автореферат диссертации по обработке конструкционных материалов в машиностроении, 05.03.01, диссертация на тему:Мониторинг состояния станочной системы токарной обработки при интеллектуальном управлении

На правах рукописи

Гейценредер Андрей Александрович оозоб7458

МОНИТОРИНГ СОСТОЯНИЯ СТАНОЧНОЙ СИСТЕМЫ ТОКАРНОЙ ОБРАБОТКИ ПРИ ИНТЕЛЛЕКТУАЛЬНОМ УПРАВЛЕНИИ

Специальности 05.03.01 - Технологии и оборудование механической и физико-технической обработки

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Ростов-на-Дону 2006

003067458

Работа выполнена в Государственном образовательном учреждении высшего профессионального образования Донском государственном техническом университете на кафедре «Робототехника и мехатроника»

Научный руководитель заслуженный работник ВШ РФ,

доктор технических наук, профессор А. К. Тугенгольд

Официальные оппоненты

доктор технических наук, профессор Чукарин А. Н.

кандидат технических наук, доцент Паршин Д. Я.

Ведущее предприятие

ФГУП "ВНИИ Градиент"

Защита диссертации состоится 30 января 2007 г. в часов на заседании диссертационного совета Д 212.058.02 в Донском государственном техническом университете (ДГТУ) по адресу: 344010, г. Росгов-на-Дону, пл. Гагарина, 1, ауд. 252.

С диссертацией можно ознакомиться в библиотеке ДГТУ.

Отзыв в двух экземплярах, заверенных печатью, просим высылать в диссертационный совет по указанному адресу.

Автореферат разослан » декабря 2006 года.

Учёный секретарь диссертационного совета, доктор технических наук, профессор

В.С. Сидоренко

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Одна из важнейших проблем современного автоматизированного производства - повышений точности изготовления деталей - приобретает особое значение в современных условиях. При существенных достижениях в области исследования металлорежущих станков, проблема обеспечения точности механической обработки остается актуальной в связи с рядом обстоятельств, в том числе:

- постоянное повышение требований к качеству деталей, обработанных на станках;

влияние на конечный результат множества погрешностей элементов и устройств технологической системы;

стохастичность собственно процесса резания по своей физической сущности, нестабильность свойств станочной системы, заготовок в партии, свойств инструмента и т.д.

ограниченная возможность получения информации о состоянии узлов станка, процесса резания и детали при обработке для управления в реальном времени.

Практика показывает, что при использовании станков с ЧПУ точностные возможности реализуются на 50—70%, возникающие потери времени из-за технологических отказов (размерный брак) приводит к значительной потере производительности и увеличению себестоимости выпускаемой продукции. Причины, порождающие погрешности обработки и погрешности, вносимые элементами станочной системы, влияют на точность обработки в большинстве случаев не напрямую, а через другие элементы системы, воздействуя на относительное положение инструмента и заготовки. В настоящее время не удается получать достаточно точную информацию о положении вершины инструмента относительно заготовки в каждый момент времени из-за особенностей условий протекания процесса резания, неприспособленности средств измерения к этим условиям и других причин.

Одним из путей решения проблемы максимального использования точностных возможностей станков с ЧПУ является создание информационно-управляющих комплексов, позволяющих осуществлять текущий контроль за ходом процесса обработки деталей и коррекцию режимов обработки для обеспечения требуемой точности изготовления деталей. Поэтому, на наш взгляд, для повышения точности обработки деталей на станках актуальными являются исследования методов получения, переработки, представления и использования информации в режиме реального времени об элементах системы СПИД для управления процессом резания, в том числе, для интеллектуального управления. Результатом таких исследований является построение подсистемы мониторинга (ПМ), как одной из важных в системе интеллектуального управления металлорежущим станком.

Диссертационная работа выполнена по научному направлению кафедры «Робототехника и мехатроника» ДГТУ «Формирование

информационной среды и структуры интеллектуального управления станками» при поддержке гранта "Формирование информационного пространства станков с учётом нечёткости информации техногенной среды для обеспечения качества функционирования" (Т02-06.6-2958), и при проведении НИР по единому заказ-наряду министерства образования РФ по направлению "Информационные технологии и электроника" на тему " Формирование информационной среды для управления процессами: в интеллектуальных мехатронных системах" (1. 8.06).

Целью работы является повышение точности обработки деталей путем разработки и реализации подсистемы мониторинга токарного модуля с ЧПУ как станочной технологической системы с интеллектуальным управлением.

Для достижения указанной цели поставлены следующие задачи.

1. Разработка иерархической структурно-функциональной классификации погрешностей обрабатывающей системы и системы оценок погрешности для мониторинга.

2. Синтез подсистемы мониторинга как неотъемлемой части интеллектуального управления мехатронной станочной системы. Разработка структуры блока мониторинга, который бы позволил сформировать суждение о состоянии подсистем станка, процесса обработки, а также о точности размеров детали.

3. Разработка алгоритма косвенных измерений на базе положений теории нечетких множеств при токарной обработке.

4. Формирование методов оценки состояния шпиндельного узла и суппортной группы по факторам, оказывающим превалирующее влияние на точность обработки.

5. Разработка программно-аппаратного комплекса подсистемы мониторинга.

6. Анализ эффективности разработанной подсистемы мониторинга в составе интеллектуальной системы управления при обработке деталей,

7. Проведение испытаний разработанной подсистемы мониторинга в производственных условиях.

Научная новизна полученных результатов заключается в следующем.

1. Для интеллектуальной системы управления станком, как мехатронным объектом, впервые разработан блок мониторинга, позволивший оценивать состояние станочной системы в режиме реального времени и принимать решения, основанные на знаниях, использующих качественное представление поведения системы.

2. Предложена методика синтеза подсистемы мониторинга интеллектуальной системы управления, выполняющей формализацию

неопределенностей, вносимых различными факторами в результаты оценки состояния узлов станка, и косвенные измерения в станочной системе токарной обработки. Созданный инструментарий может быть адаптирован к другим станочным системам. 3. Впервые разработан аппаратно-программный комплекс «Подсистема мониторинга ИСУ», содержащий модули ввода измерительной информации, ее преобразования и реализующий процедуры оценивания текущих состояний станочной системы методами нечеткой логики и - нечетких множеств. Комплекс формирует необходимое информационное обеспечение на организационном и координационном уровнях интеллектуальной системы управления для решений по стратегии действий и программирования движений рабочих органов с целью повышения точности обработки.

Методы исследования. Для решения поставленных в работе задач были использованы методы теории нечётких множеств, теории нейронных сетей, методы математического программирования, моделирования электромеханических систем и математической статистики. При моделировании использовались современные прикладные программные пакеты. Полученные результаты проверялись экспериментально в лабораторных и производственных условиях.

