентов и аспирантов втузов.

Давыдов Н.И. Литейные противопригарные покрытия: справочник. 2008. – 240 с.

Сис

тематизирован практический материал по литейным противопригарным покрытиям. Рассмотрена природа наиболее

распространенного дефекта отливок – пригара и дано обоснование эффективности применения покрытий как средства

предотвращения этого дефекта.

Описаны свойства покрытий и методы их испытаний, а также некоторые сведения о современных приборах и обо-

рудовании, в том числе используемых за рубежом. Представлены справочные данные об исходных материалах и соста-

вах покрытий, рекомендуемых для изготовления в условиях потребителя, а также марки, свойства и области применения

промышленно выпускаемых противопригарных композиций. Приведены сведения о покрытиях, используемых за рубежом.

Дана необходимая информация, касающаяся оборудования для изготовления покрытий, а также технологии их нанесения

и отверждения.

Для инженерно-технических работников литейного и металлургического производств, может быть полезен аспирантам

и студентам втузов.

Жуковский С.С. Холоднотвердеющие связующие и смеси для литейных стержней и форм: справочник. 2008.

– 258 с.

Приведены номенкла

тура холоднотвердеющих смесей (ХТС) для изготовления стержней и форм, их производите-

ли в зарубежных странах и России. Даны составы, анализ химических и технологических характеристик ХТС и связующих,

методики исследовательских и производственных испытаний, методы управления свойствами. Опи саны вспомогательные

материалы для новых процессов – разделительные покрытия, средства очистки оснастки, клеи.

Рассмотрены вопросы освоения ХТС, на стадии предварительной проработки и промышленного освоения: характе-

ристики и правила применения противопригарных покрытий, технологические параметры изготовления стержней и форм,

регенерация смесей, техника безопасности и экологические свойства. Приведены примеры расчетов экономической эффек-

тивности для конкретных производств.

Для специалистов литейного и металлургического производств, может быть полезен аспирантам и студентам втузов.

ЛИТЕЙНОЕ ПРОИЗВОДСТВО№11/2010

СAD/CAM

литейных процессов

Аннотация

The Summary

Решение задач т ехнологического и орга-

низационного управления в литейном

производстве (ТОУЛП) характеризуется высокой

системной сложностью, что обусловлено особенностями

применяемых технологий и оборудования, вариативнос-

тью и необходимостью параллельной реализации разных

физико-химических процессов. Эти особенности ограни-

чивают возможность использования формализованных

подходов к решению задач ТОУЛП, поскольку во многих

случаях адекватное формализованное описание задачи

просто не может быть получено.

С другой стороны, актуальность повышения качества

решения задач ТОУЛП активизирует необходимость раз-

работки новых методов формализации указанных задач,

основанных на современных процедурах информатиза-

ции данных и процессов их обработки.

В качестве методологического подхода к решению

УДК 621.74.08

А.Е. Блинников

(ВЗФЭИ, г. Орел)

A.Y. Blinnikov

О новых методах технологического

и организационного управления

в литейном производстве

About New Methods of Technolog-

ical and Organizational Manage-

ment in the Foundry Industry

задач ТОУЛП предлагается применение процедур ин-

теллектуальной обработки данных, базирующихся на

нейросетевых алгоритмах, основу которых составляют

искусственные ст а тические и динамические

нейронные сети (СНС, ДНС, соответственно) и НС

Кохонена, реализованные на принципах строения мозга

человека и являющиеся параллельными вычислительны-

ми структурами, не требующими программирования при

функционировании.

Использование нейросетевых технологий базируется

на возможности самообучения НС на примерах, форми-

руемых пользователем. Основа обучения НС включает

формирование по специальному алгоритму модифици-

рованной синаптической матрицы, содержащей «образы»

обучения в виде матричного представления параметров

исследуемых объектов и процессов литей-

ного производства (ОПЛП), модифицированных

Для решения задач технологического и организационного управления в литейном

производстве предлагается применение процедур интеллектуальной обработки

данных, базирующихся на нейросетевых алгоритмах. Приведены примеры использо-

вания нейросетевых технологий, которые свидетельствуют о перспективности этого

направления.

Ключевые слова

Нейронная сеть, синаптическая матрица, дефекты отливок, ассоциативная память,

коэффициент весомости.

Application of intelligent data processing procedures based on neural network algorithms

is proposed to solve the problems of technological and organizational management in the

foundry industry. Examples of using neural network technologies that show the availability

of that trend are given.

Key words

Neural network, synaptic matrix, casting defects, associative memory, weight coefficient.

