Для механической обработки сплава на предприятиях употребляют особые станки, которые создают операции по резанию, точению и шлифованию по данным програмкам. Но невзирая на автоматизацию процесса, роль человека в управлении станком все-же остается.
Часто режимы обработки приходится вручную корректировать из-за меняющихся во время производства параметров как инструмента, так и изделия.
Сейчас активно развивается и внедряется в индустрия так называемое адаптивное управление станками, когда процесс обработки автоматом адаптируется к изменяющимся условиям.
Но для его реализации и стабильной работы требуется особое математическое обеспечение.
Ученые Пермского Политеха разработали действенный метод адаптивного управления на базе искусственного интеллекта.
Его внедрение в промышленную деятельность повысит производительность и качество металлообработки в Рф. Статья размещена в «Journal of Digital Science», 2024 год.
Исследование проведено в рамках реализации программы стратегического академического лидерства «Приоритет 2030».
При обработке железных заготовок на обычных станках с числовым управлением програмку настраивают на определенные характеристики.
Учитывают твердость обрабатываемого материала, толщину слоя, который нужно с него снять, и почти все остальные характеристики, действующие на качество итогового изделия.
Но в процессе резания сплава происходят неконтролируемые случайные конфигурации параметров режущих инструментов.
Не считая того, любая последующая заготовка из обрабатываемой партии имеет отличия в структуре поверхности и твердости.
Все это просит неизменного контроля со стороны оператора станка.
Адаптивное управление, в отличие от обыденных систем, обеспечивает автоматическое приспособление характеристик процесса к изменяющимся условиям.
«На базе получаемой инфы о текущем состоянии процесса обработки система сама наращивает либо уменьшает размер снимаемого сплава с заготовки, тем поддерживая предельное значение какого-нибудь данного параметра, к примеру, силы резания.
В наиболее сложном случае — обеспечивает получение хороших значений точности, производительности либо себестоимости обработки заготовок», — ведает Владимир Онискив, доцент кафедры вычислительной арифметики, механики и биомеханики ПНИПУ, кандидат технических наук.
Способы искусственного интеллекта все почаще используются в системах адаптивного управления действиями токарной обработки.
Но еще недостаточно исследован вопросец, как при всем этом износ инструмента влияет на шероховатость обрабатываемой поверхности.
Ученые Пермского Политеха разработали метод с внедрением нейросети, который обеспечивает нужный уровень шероховатости и увеличивает производительность резания.
«Мы представили, что этот показатель зависит от степени износа режущего инструмента.
А она, в свою очередь, определяется текущим уровнем вибрации.
Обученная нами нейросеть по величине энергии снимаемого датчиками вибрации сигналов определенных частот предсказывает значение шероховатости при данных параметрах режима резания.
На ее базе мы разработали метод, который, получив сигнал о достижении очень допустимой величины шероховатости, изменит характеристики подачи инструмента до пригодных показателей», — разъясняет Владимир Онискив.
Политехники отмечают, что метод выполняет условия рационального управления, потому что процесс обработки начинается с более высочайшей величины подачи инструмента и равномерно понижается.
Система обеспечивает очень вероятный размер съемного сплава при данной шероховатости поверхности, что существенно увеличивает производительность металлообработки.
Предложенный учеными ПНИПУ метод уже апробировали на настоящих данных и подтвердили возможность использования при разработке интеллектуальной информационной системы адаптивного управления действием токарной обработки.