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.

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 сопротивлениерассмотрены 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.