Практическая ценность работы заключается в создании доведенной до реализации в производственных условиях подсистемы мониторинга интеллектуальных систем управления, аналогов которой на сегодняшний день не существует. Применение блока мониторинга в составе интеллектуальной системы управления токарным станком с ЧПУ позволяет повысить точность обработки деталей на имеющихся станках с ЧПУ и стать неотъемлемой частью вновь проектируемых.

Апробация работы. Основные положения работы были изложены на Первой Всероссийская научно-техническая конференция с международным участием «МЕХАТРОНИКА, АВТОМАТИЗАЦИЯ, УПРАВЛЕНИЕ», г. Владимир, 2004г., а также на научно-технических конференциях профессорско-преподавательского состава Донского государственного технического университета, 2003-2006 г., в том числе в сборнике научных трудов ДГТУ.

Реализация результатов работы.

Комплекс «Подсистема мониторинга ИСУ» внедрен на ОАО «Роствертол» на токарных станках с ЧПУ, в том числе при обработке деталей с повышенными требованиями к точности размеров.

Публикации. По материалам диссертации было опубликовано 9 печатных работ и одна принята к печати в журнале СТИН.

Структура и объем работы. Диссертационная работа изложена на 186 листах машинописного текста: включает введение, 4 главы основной части и общие выводы. Диссертация содержит список литературы из 85 наименования, 14 таблиц, 50 рисунков и приложения на 36 страницах.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность работы, сформулирована цель исследования, научная новизна, практическая полезность, даётся информация о структуре диссертации и основных положениях, выносимых на защиту, приводятся сведения о практическом использовании результатов работы.

В первой главе изложено состояние вопроса и обобщены основные результаты научных работ, посвященных проекгированию информационно-измерительных подсистем, а также исследованию в области получения, обработки, представления и использования измерительной информации в различных классах систем управления металлорежущими станками. Сформулированы цель и задачи исследования.

Исследованиям в области повышения точности обработки на металлорежущих станках на основе диагностики состояния станочных систем и отдельных ее элементов посвящено значительное количество работ таких ученых, как Ю.Г. Кабалдина, В. В. Юркевича, Б.М. Бржозовского, В.В. Мартынова, А. С. Проникова, В. А. Добрякова, А. А. и С. А. Игнатьевых и др. В нашей стране и за рубежом за последние 30 лет накоплен огромный опыт в области создания, эксплуатации и развития различных классов автоматизированных систем (АС), и их основных подсистем (например, АС мониторинга состояния технологических систем) В работах В. Л. Заковоротного отражено развитие основных принципов построения систем динамического мониторинга процесса обработки на станках. Анализ данных работ показал, что развитие информационно-измерительных систем идет по пути, расширения источников информационных сигналов и повышения достоверности получаемой информации о процессах, происходящих в станочной системе. Выделены три основных этапа в развитии информационно-измерительных и диагностических подсистем в составе систем управления металлорежущих станков:

информационно-измерительные подсистемы в составе адаптивных систем управления станками;

системы активного и управляющего контроля;

- системы мониторинга металлорежущих станков.

Несмотря на большое количество разработок в области информационного обеспечения систем управления, недостаточно проработана проблема выбора источников информации с точки зрения их необходимости и достаточности, с точки зрения полноты информации о рассматриваемом процессе и состоянии узлов станка. Работа подсистем мониторинга происходит в условиях неопределенности из-за ограниченности средств измерения и их погрешности. При этом методы формализации неопределенности, пригодные для режима оперативного управления станками, проработаны недостаточно полно.

В последнее время определилось новое направление в разработке систем управления, а, следовательно, и в разработке ПМ, - их интеллектуализация. Реализацией такого подхода является концепция прогностического интеллектуального управления технологическими движениями в станочной системе, разработанной на кафедре «Робототехника и мехатроника» ДГТУ под руководством профессора Тугенгольда А.К. В связи с этим к ПМ предъявляются повышенные требования к точности и достоверности получаемой информации, к достаточности и полноте знаний системы управления о состоянии станка и процесса обработки.

Для осуществления эффективного (с точки зрения достижения необходимой точности готовой детали) управления процессом механической обработки необходимо иметь в каждый момент времени информацию о производимом размере. Для случая токарной обработки - это информация о расстоянии между вершиной токарного резца и мгновенной осью вращения заготовки. Получение такой информации ввиду ряда очевидных причин не представляется возможным. В этом случае ставится задача измерения тех параметров, которые оказывают влияние на величину производимого размера.

В связи с вышеизложенным, для достижения поставленной в диссертационной работе цели, необходимо решить следующие задачи:

• Разработать структурно-функциональную классификацию погрешностей обрабатывающей системы и системы оценок погрешности для мониторинга.

• Синтезировать подсистему мониторинга как неотъемлемую часть интеллектуального управления мехатронной станочной системы. Разработать структуру блока мониторинга, который бы позволил сформировать суждение о состоянии подсистем станка, процесса обработки, а также о точности размеров детали.

• Разработать алгоритм косвенных измерений на базе положений теории нечетких множеств при токарной обработке.

• Сформировать методы оценки состояния шпиндельного узла и суппортной группы по факторам, оказывающим превалирующее влияние на точность обработки.

• Разработать программно-аппаратный комплекс подсистемы мониторинга.

Во второй главе сформирован подход к выбору источников измерительной информации, необходимой интеллектуальной системе управления (ИСУ) токарным модулем, и структуре ПИ в составе ИСУ.

Для этой цели проведен анализ погрешностей механической обработки, а также были учтены классификации погрешностей обрабатывающей системы (ОС), под которой понимается совокупность станка, приспособления, инструмента, заготовки и системы управления.

Современная классификация составляющих погрешности основана на принципе, предложенном А.П.Соколовским, идея которого заключается в линейной аддитивной модели погрешности обработки. На основе анализа сформирована иерархическая структурно-функциональная классификация погрешностей обрабатывающей системы. В основу этой классификации положены следующие принципы: структурное разбиение ОС на составляющие ее элементы, вид погрешностей каждого элемента и причины возникновения погрешностей.

В качестве причин возникновения погрешностей выделены 4 группы погрешностей изготовления детали:

• Погрешности инструмента;

• Погрешности суппортной группы;

• Погрешности шпиндельной группы;

• Погрешности заготовки.

Для токарно-револьверного станка с ЧПУ основными погрешностями являются погрешности суппортной группы и погрешности шпиндельной группы. Так же выявлено что погрешности обработанных поверхностей, обусловленные приводами подач, определяются отклонениями реальных траекторий движений от заданных. Погрешности шпиндельной группы могут оцениваться жесткостью (податливостью) шпинделя, которая имеет зависимость от температурных полей.

Здесь же рассмотрена информативность оценки параметров состояния технологической системы.

Состояние любой системы, и системы СПИД в частности, характеризуется определенным уровнем ее энтропии. Энтропия есть величина, характеризующая неопределенность состояния системы - ее структуры и значений ее параметров. Условимся, что под неопределенностью системы будем понимать нечеткость значений множества ее наблюдаемых параметров.

