ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ЗАДАЧАХ ОПТИМИЗАЦИИ РЕЖИМОВ РЕЗАНИЯ И ПРОГНОЗИРОВАНИЯ ТОЧНОСТИ ОБРАБОТКИ ДЛЯ НЕСТАБИЛЬНЫХ УСЛОВИЙ ОБРАБОТКИ ПАРТИИ ДЕТАЛЕЙ НА СТАНКАХ С ЧПУ
Аннотация
В статье рассматривается возможность применения искусственного интеллекта (ИИ) при технологической подготовке производства (ТПП) на стадии расчета оптимальных режимов резания с учетом нестабильных условий обработки партии деталей на примере плоского шлифования, выполняемого на станках с ЧПУ. Задачи прогнозирования точности обработки и оптимизации режимов резания для станков с ЧПУ до сих пор не решены полностью из-за сложности их решения, связанной: со слишком большой размерностью оптимизируемого поля параметров, с необходимостью одновременного решения большого
количества сложных взаимосвязанных математических моделей процесса обработки, оптимизацией многочисленных параметров режимов резания и учетом ограничений целевой
функции в многомерном пространстве состояний процесса обработки, сложностью учета разнонаправленного влияния различных нестабильных технологических факторов на процесс съема припуска, сложностью моделей формирования технологического размера и параметров качества обрабатываемой поверхности. Большая размерность задач требует огромных вычислительных мощностей суперкомпьютерной техники, которая не имеет ни
одно производственное предприятие. Применение ИИ позволяет преодолеть «проклятие размерности». Задачи прогнозирования точности обработки и оптимизации режимов резания предложено решать в заводских условиях путем применения обученной сверточной нейронной сети (НС), использующейся для распознавания образов, позволяющей рассчитывать оптимальные режимы резания для станков с ЧПУ и прогнозировать точность обработки. Обучение НС проводится на множественной выборке (сто тысяч и более операций с ЧПУ) с готовыми оптимальными режимами резания. Подготовка выборки операций с готовыми оптимальными решениями проводится заранее на суперкомпьютере с применением программного обеспечения, созданного на основе разработанной методики комплексной структурно-параметрической оптимизации режимов резания для станков с ЧПУ, учитывающей влияние различных переменных технологических факторов на процесс
обработки партии деталей.
количества сложных взаимосвязанных математических моделей процесса обработки, оптимизацией многочисленных параметров режимов резания и учетом ограничений целевой
функции в многомерном пространстве состояний процесса обработки, сложностью учета разнонаправленного влияния различных нестабильных технологических факторов на процесс съема припуска, сложностью моделей формирования технологического размера и параметров качества обрабатываемой поверхности. Большая размерность задач требует огромных вычислительных мощностей суперкомпьютерной техники, которая не имеет ни
одно производственное предприятие. Применение ИИ позволяет преодолеть «проклятие размерности». Задачи прогнозирования точности обработки и оптимизации режимов резания предложено решать в заводских условиях путем применения обученной сверточной нейронной сети (НС), использующейся для распознавания образов, позволяющей рассчитывать оптимальные режимы резания для станков с ЧПУ и прогнозировать точность обработки. Обучение НС проводится на множественной выборке (сто тысяч и более операций с ЧПУ) с готовыми оптимальными режимами резания. Подготовка выборки операций с готовыми оптимальными решениями проводится заранее на суперкомпьютере с применением программного обеспечения, созданного на основе разработанной методики комплексной структурно-параметрической оптимизации режимов резания для станков с ЧПУ, учитывающей влияние различных переменных технологических факторов на процесс
обработки партии деталей.
Ключевые слова
режимы резания; оптимизация; прогнозирование точности; искусственный интеллект
Полный текст:
PDFСсылки
- На текущий момент ссылки отсутствуют.