13

Размещено на http://www.allbest.ru/

Державний вищий навчальний заклад

«Донецький національний технічний університет»

УДК 62-503.51

ПІДВИЩЕННЯ СТАБІЛЬНОСТІ ЯКОСТІ МЕХАНООБРОБКИ ДЕТАЛЕЙ НА ОСНОВІ УДОСКОНАЛЕННЯ МЕТОДІВ ДІАГНОСТИКИ ТЕХНОЛОГІЧНИХ ПРОЦЕСІВ

05.02.08 - Технологія машинобудування

Автореферат дисертації на здобуття наукового ступеня

кандидата технічних наук

Медведєв Вадим Вячеславович

Донецьк - 2010

Дисертацією є рукопис

Робота виконана в Донбаській державній машинобудівній академії Міністерства освіти і науки України, м. Краматорськ.

Науковий керівник:

доктор технічних наук, професор Ковалевський Сергій Вадимович, Донбаська державна машинобудівна академія, м. Краматорськ, завідувач кафедри технології і управління виробництвом.

Офіційні опоненти:

заслужений діяч науки і техніки, доктор технічних наук, професор, Проволоцький Олександр Євдокимович, Національна металургійна академія України, м. Дніпропетровськ, завідувач кафедри технології машинобудування;

кандидат технічних наук, старший науковий співробітник Колот Володимир Олександрович, закрите акціонерне товариство «Мінетек», м. Краматорськ, генеральний директор.

Захист відбудеться 13 травня 2010 р. о 1200 годині на засіданні спеціалізованої вченої ради Д11.052.04 у Донецькому національному технічному університеті за адресою: 83001, м. Донецьк, вул. Артема, 58, корпус 6, аудиторія 6.202.

З дисертацією можна ознайомитись у бібліотеці Донецького національного технічного університету за адресою: 83001, м. Донецьк, вул. Артема, 58.

Автореферат розісланий 12 квітня 2010 р.

Вчений секретар Т.Г.Івченко спеціалізованої вченої ради,

к.т.н., доцент

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

На передових підприємствах машинобудування України постійно зростає частка верстатів типу «обробний центр». Одним з найважливіших переваг такого обладнання є можливість його роботи без втручання операторів і наладчиків. На даний момент періоди роботи в автономному режимі недостатньо великі й значно відстають від вимог сучасного виробництва. Одним з факторів, що перешкоджають збільшенню цього часу є обмежені можливості існуючих систем контролю. Особливо це стосується контролю якості випуску деталей безпосередньо під час обробки. Одним з рішень даного питання є застосування інтелектуальних систем діагностики й керування. Вони коректно функціонують із сильно зашумленими сигналами, виділяючи з них необхідну для діагностики інформацію. До незаперечних переваг таких систем належить можливість короткострокового прогнозу стану обладнання і режим донавчання безпосередньо в цехових умовах.

Актуальність теми. При обробці на гнучких обробних центрах під якістю мають на увазі відповідність параметрів процесу й технологічної системи вимогам виробництва. З часом, під впливом таких факторів, як зношування інструмента, зміна режимів різання та властивостей матеріалу заготівки, відмова системи ЧПК, помилки при закріпленні й т.п., показники якості змінюються й можуть вийти за припустимі межі. У загальному випадку це приводить до бракування виробу по сукупності параметрів розмірів і стану поверхневого шару. Для запобігання браку потрібні дві класичні дії: вимірювання показників якості продукції, що випускається, безпосередньо в процесі виготовлення; стабілізація цих параметрів внесенням коректив у технологічний процес. Складність цієї проблеми, її недостатня теоретична й експериментальна вивченість робить доцільним пошук таких шляхів рішення, які дозволили б уникнути появи браку й керувати верстатом в автоматичному режимі.

До таких методів належать діагностика й прогнозування стану складних технологічних систем, розроблена на основі штучних нейронних мереж, що й обумовлює актуальність обраного напрямку.

Зв'язок роботи з науковими програмами, планами, темами. Виконана робота здійснювалася у рамках науково-дослідної теми Г02-1998 «Удосконалення механоскладального виробництва в умовах корпоративної місії підприємств», науково-дослідної держбюджетної теми Д05-2006 0106U008912 «Розробка системи технологічного забезпечення для підвищення ефективності операцій на складних технологічних комплексах». Дані теми розроблялися на кафедрі технології й управління виробництвом Донбаської державної машинобудівної академії.

Мета й завдання дослідження. Метою роботи є розробка принципів керування технологічною системою на основі автоматизації діагностики й прогнозування якості механообробки для підвищення її стабільності.

Для реалізації поставленої мети необхідно вирішити наступні завдання:

1. Дослідження існуючих методів діагностики технологічних систем і побудова на цій підставі інформаційної моделі технологічного процесу обробки різанням.

2. Математичне моделювання процесу діагностики стану технологічної системи за допомогою нейромережної теорії.

3. Розробка алгоритмів керування параметрами технологічної системи шляхом використання штучних нейронних мереж.

4. Експериментальне дослідження процесів виявлення й прогнозування якості обробки в режимі реального часу.

5. Вироблення напрямків удосконалення стабілізації якості обробки на обладнанні із ЧПК токарської групи.

Об'єкт дослідження - деталі складної конфігурації при обробці на токарських операціях.

Предмет дослідження - функціональні зв'язки між сигналами діагностичних каналів і параметрами якості поверхневого шару оброблюваних деталей.

Методи дослідження. В якості методів дослідження використовувалися методи математичного моделювання, статистики, швидкого перетворення Фур'є. Методи швидкого перетворення Фур'є з авторськими доповненнями використовувалися для підготовки діагностичних сигналів. Для моделювання застосовувалися теорія різання металів, теорія електромагнітних явищ, апарат штучних нейронних мереж. Методами математичного апарату нейромереж визначалися показники якості поверхневого шару. Адекватність математичної моделі перевірялася експериментальними дослідженнями, які будувалися на теорії проведення наукових експериментів.

