AI technologija tapo pažangiausia pasaulinės technologijų plėtros sfera. Būdama pirmaujanti ekstruderių gamintoja, Yongte neseniai pasiūlė integruoti dirbtinį intelektą (AI) į ekstruzijos liejimo įrangos PLC realaus laiko valdymo sistemą. Šiuo novatorišku metodu siekiama pereiti nuo tradicinio uždarojo ciklo PID reguliavimo prie išmaniųjų adaptyvių bendradarbiavimo valdymo paradigmų, apimančių valdymo mechanizmus, veikimo režimus, kokybės užtikrinimo sistemas ir priežiūros sistemas. Pagrindinis technologinis poveikis ir inžinerinis veikimas gali būti sistemingai vertinami naudojant šešis pagrindinius aspektus: valdymo mechanizmus, procesų optimizavimą, kokybės valdymą, nuspėjamą priežiūrą, energijos vartojimo efektyvumo valdymą ir sistemos architektūros projektavimą.

I. Valdymo mechanizmas: perėjimas nuo fiksuotų parametrų reguliavimo prie kelių kintamųjų susieto intelektualaus bendradarbiavimo valdymo

Tradicinės ekstruderio PLC sistemos remiasi PID vienos kilpos reguliavimu kaip pagrindiniu valdymo mechanizmu, kuris gali pasiekti tik nepriklausomą parametrų, tokių kaip temperatūra, sukimosi greitis ir slėgis, valdymą. Šis metodas padeda pašalinti stipriai susijusius trikdžius, įskaitant medžiagos savybes, varžtų susidėvėjimą ir aplinkos temperatūros svyravimus. Įdiegus AI:

1. Remiantis modelio nuspėjamuoju valdymu (MPC), sustiprinimo mokymusi (RL) arba prisitaikančiais neuroniniais tinklais, sukurtas kelių įėjimų kelių išėjimų (MIMO) bendras valdymo modelis, kad būtų pasiektas visuotinis dinaminis temperatūros zonų, varžto greičio, traukos greičio ir lydalo slėgio suderinimas.

2. Valdymo parametrus galima automatiškai koreguoti ir optimizuoti internete, atsižvelgiant į proceso sąlygas, žymiai sumažinant sistemos viršijimą ir pastovios būsenos paklaidą, kartu padidinant dinaminį stabilumą ir atsparumą trikdžiams ekstruzijos proceso metu.

3. AI sprendimų priėmimo sluoksnis ir PLC realaus laiko valdymo sluoksnis sudaro pagrindinio ir pavaldinio bendradarbiavimo architektūrą: AI tvarko optimalų valdymo parametrų optimizavimą, o PLC vykdo logines operacijas, saugos blokavimus ir realiojo laiko pavaros funkcijas, kad atitiktų milisekundės lygio valdymo reikalavimus.

II. Proceso optimizavimas: autonominio proceso parametrų optimizavimo ir greito modelio perjungimo pasiekimas

Tradiciniai ekstruzijos procesai priklauso nuo patyrusių technikų bandymų ir klaidų metodų, dėl kurių pailgėja medžiagų keitimo, štampų perjungimo ir specifikacijų keitimo ciklai, taip pat didelis atliekų kiekis. Po AI įgalinimo:

1. Remiantis istoriniais proceso duomenimis ir realiu laiku veikiančiomis sąlygomis, sukonstruotas proceso parametrų atvaizdavimo modelis, kad būtų galima išmaniai suderinti medžiagų rūšis, gaminio matmenis, gamybos pajėgumų tikslus ir ekstruzijos parametrus.

2. Palaiko automatinį procesų generavimą vienu spustelėjimu ir laipsnišką konvergenciją, žymiai sutrumpindamas proceso derinimo ciklą ir sumažindamas didelę priklausomybę nuo rankinio naudojimo.

3. Įdiekite išmanųjį apribojimą ir atitikties tikrinimą ties proceso ribomis, kad išvengtumėte reikalavimų neatitinkančių veikimo sąlygų, tokių kaip perkaitimas, perteklinis slėgis ir perkrova.

III. Kokybės kontrolė: evoliucija nuo atrankos testavimo neprisijungus iki internetinio uždarojo ciklo intelektualiojo koregavimo

Integruodami internetinius aptikimo įrenginius (storio matuoklius, lazerinius matmenų jutiklius ir regėjimo sistemas), AI ir PLC sudaro uždaro ciklo kokybės kontrolės sistemą:

1. Dirbtinis intelektas realiuoju laiku atlieka funkcijų ištraukimą ir tendencijų numatymą dėl gaminių matmenų nuokrypių ir paviršiaus defektų, tada tiesiogiai išveda taisymo komandas į PLC.

2. Dinaminis štampavimo temperatūros, traukos greičio ir sraigto greičio kompensavimas įdiegtas, kad masės svyravimai būtų palaikomi minimaliose tolerancijos ribose.

