Koszalin University of Technology

Prezentacja na temat: "Koszalin University of Technology"— Zapis prezentacji:

1 Koszalin University of Technology
Institute of Mechatronics Nanotechnology and Vacuum Technique Koszalin University of Technology

2 Gaseous nitriding process
Nitriding atmosphere: NH3 (ammonia) NH3 + N2 NH3 + NH3(diss.) (N2 + H2) Temperature 460÷620°C Proces azotowania Process time – from few to few tens hours

3 Gaseous nitriding process
5NH3  NH3 + 5H2 + 2H + N2 + 2N (arbitrary proportion) 1234 e g’ a-Fe(N)

4 Structure of nitrided layer
50 100 mm e + g’ a-Fe(N) + MNx e g’ a-Fe(N)

5 Structure of nitrided layer hardness distribution
50 100 mm Strefy utwardzenia Structure of nitrided layer hardness distribution a-Fe(N) + MNx Hp

6 Structure of nitrided layer
50 100 mm Strefy utwardzenia Structure of nitrided layer hardness distribution thickness of hardned zone a-Fe(N) + MNx Hp g600 g500 g400

7 Software Hardware Oprogramowanie komputerowe Oprogramowanie sterowników PLC Oprogramowanie pulpitów operatorskich Elementy i podzespoły pomiarowe Układy wykonawcze i regulacyjne Układy zabezpieczeń

8 Podstawowe założenia odnośnie systemu
Modułowa, rozproszona architektura systemu Automatyzacja procesów azotowania gazowego z innowacyjnym sposobem sterowania potencjałem azotowym Optymalizacja przebiegu procesów azotowania na podstawie kryteriów: kinetyka wzrostu warstwy oraz wykorzystanie (minimalizacja) amoniaku Zapewnienie powtarzalności parametrów wytwarzanych warstw Zdalne monitorowanie realizacji procesu poprzez Internet Precyzyjne projektowanie procesów azotowania gazowego

9 Software

10 Metody sztucznej inteligencji sztuczne sieci neuronowe logika rozmyta
Rzeczywisty proces Metody sztucznej inteligencji sztuczne sieci neuronowe logika rozmyta algorytmy ewolucyjne Model procesu matematyczny statystyczny Baza danych Parametry procesu Rezultaty procesu Baza danych Parametry procesów Rezultaty procesów Zagadnienie polioptymalizacyjne ??? Parametry procesu projektowanego Zakładane rezultaty procesu Rezultat Model procesu Wybór parametrów REZULTAT POŻADANY PARAMETRY PROCESU Rezultaty Reguły wiedzy Parametry PARAMETRY PROCESU Baza danych

11 Calculation by iteration method
CN x ( ) å = D 3 1 2 j ij ef c k b e Calculation by iteration method i = 1, 2, – e ; 2 – g’; 3 – a etc

12 Mathematical Models CN x
maximum concentration and the profile of nitrogen bonded in nitrides 1 maximum concentration and the profile of nitrogen dissolved in Fe maximum concentration and the profile of nitrogen bonded in nitrides 2

13 Application for nitriding process
Process temperature in function of process time Predicted summarised flow of gaseous in function on process time. gazów w funkcji czasu NH3 content in gaseous atmosphere Equilibrium potential a/g' for given temperature in function of process time

14

15 Metody sztucznej inteligencji sztuczne sieci neuronowe logika rozmyta
Rzeczywisty proces Metody sztucznej inteligencji sztuczne sieci neuronowe logika rozmyta algorytmy ewolucyjne Model procesu matematyczny statystyczny Baza danych Parametry procesu Rezultaty procesu Baza danych Parametry procesów Rezultaty procesów Zagadnienie polioptymalizacyjne ??? Parametry procesu projektowanego Zakładane rezultaty procesu Rezultat Model procesu Wybór parametrów REZULTAT POŻADANY PARAMETRY PROCESU Rezultaty Reguły wiedzy Parametry PARAMETRY PROCESU Baza danych

16

17 T t Np i r w a d o ś ć H V distance x, [mm] x HV T, t, Np = const HV=f(T,t,Np,x) x = var K – nurons number in hiden layer Neural set 4-K-1 Distribution of microhardness in surface layer a) b)

18 Result sensor (magnetic sensor)
Development of stresses and phase transformations Generator Detektor Change of magnetic properties Czujnik - zaasada działania Change of induced voltage signal

19 Monitoring of nitriding process 135 M (AISI- nitralloy)
1200 90 min Beginning of formation of nitrided layer Concentr. (mol/m3) 2mm 9mm Thickness of nitrided layer 0,8 0,0 400mm Depth -0,4 0,4 1200 120 min Nucleation of nitrided layer Sensor sign. (j.u.) Sygnał różniczkowy czujnika (j.u.) -0,8 Concentr. (mol/m3) 0,0 -1,2 Magnetic phase transformation 400mm Depth 180 min. Beginning of growth of continuous nitrided layer 1200 -1,6 -0,4 120 240 360 Concentr. (mol/m3) Process time (min) 400mm Depth

20 Inteligentne algorytmy uczenia
Struktura systemu Inteligentne algorytmy uczenia Projektowanie procesów Bazy danych Sterowanie chłodzeniem Sterowanie grzaniem Sterowanie dozowaniem atmosfery procesowej Moduł pomiarów Wariant 1: wyznaczenie potencjału Sterowniki PLC Wypracowywanie sterowania Komunikacja z PC Wariant 1: sonda potencjału Pulpity operatorskie Zabezpieczenia pieca

21 Opracowane modele systemu sterowania procesami azotowania gazowego
Przeznaczenie Komputerowe wspomaganie projektowania procesów azotowania gazowego Predykcja potencjału azotowego w funkcji czasu i temperatury środowiska procesowego Predykcja składu atmosfery środowiska procesowego Model potencjału azotowego jako funkcja czasu, stężeń qasi-równowagowych Lehrera oraz stopnia dysocjacji Model potencjału azotowego jako funkcja składu atmosfery azotującej Model dynamiki zmian udziałów objętościowych gazów atmosfery azotującej jako funkcja czasu, temperatury i potencjału azotowego Model dynamiki zmian udziałów objętościowych gazów atmosfery azotującej jako funkcja czasu oraz wydatku atmosfery rozcieńczającej Model optymalizacji udziałów objętościowych gazów atmosfery rozcieńczającej (amoniak-azot-amoniak zdysocjowany) dla różnych wartości stopnia dysocjacji Model symulacji kinetyki wzrostu warstwy Model symulacji profili koncentracji azotków na granicach faz Model symulacji stężeń azotków

22 System dozowania gazów
Utylizacja amoniaku NH3 Pv2 Pv1 Pomiar potencjału azotowego Atmosfera Analizator wodoru Dysocjometr Sonda potencjału azotowego Pv3 Dysocjator N2 NH3 Pv - Mass flower - Zawór ON-OFF - Zawór zwrotny -Miernik ciśnienia -Filtr (osuszacz) -Elektrozawór

23 Moduł wizualizacji przebiegu procesu azotowania gazowego
Dane diagnostyczne Przepływ gazów Kinetyka wzrostu warstwy Temperatura Potencjał azotowy Projektowanie procesów Zapis procesu w bazie danych Skład atmosfery Wydatek Uruchomienie procesu Wyłączenia awaryjne Internet i SMS-y Rozporządzalność azotu Stopień dysocjacji

24 Summary Elaborated intelligent tools allow designing of the diffusion processes in order to obtain precision final result