Обеспечение инвариантности процесса резания к внешним возмущениям на основе интеллектуальных систем подготовки управляющих программ тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат технических наук Козлов, Василий Владимирович

• Козлов, Василий Владимирович
• кандидат технических наук
• 2004

Оглавление диссертации кандидат технических наук Козлов, Василий Владимирович

ВВЕДЕНИЕ.

1. АНАЛИЗ МЕТОДОВ ОБЕСПЕЧЕНИЯ ИНВАРИАНТНОСТИ СИЛЫ РЕЗАНИЯ К ВНЕШНИМ ВОЗМУЩЕНИЯМ.

1.1. Методы корректировки управляющих программ.

1.2. Методы обеспечения точности и производительности.

1.3. Постановка задачи исследования.

1.4. Место диссертационной работы в проблеме управления точностью и ее структура.

2. ИЗМЕНЕНИЕ ПРИПУСКА И ТВЕРДОСТИ ПРИ РАЗЛИЧНЫХ МЕТОДАХ ПОЛУЧЕНИЯ ЗАГОТОВОК.

2.1. Задачи и способы размерной обработки.

2.2. Механические свойства материалов.

2.3. Режимы резания

2.3.1. Назначение припусков.

2.3.2. Предварительный выбор основных параметров резания.

2.3.3. Сила резания при точении.

2.4. Изготовление заготовок методами литья.

2.4.1. Отливки из конструкционной нелегированной стали.

2.4.2. Отливки из чугуна.

2.5. Ковка.

2.5.1. Горячая объемная штамповка.

2.5.2. Холодная объемная штамповка.

2.6. Прокат.!.

2.6.1. Прокат из конструкционной стали высокой обрабатываемости резанием.

2.7. Выводы.

3. СТРУКТУРА ИНФОРМАЦИОННОГО ОБЕСПЕЧЕНИЯ ИНТЕЛЛЕКТУАЛЬНОЙ ОБУЧАЮЩЕЙ СИСТЕМЫ.

3.1. Задачи, решаемые компонентами интеллектуальной обучающей системы.

3.2. База данных интеллектуальной системы.

3.2.1. Базы данных и системы управления.

3,2-2. Инф о логическая модель базы данных.

3.2.3. Словарь базы данных.

3.2.4. Выбор СУБД.

3.3. База знаний интеллектуальной системы.

3.3.1. Модель интеллектуальной системы, основанной на знаниях.

3.3.2. Язык представления знаний.

3.4. Нейросетевая структура САП.

3.4.1. Теоретические основы нейронных сетей.

3.4.2. Проектирование нейронной сети.

3.5. Основные блоки САП.

3.5.1. Организационная структура постпроцессора.

3.5.2. Информационная структура постпроцессора.

3.5.3. СЧПУ с открытой архитектурой.

3.6. Обобщенная структура.

3.7. Алгоритм функционирования программы.

3.7.1. Особенности программного обеспечения.:.

3.8. Выводы.

Введение диссертации (часть автореферата) на тему «Обеспечение инвариантности процесса резания к внешним возмущениям на основе интеллектуальных систем подготовки управляющих программ»

В настоящее время основная масса изделий машиностроительной области производится с использованием механообрабатывающих станочных модулей, в которых одним из главных звеньев является система управления, в данном случае система числового программного управления. Одним из важнейших направлений исследований в области машиностроения является достижение наиболее полного использования технологических возможностей существующего оборудования, с другой стороны, разработка современных систем ЧПУ ведется по принципу модульной организации и открытой архитектуры, что позволяет использовать такие СЧПУ для решения широкого круга задач. Указанные тенденции способствуют развитию мелкосерийного, многономенклатурного производства на базе не только больших, но и малых предприятий.

Современные рыночные отношения требуют от машиностроительного предприятия наличия гибкого производства, своевременно и оперативно реагирующего на экономические и технические изменения, а также поддержания высокой производительности и качества выпускаемой продукции вне зависимости от выполняемых задач.

Принимая во внимание сказанное, можно заключить, что важным фактором является гибкость системы управления, т. е. возможность оперативно производить настройку согласно изменившимся условиям, возможность включать в структуру СУ различные модули управления, в том числе и модули сторонних разработчиков. В частности, реализации перечисленных возможностей способствует использование персонального компьютера в качестве элемента настройки системы ЧПУ.

Среди прочих на процесс резания основное влияние оказывают колебания припуска и твердости заготовки, чье негативное воздействие особенно заметно при использовании заготовок, полученных различными методами, для выработки одной и той же детали. Для минимизации их влияния традиционно используются различные адаптивные системы. Однако алгоритмы их управления редко позволяют применять функциональные расширения в виде дополнительно подключаемых модулей, они достаточно сложны и требуют дополнительной информации от специально встроенных датчиков.

