Применение искусственного интеллекта в задачах оптимизации режимов резания и прогнозирования точности обработки для нестабильных условий обработки партии деталей на станках с ЧПУ
Автор: Акинцева Александра Викторовна, Переверзев Павел Петрович
Рубрика: Технология
Статья в выпуске: 2 т.22, 2022 года.
Бесплатный доступ
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.
Режимы резания, оптимизация, прогнозирование точности, искусственный интеллект
Короткий адрес: https://sciup.org/147238121
IDR: 147238121 | УДК: 621.923.9 | DOI: 10.14529/engin220205
The use of artificial intelligence in the tasks of optimizing cutting modes and predicting processing accuracy for unstable processing conditions of a batch of parts on CNC machines
The article considers the possibility of using artificial intelligence (AI) in the technological preparation of production (TPP) at the stage of calculating optimal cutting modes, considering unstable processing conditions of a batch of parts on the example of flat grinding performed on CNC machines. The problems of predicting processing accuracy and optimization of cutting modes for CNC machines have not yet been fully solved due to the complexity of their solution associated with: too high dimensionality of the optimized parameters, need to solve a large number of complex interrelated mathematical models of the processing process, optimization of numerous parameters of cutting modes and considering the limitations of the objective function in a multidimensional states space of the processing process, complexity of considering the multidirectional influence of various unstable technological factors on the process of the allowance removal, complexity of the models of formation of the technological size and quality parameters of the processed surface. The high dimensionality of tasks requires huge computing power of supercomputer technology, which no manufacturing enterprise has. The use of AI allows overcoming the «curse of dimensionality». It is proposed to solve the problems of predicting processing accuracy and optimizing cutting modes in the production conditions by using a trained convolutional neural network (NN) used for pattern recognition, which allows calculating optimal cutting modes for CNC machines and predicting processing accuracy. NN training is performed on a multiple sample (one hundred thousand or more CNC operations), with ready optimal cutting modes. Preparation of a sample of operations with ready optimal solutions is performed in advance on a supercomputer, using software created on the basis of the developed technique of complex structural and parametric optimization of cutting modes for CNC machines, considering the influence of various variable technological factors on the processing of a batch of parts.
Список литературы Применение искусственного интеллекта в задачах оптимизации режимов резания и прогнозирования точности обработки для нестабильных условий обработки партии деталей на станках с ЧПУ
- Терган, В.С. Плоское шлифование / В.С. Терган, Б.С. Либерман. - М.: Изд-во Высшая школа, 1969. -284 с.
- Филимонов, Л.Н. Плоское шлифование / Л.Н. Филимонов. - Л.: Машиностроение, Ленинградское отделение, 1985. - 109 с.
- Yudin, S. Generalized cutting force model for grinding / S. Yudin, K. Smolyanoy, P. Pereverzev // IOP Conference Series Materials Science and Engineering. - 2020. - Vol. 709, No 033005. DOI: 10.1088/1757-899X/709/3/033005
- Shipulin, L. V. Three-Stage Cycle in Plane Grinding by the Wheel Periphery / L.V. Shipulin, I.V. Shmidt // Russian Engineering Research. - 2020. - Vol. 40, No. 4. - P. 347-350. DOI: 10.3103/S1068798X20040218
- Николаенко, А.А. Моделирование обеспечения точности обработки при плоском глубинном шлифовании периферией круга / А.А. Николаенко // Технология машиностроения. - 2011. -№ 5. - С. 57-59.
- Воронов, С.А. Математическое моделирование процесса плоского шлифования / С.А. Воронов, М.А. Вэйдун // Проблемы машиностроения и надежности машин. - 2017. - №4. -С. 85-94.
- Носенко, В.А. Плоское глубинное шлифование пазов в заготовках из титанового сплава с непрерывной правкой шлифовального круга / В.А. Носенко, С.В. Носенко // Вестник машиностроения. - 2013. - № 4. - С. 74-79.
- Дианов, А.А. Образование волнистости при плоском прерывистом шлифовании периферией круга / А.А. Дианов, Е.Ю. Татаркин, В.А. Терентьев // Ползуновский Вестник. - 2009. -№ 1-2. - С. 127-131.
- Ильиных, А.С. Формирование качества поверхности при плоском шлифовании торцем круга /А.С. Ильиных//Технология машиностроения. - 2011. - № 4. - С. 19-22.
- Voronov, S.A. Influence of technological system's rigidity on the dynamics of grinding process of flexible parts / S.A. Voronov, I.A. Kiselev, M. Weidong // MATEC Web of Conferences. - 2018. -Vol. 226(2), No. 02002. DOI: 10.1051/matecconf/201822602002
- Soler, I. Influence of rigidity of the hardened parts on forming the shape accuracy during flat grinding /1. Soler, N.V. Le, M.D. Si // MATEC Web of Conferences. - 2017. - Vol. 129, No. 010706. DOI: 10.1051/matecconf/201712901076
- Amon, G. Modeling of Vibration Condition in Flat Surface Grinding Process / G. Amon, W. Jin, A. Uwimbabazi //Shock and Vibration. - 2020. - Vol. 12. - P. 1-12. DOI: 10.1155/2020/3069895
- Свёщев, В.И. Пpогнозиpование фоpмиpования шеpоховатости nовеpхности щи плоском тоpцевом nланетаpном шлифовании /В.И. Свщщев, И.В. Подборнов, В.К. Флегентов // Технология машиностроения. - 2010. - № 12. - С. 14-16.
- Подборнов, И.В. Прогнозирование формирования остаточной шероховатости поверхности при плоском торцовом планетарном шлифовании /И.В. Подборнов, В.И. Свирщев // СТИН. -2011. - № 5. - С. 36-37.
- Nosenko, V.A. Removal of material at different stages of deep plane grinding / V.A. Nosenko, V.K. Zhukov, S.A. Zotova et al. // Russian Engineering Research. - 2008. - Vol. 28 (6). - P. 606-610. DOI: 10.3103/S1068798X0806021X
- Gong, Y.D. The simulation of grinding wheels and ground surface roughness based on virtual reality technology / Y.D. Gong, B. Wang, W.S. Wang // Journal of Materials Processing Technology. -2002. - Vol. 129. - P. 123-126. DOI: 10.1016/S0924-0136(02)00589-7
- Hecker, R.L. Predictive modeling of surface roughness in grinding / R.L. Hecker, S. Y. Liang // International Journal of Machine Tools & Manufacture. - 2003. - Vol. 43. - P. 755-759. DOI: 10.1016/j.procir. 2015.04.092
- Zhou, X. Modeling and predicting surface roughness of the grinding process / X. Zhou, F. Xi // International Journal of Machine Tools & Manufacture. - 2002. - Vol. 42. - P. 969-977. DOI: 10.1016/S0890-6955(02)00011-1
- Pereverzev, P.P. Designing optimal automatic cycles of round grinding based on the synthesis of digital twin technologies and dynamic programming method / P.P. Pereverzev, A. V. Akintseva, M.K. Alsigar et al. //Inter. J. Mechanical Sciences. - 2019. - Vol. 1. - P. 1-11. DOI: 10.5194/ms-10-331-2019
- Акинцева, А.В. Диагностика качества проектируемого цикла внутришлифовальной обработки /А.В. Акинцева, А.В. Прохоров, С.В. Омельченко и др. // СТИН. - 2020. - № 7. - С. 27-30.
