автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Методы, модели и алгоритмы создания автоматизированных систем контроля и управления для повышения эффективности механической обработки изделий

На правах рукописи

БОБЫРЬ МАКСИМ ВЛАДИМИРОВИЧ

МЕТОДЫ, МОДЕЛИ И АЛГОРИТМЫ СОЗДАНИЯ АВТОМАТИЗИРОВАННЫХ :ИСТЕМ КОНТРОЛЯ И УПРАВЛЕНИЯ ДЛЯ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ МЕХАНИЧЕСКОЙ ОБРАБОТКИ ИЗДЕЛИЙ

05.13.06 - Автоматизация и управление технологическими процессами и производствами (промышленность)

АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора технических наук

2 О ЛЕН 2012

Курск-2012

005047764

005047764

Работа выполнена в Юго-Западном государственном университете на кафедре вычислительной техники

Научный консультант: доктор технических наук, профессор,

заслуженный деятель науки Российской Федерации Титов Виталий Семёнович

Официальные оппоненты: Сизов Александр Семёнович

доктор технических наук, профессор, заслуженный деятель науки Российской Федерации, Научно-исследовательский центр (г.Курск) ФГУП «18 ЦНИИ» МО РФ, главный научный сотрудник

Проталинский Олег Мирославович

доктор технических наук, профессор, Астраханский государственный технический университет, проректор по информатизации

Ершов Евгений Валентинович

доктор технических наук, профессор, Череповецкий государственный университет, заведующий кафедрой математического и программного обеспечения ЭВМ

Ведущая организация: Московский государственный технологический

университет «СТАНКИН»

Защита диссертации состоится «27» декабря 2012г. в 1500 часов на заседании диссертационного совета Д 212.105.03 при Юго-Западном государственном университете по адресу: 305040, г. Курск, ул. 50 лет Октября, 94 (конференц-зал).

С диссертацией можно ознакомиться в библиотеке Юго-Западного государственного университета.

Автореферат разослан « /5 » ноября 2012 г.

Ученый секретарь диссертационного совета Д 212.105.03

Старков Фёдор Александрович

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность исследования. В условиях вступления России в ВТО и сокращения экспорта отечественного станкостроительного оборудования, а также повышения конкуренции в области машиностроения вопросы, связанные с внедрением перспективных технологий и разработкой новейших средств автоматизации прецизионного оборудования, позволяющих вывести его на миророй уровень, становятся весьма актуальными в масштабах экономики всей страны. Снижение конкурентоспособности машиностроительного оборудования объясняется непрерывно увеличивающимся ! применением импортных комплектующих при сборке российских станков. Поэтому перевод машиностроительного комплекса на инновационный путь развития позволит не только увеличить темпы развития других отраслей промышленности, но и создать основу для значительного повышения эффективности экономики страны в целом. При этом следует отметить, что изделия, производимые машиностроительным комплексом, являются основой авиационной, приборостроительной, электронной, автомобильной, судостроительной и других отраслей промышленности.

Основным показателем качества продукции машиностроительного предприятия является точность изготовления деталей при снижении себестоимости их производства. Так на сегодняшний день прецизионное оборудование с ЧПУ обеспечивает точность в диапазоне Н5 мкм. Однако современный уровень машиностроения и все возрастающий рост конкуренции требуют доведения этого показателя до 0,1-И мкм. Достижение таких характеристик металлообрабатывающего оборудования невозможно без совершенствования несущей конструкции как самого металлорежущего оборудования, так и систем управления процессом механической обработки изделий.

Благодаря фундаментальным работам большого круга ученых достигнуты значительные успехи в изучении технологических процессов (ТП) механической обработки изделий (МОИ). Основные закономерности обеспечения точности изложены в трудах Ю.М. Соломенцева, Б.С. Балакшина, В.А. Тимирязева, A.C. Проникова, В.Н. Подураева, В.Э. Пуша и ряда других ученых. В данных работах были сформированы теоретические и реализационные основы построения автоматизированных станочных модулей, обеспечивающих необходимое качество формообразования поверхностей деталей и заданную надежность работы станков.

Современный уровень требований, предъявляемых к качеству выпускаемых изделий, обусловливает необходимость разработки высокоточного оборудования с ЧПУ нового поколения, сочетающего в своей структуре новейшие методы и средства автоматизированного контроля с применением компьютерных способов обработки измерительной информации о ходе ТП и функционировании станков для управления его исполнительными механизмами..Вопросы построения таких систем управления изложены в работах Б.М.Бржозовского, В.Л.Заковоротного, М.Б. Флека, C.B. Полякова, A.A. Игнатьева и ряда других ученых. Однако, изложения требований к организации и построению автоматизированных систем

управления высокоточной обработкой деталей в условиях мелкосерийного производства и неполноты, недостоверности информации о количественных величинах входных и выходных характеристик при действии возмущающих воздействий в режиме реального времени на процесс механической обработки изделий как объекта управления в этих работах не приводится.

В настоящее время для учета неполноты информации при разработке современных систем управления исполнительными механизмами оборудования с ЧПУ все более широкое распространение получают нечетко-логические системы, позволяющие в режиме реального времени контролировать и адекватно реагировать на возмущающие воздействия. Это ведет к увеличению запаса технологической точности и, как следствие, к снижению процента бракованных изделий.

Степень разработанности проблемы. Собственно вопросами проектирования нечетко-логических систем управления применительно к общим вопросам теорий неопределенности, нечеткой логики и множеств занимались и внесли значительных вклад российские и зарубежные ученые: А.Н. Аверкин, P.A. Алиев, А.Е. Алтунин, Д.А. Поспелов, А.Н. Мелихов, JI.C. Бернштейн, Н.Г. Малышев, С.Д. Штовба, A.B. Леоненков, JI. Заде, А. Кофман, Д. Дюбуа, X. Прад, Т. Тэрано, К. Асаи и ряд других деятелей науки. Вопросам реализации алгоритмов нечетко-логического вывода посвящены труды Е. Мамдани, М. Мизумото, М. Сугэно, Т. Такаги, Й. Тсукамото, Г. Ларсена, а доказательство аппроксимирования нечетко-логических систем рассмотрено в работах Б. Коско. В указанных работах не рассмотрены вопросы синтеза специализированных систем, позволяющих увеличить оперативность процесса принятия решений за счет редукции числа заключений нечетко-логического вывода. При этом реализация нечетко-логического вывода основана на так называемых «жестких» вычислениях, что неизбежно приводит нечетко-логическую систему к несоответствию критерию аддитивности, то есть отклик результирующей величины не будет пропорционален изменению входных параметров. Гибридные системы, рассмотренные в работах ученых В.В. Круглова, В.В. Борисова, A.B. Кузьмина, А. Пегата, В. Педруца, А.П. Ротштейна, Л. Рутковского, Д. Рутковской и ряда других авторов и основанные на «мягких» вычислениях, лишены этого ограничения. Но они также имеют низкую оперативность принятия управляющего решения, так как количество заключений нечетко-логического вывода в подобных системах всегда равно количеству нечетко-логических правил, записанных в базу знаний при её разработке. В адаптивных нейро-нечетких системах вывода, рассмотренных в моделях Сугэно-Такаги, эти проблемные вопросы устранены. При этом следует заметить, что данная модель имеет высокую погрешность обучения нейро-нечеткой системы, а отсутствие математического аппарата формирования эталонной выборки, на основе которой осуществляется процесс обучения нейро-нечеткой сети, обусловливает низкую степень внедрения и использования в современных автоматизированных системах управления точностью механической обработки изделий.

Таким образом, в настоящее время имеет место проблемная ситуация между объективной необходимостью повышения качества и оперативности

управления параметрами ТП МОИ и возможностями существующих автоматизированных систем контроля и управления.

Эта проблемная ситуация определила постановку актуальной проблемы -повышение точности, оперативности контроля процесса механической обработки изделий и решение этой задачи на основе создания автоматизированной системы с использованием адаптивного нейро-нечеткого управления.

Научный аспект сформулированной проблемы заключается в развитии теоретических основ проектирования адаптивных нейро-нечетких систем управления ТП механической обработки изделий и контроля качества обработки поверхностей деталей.

Практическая часть проблемы включает в себя синтез функционально-структурной организации и разработку инженерно-технических средств, обеспечивающих повышение точности, оперативности контроля и управления процессом механической обработки изделий, и оптимизацию переходных режимов в авиационных автоматизированных системах управления.

Основная часть диссертационной работы выполнялась в рамках трёх грантов Президента РФ МК-277.2012.8 по теме «Разработка теоретических основ адаптации сложных технических систем методами нечеткой логики с прогнозированием вероятных состояний», МК-470.2009.8 по теме «Теоретические основы построения автоматизированных систем управления технологическими процессами на основе нечеткой логики» и МК-1180.2005.8 по теме «Исследование принципов функционирования автоматизированных систем контроля и методов их управления на основе нечеткой логики», в рамках Федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы (государственный контракт №14.740.11.1003) по теме «Разработка теоретических основ, принципов и алгоритмов адаптации сложных информационно-технических систем методами нечеткой логики с учетом прогнозирования возможных состояний», а также в рамках Аналитической ведомственной целевой программы «Развитие научного потенциала высшей школы» на 2012-2014 годы (Регистрационный №01201251622) по теме «Разработка теоретических основ и алгоритмов адаптации сложных технических систем с прогнозированием вероятных состояний», по договору №1274 от 17.11.2008 с ОКБ «Авиаавтоматика».

Целью диссертационной работы является разработка теоретических и реализационных основ создания аппаратно-программных средств управления механической обработкой изделий, обеспечивающих повышение точности и оперативности контроля технологического процесса на основе создания автоматизированной системы с использованием адаптивного нейро-нечеткого управления.

В соответствии с поставленной целью в работе решаются следующие основные задачи:

1. Анализ состояния проблемы управления технологическим процессом обработки изделий в современных условиях, обоснование направления исследования.

2. Разработка обобщенной математической модели процессов контроля и адаптивного управления, обеспечивающей требуемую точность МОИ.

3. Разработка метода обработки нечетких данных о ходе ТП, обеспечивающего повышение оперативности процесса управления.

4. Разработка системы методов обработки информации, обеспечивающих получение достоверных данных о ходе ТП изготовления изделий.

5. Разработка нейро-нечеткой математической модели обработки данных ТП, а также процесса нечетко-логического вывода и компенсации возмущающих воздействий в режиме реального времени.

6. Синтез обобщенной функционально-структурной организации автоматизированной системы с адаптивным нейро-нечетким управлением, обеспечивающей повышение точности и оперативности контроля при механической обработке изделий.

7. Создание системы алгоритмов и специализированного программного обеспечения контроля качества и управления МОИ с разработкой вектора целевых критериев, позволяющего оценить качество функционирования автоматизированной системы с нейро-нечетким управлением.

8. Экспериментальные исследования автоматизированной системы с использованием адаптивного нейро-нечеткого управления в реальных условиях эксплуатации.

Объект исследования. Система управления и контроля технологическим процессом механической обработки изделий.

Предмет исследования. Математические модели, методы, алгоритмы и автоматизированные устройства управления точностью механической обработки изделий и контроля качества готовых деталей.

Методы исследования. Для решения поставленных в работе задач использованы теоретические основы управления сложными технологическими системами, нечеткой логики и нечетких множеств, синтеза сложных адаптивных систем, нейро-нечетких сетей, матричной алгебры, методы теории вероятности и корреляционно-регрессионного анализа, вычислительной математики и математической статистики, обработки результатов эксперимента, а также достижения современной технологии машиностроения.

Научная новизна результатов работы и основные положения, выносимые на защиту, заключаются в следующем:

1. Создана обобщенная математическая модель процессов контроля и адаптивного управления, отличающаяся редукцией числа нечетко-логических выводов при формировании управляющих решений с учетом информативных данных о ходе технологического процесса, обеспечивающая сокращение времени принятия решений, включающая частные математические модели:

1.1 Построения функций принадлежности на основе статистической обработки экспертной информации, парных сравнений и параметрических методов их построения.

1.2 Проектирования нечеткой базы знаний, позволяющей в режиме реального времени формировать данные, необходимые для функционирования нечетко-логических систем управления.

1.3 Принятия решений при трапециевидных функциях принадлежности, в основу которой положен выбор основных управляющих параметров процесса резания в режиме реального времени.

1.4 Диагностики элементов оборудования с ЧПУ на основе обратного нечетко-логического вывода, позволяющей в режиме реального времени определять неисправности в работе системы управления.

1.5 Устойчивости нечетко-логической системы управления, позволяющей в режиме реального времени произвести её оценку.

2. Разработан метод обработки нечетко-логических данных, заключающийся в реализации этапов:

2.1 Определение и параметризация функций принадлежности с целью обеспечения более равномерной корреляционной зависимости, отображающей взаимосвязь между входными и выходными переменными при реализации нечетко-логического вывода.

2.2 Формирование матрицы нечетких отношений, обеспечивающей сокращение количества заключений нечетко-логического вывода с учетом информативных данных о ходе технологического процесса.

2.3 Устранение пустых решений в заключениях нечетко-логических выводов с целью увеличения оперативности принятия решений за счет редукции переборов предпосылок нечетко-логического вывода.

2.4 Уменьшение размерности данных, вводимых в информационную базу системы автоматизированного управления, путем сокращения избыточности объема обрабатываемой информации, что обеспечивает ускорение процесса обработки данных и принятия решений о назначении режима резания для оборудования с ЧПУ.

3. Разработан метод получения достоверных данных о ходе технологического процесса, особенностью которого является наличие этапов:

3.1 Определение критерия оценки сходимости алгоритмов при парной и множественной корреляциях между величинами, полученными с помощью метода обработки нечетко-логических данных и решения уравнений регрессии.

3.2 Формирование критерия оценки скорости сходимости алгоритмов, позволяющих оценивать в режиме реального времени наличие возмущающих воздействий, действующих на технологическую систему.

3.3 Определение вектора возмущающих воздействий в процессе МОИ, отличающегося учетом статических и динамических погрешностей, возникающих в системе станок-приспособление-инструмент-деталь, что позволяет прогнозировать точность обработки.

4. Создана математическая модель нейро-нечеткой обработки данных хода технологического процесса, основанная на формировании матрицы нечетких отношений и метода случайного поиска, обеспечивающего уменьшение числа итераций в процессе принятия управляющих решений.

5. Синтезирована функционально-структурная организация автоматизированной системы с адаптивным нейро-нечетким управлением механической обработкой изделий, особенностью которой является введение следующих функциональных блоков: ввода информации; определения степеней

истинности; матрицы нечетких отношений; ввода выходной переменной; усечения термов выходной переменной; объединения усеченных термов выходной переменной; дефаззификации и связей между ними.

6. Разработана система алгоритмов функционирования автоматизированной системы с адаптивным нейро-нечетким управлением механической обработкой изделий, включающая:

6.1 Алгоритм заполнения нечетких баз знаний.

6.2 Алгоритм, реализующий метод обработки нечетко-логических данных.

6.3 Параллельные алгоритмы расчета критерия сходимости при парной и множественной корреляции.

6.4 Алгоритм принятия решений для назначения режима резания.

6.5 Алгоритм обучения нейро-нечеткой математической модели обработки данных хода технологического процесса для принятия решений о назначении режима резания при механической обработке изделий.

7. Предложен вектор целевых критериев, позволяющий в режиме реального времени оценить качество функционирования средств, разработанных на основе обобщенной математической модели процессов контроля и адаптивного управления.

Теоретическая значимость работы заключается в развитии методов и алгоритмов проектирования адаптивных автоматизированных систем контроля и управления технологическим процессом механической обработки изделий на основе нейро-нечетких сетей.

Практическая ценность диссертационной работы состоит в том, что её результаты являются основой разработки широкого класса автоматизированных систем с использованием адаптивного нейро-нечеткого управления для контроля ТП механической обработки изделий, позволяющих:

- обеспечить заданные показатели производительности при требуемой точности;

- повысить оперативность и обоснованность принимаемых технико-технологических решений;

-расширить условия применения нечетко-логических методов управления и контроля в ходе ТП механической обработки изделий;

- обеспечить количественные оценки параметров качества изготовляемых изделий на машиностроительных предприятиях;

- повысить уровень автоматизации непрерывных ТП;

- создать объективные условия увеличения уровня технологической культуры и качества изделий машиностроительного производства;

- в рамках двойной технологии использовать нечеткую логику при анализе, прогнозировании и синтезе автоматизированных авиационных систем, требующих высокой точности поддержки параметров управления в условиях ограниченного времени принятия решений.

Практическая ценность и новизна подтверждаются также тем, что на основе предложенных технических решений разработан ряд системно обоснованных методов, способов и устройств управления точностью и контроля ТП механической обработки изделий на оборудовании с ЧПУ на основе нечетко-

логического управления с улучшенными метрологическими характеристиками, защищенных патентами на изобретения (Патенты №№: 2397058, 2386519, 2381888, 2381887, 2379169, 2371295, 2325247, 2309034, 2288809, 2288808, 2280540, 92826, 91918, 91910, 91687, 50136, 27868, 26142, а также Программы для ЭВМ №№ 2010616290, 2007610188).

Реализация результатов работы. Предложенные технические решения и основные научные положения и выводы диссертационной работы прошли проверку в условиях опытно-промышленной эксплуатации в Excel Csepel (Венгрия), Spesima (Болгария-Германия), ОХП ОКБ «Авиаавтоматика», НИЦ (г.Курск) ФГУП «18 ЦНИИ» МО РФ, ОАО «Геомаш». В результате проверки была подтверждена эффективность использования разработанной автоматизированной системы с использованием адаптивного нейро-нечеткого управления ТП механической обработки изделий, что подтверждено соответствующими актами внедрения.

Научно-методические результаты, полученные в диссертационном исследовании, используются в учебном процессе при выполнении курсового, дипломного проектирования и выпускных квалификационных работ бакалавра и магистра техники и технологий на кафедре вычислительной техники Юго-Западного государственного университета и проведении занятий по дисциплинам «Основы теории управления», «Интеллектуальные системы», «Теория принятия решений в условиях неопределенности», «Микропроцессорная техника».

Апробация работы. Основные теоретические положения и практические результаты диссертационной работы докладывались, обсуждались и получили положительную оценку на 31 Международных, Всероссийских и региональных конференциях и симпозиумах: «Автоматизация и энергосбережение машиностроительного и металлургического производств, технология и надежность машин, приборов и оборудования» (Вологда) в 2012 году; «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» (Курск) в 2012, 2010, 2008, 2005, 2003, 2001 годах; «Перспективные технологии, оборудование и аналитические системы для материаловедения и наноматериалов» (Алматы, Казахстан) в 2011 году; «Перспективы развития систем управления оружием» (Курск) в 2011 г.; «Интеллектуальные и информационные системы» (Тула) в 2011,2009,2004 годах; «Информационные и телекоммуникационные технологии в интеллектуальных системах» (Швейцария, Лугано) в 2010 году, (Испания, Мальорка) в 2007 году, (Италия, Катания) в 2006 году; «Современные инструментальные системы, информационные технологии и инновации» (Курск) в 2012,2010, 2008, 2007, 2006 годах; «Медико-экологические информационные технологии» (Курск) 2010, 2009, 2006, 2001 годах; «Информационно-измерительные, диагностические и управляющие системы» (Курск) в 2009 году; «Молодежь и XXI век» (Курск) в 2008 году; «Промышленные контролеры: от А до Я» (Москва) в 2005 году; «Вибрационные машины и технологии» (Курск) в 2005 году; «Образование. Наука. Производство» (Белгород) в 2004 году; «Материалы и упрочняющие технологии» (Курск) в 2003, 2001 годах; а также на научно-технических

семинарах Юго-Западного государственного университета (КурскГТУ), прошедших в период 2000-2012 гг.

Соответствие диссертации паспорту научной специальности. Содержание диссертации соответствует паспорту специальности 05.13.06 -Автоматизация и управление технологическими процессами и производствами, а именно п.З «Методология, научные основы и формализованные методы построения автоматизированных систем управления технологическими процессами (АСУТП) и производствами (АСУП), а также технической подготовкой производства (АСТПП) и т.д.» в части разработки функционально-структурной организации автоматизированной системы с адаптивным нейро-нечетким управлением на основе обобщенной математической модели процессов контроля и адаптивного управления технологическим процессом механической обработки деталей; п. 10 «Методы синтеза специального математического обеспечения, пакетов прикладных программ и типовых модулей функциональных и обеспечивающих подсистему АСУТП, АСУП, АСТПП и др.» в части синтеза системы алгоритмов и специализированного программного обеспечения контроля качества и управления механической обработкой изделий с разработкой вектора целевых критериев, позволяющего оценить качество функционирования разработанной автоматизированной системы; п. 15 «Теоретические основы, методы и алгоритмы интеллектуализации решения прикладных задач при построении АСУ широкого назначения (АСУТП, АСУП, АСТПП и др.)» в части разработки математической модели нейро-нечеткой обработки данных хода технологического процесса и метода обработки нечетко-логических данных о ходе технологического процесса механической обработки деталей.

