ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В УПРАВЛЕНИИ ПРОЦЕССОМ ОБРАБОТКИ НА СТАНКАХ С ЧПУ

ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В УПРАВЛЕНИИ ПРОЦЕССОМ ОБРАБОТКИ НА СТАНКАХ С ЧПУ

Авторы публикации

Рубрика

Инженерия

Просмотры

76

Журнал

Журнал «Научный лидер» выпуск # 21 (171), Июнь ‘24

Дата публикации 30.05.2024

Поделиться

Из-за быстрых изменений в конструкции и спросе на качественные продукты, процесс принятия решений в производственной среде становится все более сложным. Для улучшения этого процесса (выбора параметров обработки) применяются эффективные искусственные интеллектуальные инструменты, такие как нейронные сети. Рассмотрим использование нейронных сетевых моделей для прогнозирования параметров обработки в процессе токарной обработки ЧПУ.

Эксперименты проводятся с учетом различных параметров процесса и целей, таких как скорость резания, подача, глубина резания, радиус носка, шероховатость поверхности и потребляемая мощность. Результаты экспериментов используются для обучения гибридных моделей на основе нейросетей. Нейронная сетевая модель, обученная с использованием модели оптимизации роя частиц, показывает наилучшую производительность с точки зрения скорости вычислений и точности. Для оценки влияния параметров процесса проводится анализ дисперсии (ANOVA) с вычислением отношения сигнал-шум (S/N). Разработанная модель может быть использована в автомобильной промышленности для принятия решений по параметрам обработки с целью обеспечения качества продукции при минимальном потреблении энергии и максимальной производительности.

Токарный станок является одним из важных и широко используемых процессов обработки в инженерной промышленности. При токарной обработке условия резания, такие как скорость резания, подача, глубина реза, особенности инструментов и материалы заготовки, влияют на эффективность процесса и характеристики производительности. Оценка производительности ЧПУ токарного станка основана на характеристиках производительности, таких как шероховатость поверхности, скорость съема материала, износ инструмента, срок службы инструмента, силы резания и энергопотребление. В сегодняшней промышленности особое внимание уделяется шероховатости поверхности и энергопотреблению.

Контроль качества, такие техники как факториальный эксперимент, планирование эксперимента и метод Тагучи, были применены для прогнозирования шероховатости поверхности. Метод Тагучи использует набор ортогональных массивов для изучения влияния параметров на конкретные качественные характеристики с целью определения оптимальной комбинации параметров. Такие массивы используют малое количество экспериментальных запусков для анализа качественных эффектов параметров, а также оптимальной комбинации параметров. Таким образом, метод Тагучи стал мощным методом планирования эксперимента.

Метод отклика на поверхность является совокупностью математических и статистических методов, полезных для моделирования и анализа инженерных проблем, в которых отклик, интересующий нас, является несколькими переменными, и цель заключается в оптимизации этого отклика. Первым шагом в методе отклика на поверхность является нахождение подходящего приближения к истинной функциональной зависимости между откликом, интересующим нас Y, и набором управляемых переменных {X1, X2, ..., Xn}.

Эти интеллектуальные системы могут лучше улавливать сложные взаимосвязи между входными переменными и реакцией и часто используются в сочетании с традиционными статистическими методами для повышения точности и эффективности процесса моделирования.

Например, ANN — это вычислительная модель, основанная на том, как человеческий мозг обрабатывает информацию. Она может извлекать уроки из данных, адаптироваться к изменяющимся условиям и делать прогнозы или классификации на основе изученных закономерностей. Технология ANN успешно применяется в различных областях, включая процессы механической обработки, для прогнозирования качества поверхности, износа инструмента, силы резания и других характеристик обработки.

С другой стороны, нечеткая логика — это математический подход, который имеет дело с неопределенностью и неточностями. Он позволяет проводить более гибкое и интуитивно понятное моделирование сложных систем, где точные математические соотношения могут быть заданы с трудом. Нечеткая логика используется в процессах механической обработки для оптимизации параметров резания, управления процессом обработки и улучшения качества поверхности.

Экспертные системы — это компьютерные программы, которые имитируют способность человека-эксперта принимать решения в определенной области. Они используют базы знаний и механизмы логического вывода для принятия решений или предоставления решений на основе правил и логики. Экспертные системы применяются в процессах механической обработки, чтобы помочь операторам в выборе параметров резания, устранении неполадок при обработке и оптимизации эффективности процесса.

В целом, интеграция интеллектуальных систем с традиционными статистическими методами обеспечивает мощный инструмент для моделирования и оптимизации процессов обработки, что приводит к повышению производительности и качества производственных операций.

Искусственные нейронные сети (ИНС) являются эффективным методом для решения нелинейных проблем. ИНС, обученные с помощью алгоритма обратного распространения ошибки, применялись для прогнозирования геометрии и глубины проплавления при дуговой сварке под флюсом. Однако используемый в ИНС алгоритм обратного распространения не гарантирует нахождение оптимального решения, поскольку может застрять в наборе суб-оптимальных весовых коэффициентов. Системы нечеткого управления эффективны для управления нестабильными, нелинейными и динамически изменяющимися процессами, такими как процесс механической обработки. Разработана модель с использованием нечеткой логики для выбора инструментов и условий механической обработки. Для оптимизации различных процессов производства применяются методы оптимизации, такие как генетический алгоритм, оптимизация частиц и алгоритм искусственной колонии пчел. Предложено использование генетического алгоритма для прогнозирования шероховатости поверхности. Главным недостатком ГА является высокая потребность в вычислительных ресурсах. Оптимизация частиц применяется для определения оптимальных параметров при автоматической сварке под флюсом. Она основана на коллективном поиске, вдохновленном социальным поведением стай птиц и косяков рыб, и хорошо находит лучшее решение, сохраняя память о предыдущем опыте. Алгоритм искусственной колонии пчел используется для оптимизации многопроходной фрезерной операции.

Каждый интеллектуальный метод обладает своими сильными и слабыми сторонами, что делает целесообразным объединение двух или более таких инструментов для улучшения результатов. Цель состоит в комбинации метода, слабая сторона которого проявляется в определенной функции, с методом, который силен именно в этой функции. Гибридные алгоритмы успешно применяются для различных процессов производства. В данной статье рассматривается разработка гибридных алгоритмов, включающих нейронную сеть, встроенную в генетический алгоритм и технику оптимизации частиц, для прогнозирования качества механической обработки при заданных параметрах процесса. Наконец, создаются модели поверхности отклика для проверки адекватности разработанных моделей. Разработанная техника способствует развитию беспилотных заводов для достижения высочайшего уровня автоматизации.

Список литературы

  1. Тельнов, Ю.Ф. Интеллектуальные информационные системы: учебное пособие / Ю.Ф. Тельнов. – М.: Московский международный институт эконометрики, информатики, финансов и права, 2002. – 118 с.
  2. Колкер Я.Д. Математический анализ точности механической обработки. Киев.: Техника, 1976. 200 с.
  3. Гаврилова, Т.А. Базы знаний интеллектуальных систем: учебное пособие для вузов / Т.А. Гаврилова, В.Ф. Хорошевский. – CПб.: Питер, 2000. – 382 с.
Справка о публикации и препринт статьи
предоставляется сразу после оплаты
Прием материалов
c по
Осталось 3 дня до окончания
Размещение электронной версии
Загрузка материалов в elibrary
Публикация за 24 часа
Узнать подробнее
Акция
Cкидка 20% на размещение статьи, начиная со второй
Бонусная программа
Узнать подробнее