Наукова новизна отриманих результатів.

1. Розроблений принцип діагностики і короткострокового прогнозу якості деталей при технологічній операції токарної обробки на верстатах з ЧПК, заснований на тому, що вперше практично доведено, що піки інформативності частот сигналу не зміщуються по шкалі частот при зміні режимів різання.

2. Розроблена методика та допоміжні алгоритми контролю якості деталей у процесі механообробки. В тому числі:

2.1. доведена необхідність використання математичного апарату штучного інтелекту для вирішення завдань непрямої діагностики якості поверхневого шару безпосередньо у процесі обробки;

2.2. вперше доведено, що для потреб діагностики без істотної втрати інформації про якість поверхневого шару достатньо брати до уваги тільки потужність діагностичного сигналу в піках і западинах його спектру;

2.3. визначено, що у режимі реального часу для значного зменшення кількості похибок потрібно одночасне використання сигналів датчиків ЕДС різання і ЕМП поблизу зони різання.

3. Встановлено, що катастрофічні процеси зносу ріжучого інструмента, що впливають на якість поверхневого шару деталей, розвиваються протягом не більше 0,65 сек.

Практичне значення отриманих результатів.

1. Розроблено конструкцію датчика діагностичного каналу ЕМП поблизу зони різання. Визначені його інформаційні можливості по відношенню до якості поверхневого шару, які зрівняні з показниками датчиків ЕДС різання.

2. У рамках роботи отримана діагностична система, що дозволяє визначати реальні режими різання та якість поверхневого шару безпосередньо під час обробки деталей обертання на токарних верстатах. Дана система також дозволяє проводити короткостроковий прогноз якості поверхні по стану різального інструмента та його підходу до зони дефекту матеріалу заготовки. Відмітною рисою є робота системи у реальному масштабі часу.

3. Розроблений та обґрунтований новий алгоритм попереднього виділення інформації про якість поверхні із сигналів датчиків, розташованих на верстаті, спрямований на прискорення аналізу в режимі реального часу. У тому числі розроблено комп'ютерну програму для виявлення показників якості поверхневого шару оброблюваної деталі та реальних режимів різання.

4. Експериментально встановлена послідовність застосування блоків автоматизованого самонастроювання системи. Це дозволяє здійснювати початкове налагодження діагностичного блоку максимально швидко й без втручання наладчика.

5. Результати досліджень по діагностиці технологічних процесів впроваджені в навчальний процес. Методика затверджена для впровадження підприємствами ЗАТ «Новокраматорський машинобудівний завод» (м. Краматорськ) і ВАТ «Донецький проектно-конструкторський технологічний інститут» (м. Донецьк).

Особистий внесок здобувача. Основні положення й результати дисертаційної роботи отримані автором самостійно.

Апробація результатів дисертації. Результати роботи доповідалися на 24 наукових конференціях і семінарах: науково-технічній конференції «Проблеми техніки, технології й економіки машинобудівного виробництва» (Україна, м. Краматорськ, 1999); Всеукраїнських молодіжних науково-технічних конференціях «Машинобудування України очима молодих: прогресивні ідеї - наука - виробництво» (Україна, м. Суми, 2001, 2002, м. Київ 2004; м. Хмельницький, 2006); Міжнародних науково-технічних конференціях «Надійність інструмента й оптимізація технологічних систем» (Україна, м. Краматорськ, 2001, 2003, 2005); Міжнародних науково-технічних конференціях «Машинобудування й техносфера на рубежі XXI століття» (Україна, м. Севастополь, 2003, 2008, 2009); міжнародних наукових конференціях «Нейромережні технології і їхнє застосування» (Україна, м. Краматорськ, 2004, 2005, 2006, 2007, 2008); об'єднаних наукових міжкафедральних семінарах кафедр «Технологія й управління виробництвом», «Металорізальні верстати й інструменти» (Україна, м. Краматорськ, 2005, 2006, 2008); науково-технічній конференції молодих вчених і фахівців ВАТ «Енергомашспецсталь» (Україна, м. Краматорськ, 2007); науково-практичних конференціях «Донбас - 2020: наука й техніка - виробництву» (Україна, м. Донецьк, 2008, 2009); об'єднаних наукових міжкафедральних семінарах кафедр «Технологія машинобудування», «Металорізальні верстати та інструменти» (Україна, м. Донецьк, 2008, 2009).

Робота обговорена й схвалена на об'єднаному науковому міжкафедральному семінарі кафедр «Технології й управління виробництвом», «Металорізальні верстати й інструменти» ДДМА (м. Краматорськ) протоколом № 4 від 15.12.2009 р. Також робота обговорена й схвалена на науковому семінарі кафедри «Технологія машинобудування, верстати й інструменти» СумГУ (м. Суми) протоколом № 6 від 24.06.2008 р.

Публікації. Основний зміст роботи відображений у 25 наукових працях: 20 статтях і 5 тезах. Із загальної кількості 8 статей надруковані у виданнях, рекомендованих ВАК України до публікацій за фахом, 7 надруковані без співавторів, 3 - у закордонних виданнях.

Структура і обсяг роботи. Дисертація складається із вступу, п'яти розділів, висновку, додатків і списку використаних джерел. Дисертація викладена на 168 друкованих сторінках основного тексту (7,2 авторських аркушів). 7 сторінок містять тільки рисунки. Робота містить 77 рисунків, 8 таблиць, 11 додатків і список використаних джерел із 187 найменувань. Загальний обсяг роботи становить 257 сторінки.