Публикации. По теме диссертации опубликовано 125 научных работ, включая 2 монографии, 43 статьи, 12 патентов на изобретения, 7 патентов на полезную модель, 2 свидетельства о регистрации программы для ЭВМ, 67 публикаций материалов и тезисов докладов. Основные научные результаты диссертации отражены в 34 статьях в рецензируемых научных журналах и изданиях.

Личный вклад соискателя Все выносимые на защиту научные положения разработаны соискателем лично. В научных работах по теме диссертации, опубликованных в соавторстве, личный вклад соискателя состоит в следующем: в [1, 2,5,6,12,14,24,25,33,34,35, 36, 39,44, 51]-метод обработки нечетко-логических данных хода ТП и подходы к построению функционально-структурной организации автоматизированной системы с адаптивным нейро-нечетким управлением механической обработкой изделий и алгоритмы её функционирования; в [3, 4, 7, 10, И, 13, 15, 23, 42] - методы и алгоритмы модернизации машиностроительного оборудования и методика расчета вектора возмущающих воздействий, действующих на объект управления в режиме реального времени; в [18, 21, 22, 27, 28, 30] - способы и методы получения достоверных данных из зоны резания с применением лазерных, ультразвуковых сенсоров и термопар; в [20, 26, 31] - предложены автоматизированные системы и устройства прогнозирования точности обработанных поверхностей деталей; новизна решений подтверждена патентами РФ [40,50, 55].

Структура и объем диссертации. Диссертация состоит из введения, 6 разделов, заключения, списка литературы, включающего 215 наименований, и 6 приложений. Основная часть диссертации изложена на 335 страницах машинописного текста, содержит 114 рисунков и 55 таблиц.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, сформулированы проблема, цель и задачи исследований, приведена научная новизна и практическая ценность, а также результаты реализации работы.

■В первом разделе проведен анализ существующих методов и средств повышения точности механической обработки изделий, который показал, что в настоящее время металлообрабатывающее оборудование большинства предприятий РФ морально и физически устарело. По экспертным оценкам износ оборудования составляет от 65% до 85%, что объективно снижает его точность. Существует несколько способов ликвидации такого положения: либо полная замена существующего станочного парка, либо модернизация и совершенствование несущей конструкции станков и автоматизированных систем управления, входящих в его комплекс. Для реализации первого способа необходима закупка дорогостоящего оборудования и утилизация старого. С экономической точки зрения наиболее целесообразен второй способ -модернизация и/или совершенствование несущей конструкции, систем управления и средств контроля точности. Для выявления направлений модернизации оборудования с ЧПУ в первом разделе был проведен анализ способов увеличения точности, которые условно подразделяются на совершенствование конструкции несущей системы оборудования с ЧПУ и процесса управления самим станком (рисунок 1).

Первый способ подразумевает необходимость уменьшения погрешностей станков, которые обусловлены неточным изготовлением и износом установочных элементов станка и приспособлений. При этом анализ работы ведущих ученых в области машиностроения С.Н. Григорьева, В.Г. Митрофанова, И.М. Колесова, А.Г. Косилова, Р.К. Мещерякова, Г.И. Грановского показал, что наиболее значимыми параметрами, влияющими на точность ТП механической обработки изделий, являются скорость, мощность, подача и глубина резания. При этом эффективность процесса резания напрямую зависит от рационально подобранных числовых значений выбранных параметров режима резания.

Второй способ усовершенствования систем управления оборудованием с ЧПУ показал, что в качестве методов адаптации используются структурно-функциональные схемы, основанные на программном и/или программно-адаптивном управлении. Основоположниками внедрения систем с адаптивным управлением являются ученые Я.З. Цыпкин, J1.A. Растригин. Вопросам прогнозирования возможного состояния объекта управления и точности механической обработки изделий посвящены работы А.Г. Суслова и A.M. Дальского. Однако в указанных работах недостаточно рассмотрены вопросы, связанные с оценкой эффективности ТП механической обработки изделий в условиях увеличения многорежимности, многомерности и неопределенности характеристик процесса резания.

Рис. 1. Направления повышения точности оборудования с ЧПУ

Следует отметить, что неопределенность процесса резания обусловлена наличием в зоне резания величин, обладающих различной физической природой (электрические, механические, тепловые и др.) и не имеющих корреляционных зависимостей, при этом непосредственное измерение их числовых значений практически недоступно. Рост многомерности пространства параметров процесса резания с целью повышения точности механической обработки изделий непременно приведет к усложнению формализации взаимосвязей исследуемых параметров и к снижению оперативности принятия управляющих решений.

Для решения проблемных вопросов, связанных с неопределенностью в системах управления, наиболее часто применяется адаптивная нейро-нечеткая система вывода, разработанная на основе модели Такаги-Сугэно. Анализ показал, что она не обладает аддитивностью вследствие использования жестких формул нахождения минимума и максимума, при этом погрешность её обучения составляет 8%, что снижает оперативность процесса принятия управляющего решения.

Отсюда вытекает необходимость разработки автоматизированной системы с адаптивным нейро-нечетким управлением, позволяющей повысить оперативность принятия управляющих решений и точность МОИ с учетом как априорных данных о ходе процесса резания, так и данных, поступающих от систем активного контроля оборудования с ЧПУ с возможностью прогнозирования внешних факторов, действующих на технологическую систему станок-приспособление-инструмент-деталь в режиме реального времени. Для реализации этой цели во втором разделе диссертационной работы разработаны обобщенная математическая модель процесса контроля и адаптивного управления, а также метод обработки нечетких данных о ходе ТП.

Второй раздел посвящен моделированию выходных параметров автоматизированной системы управления точностью механической обработки изделий на оборудовании с ЧПУ на основе аппарата нечеткой логики. В частности, разработаны обобщенная математическая модель процесса контроля и адаптивного управления и метод обработки нечетко-логических данных о ходе ТП, а также определены критерии оценки качества их функционирования.

Обобщенная математическая модель процесса контроля и адаптивного управления Мкау представлена в виде функционала и состоит из математических моделей:

Мкау =/(МФП, Мню, Мтфп, Мдэ, Моу), (1)

где МФП - модель построения функций принадлежностей (ФП); Мцпз - модель проектирования нечетких баз знаний (НБЗ); МТФП - модель принятия решений для трапециевидных ФП (Мтфп); мдз - модель диагностики элементов оборудования с ЧПУ на основе обратного нечетко-логического вывода; М()у - модель оценки устойчивости нечетко-логической системы управления.

В работе формализована модель М^у на основе построения её частных математических моделей, совокупность работы которых позволяет увеличить оперативность процесса принятия управляющих решений. Математическая модель построения функций принадлежностей МФП на основе парных сравнений (ПС) строится, учитывая мнение только одного эксперта и/или группы экспертов, которые определяют преимущество одного элемента универсального множества над другим, при этом исходной информацией для построения ФП являются экспертные парные сравнения, представленные в виде матрицы:

пс = х.

ЬП Ь11

ь,. ь„ ■■■ ь,„

ь.., ••• />..„

(2)

где ¿»„„-степень преимущества элемента х, над х„ ¿,/'=1 ...п, и-количество строк и столбцов в матрице ПС, определяемая по девятибалльной шкале Саати.

В данной шкале 2, 4, 6, 8 - промежуточные оценки; 1 - если нет преимущества элемента х> над х,; 3 - если преимущество х^ над х, слабое; 5 - если преимущество х, над дг, существенное; 7 - если преимущество х, над лг, явное; 9 -если преимущество дг, над X/ абсолютное.

Если известны данные какой-либо строки матрицы ПС, то первоначально нормализуются степени ФП нечеткого множества Когт=[сх=\1Ьп\,..., с„=1/6„„]. Далее определяется сумма элементов нормализованной матрицы 5и1я=Ес/. Вес элементов матрицы парных сравнений находится и=\/$ит. Степени ФП рассчитываются как Л^^с 1хи>, с2хн>, ... , с„хн>,], а затем строится кусочно-линейная функция у=т+Ь,

где у- координата по оси ординат, которая соответствует значению степени ФП и находится в диапазоне [0, 1]; у - координата по оси абсцисс, которая соответствует значению управляющего параметра, например скорости резания; а, Ь - коэффициенты, которые определяются из уравнений для точек V, и у/41 у,,=а,у,+Ь1,ум = а^+Ь1. Коэффициенты находятся согласно соотношениям

(3)

Методы построения ФП на основе статистической обработки данных группой экспертов и параметрические способы их построения рассмотрены в

работе детально. Формулы (2)^(3) формируют математическую модель построения функций принадлежностей Мфр(рисунок 2).

0,00384v - 0,5074, если v, < v < v2; 0,00833 v -1,2258, если v2 < v < v3; 0,01079v -1,644, если v3 < v < v4 ; ц(у) = 0,01717v - 2,7924, если v3 < v < v4 ; 0,022 v-3,7101, если v5 <v<v6; 0,03101v-5,5121, если v5 <v<v6; 0,004762 v, если v6 < v < v7.

6)

Рис. 2. Функция принадлежности, полученная с помощью Мфп\ а - ФП для терма большая скорость резания (BS); б - уравнения ФП для терма BS Для формализации процесса проектирования модели нечетких баз знаний Мццз выполняется следующая последовательность действий.

Шаг 1. Построение функций принадлежностей. На этом этапе определяется диапазон допустимых значений для входных переменных {<?,=[«„„„, атах], Ьг[ЬтШ, Ьтах], ...} и выходной переменной уг\утш, утах]. На основе МФП формируется ФП для каждого параметра, входящего в структуру системы управления.

Шаг 2. Разработка нечетких правил управления. На этом этапе рассчитываются степени принадлежностей данных из интервалов а=[ат,„, атах], Ь=\Ьтт, ¿мах] и у=\у,„т, Утах], которые определяются значениями ФП соответствующих термов для каждой группы входных и выходных переменных и составляются для них нечеткие правила (НП) вида Htlj: Если (аи есть а, ИЛИ ап есть а2 <at v а2>) И (6,, есть 6, ИЛИ Ьи есть b2 -> <b] v Ь2>) То Он есть у1 ИЛИуи есть уй <у7 vy6>); НП2: Если (ai2 есть а2 ИЛИ ах2 есть а} <а2 v а}>) И (bn есть Ъ2 ИЛИ Ь[2 есть b3 —> <b2 v 63>) То (j|2 естьу6 ИЛИу]2 есть-> <у6 v_y5>); ^

НП„: Если (а„„ есть а„ ИЛИ а„„ есть an+1 <an v antl>) И (bnn есть b„ ИЛИ bnn есть 6П+, -> <b„ v 6n+i>) То (ynn ecTbj-n ИЛИynn ecTbjvi <yn v^n.i>).

Шаг 3. Расчет для каждого НП степени принадлежности. При составлении обучающих пар для каждой из них может быть получено только одно НП, следовательно, существует высокая вероятность того, что некоторые правила окажутся противоречивыми. Тогда для каждого НП определяется степень принадлежности с последующим выбором из них наибольшего значения. Следует отметить, что данное ограничение справедливо только для случаев, когда термы входных и выходных переменных имеют трапециевидную форму, у которых интервал ядра нечеткого множества равен единице. Для остальных видов параметрических методов назначения ФП очевидно, что максимальное значение степеней истинности всегда будет в вершинах треугольников либо максимумов других функций, описывающих каждый из термов, тогда нечеткая логика сводится к четкой. Для устранения такого перехода в работе используется к-

слойная матрица, позволяющая отображать значения истинности для каждого НП. Тогда степени принадлежности СИ для каждого из НП определяются как

си<л =Ч. (5)

где 1=1..и - количество столбцов А-слойной матрицы, равное количеству термов входной переменной а, для рассматриваемого типового примера п=5; j=l..m -количество строк Л-слойной матрицы, равное количеству термов входной переменной Ь, для рассматриваемого примера т=5; к=\..к\ - количество слоев к-слойной матрицы, равное максимальному значению из всех носителей нечеткого интервала для каждой из входных переменных и определяется по формуле А=тах{(а,с-а1а); (а2с-а2аУ, — ; {ат-ат)\ ... ; (¿>,е-Л1а); Ь2с-Ь2ау,... ; (Ьтс-Ьта)}. (6)

Соотношение для расчета количества ¿-слоев матрицы вычисляется как

к = шах|^(а,с -о,„); V (ь,с - • (7)

Шаг 4. Дефаззификация управляющего решения. Величина управляющего воздействия на выходе системы нечетко-логического вывода составит

= (8)

где у, - значение степени принадлежностей, получившееся в результате вывода; у — координата центра тяжести соответствующего терма.

Шаг 5. Создание к-слойной матрицы, которая формируется как

= аУк с весом )] У = Уф'' = I = к\ =1 (9)

Таким образом, согласно (4)ч-(9) формируется математическая модель нечетких баз знаний Мциз-

Частные математические модели принятия решений для трапециевидных МТфп, диагностики элементов оборудования с ЧПУ на основе обратного нечетко-логического вывода Мдэ и оценки устойчивости нечетко-логической системы управления М0у подробно рассмотрены в диссертации. При этом математическая модель МГФП положена в основу способа и устройства управления точностью обработки деталей (патент РФ № 2379169). Для сокращения количества заключений нечетко-логического вывода разработан метод обработки нечетко-логических данных.

Метод обработки нечетко-логических данных о ходе технологического процесса реализован в виде последовательности следующих этапов.

Этап 1. Формирование параметризированной функции принадлежности. Параметризированная ФП запишется как

где а, Ь, с, (1 - параметры треугольной функции принадлежности (рисунок 3, а); £ - знак, согласно Заде, операции объединения предпосылок НП, I - согласно Заде, знак суппорта термов ФП; X! - термы параметризированной ФП, /=1...$ -количество термов; г/п, м12, игг - логические переменные, определяемые как

1 дляа<х<Ь, О в других случаях,

1 дляЬ<х<с, О в других случаях, ъ,

1 дляЬ<х<с, О в других случаях,

1 дляс<х-йс1, О в других случаях.

Х = {х>} + {х2} =

^-10 30-10

/ х, +

ff 60-*, 3J„Uo-30

/хЛ +

30

80~*0/я-6o480-60j 2

6)

Рис. 3. Параметризированная треугольная ФП: а - графическое представление; б -формализация параметризированной ФП Пусть система управления имеет две входные переменные (сила резания р и диаметр обрабатываемой детали с/) и одну выходную переменную (скорость резания у). Тогда, согласно (10), ФП запишутся

г / \У

МР„)>Ь Ху' = {<у' Му/)>}> 1Х={<а(' М^^Ь (И)

0—1 Ы\ 1

где р - численные значения силы резания; |х(р)—»[0, 1] — степень истинности, принадлежащая нечеткому множеству сила резания; с1 - численные значения диаметра обрабатываемой детали; ц(сО-»[0, 1] - степень истинности, принадлежащая нечеткому множеству диаметр обрабатываемой детали; V -численные значения скорости резания; ц(у)-»[0, 1] - степень истинности, принадлежащая нечеткому множеству скорость резания; г, IV - количество предпосылок и заключений в НП.

Аналогично строятся входные ФП для метода обработки нечетких данных о ходе ТП в случае, если выходные переменные заданы не формулой (10), а

к

уравнением у = х[ах + х'2а2 + ...+х'как = ^х'как.

Этап 2. Построение базы знаний. Определяется взаимосвязь между входными и выходными параметрами в виде системы нечетких правил НП/ „: Если «р'=риу> И «¿/=¿4,» То

Далее по формуле (9) на основе НП (4) формируется база знаний. Коэффициенты отсечения предпосылок базы знаний Ь, рассчитываются

(12)

где'7=1..я, п - количество предпосылок базы знаний; min - нечетко-логическая

5

операция нахождения мягкого минимума.

Для реализации принципа обобщения Заде в традиционных алгоритмах нечетко-логического вывода используются операции нахождения жесткого

минимума и максимума, например min(c»i; 6i)=min(0,7; 0)=0. Вследствие этого на выходе системы управления формируется результат, равный нулю, то есть появляются зоны нечувствительности. Поэтому сама нечетко-логическая система будет нечувствительна к изменению входных параметров и, как следствие, не будет обладать свойством аддитивности. Для устранения этого недостатка необходимо использовать операцию нахождения мягкого минимума

. в,+А,+82—у/(я,+й|)2+82 /Пч

min(e, ,6|) = —-1----, где8 = 0,05.

С учетом (13) min(ab Ä|)=0,0076. Следовательно, нечетко-логическая система всегда на выходе имеет значение, отличное от нуля, и следовательно обладает свойством аддитивности. Нечетко-логический оператор MEAN (среднее арифметическое двух операндов) также обладает вышеуказанным свойством.

Например, для базы знаний, заданной двумя входными переменными, имеющими по 5 термов, коэффициенты отсечения предпосылок с учетом формулы (12) примут вид

¿>, = mm(pi,di),b1 = mm(pl,d2),b3 = min(p,,</3),i4 = m'm(phd4),b} =min(p,,i/5),

5 5 5 5 5

b(t = m'm(p1,dl),b1 = min(p2,d2),bK = mm{p1,dJ),b4 = m\n(p2,dA),bw = min(p2,i/3),

5 5 5 5 5

ft,, = min(p3, d,), bu = min(ft, d2),bl3 = min(ft, d}), bl4 = min(p3, d4), bl5 = min(/?3, ds), 0 0 0 0 0

Ьы = min(p4, d,),bn = min(jP4, d2), bti = min(p4, d3), bl9 = min(p4,d4), b20 = min(p4, ds),

о б 5 о 5

62i = mm(p5,d,\b22 =nun(p„rf2),A2J =tnm(ps,rf3),624 = mm(p5,dt),b25 = mm(p5,rf5).

о о 5 о 5

Этап 3. После настройки базы знаний анализируются данные, которые поступают от систем активного контроля оборудования с ЧПУ, а именно значения от силоМетрического датчика р' и от оптического датчика ct. Затем определяются фаззифицированные векторы входных переменных р' = (р[, р2, р'}, р\, р'5) , d'= {d{,d'2,d'3,d\,d'5). Кроме того, определяются уровни отсечения b'i, где 1=\..к, по которым осуществляется импликация заключений

¿>;=£e(W--A), (14)

/=1 ¡=1

где 0 - знак операции нахождения мягкого минимума min или мягкого

5

максимумашах; (bt, b2, ...,b„) — коэффициенты отсечения предпосылок НП.

5

Формула для определения параметризованного мягкого максимума шах(а],61) = |у-шах(а1,6|)+0,5(1-у)(а|+6,)|, гдеУаеА,УЬеВ, (]5)

у- оператор параметризации, при у=1 (15) сводится к операции взятия «жесткого» максимума, при у=0 (15) сводится к операции нахождения среднего арифметического.

Далее находятся усеченные ФП заключений V/ к к

!>'»/ =Xmin[/>;; (16)

/=1 5

На основе формул (12)-г(16) формируется матрица нечетких отношений (таблица 1).

Таблица 1

№ Коэффициенты усечений, формула (12) Нечеткая композиция

Уровень отсечения по формуле (14) Усеченные ФП по формуле (16)

V] ¿25 ¿',=¿25 H'v(v), =min{¿>í;|iv(v)1> О

v2 ¿20 ¿24 Ъ'г = max (А20, 624) 5 M'»(v)2 = min{^;nv(v)2} О

V3 ¿,5 ¿19 ¿23 ¿'з = шах (¿15, ¿19, ¿23) 8 nUv)3=«nin№;nv(v)3}

V4 ¿10 ¿14 ¿18 ¿22 ¿4 = max (¿10, ¿14, ¿18, ¿22) 6 M'»(v)4 =тт{й;;ц„(у)4} О

V5 ¿5 ¿9 ¿13 bu ¿21 ¿5 =шах (¿5, ¿9. ¿13, ¿17, ¿21) K,(v)5 =тт{б;;ц,(у)5)

v6 ¿4 ¿8 ¿12 bib ¿6 = max (¿4, ¿8, ¿12, ¿1б) 6 Hl(v)6 = тт{^;ц„(у)6}

V7 ¿3 ¿7 ¿11 ¿'7 =тах(63, ¿7, ¿Ц) 8 Mw(v)7 =m¡n{6;;nv(v)7} О

Vs ¿2 ¿6 ¿'8=тах(62, ¿в) 8 n'v(v)8 = min{¿)¿;nv(v)8} O

V9 ¿1 ¿'9 = ¿1 H'(v)9 = rrñn{¿,; nv(v)9}

Поскольку для традиционных алгоритмов нечетко-логического вывода количество заключений составляет тл-И\п=52+5-2=35 (т - количество переменных, л - количество термов у переменных), в то время как для разработанной матрицы нечетких отношений количество заключений всегда будет равняется количеству термов выходной переменной у - скорости резания, следовательно, оперативность принятия управляющего решения разработанного метода увеличивается в 35/9=3,9 раза. График сравнительных характеристик разработанного метода обработки нечетких данных с традиционными алгоритмами нечетко-логического вывода приведен на рисунке 4.