Очевидным выходом может являться применение интеллектуальных систем управления, получивших развитие в начале 80-х годов и в настоящее время с ростом производительности компьютеров обретших второе рождение. Тенденция сопряжения персональных компьютеров с металлорежущими станками также придает этой идее целесообразность и привлекательность.

Использование интеллектуальных систем, баз знаний, нейронных сетей, которые являются подразделами одной науки - инженерии знаний, позволит решить эту задачу более простыми способами.

Таким образом, целью данной работы является создание интеллектуальной обучающей системы, обеспечивающей инвариантность процесса резания к изменениям припуска и твердости заготовки при подготовке управляющих программ для станков с ЧПУ.

Такое решение выгодно потому, что построение интеллектуальной системы на базе высокопроизводительных компьютеров не требует от разработчиков создания специального оборудования, как, например, датчиков, плат расширения, наборов микросхем или даже нейрочипов, а также исключает затраты на разработку интерфейсов для сопряжения с системами ЧПУ. В то же время, разрабатываемое ПО можно проектировать с учетом предполагаемых изменений, т. е. использовать в основе открытую архитектуру, что позволит пользователю самому заниматься расширением системы. И, наконец, отсутствует дорогостоящее сопровождение, так как программный продукт сопровождать гораздо дешевле.

Помимо вышеперечисленного, говоря непосредственно о снижении влияния погрешностей заготовок, в том числе о колебаниях твердости и припуска, описанное решение позволит повысить производительность (за счет автоматизации процесса настройки управляющей программы), точность и качество (за счет адаптации УП к особенностям конкретного вида заготовок).

Таким образом, определяется направление работы и научная новизна, которая заключается в создании методики организации работы постпроцессора автоматизированной системы подготовки управляющих программ, обеспечивающей инвариантность технологической операции к материалу и методу, которым получена обрабатываемая заготовка, а также в создании интеллектуальной обучающей системы, адаптирующей управляющую программу к типу заготовки.

Заключение диссертации по теме «Автоматизация и управление технологическими процессами и производствами (по отраслям)», Козлов, Василий Владимирович

4. ОБЩИЕ ВЫВОДЫ

1. Проанализированы современные методы обеспечения точности и производительности обработки на станках с ЧПУ. Сделано заключение о возможности использовании имитационных моделей в условиях неопределенности информации с последующим применением интеллектуальных систем на основе искусственных нейронных сетей.

2. Проанализированы механические свойства материалов, учитываемых при расчете режимов резания: твердость и различные методы ее измерения, временное сопротивление; рассмотрены общие и межоперационные припуски, методы расчета припусков, в том числе для заготовок, полученных различными методами. Из представленной информации можно заключить, что величину твердости поступившей на обработку заготовки можно получить из соответствующего ГОСТа. Справочная литература, описывающая марки и механические свойства заготовок, представляет информацию в более емком, унифицированном виде. Выявлено, что марка материала не всегда однозначно соответствует фактической твердости заготовки. Поэтому в случаях использования некоторых материалов, например, конструкционных сталей, представляется целесообразным применять условное обозначение (маркировку), которое достаточно емко и однозначно описывает представленную заготовку.

3. Представлена структура интеллектуальной обучающей системы, состоящей из базы данных, базы знаний и искусственной нейронной сети.

4. Представлена структура таблиц базы данных, содержащих перечень механических свойств всех перечисленных методов получения заготовок, а так же таблиц, носящих вспомогательный характер и содержащих коэффициенты расчета силы резания.

5. Разработана структура базы знаний. За основу базы знаний взята продукционная модель. В качестве средства ее реализации использован язык представления знаний CLIPS.

6. Описан интеллектуальный механизм определения требуемых значений, построенный на нейронной сети с радиальными базисными функциями.

7. Проведено обучение нейросети и настройка весовых коэффициентов для достижения наиболее приемлемого результата.

8. Предложен способ программной реализации нейросетевой структуры в комплексе с другими компонентами интеллектуальной системы, описана схема обмена информацией внутри комплекса. Разработан алгоритм функционирования программного обеспечения.

9. Представлена обобщенная структура САП и интеллектуальной обучающей системы.

10. Даны рекомендации по использованию ИОС с системой ЧПУ с открытой модульной архитектурой, так и с наиболее распространенными в современной промышленности системами ЧПУ.

11. Описана методика интеллектуальной адаптации управляющих программ для станков с ЧПУ к типу заготовки при условии постоянства значения силы резания.

Список литературы диссертационного исследования кандидат технических наук Козлов, Василий Владимирович, 2004 год

1. Агаев О. В., Зориктуев В. Ц., Чикуров Н. Г. Микроинтерполятор для распределенных систем ЧПУ // СТИН. 1998. - №8.