ОСНОВНИЙ ЗМІСТ

У першому розділі «Огляд інтелектуальних систем оцінки процесів механообробки» відзначено, що для керування технологічним обладнанням насамперед потрібна точна й своєчасна діагностика. Виконано класифікацію існуючих систем непрямої діагностики. Такі системи дозволяють визначати стан різального інструменту, помилки в роботі технологічного обладнання і якість продукції. В них, в основному, застосовуються датчики сил різання, електричних характеристик зони різання й вібраційні. Для збільшення точності діагностики в системах здійснюють згладжування сигналу, затримку спрацьовування й збільшують кількість діагностичних каналів. Через це значно збільшується інерційність систем, що позначається на їхній роботі безпосередньо при функціонуванні металорізального обладнання.

Таким чином, у літературному огляді відзначені недостатня точність і можливості існуючих діагностичних систем, що працюють у режимі реального часу. Виходячи з концепції системності якості, шляхами підвищення надійності розпізнавання є: збільшення кількості діагностичних каналів, використання найбільш інформативних діагностичних ознак, застосування спеціальних алгоритмів для обробки діагностичної інформації.

Характеристики якості поверхневого шару діляться на чотири категорії. Загальна кількість показників перевищує 70. Управління ними можливо за допомогою статистичних, адаптивних та імітаційних моделей.

Літературний огляд можливостей датчиків підтвердив високу інформативність каналів, пов'язаних з електромагнітними явищами. Одним із прикладів є те, що по проходженню ЕДС через задню поверхню інструмента можна судити не тільки про стан самого інструмента, але й про стан обробленої поверхні.

Одним з найбільш перспективних методів керування верстатними системами є застосування інтелектуальних систем, над якими працювали такі вчені як Кабалдін Ю.Г. (Росія), Лазик М. (Польща), Суреш П.В. (Індія), Найденко А.Г., Зінченко Р.Н. (Україна) та ін. Успішність застосування цих систем обґрунтована в роботі Осовського В.Н., у якій доведено, що, зокрема, синтез дискретної нейромережної системи керування дозволяє одержати закон керування будь-якої складності. Це твердження засноване на тому, що, наприклад, такий різновид нейромереж як багатошаровий перцептрон може апроксимувати безперервну функцію будь-якого типу. Дана теорема є узагальненням теореми про апроксимацію кінцевими рядами Фур'є. Відмінною рисою теореми є те, що функцією може бути будь-яка непостійна функція. Нею, зокрема, є часові ряди даних, що надходять від датчиків, встановлених на металообробному обладнанні.

У другому розділі «Обґрунтування методики визначення якості поверхневого шару в режимі реального часу» були виділені найбільш важливі показники якості поверхневого шару - шорсткість і наклеп. Запропоновано використовувати їх у якості основних контрольних параметрів системи стабілізації якості. Вибір зроблений, виходячи зі статистики випадків браку деталей-представників на Новокраматорському машинобудівному заводі.

При виборі діагностичних датчиків були розглянуті датчики сил різання, звукової емісії, електромагнітні й ЕДС різання. У осцилограмі сигналу каналу ЕДС різання, виявлені три характерних ділянки, показані на рис.1.

Рис. 1. ЕДС різання (постійна складова вилучена). Режими обробки: верстат 1А64; Сталь 50Х; V=91м/хв; S=0,81мм/про; t=4мм.

Низькочастотна складова сигналу, виділена на рис.1 цифрою 1, є наслідком коливань відстані між вершиною різця й центром деталі. Сплески 2 є наслідком відколу стружки, а коливання 3 на частотах 16-18 кГц відповідають власним коливанням ріжучої пластинки, закріпленої у державці. На цій основі зроблений висновок про те, що в сигналі наявна інформація про процеси зламу стружки в зоні різання, роботі ріжучої пластини й, в остаточному рахунку, про якість поверхневого шару, що формується.

За допомогою математичного апарату штучного інтелекту, був проведений попередній аналіз можливості виділення інформації про реальні режими різання і якість поверхневого шару із сигналів діагностичних каналів. Був проведений пошук другого каналу до вже обраного каналу ЕДС різання. Основна увага приділялася мінімізації кількості помилок розпізнавання стану системи. Це є однією з основних умов роботи систем реального часу. Було виявлено, що цим умовам найбільшою мірою відповідає одночасне використання сигналів від датчика ЕДС зони різання й електромагнітного датчика.

Електромагнітний датчик являє собою обмотку на державці різця. Він сприймає електромагнітне випромінювання від проходження токів ЕДС через державку й деталь, розривів кристалічних решіток матеріалу й руху намагніченої стружки. Тому в сигналі електромагнітного датчика є інформація як про процеси різання, так і про отриману поверхню деталі.

По характеру сигналів від датчиків була доведена перевага їхньої підготовки за допомогою швидкого перетворення Фур'є. Виявлено параметри перетворення, які потребують додаткової настройки. Система призначена для роботи в реальному масштабі часу, тому для збільшення швидкості розрахунків було розроблено кілька алгоритмів стиснення спектру сигналу без втрати інформації про технологічні процеси. Працездатність цих алгоритмів перевірена експериментально.

У третьому розділі «Обґрунтування принципів побудови інтелектуальних систем стабілізації якості» була запропонована концепція використання алгоритмів штучних нейронних мереж у стабілізації якості поверхневого шару. Вона заснована на однаковості структур нейромереж і зв'язків між сигналами датчиків, параметрами різання і якістю одержуваної поверхні.

Практична реалізація діагностики й короткострокового прогнозу, як найбільш складна частина розробленої системи стабілізації, представлена на рис.2.