ЛИТЕЙНОЕ ПРОИЗВОДСТВО №11/2010

СAD/CAM

литейных процессов

коэффициентами весомости, которые НС рассчитывает

самостоятельно на основе обучающих последователь-

ностей. Результат обучения НС – возможность генерации

сетью выходных значений, минимально отличающихся от

контрольных.

Функционирование НС сводится к формированию

выходных значений факторов на основе входных после-

довательностей данных. В качестве как входных, так и

выходных могут использоваться числовые, логические и

текстовые данные.

Для литейного производства характерны следующие

основные г р уппы решаемых задач.

1. Анализ свойств объек

тов литейного произ-

водства на основе решения задач их формализованной

кластеризации и классификации с применением алгорит-

ма функционирования НС Кохонена. Пример кластериза-

ции отливок по видам дефектов и соответствующим им

параметрам техпроцесса ЛПД (температуры – металла и

пресс-формы, °C) приведен на рис. 1.

Анализ свойств объектов литейного производства

включает в озможности:

• описания данных. НС Кохонена позволяют хранить

информацию о данных в компактной форме, точно опи-

сывающих объекты;

• формирования правил отнесения анализируемого

объекта к соответствующему классу по совокупности его

свойств;

• прогнозирования состояний объекта исследования

посредством формирования системы вариативных значе-

ний данных по принципу «что – если»;

• выявления новизны объекта исследования в случае

невозможности его отнесения к соответствующему классу.

2. Синтез проек

тных решений техпроцес-

сов и оборудования литейного производства.

Соответствующее обращение к СНС позволяет за мини-

мальное время сформировать адекватные показатели

качества техпроцесса, максимально отвечающие конк-

ретным условиям производства и исключающие тот или

иной вид дефекта отливок. Пример решения задачи

формирования параметров техпроцесса ЛПД отливки с

кодом дефекта 2 (норма) приведен на рис. 2.

В качестве входных данных использованы:

• вид дефектов отливок (кодовое обозначение);

• масса, кг;

• средняя толщина стенки отливки, мм;

• технологичность (1 – хорошая, 2 – плохая).

Выходные данные:

• усилие запирания формы, т;

• давление прессования, МПа;

• температура металла и пресс-формы, °C;

• площадь питателя, мм

;

• время выдержки, с.

3. Синтез структурно-компоновочных схем

(СКС) автоматического литейного оборудования, в час-

тности, а в т о м а тических формовочных ли-

ний (АФЛ), по требуемым показателям качества СКС.

Формируемые решения в этом случае включают тополо-

гические структуры вариантов АФЛ, отличающиеся новы-

ми свойствами.

Апробацию применения нейросетевых технологий для

решения такой задачи проводили при формировании:

• наборов обучающих данных из числа известных и

ранее используемых СКС;

• топологической структуры НС, при выборе и реали-

зации алгоритма обучения;

а также для активизации НС и формирования резуль-

татов решения задачи.

Формирование наборов обучающих данных реали-

зовано с применением системно-структурного метода,

включающего возможность синтеза множества вариантов

управленческих решений по ограниченному числу извес-

тных вариантов, составляющих диагонально-структурный

базис или кодовую цепь.

На рис. 3 приведены результаты решения задачи. В ка-

честве входных данных приняты показатели качества АФЛ:

• производительность, форм/ч;

• надежность (коэффициент технического использо-

Рис. 1. Пример решения задачи кластеризации

Рис. 2. Результаты решения задачи формирования пара-

ме

тров техпроцесса

ЛИТЕЙНОЕ ПРОИЗВОДСТВО№11/2010

СAD/CAM

литейных процессов

вания);

• сложность (баллы);

• экологический и эргономичес-

кий факторы (коэффициенты весо-

мости).

Выходные данные:

• структурные отношения, харак-

теризующие наличие транспорта для

нагружения форм;

• наличие ветвей охлаждения

снизу и сбоку плана АФЛ;

• расположение формовочного

автомата (на боковой или верхней

ветви линии в плане).

Анализ результатов решения

задачи иллюстрирует формирова-

ние НС варианта СКС АФЛ с кодом

<1 1 0 0>.