2. Акулин Д. М. Расширение функциональных возможностей системы ЧПУ на основе открытой архитектуры терминальной задачи М: «СТАНКИН», 2004.

3. Амрахов И. Г., Павлов И. О. Формирование базы знаний в технологической системе обработки деталей резанием. // Вестник машиностроения, 1998, №1.

4. Анил К. Джейн, Жианчанг Мао, Моиуддин К. М. Введение в искусственные нейронные сети. Открытые системы, №04, 1997.

5. Анурьев В. И. Справочник конструктора-машиностроителя: В 3-х т. 5-е изд., перераб. И доп. - М.: Машиностроение, 1979.

6. Архангельский А. Я. Язык SQL в Delphi 5 М.: ЗАО «Издательство БИНОМ», 2000. - 208 е.: ил.

7. Аршанский М. М. Мехатронные технологии обработки материалов резанием // Мехатроника, 2000, №1.

8. Базы знаний интеллектуальных систем / Т. А. Гаврилова, В. Ф. Хорошевский. -СПб.: Питер, 2001.-384 е.: ил.

9. Бобров В. Ф. Основы теории резания металлов. М.: Машиностроение, 1975.

10. Борисов Ю., Кашкаров В., Сорокин С. Нейросетевые методы обработки информации и средства их программно-аппаратной поддержки. Открытые системы, № 04, 1997.

11. Бояринов А. А. Автоматизация подготовки производства с учетом виброметрических характеристик технологической системы резания М.: МГАПИ, 2002.

12. Ванин В. А. Проектирование и программирование технологических операций на станках с ЧПУ: Уч. Пособие. Тамбов, ТГТУ, 1997, 123 е., ил.

13. Галушкин А., Современные направления развития нейрокомпьютерных технологий в России. Открытые системы, №04, 1997.

14. Галушкин А.И. Теория нейронных сетей. Кн.1: Учеб. Пособие для вузов / Общая ред. А.И. Галушкина. М.: ИПРЖР, 2000.416 е.: ил. (Нейрокомпьютеры и их применение).

15. Гжиров Р. И., Обольский Я. 3., Серебреницкий П. П. Автоматизированное программирование обработки на станках с ЧПУ. JL: Лениздат, 1986, 176 с.

16. Гжиров Р. И., Серебреницкий П. П. Программирование обработки на станках с ЧПУ: Справочник. JL: Машиностроение. Ленингр. Отд-ние, 1990.-588 е.: ил.

17. Гжиров Р.И. Краткий справочник конструктора. М.: Машиностроение, 1983 -484с., ил.

18. Головко В. А. Нейронные сети: обучение, организация и применение. Кн. 4: Учеб. пособие для вузов / Общая редакция А. И. Галушкина. М.: ИПРЖР, 2001. -256 е.: ил.

19. Гольдштейн А. И., Молочник В. И., Альтбергина Р. В. Разработка постпроцессоров для многокоординатного фрезерного оборудования с ЧПУ. -Автоматизация проектирования машиностроительных предприятий, Киев: Знание, 1981.

20. Горбань А. Н., Россиев Д. А. Нейронные сети на персональном компьютере, 1996, 276 е., с ил.

21. Городецкий Ю. И. О колебании при резании металлов. М.: Машиностроение, 1984, 135 с.

22. Городецкий Ю. И. О колебаниях пари резании металлов. М.: Машиностроение, 1984, 135 с.

23. ГОСТ 1414-75. Прокат-из конструкционной стали высокой обрабатываемости резанием. ИПК Издательство стандартов, 2002.

24. ГОСТ 380-94. Сталь углеродистая обыкновенного качества. ИПК Издательство стандартов, 2001.

25. Грановский Г. И., Грановский В. Г. Резание металлов. М.: Высшая школа, 1985.

26. Гусев А.А., Ковальчук Е.Р., Колесов И.М. и др. Технология машиностроения. -М: Машиностроение, 1986 -480с., ил.

27. Гырдымов Г. П., Молочник В. И., Гольдштейн А. И. Проектирование постпроцессоров для оборудования гибких производственных систем. Л.: Машиностроение, Ленингр. отделение, 1988, 232 с.

28. Дальскй М. М., Гаврилюк В. С. Механическая обработка материалов.

29. Данилевский В. В. Справочник молодого машиностроителя. Справочник для молодых рабочих машиностроительных заводов и учащихся проф.-техн. Училищ. Изд. 3-е, доп. и перераб. М., «Высш. школа», 1973. 648 с. с ил.

30. Девятков В.В. Системы искусственного интеллекта. М.: Изд. МГТУ им. Баумана, - 2001.31.