В случае применения метода прямых измерений информация, получаемая при этом равна:

1(Х) = Напр(Х)-Натап(Х)/ п/

где Нт1Г(Х)- априорная энтропия параметра X до процедуры измерения;

Нат(У) - апостериорная энтропия параметра У измеряемого непосредственно.

Однако, как было замечено ранее, для определения величины некоторых параметров применяется метод косвенных измерений. Поэтому необходимо оценивать величину получаемой информации о параметрах при косвенных измерениях. Выражение для информации имеет вид:

/(Г, X) = ЩХ) - ЩХ\ У) - я....... (Г)1 /2/

где Н(Х)~ априорная энтропия параметра до процедуры измерения;

HumKm{Y) ~ апостериорная энтропия параметра измеряемого

непосредственно.

Н (Л'| У) - совместная энтропия параметров, определяемая

степенью их взаимосвязи. Энтропия дискретного множества определяется по формуле:

Я(*) =-!>(*,.) log2 р(х,)

'=' /3/

где р(х:)- плотность распределения вероятностей элементов

множества

pfoX^ " совместная плотность распределения вероятностей для прямого произведения множеств Хи У.

Для непрерывного множества это выражение принимает вид:

Н(X) = - Jp(x) log2 p(x)dx - Iog2 Ax /4/

где - интервал времени измерения.

Условная энтропия может быть определена следующим образом:

H(Y \Х) = - [ ]р(х,у) log P^-dxdy /5/

it /?(х)

Таким образом, учитывая, что о величине косвенно измеряемого параметра можно судить по п параметрам, то количество информации о его величине, содержащееся в измеряемых параметрах определяется системой:

/(Ji, А-) ]>(х)1о& [ix) +1 \p{x,y)\o&^^dxdx + jpiy, )lo gpiy, )dy /(Г2Д0 = -}р(х)1о& p(x)+ ]]p(x,y2)\o&^^dxdy + }[Куг)\о%р(угШ

I, '„ / Ч К

Щ„ X) = - Jp(*)log, Дх)+ jjpix^lo&^^dxdy + J/^,,)logKx,Mv>

Решение системы является достаточно сложной задачей хотя бы потому, что параметры у могут быть зависимыми величинами. Тем не

менее, полученные уравнения позволяют сделать следующие заключения о способах повышения информативности.

Первый способ - поиск таких источников измерительной информации, которые обладают достаточно низкой дифференциальной энтропией относительно оцениваемого параметра, т.е. находятся с ним в наиболее тесной связи. В словосочетании «достаточно низкая условная энтропия» заключена возможность варьирования предельным значением условной энтропии в зависимости от различных факторов. Это такие факторы как аппаратные и программные возможности, максимально допустимая стоимость реализации, требуемая точность измерений и др.

Второй способ - совершенствование средств и методов измерения с целью минимизации энтропии множества измеряемых параметров.

Третий способ - привлечение аппарата нечеткой логики для оценки информативности измеряемых параметров в связи с невозможностью определения и формирования характеристик распределения вероятности в процессе выполнения измерений.

На основании классификации погрешностей механической обработки характерной для токарно-револьверных станков, поставленных целей и задач разработаны требования к подсистеме мониторинга и реализуемых ею функций.

В третьей главе решаются задачи синтеза подсистемы мониторинга как неотъемлемой части интеллектуального управления мехатронной станочной системы, разработана структура блока мониторинга. Показана возможность и необходимость применения теории нечетких множеств (НМ) для моделирования неопределенности измерительной информации, предложен метод формализации неопределенности результата измерений на основе теории НМ, разработаны оценки шпиндельного узла (ШУ) и приводов подач (ПП) в условиях неопределенности, используя методы теории НМ.

На рисунке 3 изображена структура блока мониторинга ИСУ. БМ имеет два информационных тракта, реализующих мониторинг ШУ и мониторинг ПП, каждый из которых имеет несколько каналов.

Снегом ««СПИД»

И 1чС|»пе.1»гШ>ш . ¡((К'оГфлнтл им!.1 (лтчнк) • !

Дс*т.п> uoc.li' обра(нт

. Блок* ИСрПНЧППП

оОраГыпкп и ; норм I фон анни сшиакш ••

С'ХСМЫ ПМ(10|)К11 ! н хранении. АЦП-ирсоАрл юнанис '

Блок нечежой ЭС 1 опенки состоянии | • ШУ !

' Пртимура:

1ЧМС|)С11Ш1 ]

, рашероп ]

: И JMCpiMC.iMti.iii I нреобралнппель: ! (ли пик) I

; БШЯ НСЧСТКИХ

нракнлдля ^ | ЭС оценки I ¡сосгоиннн ШУ]

Молуль ; ;

ситс1а ' !

ис-Лмких ! !

ираннл н ' )

коррекций ; ■

: Форчпронагс.н. •БД I регулы инж обраГнмкн !

Блок анаппа погрешностей размера н формы обусловленных состянпч ШУ

1« реж

«• Ыл •«

□ Данные опрело. 1С

.жеиерниета опрело.плит жес I кос I и сосгошнш ШУ

¡Текущие лпшппсшчсскис, ' \ Текущие колнчеа псиные ' шачеинм опенки I «ненки спсгиипим ШУ

состоянии ШУ :

Мониторинг ШУ

Процесс »братики

-Й

: Блок функции : аналогокон) ! ирсобраюн; Х(чну)(

; И/(1)

аюнашш : |—> ¿(чиЯ! | | [

"! Блок оценки

рСЖММСШ |яч

Пршючы

110 ЧаЧ

Блок НСЧС1КОИ опенки ■ сосюшши ирниолон

Блок оценки

»irilOHCIIIll.IV скороеI ей

Ш

Н' 1

; . И|мсртел1.иыс •. нреобраншще.ш

. КО(>рлН11П1ИЫ\ ; перемещении

1»;»1а пекл кнх ираннл Б'Здн ИСМС1К0П) В 1.1 ЛОЛ Л

Формнронаю.п. БД Зроулыаюн реалншош уирлиленим

Текущие .ншгкисшчсскнс' оценки сосгошнш ирннолоп

Блок Мониторинг а

: Ор| аитиционнып — б. юк '

- K00p.ll<1 ШПИОНИМ!

блок'

Мониторинг III!

Рисунок 3. Структура блока мониторинга ИСУ

На входе подсистемы мониторинга имеется реальная физическая величина - сигнал Х(Ь). Сигнал рассматривается как реализация

случайного процесса А(1:), объединяющего множество сигналов на входе.

Сигнал регистрируется с определенной погрешностью первичным измерительным преобразователем и подается на вход блока первичной обработки и нормирования сигналов. Блок экспертной системы, в соответствии с базой нечетких правил формирует лингвистические значения оценки. База нечетких правил может корректироваться блоком анализа погрешностей размера и формы, при наличии результатов измерения обработанной детали.