4. Синтез адекватных анали-

тических описаний, реализ

уемый

на основе декомпозиции НС, в час-

тности, конкретизации коэффициен-

тов весомости синаптических свя-

зей, смещений и функции активации

нейронов. Результат решения задачи

– формирование н ейросетевой

математической модели

(НСММ), адекватность которой опре-

деляется качеством обучения НС. На

рис. 4 – топологическая структура НС

в терминах ППП Matlab, включающая

два слоя, четыре входных (x

– тем-

пература металла, °C; х

– темпера-

тура пресс-формы, °C; х

– площадь

питателя, мм

; х

– время выдержки,

с), и один выходной параметр – код

дефектов отливок (0,15 – скол; 0,25

– норма; 0,35 – трещины; 0,45 – течь;

0,55 – газовые раковины; 0,65 – тре-

щины, течь) и НСММ, сформиро-

ванная по данным обучения приве-

денной НС, для анализа качества

отливок.

5. Формирование нетриви-

альных графических представ-

лений, включающих графические

инт

ерпретации поверхностей откли-

ка нейросетевых зависимостей для

получения дополнительной инфор-

мации об исследуемых объектах ли-

тейного производства. В частности,

возможно формирование «среза»

поверхности отклика, формируемого

НСММ в случае многомерного пред-

ставления данных при выбираемых

фиксированных и изменяемых зна-

чениях данных. На рис. 5 приведена

зависимость дефекта отливки скол

от температуры металла (диапазон

кодирования дефекта скол 0,7 – 1).

6. Оперативно-технологичес-

кое управление качеством от-

ливок определяе

тся возможностью

формирования на основе НСММ

оперативно-технологических управ-

ленческих решений и их активизации

в периоды подготовки и реализации

любого техпроцесса производства

отливок для оперативного устране-

ния проявляющихся дефектов в про-

изводимых отливках.

7. Оптимизация конструк

тор-

ских и технологических решений

ОПЛП реализуется на основе ана-

лиза энергетической функции сети,

посредством которой описываются

исследуемые объекты и процессы.

В пространстве состояний локальные

энергетические минимумы (аттракто-

ры) представлены точками устойчи-

вых состояний. ДНС, минимизиру-

ющая свою энергию при стремлении

к одному из своих устойчивых состо-

яний, решает задачу оптимизации –

поиск минимума определенной фун-

кции своего состояния – энергии.

8. Прогнозирование состоя-

ний автоматического литейного

обору

дования, техпроцессов и

качества отливок с использова-

нием ДНС, отличающейся наличи-

Рис. 3. Результат решения задачи

Рис. 4. Нейронная сеть и НСММ

ЛИТЕЙНОЕ ПРОИЗВОДСТВО №11/2010

СAD/CAM

литейных процессов

ем двунаправленной ассоциативной

памяти. Решение задачи основано

на способности сети сохранять связи

между различными фактами и затем

устанавливать их соответствие друг

другу. Подав на входы сети вектор с

известными параметрами-фактами,

получаем прогнозируемые состояния

остальных параметров в соответс-

твии с ассоциациями, порожденны-

ми сетью.

Приведенные примеры практики

применения нейросетевых техноло-

гий в области литейного производс-

тва свидетельствуют о перспектив-

ности этого направления, которое

обусловлено:

• высоким качеством НСММ,

поскольку НС нелинейны по природе

и представляют собой мощный аппа-

рат моделирования сложных зависи-

мостей;

Рис. 5. Зависимость дефекта отливки скол от температуры металла

• отсутствием необходимости

знания закономерностей, описыва-

ющих анализируемые процессы и

объекты;

• простотой использования

НСММ, поскольку отсутствует необ-

ходимость строгой адекватной фор-

мализации решаемой задачи, при

возможности формирования много-

мерных моделей, что значительно

повышает их функциональность;

• возможностью формирования

и изучения нетривиальных НСММ, в

частности, включающих скрытые, ра-

нее не изученные закономерности;

• возможностью параллельной

обработки данных;

• высокой скоростью получения

результата при эмуляции на ПЭВМ;

• реализуемостью комплексной

оптимизации с использованием как

дискретных, так и непрерывных зна-

чений параметров;

• формированием приемлемого

решения, отвечающего конкретным

требованиям пользователя.

ВНИМАНИЕ!

Наши журналы Вы найдете в каталогах:

«Литейное «Металлургия «Литейное производство»

производство» машиностроения» и «Библиотечка литейщика»

(комплект)

полугодие / год полугодие / год полугодие / год

Каталог «Роспечать», индекс

70491 / 47310 80468 / – 81292 / –

Объединенный каталог

«Пресса России», индекс 42306 / 42422 42207 / 42423 42208 / 42440

Подписку также можно оформить в редакции.

Для правильного оформления документов в назначении платежа укажите ваш юридический адрес,

адрес доставки, контактное лицо.