Килкчкто «ходим! переменных

Рис. 4. График сравнительных оценок метода обработки нечетких данных о ходе ТП с традиционными алгоритмами НЛВ На этапе 4 производится логическое объединение усеченных ФП для формирования выходной нечеткой ФП.

к

'"»г ^ (1?)

ч -.„,„,<,,> J

Этап 5. Нечеткий вектор функций принадлежностей v' дефаззифицируется с

помощью метода нахождения центра тяжести: * *

V' = 2>| 9/2»), 9. (18)

/=i /=i

Формулы (10)-ь( 18) являются основой метода обработки нечетко-логических данных о ходе технологического процесса. Данный метод использован при разработке способов и устройств, защищенных патентами [патенты РФ №№

2010134470 (положительное решение о выдачи патента, приоритет от 11.01.2012),

2010134471 (положительное решение о выдачи патента, приоритет от 11.01.2012), 2010143053 (положительное решение о выдачи патента, приоритет от 13.03.2012)], и программно реализован [свидетельство о регистрации программы для ЭВМ №2010616290].

С целью повышения оперативности принятия управляющих решений при работе математической модели Мшу и метода обработки нечетко-логических данных в работе разработаны критерии, позволяющие оценить качество их функционирования. Критерий оценки Ц\ работы адаптивных нейро-нечетких систем управления, в основе которых используется Мкау, и метода обработки нечетко-логических данных о ходе ТП представлен в виде

Ч\=/(Ч\иЦи,Ц\з), (19)

где г/п=I - условие совместимости базы знаний (разбиения единицы); i/i2>0 -условие^полноты базы знаний; г/|3>0 - условие устойчивости нечетко-логической системы.

Условие совместимости базы знаний записывается как

Чи =2М4, =1, V.x s X, (20)

/=1

где ц(х)„ - термы входной переменной; / - номер терма входной переменной; /с, -количество термов входной переменной.

При невыполнении критерия (20) область зон нечувствительности нечеткого регулятора увеличивается.

Условие полноты базы знаний имеет вид

-А->0' а<еА" Ь'еВ'- (21)

i=I 1=1

где ц(а)„ \i(b)i - термы входной А и выходной В переменной, соответственно.

При несоблюдении условия (21) зависимость выходной переменной от изменения входных величин будет иметь дискретный характер.

Условие устойчивости для нечетко-логической системы, заданной математической моделью вида X(t+n)=X(t)oRpn, где ДО - входное состояние

нечетко-логической системы; Яр„ - нечеткое отношение Ир„ = /?„/ о о...о Ирп; о - согласно Заде знак, обозначающий композицию нечетких отношений, формируется следующим образом. Нечетко-логическая система будет устойчива, если в лингвистическом равновесном состоянии Хе для произвольных исходных лингвистических состояний ^'(1), 0=1.-п, существует положительное целое число п, при котором выполняется равенство

Щу=11р„оХте = (\, 1,...,1)7>0, (22)

где Г-операция транспонирования матрицы.

Формулы (20)-К22) позволяют оценивать качество функционирования автоматизированных систем управления, работающих на основе обобщенной математической модели процесса контроля и адаптивного управления и метода обработки нечетко-логических данных о ходе ТП в реальном времени.

В третьем разделе определены пути повышения точности МОИ. С этой целью разработаны методы и математические модели нахождения корреляционных зависимостей между параметрами ТП, оценки погрешностей, действующих на технологическую систему в режиме реального времени. Обоснованы критерии повышения оперативности принятия решений, проведен анализ процесса функционирования системы управления на основе метода обработки нечетко-логических данных.

Для определения размеров обрабатываемых деталей в зоне резания разработан метод получения достоверных данных о ходе технологического процесса на основе лазерных датчиков, который состоит в следующем. Любое изменение расстояния от сенсора до детали, установленной в зоне резания оборудования с ЧПУ, вызывает изменение угла отраженного лазерного пучка, фокусируемого на линейки фотодиодов. Измерительное устройство на основе отклонения угла лазерного пучка осуществляет определение координат на поверхности контролируемой детали в точке А (рисунок 5, а). Уравнения прямых определяются как

/г (О"*«)

прямая (ОгА):у = ха-—ух\ прямая (О,А): у = ^ -цгу (23)

где ха - расстояние от центра координат О станка с ЧПУ до точки А начала координат детали по оси X; /•* - фокусное расстояние приемника отраженного сигнала; у\ - расстояние от местоположения двухкоординатного измерительного источника до центра О по оси У; х/а - расстояние, зависящее от фокусного расстояния Т7 приемника отраженного сигнала по оси Х\ О- расстояние от центра координат О до местоположения 0\ излучателя лазерного пучка по оси X; Уа -угол направления лазерного пучка относительно оси У; 1Уа - угол лазерного пучка относительно оси У.

Из уравнения (23) определяется ха - координата точки А отражения пучка

; х^мк-ъ) • ( )

Используя формулы (23)^(24), находятся координаты точки А (уа и га)

У а

{Р-Е-угх/а)

(У + УГ^а-Уд)) Га xfa+F■tg{ya-WaУ

(25)

где - расстояние, зависящее от отраженного сигнала по оси Ъ.

хг

ш*

\ гя)

•О: X

а Г

I т

а)

б)

Рис. 5. Схема определения координат детали 1:а- в точке/!; б-в точке В Координаты точки В (рисунок 5, б) определяются как

(26)

где хь - размер от центра координат О до точки В по оси X; У - фокусное расстояние приемника отраженного сигнала; у, - расстояние от местоположения двухкоординатного измерительного источника до центра координат О по оси У; х/ь - расстояние, зависящее от отраженного сигнала по оси X; В - расстояние от центра координат О до местоположения 0\ излучателя лазерного пучка по оси X; V/, - угол направления лазерного пучка относительно оси У; Щ - угол лазерного пучка относительно оси У

Уь =

_ (Р-Г-угх„) г __ (Р + Уг^К

+ F.íg(K4

-и;)' 6

размер

детали

-зЛ

Аа в любой

(27)

точке / определяется

Контролируемый соотношением

Ад=1 = ^ь-ха)г+{уь-уаУ. (28)

Устройство управления точностью обработки деталей на основе метода получения достоверных данных о ходе технологического процесса защищен патентом (Патент РФ №2288809). Способы получения данных о ходе ТП с помощью ультразвуковых датчиков и термопар (Патент РФ № 2280540) рассмотрены подробно в диссертации.

Для количественной оценки взаимосвязи между входными и выходными характеристиками, описывающими каждый процесс резания в режиме реального времени, разработана математическая модель получения достоверных данных о ходе ТП МОИ, состоящая из частных математических моделей

Мкга =/(МНлг, Млк, М0ко, Мш), (29)

где Мт- модель при нелинейной корреляции (НК); Млк- модель при линейной корреляции (ЛК); М0ко ~ модель при ограниченном количестве опытов (ОКО); Ммк - модель при множественной корреляции.

Частные математические модели МШи Млк, М0ко, Ммк, составляющие математическую модель Мкра, детально рассмотрены в диссертации. В работе показано, что корреляционные уравнения, полученные на основе математической модели Мкра и описывающие реальные процессы, протекающие в зоне резания при МОИ, синтезируются с помощью метода обработки нечетко-логических данных о ходе ТП. Так с помощью Мкра в работе получено уравнение регрессии

, = е5.3б^-о,о2 =212,7^0-02, (30)

где / - температура в зоне резания; .V — подача при резании.

В работе разработано специализированное программное обеспечение [программа для ЭВМ №2010616290] для моделирования взаимосвязи между входными (рисунок 6, а) и выходными (рисунок 6, б) параметрами системы управления на основе метода обработки нечетко-логических данных с различными мягкими операторами (13), (15). В результате исследования получена зависимость, представленная на рисунке 7, а.

а) б)

Рис. 6. Графики ФП входной и выходной переменных: а-входная переменная температура в зоне резания /; б - выходная переменная подача 5 Сопоставление результатов, полученных с помощью уравнения (30), и метода обработки нечетко-логических данных (10)^(18) (рисунок 7, а) дает результат, представленный на рисунке 7, (

"' ■ оператор Hsni-Mift

.......Ояари ?сч> So-11- ШН

— • —WEAN

—t>—f/tKpii

а) б)

Рис. 7. Совмещение данных: а-данные, полученные при моделировании метода обработки нечетко-логических данных с помощью операторов жесткого минимума (Hard-MIN), мягкого минимума (Soft-MIN) и среднеарифметического (MEAN); б -совмещение данных, полученных при моделировании МКра и метода обработки нечетко-логических данных

Из анализа рисунка 7, а следует, что при использовании в традиционных алгоритмах нечетко-логического вывода операций жесткого минимума учитываются не все информативные признаки. Так, система управления не будет реагировать на изменение подачи в диапазоне [0; 0,05]u[0,9; 1] мм/об. В то же время при использовании мягких операторов Soft-MIN и MEAN информативные признаки учитываются в полном объеме. При этом из рисунка 7, б несложно видеть, что полученные данные с помощью метода обработки нечетко-логических данных и математической модели Мкга подобны. Для оценки, какой из мягких операторов максимально приближен к реальным данным, полученным при моделировании МКГА, разработан критерий оценки сходимости результатов г/|4

г/н =

lî+lï+lï + ... + Ц

lin, (31)

» П

где / - разность температур /, полученных из уравнения регрессии (30), и метода обработки нечетко-логических данных (10)^(18); п - количество точек отсчета.

Анализ показал, что для традиционных алгоритмов нечетко-логического вывода с формулами жесткого минимума критерий сходимости равен ц]4=24,37, а при использовании метода обработки нечетко-логических данных критерий сходимости составил: при операторе Soft-MIN г/14=23,57; при операторе MEAN z/i4=10,77. Учитывая правило (31), сделан вывод о том, что ТП МОИ должен быть синтезирован на основе метода обработки нечетко-логических данных при использовании оператора MEAN. К тому же разработанный метод обработки нечетко-логических данных, кроме учета всех информативных признаков, имеет в 2,2 раза более высокую степень сходимости получаемых результатов по сравнению с традиционными алгоритмами нечетко-логического вывода.

Временной критерий, оценивающий скорость сходимости алгоритмов, определяется соотношением

щ s =£/,/ï>;->i,

(32)

где ]Г(, - массив элементов значений температуры (30); - массив элементов

значений температуры, полученных при моделировании метода обработки нечетко-логических данных о ходе протекания ТП.

Расчет критерия г/15 необходим для адаптации системы управления к реальным условиям обработки. Как видно из рисунка 8, /опт - это показатель, при достижении которого процесс обучения нейро-нечеткой сети прекращается. Нечетко-логическая система функционирует нестабильно, если /омт менее 85%.

Рис. 8. Графическая зависимость достижения временного критерия /0

Результаты, полученные на основе метода обработки нечетко-логических данных о ходе ТП показывают, что данный метод по сравнению с моделью Такаги-Сугэно, обладает аддитивностью. Автоматизированная система имеет две входные переменные А\ и А2, заданные с помощью (10) и представленные на рисунке 9.

Untoii

finías) I

щ

a) loo ¡» i« «.-»i® lío б)

Рис. 9. Графики параметризированных ФП: а - входная переменная Ай б-входная переменная А2

к

Выходные переменные, заданные выражением вида у = ^х'как, получены

при моделировании математической модели Мкра

Г, = 0,04315а,- 0,3974а2 + 307,567; У2 = 0,25253«! + 0,16091а2+ 303,608. Тогда на основе (4) получены НП: НП,: ЕСЛИ «а, есть а,,» И «ai есть a¡2» ТО «у есть К, = 0,043 15úti —

-0,3974а2+307,567, НП2: ЕСЛИ «а2 есть а2,» И «а2 есть а22» ТО есть У2 = 0,25253ai + + 0,16091а2+303,608. При моделировании данных правил на основе модели Такаги-Сугэно получены результаты, характеризующиеся наличием зон нечувствительности системы (рисунок 10, а). Вышеуказанная модель не обладает свойством аддитивности, что снижает её эффективность.

(33)

б)

Рис. 10. Графики определения зон нечувствительности: а - результаты, полученные для модели Такаги-Сугэно; б - результаты, полученные на основе метода обработки нечетко-логических данных Анализ рисунка 10, б показал, что зон нечувствительности при моделировании на основе метода обработки нечетко-логических данных о ходе ТП не наблюдается. Таким образом, системы, работающие на основе соотношений (10)н-(18), обладают аддитивностью. Расчет критерия сходимости

показал, что для разработанного в диссертации метода г/14=85,5, а для модели Такаги-Сугэно он составляет г/!4= 174,9. Следовательно, автоматизированные системы управления, работающие на основе метода обработки нечетко-логических данных, в 2,1 раза точнее описывают реальные процессы, протекающие в зоне резания при МОИ, чем модель Такаги-Сугэно.

С целью повышения точности ТП МОИ в случае наличия внешних факторов разработан критерий прогнозирования внешних воздействий г/16, действующих на процесс резания, в режиме реального времени. Данный критерий лежит в основе работы запатентованных автоматизированных систем прогнозирования и управления точностью при механической обработке изделий [пат. РФ №№ 2386519, 2288808]

Л,-

О + Д-)2 X1 0,0309ЛУ(1-х)

+ Л-г—+-7-Г + —-----—

.((¿•а,)-((с0-В/Кр-8. .(/-5Г 7к)+(с„ -Г ■/'))

(34)

где 5- подача; / - глубина резания; Jл - стандартная жесткость передней бабки; JБ - стандартная жесткость задней бабки (значения J/¡, .]ц берутся из паспорта станка); * - расстояние от передней бабки до произвольной точки на детали; Ь -длина детали; О - диаметр детали; а, - температурный коэффициент линейного расширения; Са - коэффициент, характеризующий условие обработки; В - вылет резца; Г,, - площадь сечения резца; 8„ - предел прочности обрабатываемого материала; - время, затраченное на отвод инструмента, Уц - скорость съема припуска; 1„ - время изменения контролируемого размера, У0 - скорость изменения контролируемого размера; 1„ — время изменения измерительного сигнала, V,, - скорость изменения измерительного сигнала.

Для оценки качества обучения нечетко-логической системы управления в четвертом разделе разработана математическая модель нейро-нечеткой обработки данных хода ТП.

В четвертом разделе, основываясь на результатах разделов 2 и 3, разработана математическая модель нейро-нечеткой обработки данных хода технологического процесса и синтезирована на её основе функционально-структурная организация автоматизированной системы с использованием адаптивного нейро-нечеткого управления. Получены нестационарные решения при проектировании нейро-нечетких структур систем управления, основанные на матрице нечетких отношений (12)-^(16). Процесс формирования математической модели нейро-нечеткой обработки данных хода ТП Мнн представлен в виде нейро-нечеткой структуры (рисунок 11), состоящей из восьми слоев.

Слой 1. Формируется вектор входных переменных £/и=/(а, Ь, с, с/, е, /), характеризующий значения, полученные от датчиков системы активного контроля оборудования с ЧПУ. Входными переменными, позволяющими управлять точностью при механической обработке изделий, являются: скорость, подача, сила

+ 8 (у.-Мкрл)

Обучение

резания, температура в зоне резания, диаметр обрабатываемой поверхности детали, геометрические параметры лезвийного инструмента и др.

Слой1

Слои 8

Рис. 11. Структура адаптивной нейро-нечеткой модели МИН

Слой 2 !

Структура адаптивной нейро-нечеткой сети

; Слой 4 !

Слой 5 !

Слой б \

Слой 7

Слон 2. Фаззификация входных переменных, согласно формуле ФП (10). Каждая из входных переменных вектора Ц„ задается в виде трех параметризированных термов ФП а={а,}+{а2}+{а3}, &={М+{М+{£>э},...,

Слой 3. Построение системы нечетких правил согласно (4) (таблица 2).

Таблица 2

Система нечетких правил_

для первой пары для второй пары для третьей пары

а, :Если а есть аииЬ есть Ъ\ ау.Если а есть а2, и Ь есть 6, ау.Если а есть а3, и Ь есть Ъ\ сц:Если а есть яь и Ь есть Ь2 аг.Если а есть а2, и Ь есть Ь2 Об Если а есть а3, и Ь есть Ьг аг.Если а есть а,, и Ь есть Ь3 аг.Если а есть а2, и Ь есть Ъ3 фу.Если а есть а3, и Ь есть Ь3 Р: '.Если с есть сь и с/ есть <1х Р2-Если с есть с2, и с/ есть с/, Ру.Если с есть с3, и с! есть с!\ Р¿Если с есть сь и с1 есть с12 Р5 '.Если с есть с2, и с/ есть с12 Ре '.Если с есть с3, и с! есть ^у.Если с есть с,, и Л есть с/3 Р8 '.Если с есть с2, и с! есть с13 Ру.Если с есть с3, и (1 есть (13 Ti :Если е есть eh и/есть/j уу.Если е есть е2, и/есть/i Уз '.Если е есть е3, и / есть/J у ¿.Если е есть еь uf есть/2 уу.Если е есть е2, и/есть^ у ¿Если е есть <?3, и / есть/3 у у.Если е есть e¡ ,uf &стъ/3 у у.Если е есть е2, и / есть /3 у у.Если е есть е3, и f есть^

На основе разработанных НП строится матрица нечетких отношений для каждой пары входных переменных (таблица 3). Таблица 3 Матрица нечетких отношений

для первой пары для второй пары для третьей пары

a,=min(ai, bi) 5 Pi=min (cbd,) Yi=mgin(e,,f,)

a2=min (aj, b2) 5 p2=min(c,,d2) y2=mm (в), f2)

a3=min(ai, b3) 8 p3=min(cb d3) y3=min(ei,f3)

a,=min (ai, b|) 8 p4= min (c2, d,) 8 y4=mgin(e2,fi)

a5=min(a2, b2) 8 P5=min(c2, d2) у 5= min (e2, f2)

a6=m¡n (a2, b3) 8 P6=min(c2, d3) y6=mm(e2, f3)

a7=m¡n(a3, b,) P7=m¡n (c3, di) y7=mm(e3, f,)

a8=min (a3, b2) 8 Ps=min (c3, d2) y8=rnin(e3, f2)

a9=min (a3, b3) 8 p9=min (c3, d3) 5 y9=min(e3, f3) б

Слой 4. Расчет частных уровней отсечения (таблица 4). .. Таблица 4 Частные уровни отсечения

для первой пары для второй пары для третьей пары

а', = а9; а'2 = шах (а«, а8); 5 P'i = p9; P'2 = max (p6, pg); 5 Y'i = Уэ; Y г = max (y6, y8);

а'3 = rnax (а3, а5, а7); 5 p'3=max(p3, p5, p7); y'3=max(y3,y5,y7);

а'4 =шах(а2, аЛ; 8 P'4 =max(p2, p4); у'4=тах(у2,у4); •

а'5 = а,; P'5 = Pb Г'5=УЬ

Слой 5. Вычисление обобщенных уровней отсечения с помощью операции нахождения мягкого максимума (15): y'i=max(a'i; Р'ь у'0, у'2= тах(а'2; Р'2; Уг),

5 5

у'з= max (а'3; Р'3; у'3),у'4= max(а'4; Р'4;74),y's= max(а'5; Р'5; у'5).

S 8 5

Слой 6. Построение термов управляющей величины ТП механической

обработки изделий у={у1}+{у2}+{уз}+{у4}+{у5}- Выходная переменная задается

пятью параметризированными термами, согласно формуле (10). Выходные

переменные также могут задаваться уравнениями вида у = ^х'как .

Слой 7. Композиция обобщенных уровней отсечения с термами, задающими

управляющую величину технологического процесса. В начале производится

отсечение предпосылок на основе формулы мягкого минимума (13): y"i=min(y',;

8

yi); yM2=min (у'2; у2); y"3=min (у'3; у3); y"4=min (у'4; у4); y"5=min (у'5; у5).

6 О О О

Далее на основе формулы (17) осуществляется объединение усеченных термов ФП выходной переменной

где п — количество усеченных термов ФП.

