Электронная библиотека Веда
Цели библиотеки
Скачать бесплатно
Доставка литературы
Доставка диссертаций
Размещение литературы
Контактные данные
Я ищу:
Библиотечный каталог российских и украинских диссертаций

Вы находитесь:
Диссертационные работы России
Технические науки
Автоматизированные системы управления и прогрессивные информационные технологии

Диссертационная работа:

Щербаков Михаил Евгеньевич. Повышение производительности процесса резания на основе адаптивной системы с применением аппарата искусственных нейронных сетей : диссертация ... кандидата технических наук : 05.13.06 Москва, 2007 151 с., Библиогр.: с. 132-139 РГБ ОД, 61:07-5/4490

смотреть содержание
смотреть введение
Содержание к работе:

Введение 5

Глава 1. Обзор систем управления процессом резания 10

1.1, Системы адаптивного предельного управления 17

1.2. Системы адаптивного оптимального управления 19

1.3, Место работы в системе ЧПУ типа PCNC 22

1.4. Постановка задачи исследования 24

Глава 2. Система стабилизации износа режущего инструмента 26

  1. Определение состояния инструмента 27

  2. Фильтрация показателей состояния инструмента 32

  3. Выбор управляемых параметров процесса резания 35

  4. Выбор устройства принятия решений 36

2.4.L Искусственный нейрон 38

  1. Искусственная нейронная сеть 40

  2. Выбор архитектуры искусственной нейронной сети 42

2.5. Общая архитектура системы регулирования износа режущего
инструмента 47

2.6. Выводы 48

Глава 3. Определение критерия оптимальности и выбор управляемых
параметров 50

  1. Качество обработки и производительность как управляемые показатели технологического процесса 50

  2. Структурная схема системы управления 58

  3. Критерии оптимизации режима металлообработки 63

ЗА Выводы 66

Глава 4. Разработка методики повышения производительности процесса

резания с использованием аппарата искусственных нейронных сетей 67

4.L Плоскость производственных характеристик станка 68

  1. Ограничения на управляемые параметры технологического процесса металлообработки 69

  2. Определение мгновенной глубины резания».,, ..„69

  3. Определение состояния системы управления процессом резания.,,».,» , ,.„„76

4.4.1. Определение оптимального состояния системы 77

4.5. Коррекция управляемых параметров процесса резания 83

4.5Л. Определение оптимального узла координатной сетки....84

4.5.2. Определение величин приращений управляемых
параметров 89

  1. Использование теории планирования эксперимента для создания обучающей выборки 93

  2. Общая архитектура системы управления процессом

резания 104

4.8. Выводы , 108

Глава 5. Практическая реализация системы адаптивного оптимального
управления 109

  1. Исследование возможности применения компонентного подхода для создания системы адаптивного оптимального управления 110

  2. Представление системы адаптивного оптимального управления в виде набора компонентов и их взаимодействий 113

  3. Использование внешних библиотек, реализующих работу искусственных нейронных сетей 122

  4. Интеграция разработанной системы адаптивного оптимального управления в WinPCNC 124

  5. Использование системы адаптивного оптимального управления 126

  6. Выводы 127

Заключение , , 129

Общие выводы по работе , * 131

Список литературы 133

Приложение 141

Приложение 1. Алгоритм обратного распространения

ошибки 141

Приложение 2. Определение количества нейронов для нейронной

сети, вычисляющей максимальный момент резания 143

Приложение 3. Определение количества нейронов для нейронной

сети, вычисляющей максимальную мощность резания 145

Приложение 4. Определение количества нейронов для нейронной сети, вычисляющей точку пересечения кривой максимальной

производительности с верхним ограничением 147

Приложение 5, Определение количества нейронов для нейронной
сети, вычисляющей скорректированные значения управляемых
параметров 149

Введение к работе:

Проблема повышения эффективности металлообработки была и остается одной из главных в машиностроении. Большая масса изделий машиностроения производится в механообрабатьшающих станочных модулях, в которых основным технологическим процессом является процесс резания, а системами управления - системы числового программного управления (ЧПУ).