а)

б)

Рис. 2. Установка діагностування й прогнозування якості поверхневого шару в режимах навчання (а) і безпосередньо роботи (б)

У процесі навчання на вхідні синапси нейромережі подають підготовлені діагностичні сигнали від датчиків, а на виході - відповідні технологічні параметри, виміряні після обробки деталі традиційними методами. Підготовка сигналу в блоці перетворення полягає в спектральному перетворенні й стисненні отриманої матриці. Під час навчання провадиться настройка структури мережі, функцій нейронів і ваги зв'язків між ними.

Для прогнозування стану технологічної системи, через великий обсяг даних, технічно можливе застосування тільки методу затримки. Сигнали від датчиків у режимі навчання подають із відставанням на декілька десятих секунди. Після навчання система дозволяє здійснювати короткостроковий прогноз.

Для реалізації процесу навчання розроблений алгоритм настроювання параметрів підготовки сигналу. Його критерій точності настроювання заснований на точності й швидкості навчання нейромереж. Тобто, фактично, на показниках втрати інформації, що стосується якості поверхневого шару оброблюваної деталі.

Математичний опис системи стабілізації якості механообробки складається із трьох основних блоків (всі формули реалізуються в циклах для кожного окремого значення сигналів від датчиків):

1 підготовка сигналу до введення в нейромережу;

1.1 нормалізація сигналів від датчиків , де s - сигнали датчиків; anl, bnl - коефіцієнт нормалізації відповідних діагностичних каналів;

1.2. швидке перетворення Фур'є

,

де q=0, 1,…My-1 - інтервали часу в розмірності пакетів спектра;

- материнська функція швидкого перетворення;

1.3 стиснення даних (виявлення всіх піків різниці спектра і його апроксимації)

;

де L - ступінь багаточлена; ai,l, ql - коефіцієнти інтерполяції l-го датчика; k=1...Mxt; Mxt - необхідна кількість колонок після алгоритму зменшення розмірності;

1.4 стиснення даних (виявлення тих піків, які задовольняють умові торкання)

,

де rl - радіус дотичної окружності; k-rl…k+rl - інтервал, у межах якого окружність може торкнутися піків при положенні у межах k-ого піку;

2 аналіз нейромережою;

, , ,

де j=1…K - номер шару мережі; Otj - сукупність вхідних сигналів в j-ому шарі; fj(*) - функція відгуку нейрона в j-ому шарі (активаційна функція) ; Uj - кількість нейронів в j-ому шарі; av, dv, d, au, bu - коефіцієнти мережі, найдені в ході її навчання; bi,j - зсув в i-ому нейроні j-го шару;

2.2 перемінні Ot останнього шару мережі будуть відповідати параметрам Rz і T якості поверхневого шару.

3 ухвалення рішення. На основі нерівностей Rzmin?Rz?Rzmax і Tmin?T?Tmax ухвалюються рішення. Дані про вимоги креслення повинні бути закладені в керуючу програму. Безпосередньо рішення являють собою логічні перемінні U1,2,3, що відповідають: запуску стандартного циклу зміни інструмента, негайній зупинці й зупинці після закінчення переходу. Технологам посилають координати дефектів у вигляді матриці з колонками Z, C, A де Z і C - координати в системі координат деталі, А - код дефекту. А у відділ технічного контролю посилають відомості про відповідності якості поверхневого шару у вигляді N, Ra, T де N - номер поверхні по карті ескізів, Ra і T - показники якості.

У четвертому розділі «Методика діагностування параметрів різання і якості поверхневого шару» спроектована експериментальна установка (рис. 3) для дослідження системи стабілізації якості. Створена як аналогова апаратура, що реєструє, так і спеціальне програмне забезпечення.

Рис. 3. Види лабораторної установки, встановленої на різних типорозмірах токарських верстатів

Були проведені серії повних факторних експериментів на верстатах 16К352, 1К64, 1А625Сп, 1А64 і 16К20Ф3. Імітувалися плавні зміни режимів різання, характерні для обробки криволінійних поверхонь деталей-представників. Матеріал заготівок відповідав деталям-представникам: сталь 45, сталь 50, 9ХС, 40ХН і 40Х. Вимірювання параметрів шорсткості проводилося на профілометрі моделі 296. Контрольний вимір ступеня наклепаного шару проводився рентгенівським методом по зсуву й ширині дифракційних ліній, а всі наступні виміри - електромагнітним методом по силі відриву електромагніта. Результати експериментів пройшли перевірку на відтворюваність за критерієм Кокрена.

Після запису сигналів від датчиків і виміру отриманих параметрів якості поверхневого шару деталей було виконане навчання системи. У ході навчання підтверджені мінімальні втрати інформації про зону різання в алгоритмі стиснення даних від датчиків, установлених на верстаті. Цей алгоритм заснований на виділенні найбільш значимих піків спектра. Підтверджено точність роботи, запропонованої в третій частині структури нейромережі.

Експериментально підтверджено, що для досягнення точності діагностики якості в режимі реального часу потрібне одночасне використання сигналів ЕДС різання й сигналів від електромагнітного датчика.

Розроблена діагностична частина системи стабілізації успішно пройшла перевірку адекватності за критерієм Фішера й, що важливо для систем реального масштабу часу, перевірку на максимальну погрішність. Розрахунок адекватності вівся за спеціально зібраним записом, що складався з найбільш характерних 16 ділянок (рис. 4). Ділянки 17 і 18 запису при розрахунку точності не брались до уваги, тому що в них проводилися дослідження реакції системи на позаштатні ситуації: втрату контакту з датчиком ЕДС та різання по тріщині в кутій заготовці відповідно. Були проведені успішні перевірки короткострокового прогнозу неочікуваного катастрофічного зношування інструмента. А на останній, сімнадцятій ділянці, перевірка реакції системи на підхід різця до зони дефекту - тріщині в заготовці. Експериментально встановлено, що період прогнозу не може бути більше 0,4 с., що відповідає теоретичній межі в 0,5-0,9 с. розвитку катастрофічних змін у зоні різання.