Слой 8. Дефаззификация выходного значения согласно формуле( 18)

У факт = У\У\ + У 2 У 2 + У'ъУъ + У 4 У 4 + У>У5 / У\ + У 2 + У 3 + У 4 + У1 ■ После этого выполняется процедура адаптации, при которой происходит обучение нейро-нечеткой сети, т.е. корректировка термов выходной переменной до тех пор, пока полученное значение Уфакт не станет максимально приближено к заранее известному эталонному значению Мкра в соответствии с соотношением

Ум = У, + ЧУ факт ~ М КРА ) , где 5 - скорость обучения нейро-нечеткой системы (6=random[]).

Нейро-нечеткая сеть считается обученной при достижении минимума критерия обучения i/n

г/17 = (Уфам - Мкра)2 -> mill. (35)

На основе математической модели нейро-нечеткой обработки данных хода технологического процесса Мин (Слой 1 -i- Слой 8) разработана обобщенная функционально-структурная организация автоматизированной системы с адаптивным нейро-нечетким управлением (АСАННУ) (рисунок 12).

Оригинальными элементами функционально-структурной организации АСАННУ являются блоки: определения степеней истинности, матрицы нечетких отношений; усечения и объединения термов выходной переменной, совокупность которых увеличивает оперативность процесса принятия управляющих решений. Описание принципа работы АСАННУ и построение её составляющих блоков на логических элементах серии К555 приведено в диссертационном исследовании. Данная функционально-структурная организация находит практическое применение при управлении высоко-динамичными процессами, например в автоматизированных авиационных системах.

Рис. 12. Обобщенная функционально-структурная организация автоматизированной системы с адаптивным нейро-нечетким управлением: ИМ - исполнительные механизмы оборудования с ЧПУ; БВИ - блок ввода информации; БОСИ - блок определения степеней истинности; БМНО - блок матрицы нечетких отношений; БВВП - блок ввода выходной переменной; БУТВП - блок усечения термов выходной переменной; БОУТВП - блок объединения усеченных термов выходной переменной;

БД - блок дефаззификации Формализация работы АСАННУ для повышения эффективности механической обработки изделий записывается

/ = /(*,(/), (36)

где У - выходной параметр системы управления; X — входной параметр системы управления; и - вектор управления

и = ДХ',Г,Ц), (37)

где Х=Дх(Х), }'=//,(}') - результат измерения факторов, влияющих на ТП и его состояние, соответственно; Дх, Ду — сигналы, измеренные с помощью системы активного контроля оборудования с ЧПУ о воздействии внешних факторов на ТП и о его состоянии, соответственно; Ц=[гь\, Ц\2, Чн, Чч, Чи, Ц\т\- вектор целей.

В случае, если выполняется равенство У-Ц, то АСАННУ управляема и её работа устойчива.

Пятый раздел посвящен разработке алгоритмов функционирования АСАННУ. В работе разработаны следующие алгоритмы: заполнения нечетких баз знаний, сформированный на основе формул (4)^(9), новизной которого является формализация процесса механической обработки изделий в виде нечетких правил; реализации метода обработки нечетко-логических данных о ходе технологического процесса с помощью выражений (10)^(18), позволяющий повысить оперативность принятия управляющих решений; параллельные

алгоритмы реализации корреляционно-регрессионного анализа при парной и множественной корреляции и расчет критерия оценки сходимости (31) (рисунок 13), новизной которых является возможность количественной оценки оперативности принятия управляющих решений; обучения нейро-нечеткой модели обработки данных хода технологического процесса; принятия решения для назначения режима резания при механической обработке изделий, позволяющий в режиме реального времени повысить её точность. На основе вышеуказанных алгоритмов разработано специализированное программное обеспечение [Свидетельства об официальной регистрации программ для ЭВМ №№2010616290, 2006613857].

Создание ФП для переменных л. V, р.

Составление МП

Создание БЗ. описывающей взаимосвязь между х н /

Ввод входных данных от сенсорных систем

Установка счетчика

Определение коэффициентов отсенсния для заключений

¡""Определение усеченных I ФП заключений механизма

|_нлв

Инкремент счетчика Перебор всех НПУ. / ]..и.

Дефатжфикацня

[Вывод выходного параметра, полученного с помощью метода

Расчет критерия сходимости

Рис. 13. Алгоритм расчета критерия сходимости Таким образом, совокупность исследований и решений, выполненных в 2-^5 разделах, позволили реализовать комплекс работ по созданию автоматизированной системы с адаптивным нейро-нечетким управлением технологическим процессом механической обработки изделий.

В шестом разделе для повышения эффективности механической обработки изделий разработано специализированное программное обеспечение, приведена методика проведения экспериментальных исследований, результаты

промышленных испытаний и внедрения автоматизированной системы с использованием адаптивного нейро-нечеткого управления. Экспериментальные исследования с запатентованной функционально-структурной организацией АСАННУ (патенты РФ №№2386519, 2325247) проводились на производственном оборудовании - трех-, четырех координатный вертикальный центр ЧПУ с микроконтроллером РАЫиС, обработка деталей с максимальным размером 1100/650 мм.

Прогнозирование возможных состояний технологической системы осуществлялось следующим образом. Сначала осуществлялось обучение адаптивной нейро-нечеткой сети. Обучаемая нейро-нечеткая сеть имела 6 входных переменных и один выходной параметр, при этом термы ФП рассчитывались на основе параметризированной формулы (10). Анализ по критерию Стьюдента показал, что для оценки адекватности математической модели нейро-нечеткой обработки данных хода ТП достаточно 100 состояний для каждой из шести входных переменных. Для прогноза использовались 10 предыдущих состояний нейро-нечеткой сети. Тогда выборка для обучения нейро-нечеткой сети формируется по следующим правилам: входные значения - это номер за последние 10 итераций, а выходное значение - известное значение на 100 -ой итерации. Аналогично формируется прогнозируемая сеть для следующей итерации. Прогнозируемые значения, полученные с помощью математической модели нейро-нечеткой обработки данных хода ТП и критерием г/,6 (34), вносились в блок введения возмущающих воздействий. Результаты, позволяющие оценить время переходных процессов, необходимое для возвращения резца на заданную траекторию при воздействии внешних факторов, представлены на рисунке 14.

а) б)

Рис. 14 Оценка времени переходных процессов, необходимого для возвращения резца на заданную траекторию: У3 - заданная скорость резания; /, - постоянная времени ускорения форсированной скорости подачи при резании; /2 - постоянная времени замедления форсированной скорости подачи при резании; гпп1 - время переходного процесса, необходимое для возвращения резца на заданную траекторию при воздействии возмущающих воздействий; /пп2 - время переходного

процесса, необходимое для возвращения резца на заданную траекторию при использовании математической модели нейро-нечеткой обработки данных хода ТП Вследствие инерционности традиционных систем управления точностью механической обработки изделий (рисунок 14, а) для стабилизации процесса

резания потребуется больше времени, чем при использовании разработанной в диссертации АСАННУ ТП (рисунок 14, б). Такие результаты объясняются наличием в Мин функции прогнозирования возможных состояний, при этом траектория возврата резца на заданный режим аппроксимируется апериодической функцией, в то время как для традиционных систем управления она аппроксимируется колебательной функцией. Анализ рисунка 14 показал, что время стабилизации при использовании МНн снижается в 1,5 раза. За счет снижения времени переходных процессов увеличивается скорость резания, что свидетельствует о повышении оперативности контроля ТП, а также о росте эффективности ТП МОИ. В ходе проведения экспериментальных исследований были получены следующие результаты (таблица 5).

Таблица 5

Расчет коэффициентов входных переменных_

Количество итераций Точность при резании Погрешность адаптации, % Время достижения критериев, мс

Нечеткие регуляторы менее 50%

Нечеткие регуляторы с АЫР18 40 увеличение на 5% менее 8% 32

АС с адаптивным нейро-нечетким управлением 14 увеличение на 10% менее 1% 23

Разработанная в диссертации автоматизированная система с адаптивным нейро-нечетким управлением может не только эффективно использоваться при токарных операциях, но и в рамках дуальных технологий обеспечить повышение эффективности ТП МОИ при: шлифовании [патент №2381887]; протягивании [патент №92826]; фрезеровании [патент №91918]; сверлении [патент №91910] и строгании [патент №91687]; а также в автоматизированных авиационных системах с целью повышения оперативности принятия управляющих решений в переходных процессах.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

Диссертационная работа посвящена решению имеющей большое народнохозяйственное значение научно-технической проблемы повышения точности, оперативности контроля процесса механической обработки изделий на основе создания автоматизированной системы с использованием адаптивного нейро-нечеткого управления в условиях современного машиностроительного предприятия.

В ходе решения этой проблемы получены следующие основные результаты:

1. Выполнен анализ существующих математических моделей, способов и систем контроля и управления механической обработкой изделий, на основании которого обоснована объективная необходимость повышения эффективности управления технологическим процессом.

2. Определены внешние возмущающие факторы, приводящие к нарушению технологического процесса, проведен анализ степени их влияния на точность механической обработки изделий.

3. Разработаны теоретические основы управления процессом механической обработки изделий, включающие обобщенную математической модель процессов контроля и адаптивного управления, обеспечивающую требуемую точность механической обработки изделий, отличающуюся редукцией числа нечетко-логических выводов при формировании управляющих решений, учетом информативных данных о ходе ТП, обеспечивающей сокращение времени принятия решений, включающей следующие частные математические модели:

-построения функций принадлежности на основе обработки экспертной информации, парных сравнений и параметрических методов их построения;

- синтеза нечетких баз знаний, позволяющих в режиме реального времени с учетом правил управления формировать данные, необходимые для принятия управляющих воздействий в ходе ТП механической обработки изделий;

-принятия решений при трапециевидных ФП, в основу которой положен выбор единственного управляющего параметра в режиме реального времени из диапазона рекомендуемых величин;

-диагностики элементов оборудования с ЧПУ на основе обратного нечетко-логического вывода, позволяющей в режиме реального времени определять неисправности;

- оценки устойчивости нечетко-логических систем управления, позволяющей в режиме реального времени произвести её оценку.

4. Разработан метод обработки нечетко-логических данных о ходе технологического процесса, обеспечивающий повышение оперативности процесса управления не менее чем на 10% путем редукции пустых решений, появляющихся в заключениях нечетко-логического вывода, заключающийся в реализации следующих этапов:

- определения и параметризации функций принадлежности с целью обеспечения более гладкой корреляционной поверхности, отображающей взаимосвязь между входными и выходными переменными при соблюдении критерия разбиения единицы;

- формирования матрицы нечетких отношений, обеспечивающей редукцию заключений нечетко-логического вывода и учет информативных данных о ходе технологического процесса;

- устранения пустых решений в заключениях нечетко-логических выводов с целью увеличения оперативности принятия решений за счет сокращения переборов предпосылок нечетко-логического вывода;

-уменьшения размерности данных, вводимых в информационную базу системы автоматизированного управления, путем уменьшения избыточности объема обрабатываемой информации.

5. Разработан метод получения достоверных данных о ходе технологического процесса, особенностью которого является наличие этапов:

- определения критерия оценки сходимости алгоритмов при парной и множественной корреляциях между величинами;

- формирования критерия оценки скорости сходимости алгоритмов, позволяющих оценивать наличие возмущающих воздействий, действующих на технологическую систему в режиме реального времени;

-определения вектора возмущающих воздействий, действующих при механической обработке изделий, позволяющего прогнозировать точность механической обработки изделий.

6. Разработана математическая модель нейро-нечеткой обработки данных хода технологического процесса, учитывающая особенности формирования матрицы нечетких отношений и метода случайного поиска, обеспечивающая уменьшение числа итераций для процесса принятий управляющих решений, позволяющая сократить время обучения сети в 1,5 раза по сравнению с традиционными адаптивными нейро-нечеткими системами вывода в реальном масштабе времени.

7. Синтезирована функционально-структурная организация автоматизированной системы с адаптивным нейро-нечетким управлением механической обработкой изделий, включающей в себя следующие блоки: ввода информации; определения степеней истинности; матрицы нечетких отношений; ввода выходной переменной; усечения термов выходной переменной; объединения усеченных термов выходной переменой; дефаззификации, обеспечивающей повышение точности и оперативности контроля; разработана система сбора данных, а также проведены исследования качества её функционирования, подтверждающие достижение требуемой точности в процессе механической обработки изделий.

8. Разработана система алгоритмов функционирования автоматизированной системы с использованием адаптивного нейро-нечеткого управления механической обработкой изделий, реализованная в виде специализированного программного обеспечения. Осуществлена оценка качества их функционирования.

9. Методы автоматизации испытаний, контроля и диагностики элементов оборудования с ЧПУ на основе разработанной автоматизированной системы с использованием нейро-нечеткого управления позволили увеличить оперативность принятия управляющего решения не менее чем в 1,5 раза и повысить точность обработки деталей не менее чем на 10%, что является основным показателем эффективности ТП механической обработки изделий.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ Статьи в рецензируемых научных журналах

1. Бобырь, М.В. Алгоритм высокоскоростной обработки деталей на основе нечеткой логики [Текст] / М.В. Бобырь, B.C. Титов, A.B. Анциферов // Мехатроника, Автоматизация, Управление. - 2012. - № 6. - С. 21-26.

2. Бобырь, М.В. Адаптация сложных систем управления с учётом прогнозирования возможных состояний [Текст] / М.В. Бобырь, B.C. Титов, Л.М. Червяков // Автоматизация и современные технологии. - 2012. -№ 5. - С. 3-10.

3. Бобырь, М.В. Система фиксации деталей на основе электрореологического эффекта [Текст] / М.В. Бобырь, Г.Ю. Акульшин, Т.А. Ширабакина // Известия ВУЗов. Серия «Приборостроение». - 2012. - Т.55. - №2. -С. 47-51.

4. Бобырь, M.B. Автоматизированная система управления эффективной мощностью при шлифовании [Текст] / B.C. Титов, H.A. Милостная, М.В. Бобырь, П.В. Глобин // Известия Юго-Западного государственного университета. - 2012 -№2-1.-С. 8-12.

5. Бобырь, М.В. Автоматизированная система управления скоростью обработки деталей на оборудовании с ЧПУ [Текст] / B.C. Титов, М.В. Бобырь, О.Г. Локтионова, A.B. Анциферов // Известия Юго-Западного государственного университета. - 2012. - № 2-1. - С. 13-16.

6. Бобырь, М.В. Интеллектуальная система управления температурными деформациями при резании [Текст] / М.В. Бобырь, B.C. Титов // Автоматизация и современные технологии. - 2011. - №5. - С. 3-7.

7. Автоматизированная система компенсации биений на оборудовании с ЧПУ [Текст] / М.В. Бобырь, B.C. Титов, Л.М. Червяков, П.В. Глобин // Промышленные АСУ и контроллеры.-2011.-№11.-С. 1-5.

8. Бобырь, М.В. Модифицированный алгоритм нечетко-логического вывода в задачах управления оборудованием с ЧПУ [Текст] / М.В. Бобырь // Мехатроника, Автоматизация, Управление. - 2011. - №4. - С. 26-32.

9. Бобырь, М.В. Методы построения функций принадлежностей для нечетких баз знаний [Текст] / М.В. Бобырь // Промышленные АСУ и контроллеры. - 2011. - №2. - С.27-32.

10. Бобырь, М.В. Система автокоррекции нуля [Текст] / М.В. Бобырь, B.C. Титов, В.И. Иванов // Автоматизация и современные технологии. - 2010. - №12 -С. 23-26.

11. Метод коррекции дрейфа нуля операционных усилителей [Текст] / B.C. Титов, М.В. Бобырь, H.A. Милостная, А.Л. Беломестная // Известия ВУЗов. Серия «Приборостроение».-2010.-Т. 52.-№9.-С. 72-75.

12. Бобырь, М.В. Интеллектуальная система управления подачей при обработке деталей резанием [Текст] / М.В. Бобырь, B.C. Титов, А.Л. Беломестная // Промышленные АСУ и контроллеры. - 2010. - №8. - С. 17-20.

13. Бобырь, М.В. Метод коррекции параметров режима резания в системах с ЧПУ / М.В. Бобырь, B.C. Титов // Мехатроника. Автоматизация. Управление -2010,-№7.-С. 49-53.

14. Бобырь, М.В. Стабилизация теплового режима в процессе резания [Текст] / М.В. Бобырь, B.C. Титов, А.Л. Беломестная // Мехатроника. Автоматизация. Управление. - 2010. -№ 6. - С. 38-41.

15. Бобырь, М.В. Модернизация АСУ оборудованием с ЧПУ на основе аппарата нечеткой логики [Текст] / М.В. Бобырь, B.C. Титов // Проблемы машиностроения и автоматизации. -2010. -№2.-С. 40-43.

16. Бобырь, М.В. Диагностика оборудования с ЧПУ методами нечеткой логики [Текст] / М.В. Бобырь // Промышленные АСУ и контроллеры - 2010 -№1,-С. 18-20.

17. Бобырь, М.В. Анализ систем управления машиностроительным оборудованием [Текст] / B.C. Титов, М.В. Бобырь, Н.А; Милостная // Промышленные АСУ и контроллеры. - 2009. - №2. - С. 3-5.

18. Автоматизированная система теплового контроля печатных плат [Текст] / М.В. Бобырь, Т.А. Ширабакина, H.A. Милостная, В.И. Иванов // Датчики и системы. - 2008. - № 7. - С. 36-38.

19. Бобырь, М.В. Операционные системы реального времени для ЧПУ [Текст] / М.В. Бобырь, B.C. Титов, H.A. Милостная // Промышленные АСУ и контроллеры. - 2008. - № 7. - С. 31-34.

20. Бобырь, М.В. АСУ прогнозирования точностью обработки деталей [Текст] / М.В. Бобырь, B.C. Титов, H.A. Милостная // Автоматизация в промышленности. - 2008. - № 4. - С.3-4.

21. Автоматизированная система контроля на основе ультразвуковых датчиков [Текст] / М.В. Бобырь, B.C. Титов, В.И. Иванов, Ю.Л. Бартенева // Датчики и системы. - 2007. - № 7. - С. 7-10.

22. Бобырь, М.В. Распознавание контуров деталей на основе использования лазерных преобразователей информации [Текст] / М.В. Бобырь, B.C. Титов, H.A. Милостная // Промышленные АСУ и контроллеры. - 2007. -№ 3. - С. 22-25.

23. Бобырь, М.В. АСУ включением/выключением устройства удаления стружки и пыли на оборудовании с ЧПУ [Текст] / М.В. Бобырь, B.C. Титов, H.A. Милостная // Автоматизация в промышленности. - 2006. - № 12. - С. 10-11.

24. Бобырь, М.В. Автоматическая компенсация тепловых деформаций шпиндельных узлов прецизионного оборудования с ЧПУ [Текст] / М.В. Бобырь, B.C. Титов, H.A. Милостная // Промышленные АСУ и контроллеры. - 2006. -№11.-С. 31-36.

25. Бобырь, М.В. Автоматизированная система контроля и управления точностью обработки деталей на оборудовании с ЧПУ [Текст] / М.В. Бобырь, Ю.П. Стеценко, H.A. Милостная // Известия Тульского государственного университета. Серия «Вычислительная техника. Информационные технологии. Системы управления». - 2006. - Вып. 1. - С. 63-67.

26. Бобырь, М.В. Автоматизированная система прогнозирования и управления точностью обработки деталей / М.В. Бобырь, B.C. Титов, H.A. Милостная // Спецвыпуск журнала «Промышленные АСУ и контроллеры». -2006.- №10.-С. 63-64.

27. Бобырь, М.В. Система лазерного контроля обработки деталей в реальном времени [Текст] / М.В. Бобырь, B.C. Титов, H.A. Милостная // Промышленные АСУ и контроллеры. - 2005. - № 11. - С. 21-25.

28. Бобырь, М.В. Особенности оценки точности измерений размеров при использовании высокоточных автоматизированных систем [Текст] / М.В. Бобырь, B.C. Титов, H.A. Милостная // Промышленные АСУ и контроллеры. - 2005. - №6. -С.17-21.

29. Автоматизация математического моделирования структурного описания деталей [Текст] / М.В. Бобырь, B.C. Титов, С.Н. Мальцев, H.A. Милостная // Промышленные АСУ и контроллеры. - 2004. - № 11. - С. 24-27.

30. Бобырь, М.В. Статистический анализ точности обработки деталей [Текст] / М.В. Бобырь, B.C. Титов // Промышленные АСУ и контроллеры. - 2004. -№ 7.-С. 31-34.

31.Бобырь, М.В. Исследование автоматизированной системы контроля и управления технологическими процессами обработки деталей [Текст] / B.C. Титов, М.В. Бобырь // Промышленные АСУ и контроллеры. — 2004. - № 4. - С. 29-30.

32. Бобырь, М.В. Анализ методов автоматизации управления высокой точностью технологических процессов [Текст] / М.В. Бобырь, B.C. Титов, A.B. Беседин // Промышленные АСУ и контроллеры. - 2003. - № 7. - С. 29-32.

