Автоматизация процесса конструкторско-технологической классификации деталей с использованием нейронных сетей

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

АВТОМАТИЗАЦИЯ ПРОЦЕССА КОНСТРУКТОРСКО-ТЕХНОЛОГИЧЕСКОЙ КЛАССИФИКАЦИИ ДЕТАЛЕЙ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХ СЕТЕЙ

Жога В.Л.

Брянский государственный технический университет

конструкторский деталь нейронный сеть

Конструкторско-технологическая классификация деталей общемашиностроительного назначения широко используется при технологической подготовке производства для анализа и группирования номенклатуры деталей по конструкторско-технологическим признакам с последующей разработкой типовых групповых технологических процессов и операций с применением компьютерной техники.

В результате конструкторско-технологической классификации каждой детали присваивается классификационный код. Система кодирования деталей должна обеспечивать однозначность присвоенного каждой детали определенного кодового обозначения и возможность расширения множества деталей, подлежащих кодированию без нарушения системы кодирования.

Таким образом, проблема автоматизации процесса классификации и кодирования проектируемых деталей является актуальной для решения вопросов комплексной автоматизации технологической подготовки производства с использованием современных информационных технологий.

Была разработана методика и общий алгоритм для классификации технических объектов, основанные на использовании методов кластерного анализа и нейронных сетей, как наиболее перспективных направлений исследований в данной области. Предлагаемый подход позволяет перейти к созданию нейронных моделей анализа деталей на стадии их проектирования в производственном процессе.

При классификации деталей нейронная сеть обучается важнейшим их признакам, таким как геометрическая форма, относительное расположение важнейших элементов и т.д. В процессе обучения выделяются признаки, отличающие детали друг от друга, которые и составляют базу для принятия решений об отнесении деталей к соответствующим классам.

Информация о каждой детали представляется в виде вектора конструкторско-технологических признаков, как наиболее полно и достоверно отвечающее требованиям нейросетевого моделирования.

Признаки деталей получаем посредством анализа ее твердотельной модели и чертежа на основе стандартов SТЕР или IGES.

Для решения задачи классификации были выбраны нейронные сети с самоорганизацией на основе конкуренции, использующие алгоритм обучения без учителя. Использование самоорганизации не требует априорного задания классов и позволяет выделить необходимое их количество в процессе обучения и работы сети. Обучение без учителя позволит сети обучаться не только на начальном этапе при подготовке сети к работе, но и непосредственно в процессе работы. При появлении в процессе функционирования новых классов самоорганизующиеся сети не требуют переобучения, а способны сами перестроиться на основании новых значений.

Для нейронной сети выполняющей процедуру конструкторско-технологической классификации деталей был выбран метод обучения без учителя по алгоритму WTA (англ.: Winner Takes All - победитель получает все). В соответствии с ним после предъявления входного вектора рассчитывается активность каждого нейрона выходного слоя. Победителем признается нейрон с самым сильным выходным сигналом, так называемый нейрон-победитель.

Классификация выполняется следующим образом. На входы нейронной сети подаются значения признаков выбранного объекта. Нейросеть обрабатывает эти сигналы, после чего в выходном слое определяется нейрон-победитель. Нейрон-победитель выходного слоя определяет класс детали, изображение которой было подано на входы нейросети. Так как каждому классу в процессе обучения сети был присвоен классификационный код, то при подаче на входы нейронной сети вектора признаков неизвестной детали, сеть способна определить ее код. Если нейрон-победитель не определяет класс детали, то для нее создается новый класс.

На основании предложенного алгоритма был разработан универсальный программный комплекс конструкторско-технологической классификации технических объектов с использованием самоорганизующейся нейронной сети Кохонена.

Работа предлагаемого алгоритма была проверена на примере определения классификационного кода деталей общемашино-строительного назначения 71 класса по классификатору ЕСКД.

Размещено на Allbest.ru