У нас новый адрес: 111394, Москва, Мартеновская ул., д.39, корп. 2, офис 4.

Тел./факс: +7 (495) 303-85-81; e-mail: lp@niit.ru (не изменился)

ЛИТЕЙНОЕ ПРОИЗВОДСТВО№11/2010

СAD/CAM

литейных процессов

Аннотация

The Summary

Каждому технологу приходится сталкиваться с необхо-

димостью отладки технологии для устранения усадочных

дефектов, трещин, дефектов по заливке. При этом, он мо-

жет рассчитывать только на собственный опыт или опыт

коллег по аналогичным отливкам, изучение специальной

литературы по соответствующей проблематике, наконец,

на метод проб и ошибок при изготовлении опытных пар-

тий отливок.

Современные с и с т емы моделирования ли-

тейных процессов (СМЛП), которые в последнее

время приобретают все большее развитие, также серьез-

но упрощают задачу литейщику-технологу в совершенс-

твовании технологии. Однако большинство подобных

программ – аналитические, то есть технологу необходимо

задать геометрию отливки, все необходимые техноло-

гические параметры и, проведя анализ в СМЛП, только

тогда можно оценить пригодность или непригодность

УДК 621.744.

072:669

А.Д. Абдуллин

(ООО «Делкам-Урал»)

A.D. Abdullin

Автоматическая оптимизация

технологии в программном

комплексе SOLIDCast

Technology Optimization

in Automatic Mode in

the SOLIDCast Software Package

полученной технологии. Совершенствование технологии

таким способом может занять существенное время (хотя

и гораздо меньшее, чем при традиционном методе проб и

ошибок), поэтому об оптимизации технологии для эконо-

мии жидкого металла зачастую речи не идет.

Мы хотим рассказать о программном комплексе

SOLIDCast, который способен провести не только ана-

лиз технологии литья, но и оптимизацию по заранее вы-

бранным параметрам и ограничениям. Для оптимизации

применяют дополнительный модуль OPTICast, который

использует основной решатель программы и управля-

ет всем процессом оптимизации. Рассмотрим основные

возможности OPTICast на простом примере.

Для изготовления отливки колесо из серого чугуна

применяют классическую в таких случаях технологию

(рис. 1, а, вкладка): используют установку закрытой

центральной прибыли на ступице колеса, а также пять бо-

В статье рассматривается пример оптимизации в автоматическом режиме литейной

технологии изготовления отливки детали

колесо

с применением дополнительного

модуля OPTICast (программный комплекс SOLIDCast ).

Ключевые слова

Делкам-Урал, SOLIDCast, OPTICast, анализ технологии литья, оптимизация техноло-

гии, анализ усадочных дефектов, прибыли, выход годного,отливки.

The article discusses an example of optimizing the technology of making a “Wheel” casting

using an additional module OPTICast (SOLIDCast software package).

Key words

Delkam-Ural, SOLIDCast, OPTICast, casting technology analysis, technology optimization,

shrinkage defects analysis, risers, casting yield, castings.

Рис. 2. Настройка оптимизации в OPTICast:

выбор геометрической переменной (боковой

прибыли) и установка пределов изменения

ее размеров

Рис. 3. Автоматическое изменение размеров

прибылей во время оптимизации. Цветом

показан жидкий металл в отливке при крис-

таллизации

Рис. 4. Оптимизированная технология от-

ливки колесо: а – геометрия отливки и лит-

никово-питающей системы, б – анализ в

SOLIDCast усадочных дефектов

Рис. 1. Исходная технология отливки колесо: а – геометрия отливки и литниково-питающей системы, б – анализ в SOLIDCast усадочных дефектов

Рисунки к статье

Абдуллина А.Д.

(ООО «Делкам-Урал»)

Оптимизация технологии

в автоматическом режиме

в программном комплексе SOLIDCast

1, а, б

4, а, б

ЛИТЕЙНОЕ ПРОИЗВОДСТВО №11/2010

СAD/CAM

литейных процессов

ковых прибылей на ободе.

Моделирование в SOLIDCast показало, что объема

боковых прибылей недостаточно: в отливке образуется

усадочная рыхлота (рис. 1, б). При этом, высота цент-

ральной прибыли больше необходимого, и для экономии

металла ее можно уменьшить. При классическом подходе

нам потребовалось бы изменить геометрию прибылей в

CAD-системе, загрузить полученные модели в SOLIDCast

в формате STL, заново задать все параметры процесса

и провести дополнительный расчет. С помощью модуля

OPTICast мы сможем провести ряд таких расчетов в ав-

томатическом режиме, без дополнительного участия тех-

нолога.