Вперше докладно розглянутий принцип роботи навченій нейромережі (нейромодели) по групах нейронів у процесі обробки сигналів від датчиків, розташованих на верстаті. Це дозволило виявити три основних перетворення діаг-

 а)

б)

Рис. 4. Обмірювані й розрахункові значення шорсткості поверхні (а) і ступеня наклепу (б) оброблених деталей при різних режимах різання

ностичного сигналу при розрахунку якості поверхні деталі. Ними є: частотні фільтри (виявлення основних показників), нелінійне перетворення (визначення параметрів зони різання) і узагальнення (виявлення якості за умовами зони різання).

У п'ятому розділі «Принципи й рекомендації з побудови інтелектуальних систем стабілізації якості поверхневого шару в технології механообробки» дані рекомендації з аналізу діагностичного сигналу й настроювання системи стабілізації якості. Від цього в значній мірі залежить успішність розпізнавання діагностичною частиною як реальних режимів різання, так і якості поверхневого шару. Установлено, що дискретність оцифрування повинна бути 14ч16 біт, частотна роздільна здатність перетворення Фур'є 20ч120 відліків на октаву, метод ослаблення розсинхронізації частот сигналу Hanning, Hamming або Blackman (а для донавчання в режимі реального часу - Bartlett), згладжування спектра 1-7 фреймів, а для стиснення даних застосовувати алгоритм виділення основних піків спектра методом торкання.

За допомогою функції визначення інформативності входів нейромережі були виявлені криві значимості частот спектра при різних режимах різання й технологічному обладнанні. Виявлено, що піки значимості (рис. 5) не зміщаються по частоті при зміні режимів різання й відповідають власним частотам супорта, пластинки що ріже, частотам відколу стружки й вібраціям виникаючим від тертя стружки об пластину. Це підтверджує, що для різних режимів різання принцип розрахунку в нейромоделі параметрів якості не змінюється. Подібні результати отримані для різного типу токарського інструмента.

Так як точність розрахунку знижується при частотній роздільній здатності вище 3000 відліків на октаву, то розвиток катастрофічних змін у зоні різання відбувається в перебігу не більше 0,65 сек. На основі розрахунку кількості правильних рішень залежно від частотної роздільної здатності було виявлено, що зміна режимів різання й показників якості на 1-3% (дискретність сучасних засобів вимірів) приводить до зсуву несучих частот ЕДС і ЕМП поблизу зони різання в значимому діапазоні всього на 1/20 відліку на октаву. На основі результатів роботи режимів ослаблення розсинхронізації бистрого перетворення Фур'є, було виявлено, що для збільшення точності діагностики потрібен точний розрахунок

Рис. 5. Значимість частот ЕДС різання щодо параметрів якості. Умови й режими різання: серія експериментів К=st/V; 1А64; Сталь 50;

V=50-100 м/хв; S=0,2-0,7 мм/про; t=1-4 мм; =90;

різець 25х20 Т5К10 ОСТ 405-2102-4113

амплітудної роздільної здатності вершин і западин спектра. Підсумком є те, що зміна якості поверхневого шару викликається не настільки зміною частот коливань, як зміною інтенсивності процесів у зоні різання. Цей же висновок підтверджує аналіз частотних фільтрів, утворених першим шаром синапсів нейромережі. Ці фільтри поділяються на дві категорії - ті, що виділяють амплітуду в одному частотному діапазоні, й ті, що виділяють зміни шпаруватості сигналів у зазначених діапазонах.

Реалізація розробленої системи можлива у двох варіантах: на основі контролера верстата з ЧПК (жорсткий алгоритм без можливості зміни або функції донавчання) і з використанням окремої елементної бази (на основі комп'ютерів зі стандартною архітектурою або з платами нейроадаптерів). Доведено, що швидкість сучасних процесорів дозволяє реалізувати розроблений алгоритм у режимі реального часу.

Розроблена система стабілізації якості поверхневого шару може бути реалізована як на сучасних обробних центрах у складі штатної стійки ЧПК, так і при установці додаткової обчислювальної техніки. Розрахунковий річний економічний ефект від впровадження системи на одному верстаті складе 12200ч 14700 грн.

ВИСНОВКИ

У дисертаційній роботі сформульовані й обґрунтовані положення, які являють собою сукупність теоретичного вирішення актуального наукового завдання. Рішення полягає в стабілізації якості поверхневого шару безпосередньо в процесі механообробки. Це дозволяє знизити обсяг браку на верстатах із числовим програмним керуванням, за рахунок стабілізації якості поверхневого шару і за рахунок своєчасного реагування на позаштатні ситуацій: діагностика збоїв стійок ЧПК і короткостроковий прогноз неочікуваного катастрофічного зношування інструмента.

По дисертаційній роботі отримані наступні основні результати, висновки й рекомендації.

1. Установлена необхідність застосування комплексної діагностичної моделі для розрахунку сукупності параметрів якості поверхневого шару по сукупності сигналів від діагностичних датчиків. Визначено, що одночасне використання сигналів датчиків ЕДС різання і ЕМП поблизу зони різання у режимі реального часу зменшує максимальну похибку діагностики у 4 рази. Установлений взаємозв'язок якості поверхневого шару й сигналів від діагностичних датчиків зони різання.

