Повышение качества процесса адаптации при изменении технологических параметров с помощью аппарата нейронных сетей

• Автор: Никишечкин, Анатолий Петрович
• Шифр специальности: 05.13.06
• Научная степень: Кандидатская
• Год защиты: 2002
• Место защиты: Москва
• Количество страниц: 187 с. : ил

Введение.
Глава 1. Анализ проблем диагностики и управлении процессом резания и поиск перспективных путей их решения на основе повышения качества процесса адаптации систем управлении. Постановка задачи

исследования.

1.1. Система Станокпроцесс резания как объект управления. Входные, выходные и функциональные параметры процесса резания
1.2. Обзор используемых диагностических сигналов, несущих информацию о ходе процесса резания и состоянии инструмента.

1.2.1. Взаимосвязь параметров процесса резания

1.2.2. Силовые параметры процесса резания.

1.2.3. Механические колебания при резании.

1.2.4. Тепловые и электрические явления при резании.

1.2.5. Параметры обрабатываемой детали диагностические признаки процесса резания

л . .
1.3. Диагностика режущего инструмента
1.4. Системы адаптивного управления существенный резерв повышения эффективности процессов металлообработки.
1.4.1. Качество обработки управляемый параметр процесса резания.
1.4.2. Общие принципы адаптивного управления
1.4.3. Анализ и классификация адаптивных систем управления
1.5. Анализ математических моделей, используемых в системах адаптивного управления металлообработкой.
1.6. Выводы по главе 1. Цель и задачи исследования.
1 лава 2. Искусственные нейронные сети и эффективность их применении в адаптивных системах диагностики и управлении процессами металлообработки в реальном масштабе времени.
2.1. Искусственные нейронные сети как инструмент моделирования адаптивных процессов.
2.1.1. Структура и свойства искусственного нейрона
2.1.2. Основные архитектуры нейронных сетей.
2.1.3. Обучение. Адаптация. Самоорганизация.
2.1.4. Многослойные нейронные сети прямого распространения и их обучение.
2.1.5. Алгоритм обратного распространения ошибки
2.2. Нейроуправление как элемент повышения качества процесса адаптации
технологических систем.
2.2.1. Нейронные сети в системах управления и идентификации
2.2.2. Подходы к нейронному управлению.
2.3. Автономное и оперативное обучение нейроконтроллера и нейроэмулятора.
2.4. Динамическое обучение нейронных сетей.
2.4.1. Введение динамики в обучение нейронной сети.
2.4.2. Скоростной алгоритм обучения нейронной сети.
2.4.3. Динамический алгоритм обучения с прогнозом
2.4.4. Упрощенный динамический алгоритм обучения с прогнозом.
2.5. Предварительная обработка входных и выходных данных.
2.6. Выводы по главе 2.
Глава 3. Разработка метода построения нейросетевых многослойных нейронных сетей для повышении качества процесса адаптации системы управления процессом резания.
3.1. Обучение и самоорганизация сети в процессе функционирования системы
управления.
3.1.1. Внутренняя и внешняя структуры нейронной сети.
3.1.2. Улучшение рабочих характеристик нейросетевой модели с помощью динамической оптимизации ее структуры
3.2. Динамическая оптимизация внешней структуры сети.
3.3. Динамическая оптимизация внутренней структуры сети
3.4. Выводы по главе 3.
Глава 4. Разработка адаптивной системы управления процессом резания на основе нейросетевых технологий.
4.1. Структура и алгоритм функционирования нейросетевой адаптивной системы
управления
4.2. Создание и непрерывное обновление обучающей выборки и тестового
множества в процессе функционирования системы
управления
4.3. Экспериментальные исследования по обучению нейросетевых компонент системы управления
4.4. Выводы по главе
Заключение.
Литература


Любые изменения в состоянии инструмента, стружки и детали приводят к изменению функциональных параметров и наоборот. Например, при диагностировании инструмента и определении величины какоголибо параметра его состояния можно использовать диагностические признаки один или несколько параметров состояния детали, стружки, а также функциональные параметры процесса резания. Изучение физических процессов, сопровождающих обработку резанием, выявило различные диагностические признаки, адекватно отражающие динамику изменения состояний инструмента и хода самого процесса резания. Достоверность диагностирования определяется информативностью диагностического признака П,, под которой понимается отношение величины его изменения к величине изменения параметра состояния
ДАг
При этом в связи с нестационарностью процесса резания значение П, может колебаться около среднего значения с определенной амплитудой и частотой ПО. Для расчета информативности принимается среднее значение Г1, полученное по результатам нескольких измерений величины П , в течение короткого промежутка времени. Любые изменения условий резания, вызванные изменением параметров состояния инструмента и стружки, приводят к изменению силы 2. При этом в связи с нестационарностью процесса резания могут изменяться не только среднее значение силы и направления ее действия, по и амплитуда,и частота ес колебаний. Экспериментальные исследования свидетельствуют о существовании определенных функциональных связей между ростом значений режущих усилий и параметрами износа 2,0,2. Для измерения доступны составляющие силы Р, разложенной по координатным осям х,у,1, а также среднее значение вектора Р, амплитуда Ар и частота р его колебаний. Таблица 1. В ПО показана информативность диагностического признака табл. Составляющие силы резания Рх, Ру, Р. Об 0. Рис. Графики зависимостей Рх И. Р. А3, полученные при точении на скорости резания V 2 ммин при отсутствии нароста на резце, обнаруживают достаточно высокую информативность составляющих силы Рх и Р Но если снизить скорость при прочих равных условиях, информативность Рх и Р2 существенно снижается. Объясняется это тем, что при меньших скоростях создаются условия, благоприятствующие образованию нароста. Нарост, нависая над задней поверхностью, уменьшает контакт площадки износа ц с поверхностью резания детали, а вместе с этим и рост составляющих сил. Другой пример. Рост площадки износа 1ц приводит к повышению се адгезионною контактного взаимодействия с поверхностью резания детали. Периодические разрыв,I адгезионных связей должны вызвать колебания силы резания, и поэтому полагают, что Ар может служить диагностическим признаком износа И3. X1И ОТ различие в амплитуде колебания силы при резании острыми и изношенными по задней поверхности резцами. На рис. Ру с ростом износа Однако при замене материала заготовки, например на сталь Х информативность Ар падает при прочих равных условиях. Вопрос о возможности использования параметров силы резания как диагностического признака состояния процесса и инструмента давно решен положительно 2. Разработаны специальные, встраиваемые в узлы и детали станков датчикидинамометры. Их информативность существенно зависит от конструктивной и аппаратной реализации, а также от места расположения на станке датчика, преобразующего значение параметров силы в аналоговые электрические сигналы. Возникающая в зоне резания сила может быть измерена с помощью датчиков, встроенных в резиовую головку станка. Составляющая силы Р2 создает момент сопротивления резашпо и определяет мощность привода главного движения IV. Следовательно, датчики установленные в узлах и деталях привода, дадут сигнал пропорциональный силе Р2. Р2 будет изменяться мощность электродвигателя или сила потребляемого тока . Составляющие силы Ру и Рх преодолеваются механизмом подачи. Ру и Рх. Измерение мощности 1Г привода подачи также позволяет в ряде случаев контролировать изменение этих сил. Кроме того, эти силы воспринимаются упорными и радиальными подшипниками шпинделя. Для их измерения применяются специальные динамометрические тензометричсскис подшипники. На рис.