Во время оптимизации мы можем изменять следую-

щие параметры процесса.

Геометрические размеры элементов:

• прибылей;

• внутренних и внешних холодильников;

• элементов литниковой системы;

• экзотермических и теплоизоляционных оболочек.

Технологические параметры процесса:

• температуру заливки сплава;

• начальную температуру формы;

• время заливки формы.

Настройка процедуры оптимизации в OPTICast очень

проста и наглядна (рис. 2). Во-первых, необходимо вы-

брать переменные процесса и пределы их изменения. В

нашем случае в качестве переменных мы выбрали высоту

центральной прибыли (изменение в пределах 10…150%

от первоначального размера), а также высоту и ширину

боковой прибыли (независимое изменение 10…200%).

При этом, изменяться будет только одна боковая прибыль

(на рис. 2 выделена красным цветом), остальные прибы-

ли связаны с первой, и все изменения размеров скажутся

и на них. Это позволит, в конечном итоге, получить тех-

нологию с одинаковыми по размерам боковыми прибы-

лями, что упростит сборку модельного комплекта перед

формовкой.

Во-вторых, выбираем ограничение оптимизации – ус-

танавливаем 100%-ую плотность отливки, то есть в расче-

тах не будет допускаться образование усадочных дефектов

в отливке (при этом, прибыль и литниковую систему не

учитывают). Все варианты технологии, не удовлетворяю-

щие этому ограничению, в процессе оптимизации будут

отбракованы. И, наконец, в-третьих, необходимо назначить

оптимизирующую функцию – мы выбрали максимальный

выход годного. Таким образом, из всего множества вариан-

тов оптимальной будет технология с наибольшим выходом

годного, но без усадочных дефектов в отливке.

После выбора всех параметров оптимизации запус-

кается расчет. При этом происходит моделирование ис-

ходной технологии, OPTICast анализирует полученные

результаты и сопоставляет их с заданными ограничения-

ми. Основываясь на полученных данных, программа авто-

матически изменяет геометрию прибылей, перестраивает

расчетную сетку и проводит новый расчет (рис. 3). Так

проводится несколько итераций до получения оптималь-

ного варианта. Число итераций, при этом, зависит от ко-

личества выбранных переменных. Например, для нашего

случая – три переменных проекта (ширина и высота боко-

вой прибыли, высота центральной прибыли) потребовали

расчета 25 итераций, что, благодаря быстрому решателю

SOLIDCast, заняло менее суток.

В конечном итоге, оптимизированная технология вы-

глядит следующим образом (рис. 4). Масса боковой при-

были увеличилась с 58 до 98 кг, а центральной – умень-

шилась с 442 до 293 кг. Выход годного уменьшился с

48,6 до 42,1%, а усадочные дефекты в отливке полностью

отсутствуют.

Таким образом, OPTICast, совместно с SOLIDCast,

позволяет существенно облегчить задачу технологу в

оптимизации технологии с целью устранения усадочных

дефектов в отливке, а также увеличения выхода годного.

Такой инструмент, особенно, полезен при оптимизации

сложных технологий с большим количеством прибылей,

где ручное изменение параметров процесса отнимает

слишком много времени и в конечном итоге оптимального

варианта так и не дает.

Зарубежную подписку на наши журналы

Вы можете оформить через фирмы-партнеры ЗАО «МК-Периодика» или непосредственно

в ЗАО «МК-Периодика» по адресу:

111524, Москва, у

л. Электродная, д.10

(495) 672-70-12, 672-70-42, факс: 306-37-57E-mail: info@periodicals.ru;

internet: http://www.periodicals.ru

Россия, 119331, Москва, Проспект Вернадского 29,

Тел.: (495) 787-28-71, факс: (495) 787-28-72

www.ognecom.ru foundry@ognecom.ru

Эксклюзивный поставщик продукции

в России ООО "РЕДАГ"

Футеровочные материалы для индукционных печей и канальных миксеров

Сплавы Zn, Al, Cu, Ni, Fe

Футеровка печей материалами SAINT-GOBAIN, торговая марка NORTON

Сопровождение футеровки, спекания, плавки специалистами компании

ПеноКерамические Фильтры для сплавов Al , Cu, Ni, Fe

Расчет литниковых систем

Техническая поддержка применение ПКФ специалистами компании SELEE

40 лет работы на рынке Северной Америки, Европы, Азии