Разработан нейросетевой алгоритм, повышающий качество токарной обработки
Для механической обработки металла на предприятиях используют специальные станки, которые режут, точат и шлифуют детали по заданным программам. Но зачастую режимы обработки приходится вручную корректировать из-за меняющихся во время производства свойств как инструмента, так и изделия. Сегодня активно развивается и внедряется в промышленность так называемое адаптивное управление станками, когда процесс обработки автоматически приспосабливается к изменяющимся условиям. Для его реализации и стабильной работы требуется специальное математическое обеспечение. Ученые Пермского Политеха разработали эффективный алгоритм адаптивного управления на основе искусственного интеллекта.
Статья опубликована в Journal of Digital Science. Исследование проведено в рамках реализации программы стратегического академического лидерства «Приоритет 2030».
При обработке металлических заготовок на стандартных станках с числовым управлением программу настраивают на определенные параметры. Учитывают твердость обрабатываемого материала, толщину слоя, который необходимо с него снять, и многие другие показатели, влияющие на качество итогового изделия. Но в процессе резания металла происходят неконтролируемые случайные изменения свойств режущих инструментов. Кроме того, каждая следующая заготовка из обрабатываемой партии имеет отличия в структуре поверхности и твердости. Все это требует постоянного контроля со стороны оператора станка.
Адаптивное управление, в отличие от обычных систем, обеспечивает автоматическое приспособление параметров процесса к изменяющимся условиям.
«На основе получаемой информации о текущем состоянии процесса обработки система сама увеличивает или уменьшает объем снимаемого металла с заготовки, тем самым поддерживая предельное значение какого-либо заданного параметра, например, силы резания. В более сложном случае — обеспечивает получение оптимальных значений точности, производительности или себестоимости обработки заготовок», — рассказывает Владимир Онискив, доцент кафедры вычислительной математики, механики и биомеханики ПНИПУ, кандидат технических наук.
Методы искусственного интеллекта все чаще применяются в системах адаптивного управления процессами токарной обработки. Однако еще недостаточно изучен вопрос, как при этом износ инструмента влияет на шероховатость обрабатываемой поверхности. Ученые Пермского Политеха разработали алгоритм с использованием нейросети, который обеспечивает необходимый уровень шероховатости и повышает производительность резания.
«Мы предположили, что этот показатель зависит от степени износа режущего инструмента. А она, в свою очередь, определяется текущим уровнем вибрации. Обученная нами нейросеть по величине энергии снимаемого датчиками вибрации сигналов определенных частот, предсказывает значение шероховатости при заданных параметрах режима резания. На ее основе мы разработали алгоритм, который, получив сигнал о достижении максимально допустимой величины шероховатости, изменит параметры подачи инструмента до подходящих показателей», — объясняет Владимир Онискив.
Политехники отмечают, что алгоритм выполняет условия оптимального управления, так как процесс обработки начинается с наиболее высокой величины подачи инструмента и постепенно снижается. Система обеспечивает максимально возможный объем съемного металла при заданной шероховатости поверхности, что значительно повышает производительность металлообработки.
Предложенный учеными ПНИПУ алгоритм уже апробировали на реальных данных и подтвердили возможность использования при разработке интеллектуальной информационной системы адаптивного управления процессом токарной обработки.
Telegram 
Дзен 
VK 