Инновационные технологии не обошли стороной и такую важную область человеческой деятельности, как металлообработка. На смену ручному и автоматизированному управлению процессом резания приходят системы автоматического и числового программного управления, в которых участие человека в процессе сведено к минимуму [1], [5].

В настоящее время существуют три типа систем ЧПУ: традиционная
система NC (Numerical Control), система CNC (Computer Numerical Control)
на базе специального компьютера, система PCNC (Personal Computer
Numerical Control) на базе персонального компьютера [55]. По мере

роста вычислительной мощности процессоров и снижения их стоимости все больше пользователей отдают своё предпочтение системам последнего типа. В системах ЧПУ типа PCNC основную нагрузку несет специальное программное обеспечение [59], которое решает различные задачи управления (геометрическую, технологическую, логическую, терминальную и т.п.) [57].

Современные системы ЧПУ типа PCNC допускают подключение системы PCNC к единому информационному пространству предприятия и обмену данными с другими системами (базы данных, CAD/CAM/CAE/PDM системами).

Таким образом, «центр тяжести» построения системы типа PCNC смещается от аппаратного обеспечения к программному [62], тж. именно

специальное программное обеспечение отвечает за преобразование данных, их обработку и принятие решений.

Использование в качестве устройства принятия решений специального программного обеспечения позволяет создавать достаточно гибкие и сложные системы, позволяющие решать самый широкий спектр задач управления.

Основным недостатком существующих моделей управления процессом резания является то, что практически не учитывается его случайный характер [42]. Сложность решения проблемы связана с тем, что процесс резания характеризуется нестабильностью и множеством взаимосвязанных переменных, влияющих как на ход процесса, так и на его результаты. Условия резания динамически изменяются случайным образом из-за влияния различных возмущающих факторов: разброс припусков, разброс твердости и структуры металла заготовок, непрерывно изменяющиеся режущие свойства инструмента и т.п. Показатели качества зависят от жесткости и тепловой деформация элементов технологической системы, характера и параметров относительных колебаний инструмента и детали, и т. д. Для большинства систем ЧПУ расчет режимов резания производится по наихудшим возможным вариантам [26], [34], что обеспечивает более стабильную работу инструмента и уменьшает вероятность брака, но при этом заведомо отрицательно сказывается на технико-экономической эффективности оборудования,, приводит к снижению производительности и увеличению затрат на производство. Некоторые системы ЧПУ учитывают случайный характер процесса резания на основе вероятностных моделей» что серьезно усложняет практическую реализацию системы. Это говорит о том, что повышение эффективности процесса резания является актуальной научно-технической задачей.

Системы автоматического регулирования режимов резания, использующие информацию о характере протекания процесса резания, называются системами адаптивного управления [1], [8], [32], [43], [45],

Получившие из-за простоты реализации распространение модели, основанные на эмпирических степенных зависимостях выходных характеристик процесса обработки от параметров режима и геометрии инструмента, имеют низкую точность и не дают адекватного отклика на изменяющиеся условия обработки, что делает их экономически непривлекательными.

Построение точных моделей - серьезная проблема, которая остается сегодня нерешенной. Для построения точных математических моделей требуется провести большое количество экспериментов, что требует времени, материалов и влечет экономические потери [31]* Точные математические модели, как правило, настолько сложны, что быстрый поиск оптимальных режимов резания требует существенных аппаратных затрат, приводит к резкому удорожанию адаптивных систем и нецелесообразности их использования. К тому же найденная модель будет иметь постоянно нарастающую погрешность вследствие изменения режимов работы и свойств самого оборудования [1].