33. Бобырь, М.В. Выбор оптимальных параметров управления технологическим процессом методами нечеткой логики [Текст] / B.C. Титов, М.В. Бобырь, С.С. Тевс // Промышленные АСУ и контроллеры. Москва. - 2003. -№ 5. -С. 21-23.

34. Бобырь, М.В. Высокоточная автоматизированная система управления технологическим процессом на основе использования нечетких принципов управления [Текст] / М.В. Бобырь, B.C. Титов, A.B. Беседин // Промышленные АСУ и контроллеры. - 2003. - № 3. - С. 38-39.

Монографии

35. Бобырь, М.В. Автоматизированные нечетко-логические системы управления [Текст]: монография / С.Г. Емельянов, B.C. Титов, М.В. Бобырь. - М.: ИНФРА-М, 2011. — 176 с.

36. Бобырь, М.В. Теоретические основы построения автоматизированных систем управления технологическими процессами на основе нечеткой логики [Текст]: монография / М.В. Бобырь, С.Г. Емельянов, B.C. Титов. - Старый Оскол: Тонкие наукоемкие технологии, 2009. - 232 с.

Патенты

37. Пат. 2010134470/02 Рос. Федерация, МПК7 B23Q 15/18; В23 В 25/06; G05B 13/02; G05B 11/01. Способ и устройство стабилизации процесса резания на токарном оборудовании с ЧПУ [Текст] / М.В. Бобырь; заявитель и патентообладатель ЮЗГУ. (получено положительно решение о выдачи патента, дата приоритета 11.01.2012 г.).

38. Пат. 2010134471/02 Рос. Федерация, МПК7 B23Q 15/18; В23 В 25/06; G05B 13/02; G05B 11/01 Способ и устройство управления скоростью резания на токарном оборудовании с ЧПУ [Текст] / М.В. Бобырь; заявитель и патентообладатель ЮЗГУ. (получено положительно решение о выдачи патента, дата приоритета 11.01.2012 г.).

39. Пат. 2010134471/02 Рос. Федерация, МПК7 B23Q 15/18; В23 В 25/06; G05B 13/02; G05B 11/01 Способ и устройство управления подачей при токарной обработке деталей на оборудовании с ЧПУ [Текст] / М.В. Бобырь, A.JI. Беломестная, Д.В. Титов, А.П. Локтионов; заявитель и патентообладатель ЮЗГУ. (получено положительно решение о выдачи патента, дата приоритета 16.5.2012 г.)

40. Пат. 2386519 Рос. Федерация, МПК7 В23В 25/06, B23Q 15/00. Устройство прогнозирования и управления точностью токарной обработки деталей на оборудовании с числовым программным управлением (ЧПУ) [Текст] / М.В. Бобырь, B.C. Титов, А.Л. Сибилева; заявитель и патентообладатель Курс, гос. техн. ун-т. - № 2008123472/02; заявл. 09.06.08; опубл. 20.04.10, Бюл. №11.'-10 с.

41. Пат. 2397058 Рос. Федерация, МПК7 B23Q 23/00. Устройство автокоррекции нуля операционного усилителя в контуре управления оборудованием с ЧПУ [Текст] / B.C. Титов, М.В. Бобырь, A.J1. Беломестная; заявитель и патентообладатель Курс. гос. техн. ун-т. - № 2009108628/02; заявл. 10.03.09; опубл. 20.08.10, Бюл. №23. - 8 с.

42. Пат. 2381888 Рос. Федерация, МПК7 B23Q15/18, В23В 25/06. Устройство теплового контроля точности обработки деталей [Текст] / М.В. Бобырь, B.C. Титов, А.Л. Сибилева; заявитель и патентообладатель Курс. гос. техн. ун-т. -№2008104457/02; заявл. 05.02.08; опубл. 20.02.10, Бюл. №5. - 6 с.

43. Пат. 2381887 Рос. Федерация, МПК7 B23Q11/02. Устройство для обработки деталей на оборудовании с ЧПУ при шлифовании [Текст] / М.В. Бобырь, B.C. Титов, Е.С. Яхонтова; заявитель и патентообладатель Курс. гос. техн. ун-т. -№2008118944/02; заявл. 13.05.08; опубл. 20.02.10, Бюл. №5. - 5 с.

44. Пат. 2379169 Рос. Федерация, МПК7 B23Q15/02. Способ и устройство управления точностью обработки деталей [Текст] / М.В. Бобырь, B.C. Титов, Е.С. Яхонтова; заявитель и патентообладатель Курс. гос. техн. ун-т. — №2008109406/02; заявл. 11.03.08; опубл. 20.01.10, Бюл. №2. - 12 с.

45. Пат. 92826 Рос. Федерация, МПК7 B23Q11/02, B23D4I/00. Устройство для обработки деталей на оборудовании с ЧПУ при протягивании [Текст] / М.В. Бобырь, B.C. Титов, Е.С. Яхонтова; заявитель и патентообладатель Курс. гос. техн. ун-т. -№ 2008124489/22; заявл. 16.06.08; опубл. 10.04.10, Бюл. №10. - 2 с.

46. Пат. 91918 Рос. Федерация, МПК7 B23Q11/02. Устройство для обработки деталей на оборудовании с ЧПУ при фрезеровании [Текст] / М.В. Бобырь, B.C. Титов, Е.С. Яхонтова; заявитель и патентообладатель Курс. гос. техн. ун-т. -№ 2008123476/22; заявл. 09.06.08; опубл. 10.03.10, Бюл. №7. -2 с.

47. Пат. 91910 Рос. Федерация, МПК7 В23В 39/24 В23В 47/34. Устройство для сверления деталей на оборудовании с ЧПУ [Текст] / М.В. Бобырь, B.C. Титов, Е.С. Яхонтова; заявитель и патентообладатель Курс. гос. техн. ун-т. -№2008124487/22; заявл. 16.06.08; опубл. 10.03.10, Бюл. №7. - 2 с.

48. Пат. 91687 Рос. Федерация, МПК7 B23Q11/02. Устройство для обработки деталей на оборудовании с ЧПУ при строгании [Текст] / М.В. Бобырь, B.C. Титов, Е.С. Яхонтова; заявитель и патентообладатель Курс. гос. техн. ун-т. -№2008118943/22; заявл. 13.05.08; опубл. 27.02.10, Бюл. №6. - 2 с.

49. Пат. 2371295 Рос. Федерация, МПК7 B23Q11/02. Устройство обработки деталей на оборудовании с ЧПУ [Текст] / М.В. Бобырь, B.C. Титов, H.A. Милостная; заявитель и патентообладатель Курс. гос. техн. ун-т. — № 2008108663/02; заявл. 05.03.08; опубл. 27.10.09, Бюл. №30. - 7 с.

50. Пат. 2325247 Рос. Федерация, МПК7 В23В 25/06. Устройство прогнозирования на оборудовании с ЧПУ качества обработанных поверхностей детали [Текст] / М.В. Бобырь, B.C. Титов, H.A. Милостная; заявитель и патентообладатель Курс. гос. техн. ун-т. - № 2005138097/02; заявл. 07.12.05; опубл. 27.06.07, Бюл. №15. - 5 с.

51. Пат. 2309034 Рос. Федерация, МПК7 B23Q 11/02. Устройство для обработки деталей на оборудовании с ЧПУ [Текст] / М.В. Бобырь, B.C. Титов,

H.A. Милостная, Н.Ю. Бобовников; заявитель и патентообладатель Курс. гос. техн. ун-т. -№ 2005138099/02; заявл. 07.12.05; опубл. 27.10.07, Бюл. №30. - 5 с.

52. Пат. 2288809 Рос. Федерация, МПК7 В23В 25/06, B23Q 15/12. Устройство управления точностью обработки деталей [Текст] / М.В. Бобырь, B.C. Титов, H.A. Милостная; заявитель и патентообладатель Курс. гос. техн. ун-т. -№2005113470/02; заявл. 03.05.05; опубл. 10.12.06, Бюл. №34. - 8 с.

53. Пат. 2288808 Рос. Федерация, МПК7 В23В 25/06, B23Q 15/12. Устройство управления точностью обработки деталей на высокоточном оборудовании ЧПУ [Текст] / М.В. Бобырь, B.C. Титов, H.A. Милостная; заявитель и патентообладатель Курс. гос. техн. ун-т. - № 2005103169/02; заявл. 08.02.05; опубл. 10.12.06, Бюл. №34. -6 с.

54. Пат. 2280540 Рос. Федерация, МПК7 В23В 25/06. Устройство высокоточной обработки деталей на оборудовании ЧПУ [Текст] / М.В. Бобырь, B.C. Титов, H.A. Милостная; заявитель и патентообладатель Курс. гос. техн. ун-т. -№2005103168/02; заявл. 08.02.05; опубл. 27.07.06, Бюл. №21. -5 с.

55. Пат. 50136 Рос. Федерация, МПК7 В23В 25/06. Устройство прогнозирования точности обработки деталей на высокоточном оборудовании ЧПУ [Текст] / М.В. Бобырь, B.C. Титов, H.A. Милостная; заявитель и патентообладатель Курс. гос. техн. ун-т. - №2005103167/02; заявл. 08.02.05; опубл. 27.12.05, Бюл. №36. - 2 с.

56. Пат. 27868 Рос. Федерация, МПК7 G05B 11/00. Система автоматического управления следящими приводами оборудования с ЧПУ [Текст] / М.В. Бобырь, B.C. Титов, A.B. Беседин; заявитель и патентообладатель Курс. гос. техн. ун-т. -№2001129226/20; заявл. 29.10.01; опубл. 20.02.03. - 2 с.

57. Пат. 26142 Рос. Федерация, МПК7 G05B 11/00. Система автоматического управления следящими приводами оборудования с ЧПУ [Текст] / М.В. Бобырь, B.C. Титов, A.B. Беседин; заявитель и патентообладатель Курс. гос. техн. ун-т. -№2001106392/20; заявл. 06.03.01; опубл. 10.11.02,- 2 с.

Свидетельства об официальной регистрации программы для ЭВМ

58. Бобырь М.В. Управление оборудованием с ЧПУ на основе нечетко-логического вывода// Программа для ЭВМ №2010616290.-2010.

59. Бобырь М.В. Метод определения оптимальных параметров режимов резания на оборудовании с ЧПУ на основе использования нечетких интервалов // Программа для ЭВМ №2006613857. - 2007.

Статьи, материалы и тезисы докладов, опубликованных в трудах Международных и Всероссийских конференциях

60. Бобырь, М.В. Адаптивный мультисетевой алгоритм нечетко-логического вывода для оборудования с ЧПУ [Текст] / М.В. Бобырь, B.C. Титов, A.B. Анциферов // «Распознавание - 2012»: материалы 10-ой Международной конференции. - Курск, 2012. - С. 186-188.

61. Бобырь, М.В. Устройство адаптации процесса резания на оборудовании с ЧПУ [Текст] / М.В. Бобырь, B.C. Титов, П.В. Глобин // «Автоматизация и энергосбережение машиностроительного и металлургического производств, технология и надежность машин, приборов и оборудования»: материалы 7-ой Международной конференции. - Вологда, 2012. - С. 69-70.

62. Бобырь, M.B. Автоматизация процесса минизации погрешностей обработки на станках с ЧПУ [Текст] / М.В. Бобырь, B.C. Титов, Г.Ю. Акульшин // «Современные инструментальные системы, информационные технологии и инновации»: материалы 9-ой Международной конференции. - Курск, 2012. -С.19-21.

63. Бобырь, М.В. Методика корреляционно-регрессионного анализа при ограниченном числе опытов [Текст] / М.В. Бобырь, B.C. Титов, С.Г. Емельянов // «Перспективные технологии, оборудование и аналитические системы для материаловедения и нанометриалов»: материалы VIII Международной конференции. - Алматы, 2011. - С. 469-472.

64. Бобырь, М.В. Адаптация механизма нечетко-логического вывода [Текст] / М.В. Бобырь, B.C. Титов, J1.M. Червяков // «Перспективные технологии, оборудование и аналитические системы для материаловедения и нанометриалов»: материалы VIII Международной конференции. - Алматы, 2011.-С. 365-368.

65. Бобырь, М.В. Анализ направлений повышения точности металлорежущего оборудования [Текст] / М.В. Бобырь, B.C. Титов, С.Г. Емельянов // «Перспективные технологии, оборудование и аналитические системы для материаловедения и нанометриалов»: материалы VIII Международной конференции. - Алматы, 2011. - С. 447-451.

66. Бобырь, М.В. Алгоритм нечётко-логического вывода для автоматизации технологических процессов [Текст] / М.В. Бобырь, В.В. Корой // «Интеллект - 2011»: материалы Всероссийской научно-технической конференции. - Тула. 2011. - С. 47-49.

67. Бобырь, М.В. Автоматизированная система обнаружения объектов [Текст] / М.В. Бобырь, П.Н. Прешпективых // «Интеллект - 2011»: материалы Всероссийской научно-технической конференции. - Тула, 2011. - С. 94-95.

68. Бобырь, М.В. Устойчивость нечетко-логических систем управления [Текст] / Бобырь М.В., Бобровский Д.С. // «Интеллект - 2011»: материалы Всероссийской научно-технической конференции. - Тула. 2011. С. 18-20.

69. Бобырь, М.В. Моделирование нечетко-логических систем управления с функцией прогнозирования возможных состояний [Текст] / М.В. Бобырь, B.C. Титов // «Перспективы развития систем управления оружием - 2011»: материалы V научно-практической конференции.-Курск, 2011.-С. 102-104.

70. Бобырь, М.В. Автоматизированная оптико-электронная система контроля и управления точностью обработки деталей [Текст] / М.В. Бобырь, B.C. Титов // Методы и средства систем обработки информации: сб. науч. стат. - 2010. -Вып.5.-С. 84-90.

71. Бобырь, М.В. Система принятия решения для автоматизации производственных процессов [Текст] / М.В. Бобырь, H.A. Милостная // «Распознавание - 2010»: материалы 9-ой Международной конференции. - Курск, 2010.-С. 264-266.

72. Бобырь, М.В. Нечеткая модель автоматизации производственных процессов [Текст]/ М.В. Бобырь, АЛ. Беломестная // «Распознавание - 2010»: материалы 9-ой Международной конференции. - Курск, 2010. - С. 266-268.

73. Бобырь, М.В. Контроль производственного процесса на основе оптико-электронной системы [Текст] / М.В. Бобырь, Е.С. Яхонтова // «Распознавание -2010»: материалы 9-ой Международной конференции. - Курск, 2010. - С. 262-263.

74. Бобырь, М.В. АСУ приводами оборудования с ЧПУ [Текст] / М.В. Бобырь, АЛ. Сибилева // «Современные инструментальные системы, информационные технологии и инновации - 2010»: материалы VIl-ой Международной научно-технической конференции. - Курск, 2010. - С. 53-56.

75. Бобырь, М.В. Фаззификация данных для автоматизации технологических процессов [Текст] / М.В. Бобырь, Е.С. Яхонтова // «Современные инструментальные системы, информационные технологии и инновации - 2010»: материалы VII-ой Международной научно-технической конференции. - Курск, 2010. - С. 56-58.

76. Бобырь, М.В. К анализу устойчивости вынужденных колебаний осциллятора с сухим трением [Текст] / М.В. Бобырь, А.А. Михалев, С.Ю. Чевычелов // «Современные инструментальные системы, информационные технологии и инновации - 2010»: материалы VII-ой Международной научно-технической конференции. - Курск, 2010. - С. 50-52.

77. Бобырь, М.В. Стабилизация тепловых процессов [Текст] / М.В. Бобырь, В.А. Клочков // «Медико-экологические информационные технологии -2010»: материалы XIII Международной научно-технической конференции. -Курск, 2010.-С. 255-257.

78. Bobyr, M.V. System stabilization of process cutting / M.V. Bobyr, A.L. Belomestnaya // «Information and Telecommunication Technologies in Intelligent Systems - 2010»: proceedings 7-th International Conference. - Schweiz. Lugano, 2010. -p. 85-89.

79. Бобырь, М.В. Автоматизированная система управления теплопотреблением [Текст] / М.В. Бобырь, П.В. Глобин // «Диагностика - 2009»: материалы 1-ой Международной научно-технической конференции. - Курск, 2009. -Ч.1.-С. 59-62.

80. Бобырь, М.В. Автоматизированная система управления температурными деформациями [Текст] / М.В. Бобырь, Д.С. Силичев // «Диагностика - 2009»: материалы 1-ой Международной научно-технической конференции. - Курск, 2009. - 4.1. - С. 57-59.

81. Бобырь, М.В. Применение баз знаний для автоматизации технологических процессов [Текст] / М.В. Бобырь, Е.С. Яхонтова // «Диагностика - 2009»: материалы 1-ой Международной научно-технической конференции. - Курск, 2009. - 4.1.-С. 14-16.

82. Бобырь, М.В. Методы нелинейного программирования в системах управления [Текст] / М.В. Бобырь, А.Л. Сибилева // «Диагностика - 2009»: материалы 1-ой Международной научно-технической конференции. - Курск, 2009. - 4.1. - С.72-75.

83. Бобырь, М.В. Анализ методов выбора оптимальных Параметров управления [Текст] / М.В. Бобырь, А.Л. Сибилева // «Медико-экологические информационные технологии - 2009»: материалы XII Международной научно-технической конференции. - Курск, 2009. - С. 308-310.

84. Бобырь, M.В. Диагностика оборудования с ЧПУ на основе нечетких отношений [Текст] / М.В. Бобырь // «Интеллект - 2009»: материалы Всероссийской научно-технической конференции. - Тула, 2009.-С. 127-129.

85. Бобырь, М.В. Алгоритм нечетко-логического вывода для АСУ [Текст] / М.В. Бобырь, А.Л. Сибилева // «Интеллект - 2009»: материалы Всероссийской научно-технической конференции. - Тула, 2009. - С. 129-130.

86. Бобырь, М.В Структура нечетких правил управления для систем с ЧПУ [Текст] / М.В. Бобырь, Е.С. Яхонтова // «Интеллект - 2009»: материалы Всероссийской научно-технической конференции. - Тула, 2009. - С. 130-131.

87. Бобырь, М.В. Автоматизация процессов управления на оборудовании с ЧПУ [Текст] / М.В. Бобырь // «Распознавание - 2008»: материалы 8-ой Международной конференции. - Курск, 2008. - 4.1.-С. 66-67.

88. Бобырь, М.В. Автоматизация процесса прогнозирования точности [Текст] / М.В. Бобырь, А.Л. Сибилева // «Распознавание - 2008»: материалы 8-ой Международной конференции. - Курск, 2008.-4.1.'-С. 69-71.

89. Бобырь, М.В. Базы данных для систем с ЧПУ [Текст] / М.В. Бобырь, Е.С. Яхонтова // «Распознавание - 2008»: материалы 8-ой Международной конференции. - Курск, 2008. - Ч. 1. - С. 65.

90. Бобырь, М.В. Система управления машиностроительным оборудованием / М.В. Бобырь // «Современные инструментальные системы, информационные технологии и инновации - 2008»: материалы VI-ой Международной научно-технической конференции. - Курск, 2008. - Ч. 2. - С. 8890.

91. Бобырь, М.В. Прогнозирование точности обработки детали на основе нечеткой логики [Текст] / М.В. Бобырь, А.Л. Сибилева // «Современные инструментальные системы, информационные технологии и инновации - 2008»: материалы VI-ой Международной научно-технической конференции. - Курск, 2008. - Ч. 2. - С. 90-92.

92. Бобырь, М.В. Автоматизированная система управления машиностроительным оборудованием [Текст] / М.В. Бобырь, Е.С. Яхонтова // «Современные инструментальные системы, информационные технологии и инновации - 2008»: материалы VI-ой Международной научно-технической конференции. - Курск, 2008. - Ч. 2. - С. 95-97.

93. Бобырь, М.В. Автоматизированная система управления повышения точности обработки деталей [Текст] / М.В. Бобырь, Д.С. Силичев // «Современные инструментальные системы, информационные технологии и инновации — 2008»: материалы VI-ой Международной научно-технической конференции. - Курск, 2008. - Ч. 2. - С. 92-95.

94. Bobyr, M.V. Features functioning of the automated control systems / M.V. Bobyr, N.A. Milostnaya // «Information and Telecommunication Technologies in Intelligent Systems — 2007»: proceedings 5-th International Conference. - Spain. Mallorca, 2007. - p. 36-40.

95. Бобырь, М.В. Автоматизированная система принятия решений управления обработкой деталей машин на основе использования принципов

нечеткой логики [Текст] / М.В. Бобырь // Методы и средства систем обработки информации: сб. науч. статей. - Курск, 2003. - Вып.З. - С. 91-96.