В блоке мониторинга ПП выполняется лингвистическая оценка состояния приводов подач. Для этого производится отображение реальных траекторных погрешностей (источник информации - датчик перемещения) на погрешность- обрабатываемой поверхности. Поскольку реализуемая траектория движения является не детерминированной функцией от управляющих сигналов, то оценка формируется в нечетком логическом базисе.

Предложен метод формализации неопределенности результата измерений, основанный на положениях теории нечетких множеств (НМ-метод). Какой-либо параметр, измеренный многократно, можно представить в виде нечеткого множества с функцией принадлежности ц: О —>[0,1], где о -измеряемого параметра. При этом не имеет значение, является ли измеряемый параметр функцией времени или нет. Функция принадлежности р во многом аналогична функции плотности распределения вероятностей в статистической теории. Построение функции принадлежности не требует проведения дополнительных теоретических исследований, определяется только экспериментальными данными, и свободно от ограничений на экспериментальные данные, вводимых при применении статистической теории.

Предложен способ аппроксимации эмпирической функции распределения функцией принадлежности <7.-/?/типа. В процессе исследований в качестве {2-/?/функции была выбрана функция вида

Для того чтобы сократить затрачиваемое время при вычислениях уравнения /7/ могут быть заменены следующими уравнениями:

-I Г

Ь(х) = ст • е ! а 1 ,Ул:<0 ВД = 0-е ,V* > О

/7/

л(х) = а ■ 1((а - х) / а) Ух<а,а> О ц/|(х) = ст-Л((д:-(3)/Р) \/х > а,а > О

/8/

/9/

где а - мода нечеткого множества; а, р - левый и правый коэффициенты нечеткости соответственно.

£ - неубывающая функция, определенная на множестве неположительных действительных чисел;

/? - невозрастающая функция, определенная на множестве неотрицательных действительных чисел;

а - коэффициент, определяющий вероятность моды значение функции принадлежности для моды нечеткого множества.

Подсистема мониторинга выполняет экспертную оценку состояния объекта на основе текущих измеряемых значений параметров и базы знаний, представленной совокупностью правил нечеткой продукции. Формируется оценка в соответствии с алгоритмом «Сугено» (Бидепо). Для мониторинга ШУ используются пять входных нечетких переменных Т1...Т4 -характеризующие температурное поле ШУ и V/ - значение действующего радиального усилия на передней опоре шпиндельного узла.

В результате работы механизма нечеткого вывода получаем 3 -значение жесткости.

Алгоритм «Сугено» определяется по двум правилам (рисунок 1). Он применяется для создания нечеткой системы мониторинга и использует следующий набор правил вида:

1. На первом этапе находятся степени истинности для предпосылок каждого правила: А^хо), А2(хо), В^уо), В2(у0).

2. На втором этапе находятся а! = А1(х0)лВ1(у0), а2 = А2(х0)лВ2(у0) и индивидуальные выходы правил:

3. На третьем этапе определяется четкое значение переменной вывода:

Пь если х есть А1 и у есть В1, тогда = а1Х + Ь1у, П2: если х есть А2 и у есть В2, тогда ц = а2х + Ь2у. Алгоритм реализуется программно за три этапа:

/ю/

*

од +а222

/и/

а, + а2

Рисунок 1 - Алгоритм нечеткого вывода «Сугено»

В нечеткой системе мониторинга набор правил для оценки состояния ШУ составляет 1024 правила, для пяти нечетких переменных (Т1, Т2, ТЗ, Т4, \Л/) с четырьмя значениями функции принадлежности (Рисунок 2).

20 25 30 35 40 45 50 55 60 Ё5 Т1 (Температура. С)

W (Нагрузка, кг)

Рисунок 2 - функции принадлежности для переменных Т1, Т2, ТЗ, Т4

Совокупность правил определяет следующую поверхность решений (Рисунок 3).

Поверхность иывол» переменной "Жмтиветь шриндолп"

Рисунок 3 7 Поверхность нечетких решений для переменной жесткость

шпинделя

■&.!■. к+г ^ к

При оценке состояния приводов подач разработаны 274 правила для четырех входных и двух выходных нечетких переменных. Поскольку системы с нечеткой логикой и искусственные нейронные сети эквивалентны друг другу, в возможностях аппроксимации зависимостей, то на практике у них имеются свои собственные достоинства и недостатки. Разработка правил нечеткой продукции и уточнение параметров нечетких переменных производились с применением методики нейро-нечеткой идентификации ANFIS (Adaptive Neuro-Fuzzy Inference System). Поскольку использовалась методика ANFIS, то определение нечетких переменных и их функций принадлежности выполнялось программным пакетом MATHLAB.

Четвертая глава посвящена экспериментальному исследованию работы подсистемы мониторинга в составе токарного станка 1В340Ф30. Здесь же описан программно-аппаратный комплекс подсистема мониторинга, основанный на теоретических и экспериментальных исследованиях выполненных в предыдущих главах.

Программное обеспечение реализовано для' IBM-совместимой персональной ЭВМ. Аппаратное обеспечение включает в себя: измерительную систему модели БВ-6134-02 и ДИП-б, микроконтроллерный блок обработки сигналов с датчиков перемещения, усилители измерительных сигналов, аналого-цифровой преобразователь модели L-154.

Экспериментальная проверка эффективности работы ПМ в производственных условиях показала, что поле рассеяния, полученное в результате обработки детали с учетом результатов мониторинга, уменьшилось с 30 до 16 мкм.

ОСНОВНЫЕ ВЫВОДЫ

1. Предложены принципы иерархической структурно-функциональной классификации погрешностей обрабатывающей системы, в основу которой было положено разделение по следующим признакам: элементный состав обрабатывающей системы, характер погрешностей, причины их возникновения. На основе анализа предложенной классификации сформировано направление разработки системы мониторинга состояния станочных подсистем, оказывающих доминирующее влияние на точность обработки.

2. Сформирована структура блока мониторинга как неотъемлемой части интеллектуальной системы управления (ИСУ) мехатронной технологической системы. Блок мониторинга позволил оценивать состояние станка, процесса обработки, а также геометрические характеристики конкретной детали. Такой способ функционирования обеспечил системе ИСУ возможность принятия решений, основанных на достоверных фактах, на организационном и координационном уровнях.

3. Обоснованы специфические требования, предъявляемые к подсистеме мониторинга, реализующей нечеткую оценку состояния

технологической системы путем использования положений теории нечетких множеств, а также при преобразовании и представлении результатов измерений параметров блоком мониторинга.

4. Разработан метод формализации неопределенности, вносимой различными факторами в результат оценки состояния шпиндельного узла и суппортной группы.

5. Разработан метод и алгоритм косвенных измерений в станочной системе подсистемой мониторинга при токарной обработке.

6. Экспериментально установлено соответствие формируемой качественной оценки реальному состоянию шпиндельного узла и суппортной группы в процессе обработки.

7. На основе теоретических и экспериментальных исследований разработан алгоритм процедуры оценивания параметров в условиях нечеткости и алгоритм работы подсистемы мониторинга в составе интеллектуальной технологической системы управления токарным модулем.