3. Sukurkite viso proceso kokybės atsekamumo sistemą, kad būtų galima atlikti proceso parametrų, veikimo būsenos ir kokybės rezultatų koreliacijos analizę ir taip palaikyti nuolatinę proceso iteraciją.

IV. Nuspėjamoji priežiūra: perėjimas nuo remonto po incidento ir reguliarios priežiūros prie aktyvaus išankstinio įspėjimo

AI giliai mokosi PLC surinktų būdingų signalų, įskaitant sukimo momentą, srovę, temperatūros gradientą ir slėgio pulsaciją.

1. Aptikti ankstyvus įspėjamuosius anomalijų požymius, pvz., filtro užsikimšimą, varžtų susidėvėjimą, anglies nusėdimą ir lydalo plyšimą, kad būtų galima proaktyvius įspėjimus ir prognozuoti likusį gyvenimą;

2. Pateikite techninės priežiūros sprendimų rekomendacijas, kurios padės atlikti planuotą tikslią priežiūrą, sumažinti neplanuotas prastovos, įrangos valymo nuostolius ir staigius įrangos gedimus.

3. Sukurkite hierarchinę reagavimo strategiją neįprastoms eksploatavimo sąlygoms, integruotą su PLC saugos logika, kad būtų atlikta tvarkinga veiksmų seka: išankstinis įspėjimas→ apkrovos sumažinimas→ išjungimas.

V. Energijos vartojimo efektyvumo optimizavimas: pažangaus energijos vartojimo reguliavimo pasiekimas visame procese

Ekstruderiai, sunaudojantys daug energijos, leidžia AI atlikti kelių tikslų optimizavimą, pagrįstą energijos suvartojimo modeliais ir proceso apribojimais.

1. Užtikrindami produkto kokybę ir gamybos pajėgumus, dinamiškai optimizuokite šildymo galią ir varžtų veikimo efektyvumą visose temperatūros zonose, kad išvengtumėte perkaitimo ir neefektyvaus energijos suvartojimo.

2. Integruojant apkrovos svyravimus, kad būtų pasiektas galios išlyginimo reguliavimas, padidinamas energijos panaudojimo efektyvumas, taip įgyvendinami du tikslai – energijos taupymas, suvartojimo mažinimas ir stabilus veikimas.

VI. Sistemos architektūra: naujos valdymo sistemos su „Edge Intelligence“ ir PLC bendradarbiavimu sukūrimas

Dėl PLC skaičiavimo išteklių apribojimų AI negali būti tiesiogiai įtrauktas į tradicinius PLC vykdymo argumentus. Tai lemia daugiasluoksnės architektūros charakteristikas inžinerinio įgyvendinimo metu.

1. Suvokimo sluoksnis: jutikliai renka duomenis iš kelių šaltinių, įskaitant temperatūrą, slėgį, sukimosi greitį, sukimo momentą ir masę.

2. Valdymo sluoksnis: PLC valdo realaus laiko logiką, judesio valdymą, saugos apsaugą ir instrukcijų vykdymą.

3. Krašto intelekto sluoksnis: krašto skaičiavimo įrenginys atlieka AI modelio išvadas, atlieka funkcijų analizę, sprendimų priėmimą ir instrukcijų siuntimą.

4. Sąveikos sluoksnis: Įgalina didelio patikimumo ir mažos delsos duomenų mainus per pramonines magistrales, įskaitant Profinet, EtherNet/IP ir Modbus TCP.

VII. Pagrindinės išvados

Ekstruderio PLC valdymo sistema, integruota su AI technologija, nepakeičia PLC, o pagerina jų valdymo galimybes išmaniai išplečiant. Atnaujinus tradicinį pasyvų vykdymo valdymą į autonominį išmanųjį valdymo modelį, turintį suvokimą, sprendimą, vykdymą ir grįžtamąjį ryšį, jis žymiai pagerina ekstruzijos proceso stabilumą, nuoseklumą, išeigą ir bendrą įrangos efektyvumą (OEE). Šis metodas tuo pat metu sumažina priklausomybę nuo rankų darbo, veiklos sąnaudas ir energijos suvartojimą, sukuriant pagrindinį technologinį būdą pažangiems aukščiausios klasės ekstruzijos įrangos atnaujinimams.

Tobulėjant dirbtinio intelekto technologijai, laukiame dienos, kai ekstruderio valdymo sistemos tikrai susijungs su AI. Ši transformacija reiškia ne tik kokybinį tradicinės ekstruzijos įrangos šuolį nuo „operacinių įrankių“ iki „protingų partnerių“, bet ir skatina esminius pokyčius polimerinių medžiagų liejimo gamyboje, optimizuojant duomenis. Tokia pažanga pakels pramonės standartus kokybės tikslumo, gamybos efektyvumo ir ekologiškos gamybos srityse, galiausiai sukurdama išmanią gamybos ekosistemą, kuriai būdingas žmogaus ir mašinos bendradarbiavimas bei savarankiška evoliucija.