Используемые в настоящее время адаптивные системы имеют жесткую структуру и неизменный алгоритм функционирования и, как следствие, низкое качество адаптации к изменению технологических параметров [36],

Современный подход к адаптивному управлению требует от системы способности автоматически изменять свою структуру или алгоритм функционирования [2]. Очевидно, что системы будут обладать значительно большими способностями к адаптации, если при изменении параметров процесса резания произойдет перестройка модели и определится для нее новый закон управления. Появляется необходимость перестраивать модель из-за непрерывно изменяющихся параметров

процесса резания и определять структуру модели в каждом конкретном случае. Только так можно повысить качество адаптации и, как следствие, повысить эффективность процесса металлообработки.

Таким образом, актуальной задачей исследования становится повышение качества процесса адаптации при изменении технологачсских параметров с помощью самонастраивающихся моделей управляемого процесса резания. Дня того чтобы алгоритмы управления могли применяться на практике, они должны быть простыми в реализации и понимании, обладать гибкостью, способностью к обучению, нелинейностью. Повысить качество адаптации систем для целей управления металлообработкой и упростить процесс моделирования могут самоорганизующиеся нейросетевые модели [2], [6]? [17].

В данной работе предлагается решение, которое позволит расширить функциональность систем ЧПУ за счет оптимизации управления процессом резания.

Научная новизна работы заключается в следующем:

  1. Разработан метод определения мгновенной глубины резания по косвенным признакам на основе искусственной нейронной сети.

  2. Разработан метод определения значений управляемых параметров процесса резания, при которых достигается максимальная производительность на основе искусственной нейронной сети,

  3. Разработан метод изменения управляемых значений процесса резания на основе искусственной нейронной сети.

  4. Разработана практическая реализация системы адаптивного оптимального управления, позволяющая интегрировать её в системы ЧПУ типа PCNC с открытой архитектурой.

Практическая ценность работы заключается: 1. в разработке методики построения системы адаптивного оптимального управления повышающей производительность процесса резания с учетом переменной глубины резания;

2. в разработке практической реализации системы адаптивного

оптимального управления для системы ЧПУ типа PCNC с открытой

архитектурой.

Работа выполнена в Университете «СТАНКИН» па кафедре компьютерных систем управления под руководством Д.Т.Н, профессора СосонкинаВ. Л J и д.т.н. доцента Мартинова Г. М.

Теоретические и практические результаты, полученные автором, использованы в учебном процессе МГТУ «Станкин».

Подобные работы
Козлов Василий Владимирович
Обеспечение инвариантности процесса резания к внешним возмущениям на основе интеллектуальных систем подготовки управляющих программ
Ульянычев Матвей Николаевич
Повышение уровня информационного сервиса в распределенных производственных системах на основе применения сервера приложений
Выставкин Сергей Витальевич
Повышение эффективности технической подготовки производства на основе применения экспертных систем : На примере концептуального проектирования суппортных групп станков
Подвигалкин Виталий Яковлевич
Автоматизация производства протяжённых конструктивов на основе применения автоматической манипуляционной системы, реализующей принцип интегральности вспомогательных технологических операций
Гаскаров Вагиз Диляурович
Методологические основы построения экспертных автоматизированных систем прогнозирования с применением параллельных технологий для судовых технических систем
Покровская Мария Владимировна
Создание подсистемы прогнозирования объемов производства в составе АСУ промышленного предприятия с использованием аппарата нейронных сетей
Пантелеев Евгений Юрьевич
Повышение производительности сборки деталей на основе пассивной автоматической доориентации
Проснева Марина Кузьминична
Повышение производительности функционирования автоматизированных технологических систем путем моделирования и оптимизации технических решений
Луговой Владислав Витальевич
Повышение производительности и качества сборки роликов путем применения автоматической переналадки линии
Воронин Алексей Александрович
Модели и алгоритмы повышения производительности распределенных систем обработки информации АСУП

© Научная электронная библиотека «Веда», 2003-2013.
info@lib.ua-ru.net