Вестник МГТУ, 2025, Т. 28, № 4/1.

Вестник МГТУ. 2025. Т. 28, № 4/1. С. 509-521. DOI: https://doi.org/10.21443/1560-9278-2025-28-4/1-509-521 Для управления в подобных системах применяются преобразователи частоты (ЧП), которые позволяют реализовать плавный пуск и остановку двигателей, регулировать скорость подачи проволоки и оптимизировать энергопотребление за счет адаптивного управления (Лебедев, 2014). Тип алгоритма управления ЧП зависит от задачи: скалярное управление V/f подходит для простых операций, таких как подача проволоки, тогда как векторное управление Field-Oriented Control (FOC) необходимо для точного позиционирования. Другой подход к реализации управления заключается в использовании программируемых логических контроллеров (ПЛК) серий Siemens S7-1200 или Allen-Bradley CompactLogix. Эти контроллеры способны обрабатывать данные с различных датчиков (тока, скорости, положения), управлять синхронной работой нескольких приводов и интегрироваться с системами диспетчерского управления и сбора данных (SCADA). Для обеспечения обратной связи и контроля используются оптические или магнитные энкодеры (отслеживание положения), датчики Холла (измерение тока в сварочной цепи) и тензодатчики (контроль усилия при контактной сварке). Механические компоненты, такие как редукторы (цилиндрические и планетарные, предназначенные для уменьшения скорости и увеличения крутящего момента), шарико-винтовые передачи (ШВП, обеспечивающие прецизионное линейное перемещение) и кулисно-кривошипные механизмы (используемые в контактных сварочных машинах), являются важной частью комплексной системы. Управление этими механизмами основано на регулировании работы электропривода и включает контроль скорости (подачи проволоки или вращения заготовки), крутящего момента (усилия при точечной сварке) и положения (при роботизированной дуговой сварке). Для стабилизации скорости и положения применяются ПИД-регуляторы, параметры которых (Kp, Ki, Kd) настраиваются индивидуально для каждой механической системы. Для координации движения сварочной головки и вращения трубы может использоваться синхронное управление несколькими приводами, реализуемое с помощью технологий EtherCAT или CANopen, а также синхронизации Master-Slave. Адаптивное управление позволяет корректировать параметры в режиме реального времени (например, при изменении нагрузки), а в более сложных системах возможно использование нейронных сетей. Научная новизна предлагаемого решения заключается не в создании новых типов двигателей, а в новом принципе их совместного управления, координации и оптимизации энергопотоков для достижения принципиально новых качеств всего сварочного комплекса, но с учетом определенных к компенсации параметров. В ходе исследования разработан кооперативный алгоритм управления разнородными приводами (подачи проволоки и движения аппарата) на основе единой модели процесса. Вместо независимого управления каждым приводом по отдельному заданию предлагается единый алгоритм, где команды для всех приводов (подача проволоки, движение тележки, коррекция высоты) рассчитываются в реальном времени из единой многопараметрической модели сварочного процесса. Новизна заключается в модели, которая учитывает нелинейные взаимовлияния параметров: скорость сварки влияет на тепловложение, что требует коррекции скорости подачи проволоки и траектории, а изменение положения горелки (например, при работе с криволинейными швами) требует предупредительного изменения тока и напряжения (это преодолевает традиционный "силосный" подход, где каждый контур работает сам по себе). На базе предлагаемого алгоритма возможно внедрение предиктивного управления на основе данных технического зрения и сенсоров в реальном времени с коррекцией траектории. Система технического зрения (камеры, лазерные сканеры) анализирует геометрию разделки кромок, наличие деформаций и фактическое положение шва до и во время процесса. Данные с датчиков тока, напряжения и дуги обрабатываются в реальном времени. Алгоритмы машинного обучения (ИИ) на основе этих разнородных данных не просто регистрируют отклонения, а прогнозируют развитие процесса (например, риск прожога) и заранее вносят коррективы в работу всех приводов: изменяют траекторию движения горелки (приводы X, Y, Z), скорость подачи проволоки и параметры тока для компенсации отклонений. Это переход от реактивного к предиктивному управлению. Синтез нового метода многокритериальной оптимизации режимов работы составного привода позволяет находить компромисс между противоречивыми требованиями к работе сварочного комплекса, такими как: 1) качество шва (максимальная стабильность дуги, точное соблюдение тепловложения); 2) производительность (максимальная скорость движения); 3) энергоэффективность (минимизация пиковых нагрузок и потерь); 4) износ оборудования (сглаживание ускорений и рывков на приводах перемещения). Следует отметить новизну математического аппарата (например, методы нелинейного программирования или swarm intelligence), который в реальном времени пересчитывает приоритеты оптимизации в зависимости от текущей задачи (например, "чистовая обработка" - приоритет качеству, "наполнение" - приоритет производительности). В перспективе планируется внедрение беспроводных датчиков для IoT-мониторинга состояния приводов, использование искусственного интеллекта для оптимизации сварочных процессов и прогнозирования износа механизмов, а также применение SiC- и GaN-транзисторов в инверторах для повышения их эффективности. 511