96. Бобырь, М.В. Автоматизация технологического процесса на основе структурного описания деталей машин [Текст] / М.В., В.С: Титов, A.B. Беседин // Известия Курск, гос. техн. ун-та. - 2003. - № 1 (10). - С. 79-86.

97. Бобырь, М.В. Адаптивная система управления технологическим процессом обработки деталей методами нечеткой логики [Текст] / М.В., B.C. Титов, A.B. Беседин // Сварка и родственные технологии в машиностроении и электронике. - 2002.-№ 4. - С. 256-263.

98. Бобырь, М.В. Анализ точности изготовления валов генераторов на основе трехмерной математической модели динамики размерных связей детали [Текст] / М.В., B.C. Титов, A.B. Беседин // Известия Курск, гос. техн. ун-та. -2001.-№ 7-С.17-24.

99. Бобырь, М.В. Моделирование динамики размерных связей деталей класса валов генераторов в процессе механической обработки [Текст] / М.В., B.C. Титов, A.B. Беседин // Известия Курск, гос. техн. ун-та. - 2001. - № 6. - С. 23-33.

Подписано в печать_. Формат 60x84/16.

Печ. л. 2,0. Тираж 100 экз. Зак35_.

Юго-Западный государственный университет. 305040, г. Курск, ул. 50 лет Октября, 94.

ОГЛАВЛЕНИЕ.

ВВЕДЕНИЕ.

1. ОБЩАЯ ХАРАКТЕРИСТИКА ПРОБЛЕМЫ ПОВЫШЕНИЯ ПРОИЗВОДИТЕЛЬНОСТИ ПРИ МЕХАНИЧЕСКОЙ ОБРАБОТКЕ ИЗДЕЛИЙ.

1.1. Анализ существующих методов и средств повышения точности при механической обработке изделий

1.1.1. Методы и средства оценки показателей точности металлорежущего оборудования.

1.1.2. Методы и средства повышения точности оборудования с ЧПУ.

1.2. Анализ и характеристика автоматизированных систем управления механической обработкой изделий

1.2.1. Формализация методов структурирования баз знаний для автоматизированных систем управления.

1.2.2. Анализ механизмов принятия решений для автоматизированных систем управления.

1.3. Анализ нечетко-логических методов управления

1.3.1. Правило Заде для систем принятия решений.

1.3.2. Модифицированный алгоритм Мамдани.

1.3.3. Модифицированный алгоритм Ларсена.

1.3.4. Алгоритм Тсукамото.

1.3.5. Алгоритм Сугэно.

1.3.6. Упрощенный алгоритм нечетко-логического вывода.

1.3.7 Анализ существующих нечетко-логических систем управления.

1.3.8 Недостатки традиционных нечетко-логических систем.

1.3.9 Недостатки адаптивных нейро-нечетких систем вывода Тсукамото-Сугэно

Выводы:

2. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПРОЦЕССА УПРАВЛЕНИЯ МЕХАНИЧЕСКОЙ ОБРАБОТКОЙ ИЗДЕЛИЙ С ИСПОЛЬЗОВАНИЕМ АППАРАТА НЕЧЕТКОЙ ЛОГИКИ.

2.1 Математическая модель построения функций принадлежностей

2.1.1 Метод построения функции принадлежности на основе статической обработки мнений группы экспертов.

2.1.2 Метод построения функции принадлежности на основе парных сравнений

2.1.3 Параметрические методы построения функций принадлежности.

2.2 Математическая модель проектирования нечетких баз знаний

2.3 Математическая модель принятия решений для трапециевидных функций принадлежности

2.4 Математическая модель диагностики элементов оборудования с ЧПУ на основе обратного нечетко-логического вывода

2.5 Математическая модель оценки устойчивости нечетко-логической системы управления

2.6 Метод обработки нечетко-логических данных о ходе технологического процесса

2.7 Критерии оценке функционирования технологического процесса механической обработки изделий

Выводы:

3. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПОЛУЧЕНИЯ ДОСТОВЕРНОЙ ОЦЕНКИ О ХОДЕ ПРОТЕКАНИЯ ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА МЕХАНИЧЕСКОЙ ОБРАБОТКИ деталей на основе методов корреляционно-регрессионного анализа

3.1. Математическая модель при нелинейной корреляции

3.2. Количественные критерии оценки сходимости метода обработки нечетко-логических данных и корреляционных моделей

3.3. Математическая модель при линейной корреляции

3.4. Математическая модель при ограниченном количестве опытов

3.5. Математическая модель при множественной корреляции

3.6. Метод получения достоверных данных о ходе технологического процесса

3.7. Инженерная методика проведения корреляционно-регрессионного анализа

Выводы:

4. теоретические основы адаптации автоматизированных нечетко-логических систем управления механической обработки изделий на основе нейро-нечетких систем вывода.

4.1. Параметрическая адаптация на основе нейро-нечетких систем вывода

4.2. Математическая модель нейро-нечеткой обработки данных хода технологического процесса

4.3. Обобщенная функционально-структурная организация автоматизированной системы с нейро-нечетким управлением

4.4. Прогнозирование возможных состояний адаптивной нейро-нечеткой системы вывода

Выводы:

5. АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ПРОЦЕССОМ УПРАВЛЕНИЯ МЕХАНИЧЕСКОЙ ОБРАБОТКИ ИЗДЕЛИЙ.

5.1. Алгоритм заполнения нечетких баз знаний

5.2. Алгоритм обработки нечетко-логических данных о ходе технологического процесса

5.3. Параллельные алгоритмы реализации корреляционно-регрессионного анализа при парной и множественной корреляциях и расчет критерия сходимости алгоритмов

5.5. Алгоритм обучения нейро-нечеткой модели обработки данных хода технологического процесса

5.5. Алгоритм принятия решения для назначения режима резания при механической обработке изделий

5.6. Промышленное применение автоматизированных нечетко-логических систем управления механической обработкой изделий

5.6.1 Автоматизированная система стабилизации процесса резания на токарном оборудовании с ЧПУ.

5.6.2 Методы модернизации оборудовании с ЧПУ на основе нечеткой логики.

6. РЕЗУЛЬТАТЫ ПРОМЫШЛЕННЫХ ИСПЫТАНИЙ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ КОНТРОЛЯ И УПРАВЛЕНИЯ МЕХАНИЧЕСКОЙ ОБРАБОТКОЙ ИЗДЕЛИЙ

6.1 Автоматизированная система контроля и управления механической обработкой изделий

6.1.1 Структурно-функциональная организация автоматизированной системы контроля и управления механической обработкой изделий.

6.1.2 Исследование метода управления скоростью резания при механической обработке изделий.

6.2 Экспериментальное исследование влияния параметров режима резания на процесс механической обработки изделий

6.3 Определение достоверности результатов экспериментальных исследований

6.4 Эффективность применения автоматизированной системы контроля и управления механической обработки изделий

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ СПИСОК ЛИТЕРАТУРЫ

Актуальность исследования. В условиях вступления России в ВТО и сокращения экспорта отечественного станкостроительного оборудования, а также повышения конкуренции в области машиностроения вопросы, связанные с внедрением перспективных технологий и разработкой новейших средств автоматизации прецизионного оборудования, позволяющих вывести его на мировой уровень, становятся весьма актуальными в масштабах экономики всей страны. Снижение конкурентоспособности машиностроительного оборудования объясняется непрерывно увеличивающимся применением импортных комплектующих при сборке российских станков. Поэтому перевод машиностроительного комплекса на инновационный путь развития позволит не только увеличить темпы развития других отраслей промышленности, но и создать основу для значительного повышения эффективности экономики страны в целом. При этом следует отметить, что изделия, производимые машиностроительным комплексом, являются основой авиационной, приборостроительной, электронной, автомобильной, судостроительной и других отраслей промышленности.

Основным показателем качества продукции машиностроительного предприятия является точность изготовления деталей при снижении себестоимости их производства. Так на сегодняшний день прецизионное оборудование с ЧПУ обеспечивает точность в диапазоне 1^-5 мкм. Однако современный уровень машиностроения и все возрастающий рост конкуренции требуют доведения этого показателя до 0,1-^1 мкм. Достижение таких характеристик металлообрабатывающего оборудования невозможно без совершенствования несущей конструкции как самого металлорежущего оборудования, так и систем управления процессом механической обработки изделий.

Благодаря фундаментальным работам большого круга ученых достигнуты значительные успехи в изучении технологических процессов (ТП) механической обработки изделий (МОИ). Основные закономерности обеспечения точности изложены в трудах Ю.М. Соломенцева, Б.С. Балакшина, В.А. Тимирязева, A.C. Проникова, В.Н. Подураева, В.Э. Пуша и ряда других ученых. В данных работах были сформированы теоретические и реализационные основы построения автоматизированных станочных модулей, обеспечивающих необходимое качество формообразования поверхностей деталей и заданную надежность работы станков.

Современный уровень требований, предъявляемых к качеству выпускаемых изделий, обусловливает необходимость разработки высокоточного оборудования с ЧПУ нового поколения, сочетающего в своей структуре новейшие методы и средства автоматизированного контроля с применением компьютерных способов обработки измерительной информации о ходе ТП и функционировании станков для управления его исполнительными, механизмами. Вопросы построения таких систем управления изложены в работах Б.М.Бржозовского, В.Л.Заковоротного, М.Б. Флека, C.B. Полякова, A.A. Игнатьева и ряда других ученых. Однако, изложения требований к организации и построению автоматизированных систем управления высокоточной обработкой деталей в условиях мелкосерийного производства и неполноты, недостоверности информации о количественных величинах входных и выходных характеристик при действии возмущающих воздействий в режиме реального времени на процесс механической обработки изделий как объекта управления в этих работах не приводится.

В настоящее время для учета неполноты информации при разработке современных систем управления исполнительными механизмами оборудования с ЧПУ все более широкое распространение получают нечетко-логические системы, позволяющие в режиме реального времени контролировать и адекватно реагировать на возмущающие воздействия. Это ведет к увеличению запаса технологической точности и, как следствие, к снижению процента бракованных изделий.

Степень разработанности проблемы. Собственно вопросами проектирования нечетко-логических систем управления применительно к общим вопросам теорий неопределенности, нечеткой логики и множеств занимались и внесли значительных вклад российские и зарубежные ученые:

A.Н. Аверкин, P.A. Алиев, А.Е. Алтунин, Д.А. Поспелов, А.Н. Мелихов, JI.C. Бернштейн, Н.Г. Малышев, С.Д. Штовба, A.B. Леоненков, Л. Заде, А. Кофман, Д. Дюбуа, X. Прад, Т. Тэрано, К. Асаи и ряд других деятелей науки. Вопросам реализации алгоритмов нечетко-логического вывода посвящены труды Е. Мамдани, М. Мизумото, М. Сугэно, Т. Такаги, Й. Тсукамото, Г. Ларсена, а доказательство аппроксимирования нечетко-логических систем рассмотрено в работах Б. Коско. В указанных работах не рассмотрены вопросы синтеза специализированных систем, позволяющих увеличить оперативность процесса принятия решений за счет редукции числа заключений нечетко-логического вывода. При этом реализация нечетко-логического вывода основана на так называемых «жестких» вычислениях, что неизбежно приводит нечетко-логическую систему к несоответствию критерию аддитивности, то есть отклик результирующей величины не будет пропорционален изменению входных параметров. Гибридные системы, рассмотренные в работах ученых

B.В. Круглова, В.В. Борисова, A.B. Кузьмина, А. Пегата, В. Педруца, А.П. Ротштейна, Л. Рутковского, Д. Рутковской и ряда других авторов и основанные на «мягких» вычислениях, лишены этого ограничения. Но они также имеют низкую оперативность принятия управляющего решения, так как количество заключений нечетко-логического вывода в подобных системах всегда равно количеству нечетко-логических правил, записанных в базу знаний при её разработке. В адаптивных нейро-нечетких системах вывода, рассмотренных в моделях Сугэно-Такаги, эти проблемные вопросы устранены. При этом следует заметить, что данная модель имеет высокую погрешность обучения нейро-нечеткой системы, а отсутствие математического аппарата формирования эталонной выборки, на основе которой осуществляется процесс обучения нейро-нечеткой сети, обусловливает низкую степень внедрения и использования в современных автоматизированных системах управления точностью механической обработки изделий.

Таким образом, в настоящее время имеет место проблемная ситуация между объективной необходимостью повышения качества и оперативности управления параметрами ТП МОИ и возможностями существующих автоматизированных систем контроля и управления.

Эта проблемная ситуация определила постановку актуальной проблемы - повышение точности, оперативности контроля процесса механической обработки изделий и решение этой задачи на основе создания автоматизированной системы с использованием адаптивного нейро-нечеткого управления.

Научный аспект сформулированной проблемы заключается в развитии теоретических основ проектирования адаптивных нейро-нечетких систем управления ТП механической обработки изделий и контроля качества обработки поверхностей деталей.

Практическая часть проблемы включает в себя синтез функционально-структурной организации и разработку инженерно-технических средств, обеспечивающих повышение точности, оперативности контроля и управления процессом механической обработки изделий, и оптимизации переходных режимов в авиационных автоматизированных системах управления.

Основная часть диссертационной работы выполнялась в рамках трёх грантов Президента РФ МК-277.2012.8 по теме «Разработка теоретических основ адаптации сложных технических систем методами нечеткой логики с прогнозированием вероятных состояний», МК-470.2009.8 по теме «Теоретические основы построения автоматизированных систем управления технологическими процессами на основе нечеткой логики» и МК-1180.2005.8 по теме «Исследование принципов функционирования автоматизированных систем контроля и методов их управления на основе нечеткой логики», в рамках Федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы (государственный контракт №14.740.11.1003) по теме «Разработка теоретических основ, принципов и алгоритмов адаптации сложных информационно-технических систем методами нечеткой логики с учетом прогнозирования возможных состояний», а также в рамках Аналитической ведомственной целевой программы «Развитие научного потенциала высшей школы» на 2012-2014 годы (Регистрационный №01201251622) по теме «Разработка теоретических основ и алгоритмов адаптации сложных технических систем с прогнозированием вероятных состояний», по договору №1274 от 17.11.2008 с ОКБ «Авиаавтоматика».

Целью диссертационной работы является разработка теоретических и реализационных основ создания аппаратно-программных средств управления механической обработкой изделий, обеспечивающих повышение точности и оперативности контроля технологического процесса на основе создания автоматизированной системы с использованием адаптивного нейро-нечеткого управления.

В соответствии с поставленной целью в работе решаются следующие основные задачи:

1. Анализ состояния проблемы управления технологическим процессом обработки изделий в современных условиях, обоснование направления исследования.

2. Разработка обобщенной математической модели процессов контроля и адаптивного управления, обеспечивающей требуемую точность МОИ.

3. Разработка метода обработки нечетких данных о ходе ТП, обеспечивающего повышение оперативности процесса управления.

4. Разработка системы методов обработки информации, обеспечивающих получение достоверных данных о ходе ТП изготовления изделий.

5. Разработка нейро-нечеткой математической модели обработки данных ТП, а также процесса нечетко-логического вывода и компенсации возмущающих воздействий в режиме реального времени.

6. Синтез обобщенной функционально-структурной организации автоматизированной системы с адаптивным нейро-нечетким управлением, обеспечивающей повышение точности и оперативности контроля при механической обработки изделий.

7. Создание системы алгоритмов и специализированного программного обеспечения контроля качества и управления МОИ с разработкой вектора целевых критериев, позволяющего оценить качество функционирования автоматизированной системы с нейро-нечетким управлением.

8. Экспериментальные исследования автоматизированной системы с использованием адаптивного нейро-нечеткого управления в реальных условиях эксплуатации.

Объект исследования. Система управления и контроля технологическим процессом механической обработки изделий.

Предмет исследования Математические модели, методы, алгоритмы и автоматизированные устройства управления точностью механической обработки изделий и контроля качества готовых деталей.

Методы исследования. Для решения поставленных в работе задач использованы теоретические основы управления сложными технологическими системами, нечеткой логики и нечетких множеств, синтеза сложных адаптивных систем, нейро-нечетких сетей, матричной алгебры, методы теории вероятности и корреляционно-регрессионного анализа, вычислительной математики и математической статистики, обработки результатов эксперимента, а также достижения современной технологии машиностроения.

Научная новизна результатов работы и основные положения, выносимые на защиту, заключаются в следующем:

1. Создана обобщенная математическая модель процессов контроля и адаптивного управления, отличающаяся редукцией числа нечетко-логических выводов при формировании управляющих решений с учетом информативных данных о ходе технологического процесса, обеспечивающая сокращение времени принятия решений, включающая частные математические модели:

1.1 Построения функций принадлежности на основе статистической обработки экспертной информации, парных сравнений и параметрических методов их построения.

1.2 Проектирования нечеткой базы знаний, позволяющей в режиме реального времени формировать данные, необходимые для функционирования нечетко-логических систем управления.

1.3 Принятия решений при трапециевидных функциях принадлежности, в основу которой положен выбор основных управляющих параметров процесса резания в режиме реального времени.

1.4 Диагностики элементов оборудования с ЧПУ на основе обратного нечетко-логического вывода, позволяющей в режиме реального времени определять неисправности в работе системы управления.

1.5 Устойчивости нечетко-логической системы управления, позволяющей в режиме реального времени произвести её оценку.

2. Разработан метод обработки нечетко-логических данных, заключающийся в реализации этапов:

2.1 Определение и параметризация функций принадлежности с целью обеспечения более равномерной корреляционной зависимости, отображающей взаимосвязь между входными и выходными переменными при реализации нечетко-логического вывода.

2.2 Формирование матрицы нечетких отношений, обеспечивающей сокращение количества заключений нечетко-логического вывода с учетом информативных данных о ходе технологического процесса.

2.3 Устранение пустых решений в заключениях нечетко-логических выводов с целью увеличения оперативности принятия решений за счет редукции переборов предпосылок нечетко-логического вывода.

2.4 Уменьшение размерности данных, вводимых в информационную базу системы автоматизированного управления, путем сокращения избыточности объема обрабатываемой информации, что обеспечивает ускорение процесса обработки данных и принятия решений о назначении режима резания для оборудования с ЧПУ.

3. Разработан метод получения достоверных данных о ходе технологического процесса, особенностью которого является наличие этапов:

3.1 Определение критерия оценки сходимости алгоритмов при парной и множественной корреляциях между величинами, полученными с помощью метода обработки нечетко-логических данных и решения уравнений регрессии.

3.2 Формирование критерия оценки скорости сходимости алгоритмов, позволяющих оценивать в режиме реального времени наличие возмущающих воздействий, действующих на технологическую систему.

3.3 Определение вектора возмущающих воздействий в процессе МОИ, отличающегося учетом статических и динамических погрешностей, возникающих в системе станок-приспособление-инструмент-деталь, что позволяет прогнозировать точность обработки.

4. Создана математическая модель нейро-нечеткой обработки данных хода технологического процесса, основанная на формировании матрицы нечетких отношений и метода случайного поиска, обеспечивающего уменьшение числа итераций в процессе принятия управляющих решений.

5. Синтезирована функционально-структурная организация автоматизированной системы с адаптивным нейро-нечетким управлением механической обработки изделий, особенностью которой является введение следующих функциональных блоков: ввода информации; определения степеней истинности; матрицы нечетких отношений; ввода выходной переменной; усечения термов выходной переменной; объединения усеченных термов выходной переменой; дефаззификации и связей между ними.

6. Разработана система алгоритмов функционирования автоматизированной системы с адаптивным нейро-нечетким управлением механической обработки изделий, включающая:

6.1 Алгоритм заполнения нечетких баз знаний.

6.2 Алгоритм, реализующий метод обработки нечетко-логических данных.

6.3 Параллельные алгоритмы расчета критерия сходимости при парной и множественной корреляции.

6.4 Алгоритм принятия решений для назначения режима резания.

6.5 Алгоритм обучения нейро-нечеткой математической модели обработки данных хода технологического процесса для принятия решений о назначении режима резания при механической обработке изделий.

7. Предложен вектор целевых критериев, позволяющий в режиме реального времени оценить качество функционирования средств, разработанных на основе обобщенной математической модели процессов контроля и адаптивного управления.

Теоретическая значимость работы заключается в развитии методов и алгоритмов проектирования адаптивных автоматизированных систем контроля и управления технологическим процессом механической обработки изделий на основе нейро-нечетких сетей.

Практическая ценность диссертационной работы состоит в том, что её результаты являются основой разработки широкого класса автоматизированных систем с использованием адаптивного нейро-нечеткого управления для контроля ТП механической обработки изделий, позволяющих:

-обеспечить заданные показатели производительности при требуемой точности;

- повысить оперативность и обоснованность принимаемых технико-технологических решений;

- расширить условия применения нечетко-логических методов управления и контроля в ходе ТП механической обработки изделий;

- обеспечить количественные оценки параметров качества изготовляемых изделий на машиностроительных предприятиях;

- повысить уровень автоматизации непрерывных ТП;

- создать объективные условия увеличения уровня технологической культуры и качества изделий машиностроительного производства;

-в рамках двойной технологии использовать нечеткую логику при анализе, прогнозировании и синтезе автоматизированных авиационных систем, требующих высокой точности поддержки параметров управления в условиях ограниченного времени принятия решений.