8. Создан аппаратно-программный комплекс «Подсистема мониторинга ИСУ». В состав комплекса входит сенсорная система для получения измерительной информации, модуль ввода измерительной информации и программное обеспечение, реализующее нечеткую оценку станочных подсистем. J .

9. ИСУ станочного модуля с разработанной подсистемой мониторинга обеспечила существенное повышение точности обработки деталей, что подтверждено экспериментальными и промышленными испытаниями.

Комплекс «Подсистема мониторинга ИСУ» внедрен на ОАО «Роствертол» на токарных станках с ЧПУ, в том числе при обработке деталей типа «Фланец». Соответствующий акт внедрения прилагается.

ПУБЛИКАЦИИ ПО РАБОТЕ

1. Лукьянов Е.А. Формирование информационной системы станка на базе нейросетевых структур реального времени / Е.А. Лукьянов, A.A. Гейценредер, И.А. Шипилов // Управление. Конкурентоспособность. Автоматизация. Сб. науч. тр. №3 - Ростов н/Д: Издательский дом «ИУИ АП», 2003.-С. 102-104.

2. Тугенгольд А.К. Мультиагентные интеллектуальные системы управления технологическим оборудованием / А.К. Тугенгольд, Е.А. Лукьянов, A.A. Гейценредер // Математические методы в технике и технологиях: Сб. тр. XVI междунар. науч. конф. / РГАСХМ Ростов н/Д, 2003 - Т.б, Сек. 13. - С. 175-176!

3. Моделирование нейроуправления асинхронным приводом / Е.А. Лукьянов, В.А. Прус, A.A. Гейценредер, A.B. Косенко // VI Международная

научно-техническая конференция "Новые технологии управления движением технических объектов" / ЮРГТУ. - Новочеркасск, 2003. - С. 120-123.

4. Нейросетевой контроллер приводов подач для станков с интеллектуальным управлением / А.К. Тугенгольд, Е.А. Лукьянов, A.A. Гейценредер, Д.А. Носенков // Научно-практический семинар «Информационные технологии для интеграции образования и промышленности»: Сб. науч. тр. Ростов н/Д, 2003. - С. 134-139.

5. Тугенгольд А.К. Интеллектуальное управление технологическим оборудованием с нейросетевым контроллером приводов подач / А.К. Тугенгольд, Е.А. Лукьянов, A.A. Гейценредер // Научно-практический коллоквиум "Проблемы мехатроники"/ ЮРГТУ. - Новочеркасск, 2004. - С. 126-128.

6. Гейценредер A.A. Мониторинг состояния мехатроннного технологического оборудования / A.A. Гейценредер, Е.А, Лукьянов, В,В. Игнатенко // «Мехатроника, автоматизация, управление». (МАУ'2004): Тр. Первой Всерос. науч.-техн. конф. с междунар. Участием,- М.: Новые технологии, 2004 - С. 289-290, Владимир - Й.: Новые технологии, 2004 -С. 289-290.

7. Тугенгольд А. К. Мониторинг станков при интеллектуальном управлении .. / А. К. Тугенгольд, А. А. Гейценредер // Современные проблемы машиноведения и высоких технологий: Тр. междунар. научн.-техн. конф., посвящен. 75-летию ДГТУ. Вестник ДГТУ -2005 - Т. 5 №3(25). Ростов - С. 59-62.

8. Лукьянов Е.А. Интеллектуальный мониторинг шпиндельного узла на базе нечеткой логики / Е.А. Лукьянов, Э.В. Ремизов, А. А. Гейценредер // Сбор, научн. тр. / ДГТУ Ростов н/Д, 2006 - С. 53-55.

9. Гейценредер А. А. Мониторинг станков при интеллектуальном управлении на базе нечеткой логики / А. А. Гейценредер.// Мехатроника. Робототехника. Автоматизация: Сборн. научн. тр. Вып,№1 / МГУПИ,- М. 2006. - С. 29-35.

В набор¿¿72.Ж^печать 2 /Л. ®<э

Объем/усл.п.л., /'^ч.-изд.л. Офсет. Формат 60x84/16.

Бумага тип №3. Заказ № Тираж

Издательский центр ДГТУ

Адрес университета и полиграфического предприятия: 344010, г.Ростов-на-Дону, пл.Гагарина,!.

ВВЕДЕНИЕ

1 СОСТОЯНИЕ ВОПРОСА И ЗАДАЧИ ИССЛЕДОВАНИЯ

1 1 Вопросы повышения точности обработки на станках с ЧПУ

1 1 1 Объекты технологической системы, влияющие на точность обработки

1 1 2 Контрольно-измерительные и диагностические устройства, встраиваемые в станки

1 1 3 Применение систем адаптивного управления и нейросетевого моделирования процесса резания

1 1 4 Динамический мониторинг процессов механической обработки 24 1 2 Подсистемы мониторинга металлорежущих станков

1 3 Концепция построения интеллектуальной системы управления токарным модулем

1 4 Выводы по разделу цель и задачи исследования

2 СТРУКТУРА И ИНФОРМАЦИОННО АЛГОРИТМИЧЕСКОЕ ПОСТРОЕНИЕ ПОДСИСТЕМЫ МОНИТОРИНГА.

2 1 Структура подсистемы мониторинга

2 2 Информативность оценки параметров состояния технологической системы

2 2 1 Классификация погрешностей механической обработки на примере токарных станков с ЧПУ

2 2 2 Состав подсистемы мониторинга.

2 3 Определения т ипа токарной обработки методом экспертных оценок 75 2 4 Алгоритм и программное обеспечение для подсистемы мониторинга

2.5 Выводы по разделу

3. ПРОЦЕДУРА ВЫВОДА ОЦЕНИВАЕМЫХ ПАРАМЕТРОВ В УСЛОВИЯХ НЕЧЕТКОСТИ О ТОЧНОСТИ ИЗГОТОВЛЕНИЯ ДЕТАЛЕЙ НА ТОКАРНЫХ

3.1 Структура подсистемы мониторинга металлорежущего станка.

3.2 Формализация нечеткости результатов измерений на основе понятий теории нечетких множеств.

3 2.1 Методические основы представления результата измерения нечетким множеством.-.

3.2.2 Экспериментальное определение вида (Х-Т^-функции для моделирования рассеивания результатов измерения различных параметров.

3 3 Разработка нечеткой системы мониторинга шпиндельного узла

3.3.1 Нечеткая логика в системах управления.

3.3.2 Построение нечеткой системы мониторинга.

3 3.3 Применение нечеткой логики для создания системы мониторинга.

3.3.4 Применение нейронной сети для создания граничных условий нечеткой системы мониторинга.

3 3.5 Обучение нейронных сетей.

3.3.6 Создание гибридной нейронной сети.

3 4 Создание модели гибридной нейронной сети в пакете

МаШЛаЬ.

3.5 Идентификация состояния шпиндельного узла и настройка нечеткой системы мониторинга.

