Об одном алгоритме адаптивного управления процессом токарной обработки с использованием методов искусственного интеллекта
Автор: Пащенко М.М., Онискив В.Д., Столбов В.Ю.
Рубрика: Управление в технических системах
Статья в выпуске: 1 т.25, 2025 года.
Бесплатный доступ
Повышение эффективности процессов токарной обработки на станках с ЧПУ требует разработки специального математического и информационного обеспечения для реализации адаптивного управления. Предлагается в качестве моделей процесса резания использовать нейросетевые аппроксиматоры, построенные на основе экспериментальных данных, полученных на конкретном станке с ЧПУ при обработке конкретного материала с помощью фиксированного инструмента. Цель исследования: проработка вопросов применения методов искусственного интеллекта для адаптивного управления процессом токарной обработки на основе полученных данных о вибрации инструмента.
Токарная обработка, адаптивное управление, износ инструмента, данные о вибрации, алгоритм управления, нейросетевые технологии
Короткий адрес: https://sciup.org/147247573
IDR: 147247573 | DOI: 10.14529/ctcr250104
Список литературы Об одном алгоритме адаптивного управления процессом токарной обработки с использованием методов искусственного интеллекта
- Балакшин Б.С. Адаптивное управление станками. М.: Машиностроение, 1973. 688 с.
- Бурков В.Н. Основы математической теории активных систем. М.: Наука, 1977. 256 с.
- Plaza E.G., Núñez López P.J. Application of the wavelet packet transform to vibration signals for surface roughness monitoring in CNC turning operations // Mechanical Systems and Signal Processing. 2018. Vol. 98. Р. 902–919. DOI: 10.1016/j.ymssp.2017.05.028
- Zhu K., Wong Y.S., Hong G.S. Multi-category micro-milling tool wear monitoring with continuous hidden Markov models // Mechanical Systems and Signal Processing. 2009. Vol. 23, no. 2. Р. 547–560. DOI: 10.1016/j.ymssp.2008.04.010
- Effect of different features to drill-wear prediction with back propagation neural network / J. Xu, K. Yamada, K. Seikiya et al. // Precision Engineering. 2014. Vol. 38, no. 4. Р. 791–798. DOI: 10.1016/j.precisioneng.2014.04.007
- Liao Z., Axinte D.A. On monitoring chip formation, penetration depth and cutting malfunctions in bone micro-drilling via acoustic emission // Journal of Materials Processing Technology. 2016. Vol. 229. Р. 82–93. DOI: 10.1016/j.jmatprotec.2015.09.016
- Cognitive Decision Making in Multiple Sensor Monitoring of Robot Assisted Polishing / T. Segreto, S. Karam, R. Teti, J. Ramsing // Procedia CIRP. 2015. Vol. 33. Р. 333–338. DOI: 10.1016/j.procir.2015.06.075
- Advanced adaptive feed control for CNC machining / S.G. Kim, E.Y. Heo, H.G. Lee et al. // Robotics and Computer-Integrated Manufacturing. 2024. Vol. 85. Р. 102621. DOI: 10.1016/j.rcim.2023.102621
- Active-passive hybrid feed rate control systems in CNC machining: Mitigating force fluctuations and enhancing tool life / Y. Li, Z. Zhao, K. Wang et al. // Journal of Manufacturing Systems. 2024. Vol. 77. Р. 184–195. DOI: 10.1016/j.jmsy.2024.09.004
- Modelling and optimization method for energy saving of computer numerical control machine tools under operating condition / L. Wang, P. Wei, W. Li, L. Du // Energy. 2024. Vol. 306. Р. 132556. DOI: 10.1016/j.energy.2024.132556
- Intelligent in-process enhancement technique for machining efficiency in CNC machine tools based on spindle power / Y. Jiang, K. Liu, J. Huang et al. // Mechanical Systems and Signal Processing. 2024. Vol. 216. Р. 111495. DOI: 10.1016/j.ymssp.2024.111495
- Digital twin assisted intelligent machining process monitoring and control / P. Bakhshandeh, Y. Mohammadi, Y. Altintas, F. Bleicher // CIRP Journal of Manufacturing Science and Technology. 2024. Vol. 49. Р. 180–190. DOI: 10.1016/j.cirpj.2024.01.005
- Свидетельство о государственной регистрации программы для ЭВМ RU 2024668654. Нейросетевой аппроксиматор зависимости шероховатости поверхности от режимов резания / В.С. Данелян, А.В. Клюев, В.Ф. Макаров. Заявл. 09.08.2024; опубл. 09.08.2024.
- Analysis of Grain Size Effect of Titanium Ti-6Al-4V Depending on Surface Roughness at Different Cutting Parameters Using Artificial Intelligence Methods / V.F. Makarov, M.V. Pesin, V.S. Danelian et al. // Reviews on Advanced Materials and Technologies. 2024. Vol. 6, no. 4. Р. 171–177. DOI: 10.17586/2687-0568-2024-6-4-171-177
- Альтман, Е.А. Алгоритмы быстрого преобразования Фурье: моногр. Омск: Изд-во Омского ГУПС, 2019. 170 с.