2. Доведена необхідність використання математичного апарату штучного інтелекту для вирішення завдань непрямої діагностики якості поверхневого шару безпосередньо у процесі обробки. Тому запропонована загальна структура системи стабілізації якості поверхневого шару має три режими роботи: навчання, тестування й безпосередньо робота. Система приймає рішення щодо негайної зупинки обробки, зупинки по закінченню переходу чи зміни інструмента на основі діагностики реальних режимів різання, показників якості та їхнього короткострокового прогнозу. Також вказано на необхідність інформування відділу технологів й відділу технічного контролю про якість одержуваного поверхневого шару.

3. Виявлено, що настроювання всіх коефіцієнтів системи стабілізації якості може відбуватися автоматично за критерієм точності діагностики, тобто по кількості навчальних уроків нейромережі і кількості правильних відповідей нейромоделі. Експериментально доказано, що вказані коефіцієнти однакові для різних типорозмірів верстатів.

4. Вперше доведено, що для потреб діагностики, без істотної втрати інформації про якість поверхневого шару, достатньо брати до уваги тільки потужність діагностичного сигналу в піках і западинах його спектра. На цій основі розроблений новий алгоритм зменшення розмірності спектральних даних. Алгоритм дозволяє значно зменшити обсяг даних та досягти роботи в масштабі реального часу. Також виявлено, що піки функції інформативності частот сигналу не зміщуються по шкалі частот при зміні режимів різання. Вони відповідають власним частотам пластини, державки, супорта, і також частотам відколу стружки й тертя оброблюваного металу об різальну пластину. Це виявлено на основі того, що система автоматично вийшла на режим найкращої амплітудної роздільної здатності вершин і западин спектра, а також створила частотні фільтри спостереження за інтенсивністю й шпаруватістю вузьких діапазонів частот. У ході експериментів виявлено, що функція інформативності від частотної роздільної здатності сигналу має плоский екстремум, що простирається від 20 до 3000 відліків на октаву. Таким чином, підтверджено, що катастрофічні процеси в зоні різання розвиваються в перебігу не більше 0,65 сек.

5. Експериментальним шляхом доведено, що погрішність визначення режимів різання складає не гірше ±11% (у середньому 7%) від фактичних параметрів, а погрішність якості не гірше ±12% (у середньому 6%). Дана система також дозволяє проводити короткостроковий прогноз якості поверхні по стану різального інструмента та підходу до зони дефекту матеріалу заготовки.

6. На підставі розрахунків доведена можливість роботи системи у режимі реального часу на основі обчислювальних потужностей сучасних багатопроцесорних контролерів верстатів із ЧПК. Доведено економічну доцільність впровадження.

Окремо виділені рекомендації з методики настроюванню інтелектуального блоку системи стабілізації якості поверхневого шару деталей.

1. Установлено, що для визначення якості поверхневого шару нейромережа повинна мати пірамідальну структуру. Кількість нейронів вхідного шару повинна відповідати кількості входів спектра. Це дозволить створювати частотні фільтри, настроєні на власні частоти елементів технологічної системи й процесів відколу й тертя.

2. Виявлено, що при підключенні спектральних даних від діагностичних датчиків до входів нейромережі вхідні синапси нейронної мережі працюють як повні спектральні фільтри. Наступні шари працюють як нелінійні перетворювачі й шари узагальнення. Вихідні синапси провадять масштабування до одиниць виміру режимів різання і якості поверхні. Тому для діагностики технологічних процесів рекомендується використовувати нейромережі з трьома шарами.

обробка різання система технологічний

СПИСОК ОСНОВНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

Ковалевский С.В. Разработка системы ввода и отображения информации / С.В.Ковалевский, В.С.Медведев, В.В.Медведев // Придніпровський науковий вісник. Донбаський випуск. Проблеми і практика управління в економічних системах. Економіка. - Дніпропетровськ, 1998. - № 110(177). - С. 11-13.

Ковалевский С.В. Принципы методики диагностики технологических операций на основе нейросетей / С.В.Ковалевский, В.В.Медведев // Надёжность режущего инструмента и оптимизация технологических систем. Сб. научных трудов. - Краматорск, 2001. - №11. - С. 152-155.

Медведев В.В. Совершенствование методов диагностики качества на основе нового вида математических моделей - нейросетей / В.В.Медведев // Надійність інструменту та оптимізація технологічних систем. Збірник наукових праць. - Краматорськ, 2002. - №12. - С. 117-120.

Медведев В.В. Применение нейросетей при оценке информативности частот диагностического сигнала / В.В.Медведев, С.В.Ковалевский // Вестник Сумского государственного университета. Серия технических наук (машиностроение). - Сумы, 2002. - №2 (35). - С. 74-79.

Медведев В.В. Методика нейросетевой диагностики техпроцессов / В.В.Медведев // Прогрессивные технологии и системы машиностроения: Международный сб. научных трудов. - Донецк, 2003. - №25. - С. 252-256.

Ковалевский С.В. Определение параметров преобразования диагностических сигналов / С.В.Ковалевский, В.В.Медведев // Вестник Сумского государственного университета. Серия технических наук (машиностроение). - Сумы, 2003. - №2(48). - С. 40-42.

Медведев В.В. Управление станками с ЧПУ на основе нейросетевых моделей / В.В.Медведев // Вестник национального технического университета Украины «КПИ». Машиностроение. - Киев, 2005. - С. 42-43.

Медведев В.В. Особенности диагностики качества механообработки с применением интеллектуальных систем [Электронный ресурс] / В.В.Медведев, В.С.Медведев // Вісник Донбаської державної машинобудівної академії. - Краматорськ: ДДМА, 2008. - № 3E(14). - С. 131-135. - Режим доступу до журн.: http://www.dgma.donetsk.ua/publish/vesnik/ nomer3.htm

Ковалевский С.В. О построении систем распознавания состояния обработанной поверхности на основе нейронных сетей / С.В.Ковалевский, В.В.Медведев // Сборник докладов VI Международной конференции «Нейрокомпьютеры и их применение». - Москва, 2000. - С. 300-303.