3 5 1 Результаты применения нечеткой системы мониторинга.

3 6 Выводы по разделу.

4 ЭКПЕРИМЕНТАЛЬНОЕ ИСЛЕДОВАНИЕ ПОДСИСТЕМЫ

МОНИТОРИНГА В СОСТАВЕ ТОКАРНОГО КОМПЛЕКСА

4 1 Описание экспериментального стенда 139 4 2 Определения погрешностей, вызываемых деформациями системы станок

- приспособление - инструмент - деталь

4 3 Методика проведения эксперимента.

4 4 Определение достоверности мониторинга привода подач

4 5 Промышленные испытания подсистемы мониторинга

По мере развития машиностроения и внедрения новых технологий требования к точности деталей и точности функционирования машин постоянно возрастают, поэтому проблема повышения точности обработки деталей на ме1аллорежущих станках остается всегда актуальной В настоящее время повышению точности обработки уделяется повышенное внимание Это отражено в работах Ю Г Кабалдина, В В Юркевича, Б М Бржозовского, В В Мартынова, А С Проникова, В А Добрякова, А А и С А Игнатьевых и др В нашей стране и за рубежом за последние 30 лет накоплен огромный опыт в области создания, эксплуатации и развития различных классов автоматизированных систем (АС), и их основных подсис1ем (например, АС мониторинга состояния технологических систем) [4, 5, 6, 15, 55, 57] В работх В Л Заковоротного отражено развитие основных принципов построения систем динамического мониторинга процесса обработки на станках

Смещение акцента с объема производства на качество изделий оказало значительное влияние на методологию производства и, как следствие, на требования к функциональности и точности станков Просто произвести теперь недостаточно, необходимо обеспечить и проверить качество готовых изделий Концепция станков изменилась, и все большее значение приобретают распределенные интеллектуальные функции и возможность настройки Изделия намного усложнились, и возникла необходимость быстрой переналадки станков для выпуска минимальных партий

Кроме традиционных направлений, таких как повышение геометрической, кинематической, динамической точности станков, минимизации влияния температурных деформаций, все больше внимания уделяется обеспечению высокого качества обработки путем введения интеллектуальных систем управления (ИСУ), построенных на базе нечетких систем (НС) Станок, оснащенный такой системой, становится технологическим объектом, наделенным свойством самоорганизации с целью достижения необходимого качества обработки Баюй для построения возможных выводов при выполнении функций принятия решений служит изначально заложенный опыт и опыт, накапливаемый интеллектуальной системой управления в процессе самообучения, — то есть в процессе работы

Один из перспективных путей повышения качества обработки заключается в создании и применении ИСУ технологическим оборудованием, обеспечивающих изготовление деталей с учетом технических характеристик состояния станка, режущего инструмента, заготовки и подсистемы мониторинга Данное направление развивается в концепции интеллектуального управления мехатронными технологическими объектами, которое было разработано на кафедре «Робототехника и мехатроника» профессором А К Тугенгольдом

Мехатронные объекты (МО), как сложные открытые системы, оснащенные интеллектуальным управлением, должны обладать рядом свойств, которыми обычные машины не наделены К числу таки свойств относятся

• способность достигать целей, меняющихся во времени,

• способность сопоставлять, использовать и преобразовывать знания для принятия решений и формирования управляющих воздействий,

• возможность ориентироваться в многообразии проявления внешней среды, варьируя методы взаимодействия с ней и выполняя прогнозируемые действия,

• принимать решения в условиях получения неполной и нечеткой информации,

• обеспечивать интеллектуальный интерфейс с пользователем, другими системами и МО,

• самостоятельно планировать ресурсы и концентрировать их в нужном направлении и пр

В этих случаях им требуется обладать функциями принятия решений и управления, близкими к интеллектуальным функциям человека Это даег возможность, в частности, восполнить утрачиваемый при автоматизации вклад опытного рабочего в достижение точности и производительности

Здесь можно говорить теперь о ветви человеко-машинных систем -человеко-мехагронных системах Если в первом случае понималось взаимодействие человека и ЭВМ, то во втором - взаимодействие человека с рабочей машиной, имеющей компьютерное управление и выполняющей механические движения с целью преобразования энергии, информации и материалов, главным образом в технологических целях

Поэтому важным являются наследование методов работы оператора-профессионала в области получения, переработки, представления и использования информации об элементах системы станок - приспособление -инструмент - деталь (СПИД), в том числе информации о характере протекания процесса резания Результатом таких исследований является построение подсистемы мониторинга (ГТМ), как одной из важных подсистем интеллектуальной системы управления металлорежущим станком

Таким образом, для повышения точности и технологической надежности металлорежущих станков с процессорным управлением необходимо

1 Разработать структуру подсистемы мониторинга, ориентированную на работу в системе интеллектуального управления При разработке подсистемы мониторинга необходимо ориентироваться на применение мер, не связанных с существенными конструктивными изменениями станка Введение управляющих воздействий целесообразно осуществлять через систему ЧГ1У станка или интеллектуальную компьютерную систему управления Для подналадки положения инструмента или заготовки желательно использовать сущес!вующие методы управления и исполнительные механизмы станка

2 Разработать методы совокупной «обработки» измерительной информации с целью получения косвенной качественной и количественной оценки параметров объекта

3 Определить необходимые способы обработки сенсорной информации, позволяющие формировать оценку достоверности измеренных значений

4 Разработать модели на базе нечеткой логики для реализации задач подсистемы мониторинга

5 Построить математическую модель подсистемы мониторинга и установить адекватность модели при экспериментальном исследовании

6 Экспериментально доказать эффективность работы созданной подсистемы мониторинга в составе интеллектуальной системы управления

Решению указанных вопросов посвящена настоящая диссертационная работа Исследования проводились на кафедре «Робототехника и мехатроника» ДГТУ в продолжении работ по направлению «Формирование информационной среды и структуры интеллектуального управления станками»

Особую благодарность за помощь в выполнении исследований, а также в формировании основных принципов, изложенных в работе, автор выражает кандидату технических наук, доценту Лукьянову Е А

ОСНОВНЫЕ ВЫВОДЫ ПО РАБОТЕ

Проведенные исследования и полученные результаты позволяют сформулировать следующие основные выводы.

1 Предложены принципы иерархической структурно-функциональной классификации погрешностей обрабатывающей системы, в основу которой было положено разделение по следующим признакам элементный состав обрабатывающей системы, характер погрешностей, причины их возникновения На основе анализа предложенной классификации показана необходимость разработки системы мониторинга состояния станочных подсистем, оказывающих доминирующее влияние на точность обработки

2 Сформирована структура блока мониторинга как неотъемлемой части интеллектуальной системы управления (ИСУ) мехатронной технологической системы Блок мониторинга позволил оценивать состояние станка, процесса обработки, а также геометрические характеристики конкретной детали Такой способ функционирования обеспечил системе ИСУ возможность принятия решений, основанных на достоверных фактах, на организационном и координационном уровнях

3 Обоснованы специфические требования, предъявляемые к подсистеме мониторинга реализующей нечеткую оценку состояния технологической системы путем использования положений теории нечетких множеств, а также при преобразовании и представлении результатов измерений параметров блоком мониторинга

4 Разработан метод формализации неопределенности, вносимой различными факторами в результат оценки состояния шпиндельного узла и приводов подач.