Практическая ценность и новизна подтверждаются также тем, что на основе предложенных технических решений разработан ряд системно обоснованных методов, способов и устройств управления точностью и контроля ТП механической обработки изделий на оборудовании с ЧПУ на основе нечетко-логического управления с улучшенными метрологическими характеристиками, защищенных патентами на изобретения (Патенты №№: 2397058, 2386519, 2381888, 2381887, 2379169, 2371295, 2325247, 2309034, 2288809, 2288808, 2280540, 92826, 91918, 91910, 91687, 50136, 27868, 26142, а также Программы для ЭВМ №№ 2010616290, 2007610188).

Реализация результатов работы. Предложенные технические решения и основные научные положения и выводы диссертационной работы прошли проверку в условиях опытно-промышленной эксплуатации в Excel Csepel (Венгрия), Spesima (Болгария-Германия), ОХП ОКБ «Авиаавтоматика», НИЦ «г. Курск» ФГУП «18 ЦНИИ» МО РФ, ОАО «Геомаш». В результате проверки была подтверждена эффективность использования разработанной автоматизированной системы с использованием адаптивного нейро-нечеткого управления ТП механической обработки изделий, что подтверждено соответствующими актами внедрения.

Научно-методические результаты, полученные в диссертационном исследовании, используются в учебном процессе при выполнении курсового и дипломного проектирования и выпускных квалификационных работах бакалавра и магистра техники и технологий на кафедре вычислительной техники Юго-Западного государственного университета и проведении занятий по дисциплинам «Основы теории управления», «Интеллектуальные системы», «Теория принятия решений в условиях неопределенности», «Микропроцессорная техника».

Апробация работы. Основные теоретические положения и практические результаты диссертационной работы докладывались, обсуждались и получили положительную оценку на 31 Международных, Всероссийских и региональных конференциях и симпозиумах: «Автоматизация и энергосбережение машиностроительного и металлургического производств, технология и надежность машин, приборов и оборудования» (Вологда) в 2012 году; «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» (Курск) в 2012, 2010, 2008, 2005, 2003, 2001 годах; «Перспективные технологии, оборудование и аналитические системы для материаловедения и нанометриалов» (Алматы, Казахстан) в 2011 году; «Перспективы развития систем управления оружием» (Курск) в 2011 г.; «Интеллектуальные и информационные системы» (Тула) в 2011, 2009, 2004 годах; «Информационные и телекоммуникационные технологии в интеллектуальных системах» (Швейцария, Лугано) в 2010 году, (Испания, Мальорка) в 2007 году, (Италия, Катания) в 2006 году; «Современные инструментальные системы, информационные технологии и инновации» (Курск) в 2012, 2010, 2008, 2007, 2006 годах; «Медико-экологические информационные технологии» (Курск) 2010, 2009, 2006, 2001 годах; «Информационно-измерительные, диагностические и управляющие системы» (Курск) в 2009 году; «Молодежь и XXI век» (Курск) в 2008 году; «Промышленные контролеры: от А до Я» (Москва) в 2005 году; «Вибрационные машины и технологии» (Курск) в 2005 году; «Образование. Наука. Производство» (Белгород) в 2004 году; «Материалы и упрочняющие технологии» (Курск) в 2003, 2001 годах; а также на научно-технических семинарах Юго-Западного государственного университета (КурскГТУ), прошедших в период 2000-2012 гг.

Соответствие диссертации паспорту научной специальности. Содержание диссертации соответствует паспорту специальности 05.13.06 -Автоматизация и управление технологическими процессами и производствами, а именно п.З «Методология, научные основы и формализованные методы построения автоматизированных систем управления технологическими процессами (АСУТП) и производствами (АСУП), а также технической подготовкой производства (АСТПП) и т.д.» в части разработки функционально-структурной организации автоматизированной системы с адаптивным нейронечетким управлением на основе обобщенной математической модели процессов контроля и адаптивного управления технологическим процессом механической обработки деталей; п.10 «Методы синтеза специального математического обеспечения, пакетов прикладных программ и типовых модулей функциональных и обеспечивающих подсистему АСУТП, АСУП, АСТ1111 и др.» в части синтеза системы алгоритмов и специализированного программного обеспечения контроля качества и управления механической обработкой изделий с разработкой вектора целевых критериев, позволяющего оценить качество функционирования разработанной автоматизированной системы; п. 15 «Теоретические основы, методы и алгоритмы интеллектуализации решения прикладных задач при построении АСУ широкого назначения (АСУТП, АСУП, АСТПП и др.)» в части разработки математической модели нейро-нечеткой обработки данных хода технологического процесса и метода обработки нечетко-логических данных о ходе технологического процесса механической обработки деталей.

Публикации. По теме диссертации опубликовано 125 научных работ, включая 2 монографии, 43 статьи, 12 патентов на изобретения, 7 патентов на полезную модель, 2 свидетельства о регистрации программы для ЭВМ, 67 публикаций материалов и тезисов докладов. Основные научные результаты диссертации отражены в 34 статьях в рецензируемых научных журналах и изданиях.

Структура и объем диссертации. Диссертация состоит из введения, 6 разделов, заключения, списка литературы, включающего 215 наименований, и 6 приложений. Основная часть диссертации изложена на 335 страницах машинописного текста, содержит 114 рисунков и 55 таблиц.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

Диссертационная работа посвящена решению имеющей большое народнохозяйственное значение научно-технической проблемы повышения точности, оперативности контроля процесса механической обработкой изделий на основе создания автоматизированной системы с использованием адаптивного нейро-нечеткого управления в условиях современного машиностроительного предприятия.

В ходе решения этой проблемы получены следующие основные результаты:

1. Выполнен анализ существующих математических моделей, способов и систем контроля и управления механической обработкой изделий, на основании которого обоснована объективная необходимость повышения эффективности управления технологическим процессом.

2. Определены внешние возмущающие факторы, приводящие к нарушению технологического процесса, проведен анализ степени их влияния на точность механической обработки изделий.

3. Разработаны теоретические основы управления процессом механической обработки изделий, включающие обобщенную математической модель процессов контроля и адаптивного управления, обеспечивающую требуемую точность механической обработки изделий, отличающуюся редукцией числа нечетко-логических выводов при формировании управляющих решений учетом информативных данных о ходе ТП, обеспечивающей сокращение времени принятия решений, включающей следующие частные математические модели:

-построения функций принадлежности на основе обработки экспертной информации, парных сравнений и параметрических методов их построения;

- синтеза нечетких баз знаний, позволяющих в режиме реального времени с учетом правил управления формировать данные, необходимые для принятия управляющих воздействий в ходе ТП механической обработки изделий;

-принятия решений при трапециевидных ФП, в основу которой положен выбор единственного управляющего параметра в режиме реального времени из диапазона рекомендуемых величин;

- диагностики элементов оборудования с ЧПУ на основе обратного нечетко-логического вывода, позволяющей в режиме реального времени определять неисправности;

- оценки устойчивости нечетко-логических систем управления, позволяющей в режиме реального времени произвести её оценку.

4. Разработан метод обработки нечетко-логических данных о ходе технологического процесса, обеспечивающий повышение оперативности процесса управления не менее чем на 10% путем редукции пустых решений, появляющихся в заключениях нечетко-логического вывода, заключающийся в реализации следующих этапов:

- определения и параметризации функций принадлежности с целью обеспечения более гладкой корреляционной поверхности, отображающей взаимосвязь между входными и выходными переменными при соблюдении критерия разбиения единицы;

- формирования матрицы нечетких отношений, обеспечивающей редукцию заключений нечетко-логического вывода и учет информативных данных о ходе технологического процесса;

- устранения пустых решений в заключениях нечетко-логических выводов с целью увеличения оперативности принятия решений за счет сокращения переборов предпосылок нечетко-логического вывода;

-уменьшения размерности данных, вводимых в информационную базу системы автоматизированного управления, путем уменьшения избыточности объема обрабатываемой информации.

5. Разработан метод получения достоверных данных о ходе технологического процесса, особенностью которого является наличие этапов:

-определения критерия оценки сходимости алгоритмов при парной и множественной корреляциях между величинами;

- формирования критерия оценки скорости сходимости алгоритмов, позволяющих оценивать наличие возмущающих воздействий, действующих на технологическую систему в режиме реального времени;

- определения вектора возмущающих воздействий, действующих при механической обработке изделий, позволяющего прогнозировать точность механической обработки изделий.

6. Разработана математическая модель нейро-нечеткой обработки данных хода технологического процесса, учитывающая особенности формирования матрицы нечетких отношений и метода случайного поиска, обеспечивающая уменьшение числа итераций для процесса принятий управляющих решений, позволяющая сократить время обучения сети в 1,5 раза по сравнению с традиционными адаптивными нейро-нечеткими системами вывода в реальном масштабе времени.

7. Синтезирована функционально-структурная организация автоматизированной системы с адаптивным нейро-нечетким управлением механической обработкой изделий, включающей в себя следующие блоки: ввода информации; определения степеней истинности; матрицы нечетких отношений; ввода выходной переменной; усечения термов выходной переменной; объединения усеченных термов выходной переменой; дефаззификации, обеспечивающей повышение точности и оперативности контроля; разработана система сбора данных, а также проведены исследования качества её функционирования, подтверждающие достижение требуемой точности в процессе механической обработки изделий.

8. Разработана система алгоритмов функционирования автоматизированной системы с использованием адаптивного нейро-нечеткого управления механической обработкой изделий, реализованная в виде специализированного программного обеспечения. Осуществлена оценка качества их функционирования.

9. Методы автоматизации испытаний, контроля и диагностики элементов оборудования с ЧПУ на основе разработанной автоматизированной системы с использованием нейро-нечеткого управления позволили увеличить оперативность принятия управляющего решения не менее чем в 1,5 раза, и повысить точность обработки деталей не менее чем на 10%, что является основным показателем эффективности ТП механической обработки изделий.

1. Соломенцев Ю.М. Теория автоматического управления. М.: Высшая школа, 2000. 270 с.

2. Адаптивное управление технологическими процессами / Ю.М. Соломенцев и др. . М.: Машиностроение, 1980. 536 с.

3. Новиков В.Ю., Схиртладзе А.Г. Технология станкостроения: учеб. пособие. М.: Машиностроение, 1990. 256 с.

4. Чернянский П.М. Основы проектирования точных станков. Теория и расчет: учеб. пособие. М: КНОРУС, 2010. 240 с.

5. Тимирязев В.А., Схиртладзе А.Г. Малогабаритное устройство для измерения деформаций в стыках ИС // Металлорежущие станки и автоматические линии. 1978. №8. С. 9-13.

6. AM Staff Accuracy Drives Machine Tools // American Machinist. 2007. №12. V.21. режим доступа: http://americanmachinist.com/304/ issue/article/false/ 77334/issue.

7. Серков H.A. Основные направления повышения точности металлорежущих станков // Проблемы машиностроения и автоматизации. 2010. №2. С.26-35.

8. Балакшин Б.С. Адаптивное управление станками. М.: Машиностроение, 1973. 688 с.

9. Подураев В.Н. Автоматически регулируемые и комбинированные процессы резания. М.: Высшая школа, 1977. 294 с.

10. Проектирование металлорежущих станков и станочных систем: справочник-учебник. В 3-х томах. Т.1 // А. С. Проников и др. . М.: Изд-во МГТУ им. Н. Э. Баумана. Машиностроение, 1994. 444 с.

11. Справочник технолога-машиностроителя: в 2 т. Т. 2 / под ред. А. Г. Косиловой и Р. К. Мешерякова. М.: Машиностроение, 1985. 496 с.

12. ПушВ.Э. Металлорежущие станки. М.: Машиностроение, 1985. 575 с.

13. Балакшин Б.С. Теория и практика технологии машиностроения. Том 2. М.: Машиностроение, 1982. 367с.

14. Дунаев С.Ю., Карелин В. А Исследование зависимости силы резания от скорости подачи раскройного ножа // Автоматизация и современные технологии. 2001 .N4. С. 20-23.

15. Меррит А. Теория автоколебаний металлорежущих станков // Конструирование и технология машиностроения. 1965. Т.87. №4. С.62-72.

16. Коваленко A.B. Точность обработки на станках и стандарты. М.: Машиностроение, 1992. 160 с.

17. П.Кузнецов В.Д. Физика резания и трения металлов и кристаллов. М.: Наука, 1977.310 с.

18. Бобров В.Ф. Основы теории резания металлов. М.: Машиностроение, 1975. 344 с.

19. Анухин В.И. Допуски и посадки. Выбор, расчет, указание на чертежах: учеб. пособие. СПб.: Изд-во СПбГТУ, 2001. 219 с.

20. Электронный ресурс. http://ru.wikipedia.org/wiki/Monforts материал из Википедии - Режим доступа: свободный (http://www.technopolice.ru/ images/technopolice/catalog2008/26.pdf).

21. Физические эффекты в машиностроении: справочник / В.А. Лукьянец, З.И. Алмазова, Н.П. Бурмистрова. и др.. М.: Машиностроение, 1993. 224 с.

22. Акулынин Г.Ю., Бобырь М.В., Ширабакина Т.А. Система фиксации деталей на основе электрореологического эффекта // Известия высших учебных заведений. Приборостроение. 2012. Т. 55. № 2. С. 47-50.

23. Заковоротный В.Л., Фам Д.Т., Нгуен С.Т. Моделирование деформационных смещений инструмента относительно заготовки при точении // Вестник Донского государственного технического университета. 2010. Т. 10. № 7. С. 10051015.

24. Андрейчиков Б.И. Методы коррекции динамических ошибок в станках с программным управлением // Автоматика и телемеханика. 1962. №9. С. 11651178.

25. Титов B.C., Бобырь М.В., Милостная H.A. Операционные системы реального времени для систем ЧПУ // Промышленные АСУ и контроллеры. 2008. №7. С. 31-33.

26. Бржозовский Б.М., Мартынов В.В., Карпов А.Н. Исследование преобразующих свойств динамических систем металлорежущих станков методом математического моделирования // Информационные технологии в проектировании и производстве. 1998. № 3. С. 46-50.

27. Заковоротный В.JI., Лукьянов А.Д., Флек М.Б. Определение оптимальных траекторий формообразующих движений при обработке резанием // Вестник Донского государственного технического университета. 2001. Т. 1. № 3. С. 86-94.

28. Поляков C.B., Сластинин С.Б. Построение модели для диагностирования технологических процессов с использованием графов // Контроль. Диагностика. 2001. №4. С. 10-14.

29. Филимонов Н.Б., Солодовников В.В. Динамическое качество систем автоматического регулирования: Уч. пособ. М.: МВТУ им. Н.Э.Баумана, 1987. 84с.

30. Растригин Л.А. Адаптация сложных систем. Рига: Знание, 1981. 375 с.

31. Методы классической и современной теории автоматического управления. Учебник в пяти томах. Т. 4. Теория оптимизации систем автоматического управления / Н.Б. Филимонов и др. . М.: Изд-во МГТУ им. Н.Э. Баумана, 2004. 744 с.

32. Производственные системы с искусственным интеллектом / P.A. Алиев, Н.М. Абдикеев, М.М. Шахназаров. М: Радио и связь. 1990. 264 с.

33. Рубанов В.Г. Математические модели элементов систем управлениям: Учеб. пособие. Харьков: Харьковский авиационный институт, 1980. 92 с.

34. Рубанов В.Г., Филатов А.Г. Интеллектуальные системы автоматического управления. Нечеткое управление в технических системах. Белгород: Изд-во БГТУ им. Шухова, 2005. 171 с.

35. Kobsa A. Knowledge Representation: a Surway of its Mechanisms, a Sketch of its Semantics // Cybernetics and System. 1984. № 15. Pp. 41-89.

36. Поспелов Д.А. Справочник. Искусственный интеллект. Кн.2. Модели и методы. М.: Радио и связь, 1990. 304 с.

37. Бова В.В., Курейчик В.В., Нужнов Е.В. Проблемы представления знаний в интегрированных системах поддержки управленческих решений // Известия Южного федерального университета. Технические науки. 2010. Т. 108. № 7. С.107-113.

38. Кравченко Т.К., Середенко H.H. Создание систем поддержки принятия решений: интеграция преимуществ отдельных подходов // Искусственный интеллект и принятие решений. 2012. № 1. С.38-42.

39. Проталинский О.М., Щербатов И.А. Система поддержки принятия решений для операторов слабоформализуемых ТП // Автоматизация в промышленности. 2009. № 7. С. 43-47.

40. Иванов A.C. Модель представления продукционных баз знаний на ЭВМ // Известия Саратовского университета. Новая серия. Серия: Математика. Механика. Информатика. 2007. Т. 7. № 1. С. 83-88.

41. Девятков В.В. Системы искусственного интеллекта. М.: Изд-во МГТУ им. Н.Э. Баумана, 2001. 352 с.

42. Лорьер Ж.-Л. Системы искусственного интеллекта. М.: Мир, 1991. 568 с.

43. Айбазова A.A. Адаптация в продукционных моделях нечеткого логического вывода // Известия Южного федерального университета. Технические науки. 2011. Т. 118. №5. С. 100-105.

44. Мустафаев В.А. Анализ нечетких продукционных моделей динамических взаимодействующих процессов // Вестник компьютерных и информационных технологий. 2012. № 5. С. 25-30.

45. Анисимов П.А., Поздеева О.В. Организационные системы и модели знаний // Проблемы управления. 2004. № 2. С. 9-13.

46. Рассел С., Норвиг П. Искусственный интеллект. Современный подход. М.:Вильямс, 2006. 1408 с.

47. Quillian, M.R. Semantic Memory // Report AFCRL-66-89. Cambridge: MIT Press, 1966. Pp. 251-259.

48. Roussopoulos N.D. A semantic network model of data bases // Department of Computer Science. University of Toronto. 1976. TR№104. Pp. 150-164.

49. Hayes-Rough F., Waterman D., Lenat D. Principles of pattern-directed inference system // Pattern-directed inference system. N.Y.: Academic Press. 1978. Pp. 577601.

50. Комплексное использование баз знаний в автоматизированных системах технологической подготовки производства / Е.И. Яблочников, Б.И. Молочник, A.A. Саломатина // Известия высших учебных заведений. Приборостроение. 2010. Т. 53. №6. С. 51-54.

51. Попов В.Э. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. М.: Наука, 1987. 288 с.

52. Гилл Ф., Мюррей У., Райт М. Практическая оптимизация. М.: Мир, 1985. 210с.

53. Экспериментальная установка и методика контроля качества механической обработки поверхности кристаллов силленитов / A.C. Сизов, Е.А. Спирин, А.Н. Чаплыгин, Д.В. Булатников // Заводская лаборатория. Диагностика материалов. 2008. Т. 74. № 11. С. 11-15.

54. Нильсон Н. Принципы искусственного интеллекта. М.: Радио и связь, 1985. 376 с.

55. Ахо A.B., Хопкрофт Д.Э., Ульман Д.Д. Структуры данных и алгоритмы. М.: «Вильяме», 2001. 384с.

56. Анализ погрешностей привода подачи металлорежущего станка и способов их снижения / В.В. Бушу ев, В. А. Кузовкин, В.В. Молодцов, В.В. Филатов // Измерительная техника. 2006. № 6. С. 18-22.

57. Резников В.М. Проблемы синтеза и комбинирования логики и вероятности // Философия науки. 2007. № 4 (35). С. 7-18.

58. Нэйлор К. Как построить машину вывода. Экспертные системы. Принципы работы и примеры. М.: Радио и связь, 1987. С.62-83.

59. Caudell Т.Р. Genetic algorithms sa a tool for the analysis of adaptive resonance theory neural network sets / Proceedings of International workshop on combinations of genetic algorithms and neural networks. COGANN-92. 1992. Pp. 184-20.

60. Пупков К.А., Коньков В.Г. Интеллектуальные системы. М.: МГТУ им. Н. Э. Баумана, 2003. 345 с.

61. Boyd S., Ghaoui Е., Feron Е., Balakrishnan V. Linear matrix inequalities in systems and control theory // Philadelphia: Society for Industrial and Applied Mathematics, 1994. 193 p.

62. Цыпкин Я.З. Основы теории автоматических систем. М., Наука, 1977. 560 с.

63. Filimonov N.B., Demenkov M.N. Variable Horizon Robust Predictive Control via Adjustable Controllability Sets // European Journal of Control. 2001. V. 7. № 6. Pp. 596-604.