Ковалевский С.В. Система распознавания качества изделия на основе нейросетевых технологий / С.В.Ковалевский, В.В.Медведев // Сборник трудов VII Всероссийской конференции "Нейрокомпьютеры и их применение" - НКП-2001 / Под ред. А.И. Галушкина. - Москва, 2001. - С. 397-401.

Ковалевский С.В. Построение диагностических систем в технологии механообработки на основе нейросетевых технологий / С.В.Ковалевский, В.В.Медведев // Труды VIII Всероссийской конференции «Нейрокомпьютеры и их применение» (НКП - 2002). - Москва, 2002. - С. 615-620.

Медведев В.В. Фурье-анализ диагностических спектров на основе нейросетей / В.В.Медведев // Нейросетевые технологии и их применение. Сборник трудов международной научной конференции «Нейросетевые технологии и их применение 2002-2003». - Краматорск, 2003. - С.131-136.

Ковалевский С.В. Выбор количества интеллектуальных уровней алгоритма управления обрабатывающими центрами / С.В.Ковалевский, В.В.Медведев // Нейросетевые технологии и их применение. Сборник трудов международный научной конференции «Нейросетевые технологии и их применение 2004».- Краматорск, 2004. - С. 69-72.

Медведев В.В. Анализ алгоритмов уменьшения размерности обучающей выборки в диагностике механообработки / В.В.Медведев, С.В.Ковалевский // Нейросетевые технологии и их применение. Сборник трудов международный научной конференции «Нейросетевые технологии и их применение 2005».- Краматорск, 2006. - С. 79-83.

Медведев В.В. Система контроля текущих режимов резания в реальном масштабе времени / В.В.Медведев, В.С.Медведев // Машиностроение и техносфера XXI века: сборник трудов XIV международной научно-технической конференции в г. Севастополе, 17-22 сентября 2007 г. В 5-ти томах. - Донецк, 2007. - Т. 3. - С. 25-29.

Медведев В.В. К вопросу о возможности использования нейросетевых анализаторов в составе механообрабатывающего оборудования / В.В.Медведев, В.С.Медведев // Нейросетевые технологии и их применение. Сборник трудов международной научной конференции «Нейросетевые технологии и их применение». - Краматорск, 2007. - С. 117-122.

Медведев В.В. Система диагностики качества механообработки на основе искусственного интеллекта / В.В.Медведев, В.С.Медведев // Донбас-2020: наука і техніка виробництву: Матеріали IV науково-практичної конференції. м. Донецьк, 27-28 травня 2008 р. - Донецьк, 2008. - С.205-210.

Медведев В.В. Реализация самонастраивающейся интеллектуальной системы управления технологическими процессами / В.В.Медведев, С.В.Ковалевский, В.С.Медведев // Машиностроение и техносфера XXI века: сборник трудов XV международной научно-технической конференции в г. Севастополе, 15-20 сентября 2008 г. В 4-ч томах. - Донецк, 2008. - Т. 2. - С. 278-282.

Медведев В.В. Особенности работы нейромодели для диагностики технологических процессов / В.В.Медведев, С.В.Ковалевский, В.С.Медведев // Нейросетевые технологии и их применение. Сборник трудов седьмой международной научной конференции «Нейросетевые технологии и их применение» Под общей редакцией проф. Ковалевского С.В. - Краматорск, 2008. - С. 209-213.

Медведев В.В. Метод оперативной настройки диагностических систем / В.В. Медведев, В.С. Медведев // Машиностроение и техносфера XXI века: сборник трудов XVI международной научно-технической конференции в г. Севастополе, 14-19 сентября 2009 г. В 4-ч томах. - Донецк, 2009. - Т. 2. - С. 240-244.

Ковалевский С.В. Гомеостат как перспективная модель технологических систем / С.В.Ковалевский, В.В.Медведев, Е.С.Ковалевская // Важке машинобудування. Процеси металообробки, верстати, інструменти. Тези доповідей МНТК. - Краматорськ, - 2003. - С.45-48.

Медведев В.В. Управление станками с ЧПУ на нейросетевой основе / В.В.Медведев // Тезисы докладов IV всеукраинской научно-технической конференции «Машиностроение Украины глазами молодых: прогрессивные идеи - наука - производство». - Киев, 2004. - С. 57-58.

Медведев В.В. Оценка необходимого количества диагностических сигналов по показателям качества изготовления изделия / В.В.Медведев // Важке машинобудування. Проблеми та перспективи розвитку. Матеріали другої міжнародної науково-практичної конференції 1-3 червня 2004 року. - Краматорськ, 2004. - С. 96-96.

Ковалевский С.В. Информационное обеспечение интеллектуального управления технологическими комплексами / С.В.Ковалевский, В.В.Медведев // Горные машины и автоматика. - 2005.- № 1. - С. 41-42.

Медведев В.В. Построение самонастраивающейся системы контроля состояния механообработки / В.В.Медведев // Сборник тезисов I научно-технической конференции молодых учённых и специалистов «Энергомашспецсталь-2007». - Краматорск, 2007. - С. 45-46.

АНОТАЦІЯ

Медведєв В.В. Підвищення стабільності якості механообробки деталей на основі удосконалення методів діагностики технологічних процесів. Рукопис. Спеціальність 05.02.08 - Технологія машинобудування. ДВНЗ «Донецький національний технічний університет», Донецьк, 2010.