5. Разработан метод и алгоритм косвенных измерений в станочной системе подсистемой мониторинга для случая токарной обработки

6 Экспериментально установлено соответствие формируемой качественной оценки реальному состоянию шпиндельного узла и приводов подач в процессе обработки

7 На основе теоретических и экспериментальных исследований разработан алгоритм процедуры оценивания параметров в условиях нечеткости и алгоритм работы ПМ в составе интеллектуальной технологической системы управления токарным модулем

8 Создан аппаратно-программный комплекс «Подсистема мониторинга ИСУ» В состав комплекса входит сенсорная система для получения и преобразования измерительной информации, модуль ввода измерительной информации и программное обеспечение реализующее нечеткую оценку станочных подсистем

9 ИСУ станочного модуля с разработанной подсистемой мониторинга обеспечила существенное повышение точности обработки деталей, что подтверждено экспериментальными и промышленными испытаниями

10 Комплекс «Подсистема мониторинга ИСУ» внедрен на ОАО «Роствертол» на токарных станках с ЧПУ, в том числе при обработке детали типа «Фланец» Соответствующий акт внедрения прилагается.

1.Ф. Модели и методы конструирования интеллектуальных САПРТП механообработки - М , 1990 ВНИИТЭМР Вып 5 - 56 с.

2. Горанский Г К Методика разработки и оптимизации таблиц решений для автоматизированного проектирования в АСТПП, стандартные программы выбора решений и группирования деталей Мн БелНИИНТИ, 1989 60 с

3. Лагута В С , Суворов А Е Экспертная система технологического модуля / Вестник МГТУ Сер. Приборостроение, 1994, N1 с. 22-28

4. Маталин А А Точность механической обработки и проектирование технологических процессов Л : Машиностроение, 1970 320 с.

5. Колев К.С Точность обработки и режимы резания М Машиностроение, 1968 -205с

6. Решетов Д Н , Портман В Т. Точность металлорежущих станков. М/ Машиностроение, 1986 336 с

7. Балакшин А А Самонастраивающиеся станки М Машиностроение, 1967 398 с

8. Капустин Н М, Кузнецов П М Повышение точности функционирования замкнутой системы ЧПУ путем оперативной обработки информации сигналов о перемещении / Вестник машиностроения, 1993, N11-с 25.

9. Сосонкин В Л. Микропроцессорные системы ЧПУ станками М/ Машиностроение, 1985 288 с.

10. Ратмиров В.А Основы программного управления станками М Машиностроение, 1978-240 с.

11. Сосонкин В Л Концепция системы ЧПУ на основе персонального компьютера (PCNC)/ Станки и инструмент, 1992, N 3, с 9-14.

12. Старков В К., Обработка резанием Управление стабильностью и качеством в автоматизированном производстве / М.: Машиностроение, 1989. -296 с

13. Кудинов В А Динамика станков M . Машиностроение, 1967-359 с.

14. Соломенцев ЮМ, Сосонкин BJI. Управление ГПС M Машиностроение, 1988 352 с

15. Грачев J1 H , Сахаров М.Г , Антонов В И Автоматическое управление точностью обработки на токарных станках с ЧПУ — M ВНИИТЭМР,1985 -48с.

16. Потапов В А, Хаак И Особенности современных устройств ЧПУ / СТИН, 1993, N 1, с 30-33

17. Черпаков Б И Тенденции развития мирового станкостроения В начале 21 века/ СТИН, 2003, № 10, с 3-7.

18. Харазок A M Техническая диагностика гидроприводов машин, — М. Машиностроение, 1979 112с.

19. Рагульскис КМ, Юркаускас А Ю Вибрация подшипников / Под ред К М. Рагульскиса —J1. Машиностроение, 1985 - 119 с

20. Явленский К.Н., Явленский А.К. Вибродиагностика и прогнозирование качества механических систем. — JI Машиностроение, 1983 -239 с

21. Соколовский А П, Корсаков В С Математическая модель образования погрешности эквивалентная схема системы СПИД, 1985 56с

22. Итоги науки и техники: физические и математические модели нейронных сетей M • ВИНИТИ, 1990 - TI - 188 с.

23. Нечеткие множества в моделях управления и искусственного интеллекта. / Под ред ДА Поспелова M Наука, 1986 - 312 с

24. Петров Б Н , Соколов Н И , Липатов А В. и др Системы управления объектами с переменными параметрами Инженерные методы анализа и синтеза М. Машиностроение, 1986- 256 с

25. Иноземцев Г Г, Мартынов В В , Бровкова М Б, Оптимизация процесса резания с учетом динамического оборудования // СТИН. 1997 -№12 С 9-13.

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

27. Адаптивное управление станками / Под ред Б С.Балакшина М . Машиностроение, 1973 - 688 с

28. Тимирязев В А Управление точностью гибких автоматизированных систем Обзор М.: НИИмаш ,1983 - 64 с.

29. Тимирязев В А Повышение точности и производительности токарной обработки путем комплексного управления статической и динамической настройкой. // В кн «Самоподнастраивающиеся станки» Под общ ред Балакшина Б С М : Машиностроение, 1970 С 339-363.

30. Соломенцев Ю М, Митрофанов В Г, Протопопов СП и др Адаптивное управление технологическими процессами М Машиностроение, 1980.-536 с.

31. Базров Б.М. Повышение точности формы детали в продольном сечении на станках токарной группы путем управления размером динамической настройки //В кн. «Самоподнастраивающиеся станки» Под общ ред Балакшина Б.С. М : Машиностроение, 1970 С 161-188

32. Соломенцев Ю М Повышение точности обработки на токарных станках путем стабилизации упругого перемещения суппорта //В кн «Самоподнастраивающиеся станки» Под общ ред Балакшина Б С. М Машиностроение, 1967 С. 174-187

33. Соломенцев Ю М, Митрофанов В Г., Протопопов СП и др Адаптивное управление технологическими процессами -М Машиностроение, 1980 -536 с

34. Протопопов С П Управление упругими перемещениями системы СПИД электротехническим способом //В кн «Самоподнастраивающиеся станки» Под общ ред Балакшина Б С -М Машиностроение, 1965. С 101118

35. Тараненко В А , Митрофанов В Г , Косов М Г Технологические способы и средства повышения точности обработки нежестких деталей М • ВНИИТЭМР, 1987.-64 с

36. Адаптивное управление станками. / Под ред Б С Балакшина М Машиностроение, 1973 - 688 с.

37. Либерман Я Л , Системы мониторинга для металлорежущих станков Екатиренбург, УГТУ 2000г - 99 с.