64. Заде JI. Основы нового подхода к анализу сложных систем и процессов принятий решений // Математика сегодня. М.: Знание, 1974. С. 5-49.

65. Алиев М.И., Исаева Э.А., Алиев И.М. Теория вероятностей и теория нечетких множеств JI. Заде: различия и сходство // Искусственный интеллект и принятие решений. 2012. №3. С. 21-28.

66. Аверкин А.Н., Агафонова Т.В., Титова Н.В. Системы поддержки принятия решений на основе нечетких моделей // Известия Российской академии наук. Теория и системы управления. 2009. № 1. С. 89-100.

67. Заде JL Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976. 165 с.

68. Zadeh L. Fuzzy sets as basis for a theory of possibility // Fuzzy sets and systems. 1978. №1. Pp.3-28.

69. Zadeh L. The concept of a linguistic variable and its application to approximate reasoning. Part 1, 2 // Inf. Sci. 1975. N8. Pp. 199-249.

70. Мелихов A.H., Берштейн JI.C., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990. 272 с.

71. Mamdani Е.А. Application of fuzzy logic to approximate reasoning using linguistic synthesis // IEEE Trans. Computers. 1977. Vol. C26. №12. Pp. 1182-1191.

72. Pedrycz Witold, Fernando Gomide. Introduction to fuzzy sets: analysis and design. Massachusetts: MIT Press. Cambridge, 1998. 465 p.

73. Новак В., Перфильева И., Мочкрож И. Математические принципы нечеткой логики // М.: Физматлит, 2006. 352с.

74. Mizumoto М. Fuzzy controls under various reasoning methods // Information Sciences. 1988. Vol45. Pp. 129 141.

75. Wen Z., Tao Y. Fuzzy-based determination of model and parameters of dual-wavelength vision system for on-line apple sorting // Opt. Eng. 1998. Vol.37. №1. Pp.293-299.

76. Сизов A.C., Халин Ю.А., Игнатенко A.H. Нечётко-множественная модель многокритериальной оценки конкурентоспособности предприятия // Известия Юго-Западного государственного университета. 2011. № 5-1. С. 53-57.

77. Алиев Р.А., Церковный А.Э., Мамедов Г.А. Управление производством при нечеткой исходной ифнормации // М.: Энергоатомизд, 1991. 240 с.

78. Яхъяева Г.Э. Нечеткие множества и нейронные сети: Учеб. пособие. М.: БИНОМ. Лаборатория знаний, 2012. 798 с.

79. Tsukamoto Y. Fuzzy logic based on Lukasiewicz logic and its application to diagnosis and control: Doctoral dissertation of Т. I. T. 1979. 400 p.

80. Ягер P.P. Нечеткие множества и теория возможностей. Последние достижения. М.: Радио и связь, 1986. 408с.

81. Автоматизированная система управления эффективной мощностью при шлифовании / B.C. Титов, Н.А. Милостная, М.В. Бобырь, П.В. Глобин // Известия Юго-Западного государственного университета. 2012. № 2-1. С. 8-12.

82. Анциферов А.В., Бобырь М.В., Титов B.C. Автоматизированная система управления скоростью обработки деталей на оборудовании с ЧПУ // Известия Юго-Западного государственного университета. 2012. № 2. 4.1. С. 13-16.

83. Сугэно М. Нечеткие множества и их применение в логическом управлении // Кэйсоку то сайге. 1979. Т. 18. №2. С. 150-160.

84. Шилин А.Н., Коптелова И.А., Гиркин М.В. Использование уравнений совместимости элементов в методике морфологического синтеза оптико-электронных приборов // Известия Волгоградского государственного технического университета. 2009. Т. 3. № 3. С. 64-69.

85. Бобырь М.В., Титов B.C. Модернизация АСУ оборудованием с ЧПУ на основе аппарата нечеткой логики // Проблемы машиностроения и автоматизации. 2010. №2. С. 40-43.

86. Титов B.C., Бобырь М.В., Милостная H.A. Автоматическая компенсация тепловых деформаций шпиндельных узлов прецизионного оборудования с ЧПУ // Промышленные АСУ и контроллеры. 2006. № 11. С. 31-35.

87. Тэрано Г., Асаи К., Сугэно М. Прикладные нечеткие системы. М.: Мир, 1993. 368 с.

88. Бобырь М.В. Модифицированный алгоритм нечетко-логического вывода в задачах управления оборудованием с ЧПУ // Мехатроника. Автоматизация. Управление. 2011. №4. С. 26-32.

89. Бобырь М.В., Титов B.C., Беломестная А.Л. Стабилизация теплового режима в процессе резания // Мехатроника. Автоматизация. Управление. 2010. №6. С. 38-41.

90. Леоненков A.B. Нечеткое моделирование в среде MATLAB и fuzzyTECH. СПб.: Изд. BHV, 2008. 736с.

91. Пегат А. Нечеткое моделирование и управление. М.: ИУИТ; БИНОМ, Лаборатория знаний, 2012. 798 с.

92. Takagi Т., Sugeno М. Fuzzy identification of systems and its applications to modeling and control. IEEE Trans, on SMC. 1985. Vol.15. №1. Pp. 116-132.

93. Рутковская Д., Пилиньский М., Рутковский JI. Нейронные сети, генетические алгоритмы и нечеткие системы. М.: Горячая линия-Телеком, 2006. 452 с.

94. Нечеткие множества в моделях управления и искусственного интеллекта / А.Н. Аверкин, И.З. Батыршин, А.Ф. Блишун / под общ. ред. Д.А. Поспелова. М.: Наука, 1986.312 с.

95. Штовба С.Д. Проектирование нечетких систем средствами MatLAB. М.: Горячая линия Телеком, 2007. 288 с.

96. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Радио и связь, 1981. 286 с.

97. Штовба С.Д. Введение в теорию нечетких множеств и нечеткую логику: электронный ресурс. режим доступа: свободный http://www.matlab.exponenta.ru.

98. Штовба С.Д. Проектирование нечетких систем средствами MatLAB. М.: Горячая линия Телеком, 2007. 288 с.

99. Бобырь М.В. Методы построения функций принадлежностей для нечетких баз знаний // Промышленные АСУ и контроллеры. 2011. №2. С.27-32.

100. Саати Т.Д. Взаимодействие в иерархических системах // Техническая кибернетика. 1979. №1. С.68-84.

101. Потемкин В.Г. Справочник по MATLAB: Электронный ресурс. режим доступа: свободный. http://www.nsu.ru/matlab/ MatLabRU/ml/book2/chapter7/eig.asp.htm.

102. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982. 432 с.

103. Заде JI. Понятие лингвистической переменной и его применение к принятию приближенных решений: пер. с англ.. М.: Мир, 1976. 165 с.

104. Ogawa Н., Fu К. S., Yao J.T.R. Knowledge representation and inference control of SPERIL-II // Proc. of Annual Conference of the Association for Computing Machinery. San Francisco, 1984. Pp. 127-134.

105. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб.: Питер, 2000. 384 с.

106. Хаякава В., Екои Н. Экспертная система для оценки и принятия решений по разрушению бетона. Токио: Никэй Компюта, 1986. 190 с.

107. Ishizuka М., Fu К. S., Yao J.T.R. Rule-based damage assessment system for existing structure // Solid mechanics archives. 1983. №8. Pp. 93-118.

108. Ткалич С.А. Нейросетевая модель процесса прогнозирования аварийной ситуации // Системы управления и информационные технологии. 2008. № 3 (33). С. 196-200.

109. Бобырь М.В. Методы построения функций принадлежностей для нечетких баз данных // Промышленные АСУ и контроллеры. 2011. №2. С.27-32.

110. Wang, L.X., Mendel, J.M. Generation fuzzy rules of learning from examples, IEEE Transactions on system, Man, and Cybernetics. 1992. Vol.22. №6. Pp. 14141427.

111. Wang, L.X. Adaptive fuzzy Systems and control. Design and stability analysis. Prentice hall. Englewood Clifffs. 1994. 300 p.

112. Рутковская Д., Пилиньский M., Рутковский JI. Нейронные сети, генетические алгоритмы и нечеткие системы // М.:Горячая линия-Телеком, 2008. 452 с.

113. Бобырь М.В., Титов B.C. Метод коррекции параметров режима резания в системах с ЧПУ // Мехатроника. Автоматизация. Управление. 2010. № 7. С. 4953.

114. Дюбуа Д, Прад А. Теория возможностей. Приложения к представлению знаний в информатике. М.: Радио и связь, 1990. 288 с.

115. Смирнов В.А., Хасанова А.А. Особенности реализации системы управления на нечеткой логике // Известия Челябинского научного центра УрО РАН. 2003. № 4. С. 80-82.

116. Поспелов Д.А. Моделирование рассуждений. Опыт анализа мыслительных актов. М.: Радио и связь, 1989. 184 с.

117. Бобырь М.В. Диагностика оборудования с ЧПУ методами нечеткой логики // Промышленные АСУ и контроллеры. 2010. № 1. С. 18-20.

118. Sugeno М. On Stability of Fuzzy Systems Expressed by Fuzzy Rules with Singleton Consequents // IEEE Trans. Fuzzy Systems. 1999. №7. Pp. 201-224.

119. Ying H. Practical Design of Nonlinear Fuzzy Controllers with Stability Analysis for Regulating Processes with Unknown Mathematical Models // Automatica. 1994. № 30. Pp. 1185-1195.

120. Castillo O., C'azarez N., Rico D. Intelligent control of dynamic systems using type-2 fuzzy logic and stability issues // International Mathematical Forum. 2006. №. 28. Pp. 1371 1382.

121. Цыпкин Я.З. Основы теории автоматических систем. М: Наука, 1977. 560с.

122. Бобырь М.В., Бобровский Д.С. Устойчивость нечетко-логических систем управления // «Интеллект 2011»: материалы Всероссийской научно-технической конференции. Тула: ТулГУ, 2011. С. 18-20.

123. Designing a Fuzzy Logic Controller to Enhance Directional Stability of Vehicles under Difficult Maneuvers / Mehrdad N. Khajavi , G. Paygane, A. Hakima // World Academy of Science, Engineering and Technology 2009. № 50. Pp. 914919.

124. Stability criteria for uncertain Takagi-Sugeno fuzzy systems with interval time-varying delay / C.H. Lien, K.W. Yu, W.D. Chen, Z.L. Wan, Y.J. Chung // IET Control Theory Appl. 2007. №.3. Vol.1. Pp. 764-769.

125. Lendek Zs., Babuvska R., De Schutter B. Stability of cascaded Takagi-Sugeno fuzzy systems // Proceedings of the 2007 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE 2007). 2007. Pp. 505-510.

126. Kosko B. Global Stability of Generalized Additive Fuzzy Systems // IEEE Transactions on systems, MAN, and Cybernetics. Part C: Applications and reviews. 1998. № 3.Vol. 28. Pp. 441-452.

127. Кудинов Ю.И., Кудинов И.Ю. Устойчивость нечетких автоматных и реляционных динамических систем // Мехатроника. Автоматизация. Управление. 2010. №6. С. 2-12.

128. Gang J., Laijiu Ch. Linguistic stability analysis of fuzzy closed loop control systems // Fuzzy Sets and Systems. 1996. Vol.82. Pp. 27-34.

129. Кудинов Ю.И. Синтез нечеткой системы управления // Известия РАН. Теория и системы управления. 1999. №1. С. 166-172.

130. Титов B.C., Бобырь М.В., Иванов В.И. Система автокоррекции нуля // Автоматизация и современные технологии. 2010. № 12. С. 23-26.

131. Метод коррекции дрейфа нуля операционных усилителей / B.C. Титов, М.В. Бобырь, Н.А. Милостная, A.JI. Беломестная // Известия высших учебных заведений. Приборостроение. 2010. Т. 53. № 9. С. 72-75.

132. Бобырь М.В., Титов B.C., Анциферов А.В. Алгоритм высокоскоростной обработки деталей на основе нечеткой логики // Мехатроника. Автоматизация. Управление. 2012. № 6. С. 21-26.

133. Бобырь М.В., Титов B.C., Анциферов A.B. Адаптивный мультисетевой алгоритм нечетко-логического вывода для оборудования с ЧПУ // «Распознавание 2012»: материалы 10-ой Международной конференции. Курск, 2012. С. 186-188.

134. Ферстер Э., Ренц Б. Методы корреляционного и регрессионного анализа. М.: Финансы и статистика, 1983. 302 с.

135. Бреславцева И.В., Афанасьев М.М. Анализ составляющих чистой прибыли банка методами корреляционно-регрессионного анализа // Альманах современной науки и образования. 2012. № 4. С. 40-44.

136. Лялин В.М., Пещеров A.B. Корреляционно-регрессионный метод анализа начальных полей скоростей процесса обратного выдавливания // Известия Тульского государственного университета. Серия: Технические науки. 2009. №2-2. С. 95-102.

137. Claudin С., Poulachon G., Lambertin М. Correlation between drill geometry and mechanical forces in mql conditions // Machining Science and Technology. 2008. №12. Pp. 133-144.

138. Рубанов В.Г. Статистическая динамика систем управления: Учеб. пособие. Белгород: БелГТАСМ, 2000. 113 с.

139. Солонин, И.С. Математическая статистика в технологии машиностроения. М.: Машиностроение, 1972. 215 с.

140. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. М.: Статистика, 1973. 399 с.

141. Титов B.C., Бобырь М.В., Беломестная A.JI. Интеллектуальная система управления подачей при обработке деталей резанием // Промышленные АСУ и контроллеры. 2010. № 8. С. 17-20.

142. Бобырь М.В., Емельянов С.Г., Титов B.C. Теоретические основы построения автоматизированных систем управления технологическими процессами на основе нечеткой логики: монография. Старый Оскол: Тонкие наукоемкие технологии, 2009. 232 с.

143. Устройство управления точностью обработки деталей на высокоточном оборудовании ЧПУ // Пат. № 2288808. Изобретения № 34, кл. В 23 В 25/06, В 23Q 15/12.2006.

144. Бобырь М.В., Титов B.C., Милостная H.A. Особенности оценки точности измерений размеров при использовании высокоточных автоматизированных систем // Промышленные АСУ и контроллеры. 2005. № 6. С. 17-21.

145. Бобырь М.В., Титов B.C., Беседин A.B. Анализ методов автоматизации управления высокой точностью технологических процессов // Промышленные АСУ и контроллеры. 2003. № 7. С. 29-32.

146. Спиридонов A.A. Планирование эксперимента при исследовании технологических процессов. М.: Машиностроение, 1981. 184 с.

147. Титов B.C., Бобырь М.В., Милостная Н.А.Распознавание контуров деталей на основе использования лазерных преобразователей информации // Промышленные АСУ и контроллеры. 2007. № 3. С. 22-25.

148. Автоматизированная система контроля на основе ультразвуковых датчиков / B.C. Титов, Бобырь М.В., Иванов В.И., Бартенева Ю.Л. // Датчики и системы.2007. № 7. С. 7-9.

149. Автоматизированная система теплового контроля печатных плат / Бобырь М.В., Иванов В.И., Милостная H.A., Ширабакина Т.А. // Датчики и системы.2008. № 7. С. 36-38.

150. Ершов Е. В. Математическое и программное обеспечение оптико-электронной системы управления процессом спекания шихты на агломерационной машине конвейерного типа. Череповец: ЧВИИРЭ, 2002. 128с.

151. Яковлев С.П., Григорович В.Г. Применение математической статистики и теории планирования эксперимента в обработке металлов давлением. Тула: Изд-во ТПИ, 1980. 80 с.

152. Pearson E.S., Hartley Н.О. Biometrika Tables for Statisticians. N.Y.: Cambridge University Press, 1954. Vol. 1. 210 p.

153. Заковоротный В.Л., Бордачев E.B. Прогнозирование и диагностика качества обрабатываемой детали на токарных станках с ЧПУ // Известия высших учебных заведений. Машиностроение. 1996. № 1. С. 95-96.

154. Цыпкин Я.З. Адаптация и обучение в автоматических системах. М.: Наука, 1968. 400 с.

155. Растригин, Л.А. Адаптация сложных систем / Л.А. Растригин. Рига.: Зинатне. 1981. 375 с.

156. Растригин Л.А. Современные принципы управления сложными объектами. М.: Сов. радио. 1980. 232 с.

157. Мартинов Г.М., Любимов А.Б., Обухов А.И. Проблема адаптации систем ЧПУ класса PCNC к станкам лазерной графики // Мехатроника. Автоматизация. Управление. 2009. № 1. С. 59-62.

158. Жданов А.А., Караваев М.В. Применение нечеткой логики в имитационной системе автономного адаптивного управления // Труды Института Системного Программирования Российской Академии Наук: Том 3. М.: ИСПРАН, 2002. С. 119-135.

159. Авдеев Б.Я., Антонюк Е.М., Долинов С.Н. Адаптивные телеизмерительные системы. Л.: Энергоиздат, 1981. 248 с.

160. Титов В.С., Бобырь М.В., Милостная Н.А. АСУ включением/выключением устройства удаления стружки и пыли на оборудовании с ЧПУ // Автоматизация в промышленности. 2006. № 12. С. 1011.

161. Шпилевая О.Я. Оптимальные и адаптивные системы управления. Новосибирск: НГТУ, 2006. 43с.

162. Марчук Г.И., Аганбегян А.Г., Бобко И.М. Адаптивная АСУ производством. М.: Статистика, 1981. 176 с.

163. Курейчик В.М., Лебедев Б.К., Лебедев О.Б. Гибридный алгоритм разбиения на основе природных механизмов принятия решений // Интеллектуальные системы и принятие решений. 2012. №2. С. 124-131.

164. Rajesh, R. Variable Gain Takagi-Sugeno Fuzzy Logic Controllers / R. Rajesh, M.R. Kaimal // Informática. 2006. V. 17. № 3. Pp. 427-444.

165. Круглов B.B., Дли М.И., Голунов Р.Ю. T Нечеткая логика и искусственные нейронные сети. М.: Физматлит, 2001. 224 с.

166. Барский А.Б. Нейронные сети распознавание, управление, принятие решений. М.: Финансы и статистика, 2004. 176 с.

167. Мещеряков В.А., Денисов И.В. Алгоритм функционирования адаптивной системы нейро-нечеткого управления рабочим процессом стрелового крана // Автоматизация в промышленности. 2011. № 201105. С. 54-57.

168. Бобырь М.В., Титов B.C., Червяков JI.M. Адаптация сложных систем управления с учётом прогнозирования возможных состояний // Автоматизация и современные технологии. 2012. № 5. С. 3-10.

169. Титов B.C., Бобырь М.В., Милостная H.A. АСУ прогнозированием точности обработки деталей // Автоматизация в промышленности. 2008. № 4. С.3-4.

170. Бобырь М.В. Управление оборудованием с ЧПУ на основе нечетко-логического вывода // Программа для ЭВМ №2010616290. 2010.

171. Бобырь М.В. Управление оборудованием с ЧПУ на основе нечетко-логического вывода // Программа для ЭВМ №2010616290. 2010.

172. Справочник технолога-машиностроителя: в 2 т. Т. 1 / под ред. А.Г. Косиловой и Р. К. Мешерякова. 4-е изд., перераб. и доп. М.: Машиностроение, 1986. 656 с.

173. Прикладные нечеткие системы / Т.Тэрано, К. Асаи, М. Сугено и др. М.: Мир, 1993. С 368.

174. Бобырь М.В., Титов B.C., Милостная H.A. Система лазерного контроля обработки деталей в реальном времени // Промышленные АСУ и контроллеры. 2005. № 11. С. 21-25.

175. Бобырь М.В., Титов B.C. Статистический анализ точности обработки деталей // Промышленные АСУ и контроллеры. 2004. № 7. С. 31-34.

176. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. М.: Статистика, 1973.399 с.

177. К.Т Н., доцент А.С. Романченко1. Декан факультета ИВТд.т.н., профессор С.В. Дегтярев1. Зам. зав. кафедрой ВТк.т.н., доцент И.Е. Чернецкаяgmm^ Bulgarisch Deutsche Oesellschaft1. S SPESIMAB

178. El BULGARIA 1113 SOFIA P О В 148 gl BULGARIA 1592 SOFIA. 9 Asen Yordanov Blv TEL (3592)973 87 62 FAX. (359 2)979 09 45« E-mail info@speslma eu Web www spesima.eu

179. Ген. директор „СПЕСИМА" ООДх tí У1. УТВЕРЖДАЮ- t /¿I---'* ' подпись19 » октябрь 2011 г1. Д-р инж. В. Славковфамилия

180. АКТ О ВНЕДРЕНИИ внедрения диссертационной работы Бобырь Максима Владимировича

181. Данный акт не является основанием для проведения финансовых операций;