У дисертації вирішене питання стабілізації якості поверхневого шару для деталей важкого машинобудування, щодо криволінійних поверхонь, що вимагають обробки на токарських верстатах з ЧПК. Виявлено, що для рішення необхідно розробити принципи діагностики якості поверхневого шару у масштабі реального часу.

Для виділення інформації щодо якості поверхневого шару запропоновано обробляти сигнали від датчиків за математичним алгоритмом штучних нейронних мереж. Установлено, що для стабільності діагностики необхідно одночасно застосовувати датчик ЕДС різання й датчик електромагнітного поля поблизу зони різання.

Доведено працездатність системи у широкому діапазоні режимів різання й розроблена схема корекції роботи токарного верстата з ЧПК.

Ключові слова: діагностика, якість, поверхневий шар, ЕДС різання, короткостроковий прогноз, інформативність, нейромодель.

АННОТАЦИЯ

Медведев В.В. Повышение стабильности качества механообработки деталей на основе совершенствования методов диагностики технологических процессов. Рукопись. Специальность 05.02.08 - Технология машиностроения. ГВУЗ «Донецкий национальный технический университет», Донецк, 2010.

В диссертации решена проблема стабилизации качества поверхностного слоя, а именно шероховатости и степени наклёпанного слоя, для деталей тяжёлого машиностроения, применительно к криволинейным поверхностям, требующим обработки на токарных станках с ЧПУ. Выявлено, что для решения требуется разработать принципы диагностики и краткосрочного прогнозирования качества поверхностного слоя в масштабе реального времени, а также, для контроля сбоев системы управления станком, диагностирования реальных режимов резания.

Для выделения информации о качестве поверхностного слоя предложено обрабатывать сигналы от датчиков с помощью математического алгоритма искусственных нейронных сетей. Разработана концепция использования алгоритмов искусственных нейронных сетей в стабилизации качества поверхностного слоя. Она основана на общности структур нейросетей и связей между сигналами датчиков, параметрами резания и качеством получаемой поверхности.

Установлено, что для стабильности диагностики необходимо одновременно применять датчики ЭДС резания и электромагнитного поля (ЭМП) вблизи зоны резания. Электромагнитный датчик представляет собой обмотку на державке резца. Он воспринимает электромагнитное излучение от прохождения токов ЭДС через державку и деталь, разрывов кристаллической решётки материала и движения намагниченной стружки. Основываясь на теоретических выкладках, осциллограммах сигналов от датчиков ЭДС и ЭМП, предварительном нейросетевом анализе, было указано, что совокупность временных матриц от указанных датчиков несёт в себе всю необходимую информацию о формировании качества поверхностного слоя.

По характеру сигналов от датчиков было доказано преимущество их подготовки с помощью быстрого преобразования Фурье. Так как система предназначена для работы в реальном масштабе времени, для увеличения скорости расчётов был разработан алгоритм сжатия спектра сигнала без потери информации о технологических процессах. Его работоспособность проверена экспериментально. Составлена математическая модель системы стабилизации качества механообработки. Выявлены параметры преобразования, которые потребуют дополнительной настройки, а именно - параметры быстрого преобразования Фурье и коэффициенты алгоритма сжатия спектра. Для их настройки разработан алгоритм автоматизированной настройки, основывающийся на определении информативности преобразованного сигнала относительно качества поверхностного слоя.

Предложено три действия управляющей части системы стабилизации: команды по запуску стандартного цикла смены инструмента, требования по остановке обработки, посылка в технологический отдел координат дефектов и посылка в отдел технического контроля сведений о соответствии качества поверхностного слоя. Отличительной особенностью от существующих адаптивных систем является управление станком по краткосрочному прогнозу, в который входит прогноз катастрофических разрушений инструмента и подход к раковинам и трещинам, окруженных слоями напряженного металла.

Для проверки теоретических исследований были проведены серии экспериментов на станках 16К352, 1К64, 1А625Сп, 1А64 и 16К20Ф3 с материалами заготовок сталь 45, сталь 50, 9ХС, 40ХН и 40Х. Экспериментально доказана работоспособность системы в широком диапазоне режимов резания. На основе расчета количества правильных решений в зависимости от частотного разрешения и на основе результатов работы режимов ослабления рассинхронизации быстрого преобразования Фурье было выявлено, что изменение качества поверхностного слоя вызывает не столько изменение частот колебаний, как изменение интенсивности процессов в зоне резания.

В работе даны рекомендации по анализу диагностических сигналов и настройке системы стабилизации качества. Рассчитано, что система стабилизации качества поверхностного слоя может быть реализована на современных обрабатывающих центрах в составе штатной стойки ЧПУ.

Ключевые слова: диагностика, качество, поверхностный слой, ЭДС резания, краткосрочный прогноз, информативность, нейромодель.

SUMMARY

Medvedev V.V. Increase of stability of details machining quality based on improvement of technological process diagnostic methods. Manuscript. Speciality 05.02.08 - Manufacturing engineering. SHEE “Donetsk national technical university”, Donetsk, 2010.

In the dissertation a problem of superficial layer quality stabilizing is solved for the details of heavy engineering industry, applying to curvilinear surfaces that require treatment on lathes with CNC. It was clarified that for solving this problem it is required to develop principles of diagnostics of superficial layer quality in real time scale.

For selection of information about superficial layer quality, it is suggested to process signals from sensors with the mathematical algorithm of artificial neuron networks. It was established that for stability of diagnostics it is necessary to apply simultaneously sensor EMF cutting and electromagnetic field near the area of cutting.

The capacity of the system is proved in the wide range of cutting modes, and an outline of correction of work of lathe with CNC is developed.

Keywords: diagnostics, quality, superficial layer, EDS cuttings, short-term prognosis, informativeness, neuromodel.

Размещено на Allbest.ru