38. Кабалдин Ю Г, Биленко С В, Шпилев А М Построение перспективных систем управления металлорежущими станками на основе самоорганизации и принципов искусственного интеллекта // Вестник машиностроения, 2002 №6 С 59-65.

39. Константинов О А , Анухин В И , Макарова Т А Вопросы точности обработки деталей на гибком токарном модуле Л • ЛДНТП, 1987-24 с

40. Либерман ЯЛ, Тимашев С А Состояние и перспективы развития средств контроля и диагностики в станках с ЧПУ. М.: ВНИИТЭМР, 1989-40с.

41. Повышение точности и качества обработки деталей машин и приводов М.МДНТП 1977

42. Billatos S, Chung Р, Tseng В. Интеллектуальная система механообработки с оптимизацией, основанной на знаниях. // Jornal of Manufaktunng System. The University of Connekticut Vol 10 / № 6, 1994

43. Айвазян С A , Еников И.С., Мешалкин Л Д Прикладная статистика1 Исследование зависимостей. М • Финансы и статистика, 1985.

44. Щиголев Б М Математическая обработка наблюдений М Наука, 1969 -334 с.

45. Гутер Р.С, Овчинский Б В Элементы численного анализа и математической обработки результатов опыта М Наука, - 1970 - 432 с

46. Ивахненко А Г , Юрачковский Ю П Моделирование сложных систем по экспериментальным данным М ' Радио и связь, 1985

47. Малышев Н Г , Берштейн JI С , Боженюк А В Нечеткие модели для экспертных систем в САПР М Энергоатомиздат, 1991 - 136 с

48. Алиев Р А , Абдикеев Н М., Шахназаров М М Производственные системы с искусственным интеллектом М ' Радио и связь 1990

49. Тугенгольд А К., Герасимов В А , Лукьянов Е.А Интеллектуальное управление станком по состоянию элементов технологической системы//СТИН 1997, №3. С 7-13

50. Тугенгольд А К Управляющая стратегия ПИТ-С//Проектирование технологических машин Сб. научных трудов М/ МГТУ «Станкин», 1997, №3.-С 25-29

51. Тугенгольд А К, Гейценредер А. А Мониторинг станков при интеллектуальном управлении //ДГТУ 2006, С 7-13

52. Шеннон К Э Работы по теории информации и кибернетике1 Пер с англ -М ИЛ, 1963 829 с

53. Фано Р. Передача информации Статистическая теория связи: Пер с англ/Под ред РЛДобрушина -М Мир, 1965 -438 с

54. Соколовский А П, Портман В Т., Решетов Д Н Точность металлорежущих станков. М/ Машиностроение 1986 336 с

55. Соломенцев Ю М , Митрофанов В Г , Косов М Г. Моделирование точности при автоматизированном проектировании металлорежущего оборудования М • ВНИИТЭМР, 1985 60 с

56. Точность и надежность станков с числовым программным управлением /Под ред. Проникова А С М Машиностроение, 1982 184 с

57. Косов М Г , Сычева Н А Структурная модель механизма образования погрешностей технологического процесса механической обработки деталей//Вестник машиностроения 1991, №4 С 56-58

58. Колев К С Точность при резании металлов М. Знание, 1966 32 с

59. Пуш А В , Пименов Н Ю., Пхакадзе С Д Прогнозирование точности обработки на прецизионных станках //Автоматизированные станочные системы и роботизация производства Сб научн. тр Тула ТулПИ, 1990 С 87-92

60. Пуш ВЭ, Кочинев НА, Хачатрян АХ Формообразование поверхности при точении с учетом относительных колебаний заготовки и инструмента //СТИН 1991, №7. С 28-30.

61. Кудинов В А Динамика станков М ' Машиностроение, 1967 359 с

62. Косилова А Г Точность обработки, заготовки и припуска в машиностроении, 1989 288 с.

63. Медведева ДД Автоматизированное управление процессами обработки резанием, М Машиностроение, 1987 143с

64. Безъязычный В Ф, Кожина Т Д, Константинов А В. и др. Оптимизация технологических условий механической обработки деталей авиационных двигателей М • Изд-во МАИ, 1993 - 184 с

65. А с 1154650 (СССР) Устройство стабилизации температуры резания /Я Л Либерман, ВП Метельков Опубл в Б И, 1986,№ 17.

66. Мелихов А Н, Берштейн Л.С, Коровин С Я. Ситуационные советующие системы с нечеткой логикой. М.' Наука, 1990 - 272 с

67. Бородачев НА, Гаврилов АН. и др Точность производства в машиностроении и приборостроении /Под ред Гаврилова А.Н. М Машиностроение, 1973 - 567 с

68. Аверкин А Н, Батыршин И 3. и др. Нечеткие множества в моделях управления и искусственного интеллекта /Под ред Д А Поспелова М Наука, 1986 -312 с

69. Илюнин О К О критерии адекватности математических моделей //Автоматизированные системы управления и приборы автоматики Вып 54. -Харьков, 1980 С 28-31.

70. Щиголев Б М Математическая обработка наблюдений М : Наука, 1969 -334 с

71. Kruger Н , Janssen J. М. Tool monitoring on computer numerical control (CNC) machines Maintenance Management International - 5(1985). - PP. 3 - 11

72. Марков А А Теория алгоритмов М АН СССР, 1954 - 376 с

73. Redford А. Н Online assessment of tool wear using wear-temperature gradient relationships Machinability Test, and util Mach Data Proc. Int Cont, Oak Park, 1978, Metals Park, Ohio, 1979 - P 405 - 415.

74. Карташов Э M Аналитические методы в теории теплопроводности -М Высшая школа, 1985 480С

75. Ларшин В П, Ткаченко Б О Выбор математической модели прогнозирования тепловой погрешности шага резьбы ходовых винтов/ СТИН, 1993, N2, с. 9-11

76. Спицын Н.А , Атрас С Г , Цыплянова Н С и др Потери на трение в подшипниках качения М • ВНИИП. 1966. 103 с

77. Холодниок М, Клич А, Кубичек М , Марек М «Методы анализа нелинейных математических моделей» М . Мир, 1991 368с

78. Ежедневский Е, Квасны В Влияние тепловых изменений зазора в подшипниках качения на жесткость шпиндельных узлов Станки и инструмент №4 1977. 10-12 с

79. Марков Н Н , Сацердотов П А , «Погрешности от температурных деформаций при линейных измерениях» М/ Машиностроение, 1976 232с

80. Пупков К А , Егупов Н Д , Методы робастного, нейро-нечеткого и адаптивного управления М МГТУ им Н Э Баумана, 2002 744с

81. Круглов В В, Дли М И, Голунов Р Ю Нечеткая логика и искусственные нейронные сети

82. Асаи К , Ватада Д , Иваи С и др Прикладные нечеткие системы Пер с япон подред Т Тэрано, К Асаи, М Сугэно-М'Мир 1993 -368 с