автореферат диссертации по обработке конструкционных материалов в машиностроении, 05.03.01, диссертация на тему:Оптимизация скорости резания в режиме реального времени при токарной обработке

На правах рукописи

ДУБОВИЦКИИ Дмитрий Викторович

ОПТИМИЗАЦИЯ СКОРОСТИ РЕЗАНИЯ В РЕЖИМЕ РЕАЛЬНОГО ВРЕМЕНИ ПРИ ТОКАРНОЙ ОБРАБОТКЕ

Специальность: 05.03.01 - "Технологии и оборудование механической и

физико-технической обработки"

АВТОРЕФЕРАТ

диссертации на соискание учёной степени кандидата технических наук

Тула-2003

Работа выполнена на кафедре «Автоматизированные станочные системы» в Тульском государственном университете

Научный руководитель: доктор технических наук, профессор

Иноземцев Александр Николаевич

Официальные оппоненты: доктор технических наук, профессор

Ушаков Михаил Витальевич кандидат технических наук Русаков Олег Львович

Ведущая организация: ОАО «Тяжпромарматура»

(г. Алексин Тульской области)

Защита состоится «Н» ноября 2003 г. в ^_ часов на заседании

диссертационного совета Д 212.271.01 при Тульском государственном университете (300600 г. Тула, пр. Ленина, 92, 9-101)

С диссертацией можно ознакомиться в библиотеке Тульского государственного университета.

Автореферат разослан «__-£_» октября 2003 г.

Учёный секретарь __

диссертационного совета, д. т. н. С^^ФЖ^Со-ОЛ —— А.Б. Орлов

15707

' ( ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. В машиностроительном производстве большую часть оборудования предприятия составляют станки с числовым программным управлением, автоматические линии и многооперационные станки. В связи с широкой автоматизацией машиностроительного производства огромное значение приобретает задача определения оптимальных режимов работы инструмента. От ее решения во многом зависят производительность оборудования, себестоимость и точность обработки, расход режущего инструмента, качество поверхностного слоя и другие параметры процесса металлообработки.

Режимы резания назначаются технологами в соответствии с нормативами. Однако, производственные условия, как правило, отличаются от учтенных в нормативах. Здесь сказывается влияние динамического состояния станка, колебаний свойств заготовок из различных партий исходного материала, колебаний свойств разных партий инструмента и т.д. Поэтому учесть реальные производственные условия на стадии проектирования технологического процесса не представляется возможным. Также неизбежным в реальных условиях оказывается влияние субъективного фактора. Причем задача оптимизации режимов резания существенно осложняется при обработке новых материалов, применении новых инструментальных материалов, при внедрении новых технологических процессов, т.е. когда нормативные данные отсутствуют или являются не полными.

Существующие методы и системы управления и оптимизации режимов резания либо основываются на использовании эмпирических показателей процесса резания, полученных при определенных экспериментальных условиях и неадекватно отражающих состояние станочной системы, либо для своей реализации требуют большого объема материальных затрат и дополнительных аппаратных средств при относительно низкой эффективности регулирования. Потеря точности при оценке показателей процесса резания неизбежно приводит к экономическим потерям. Эти потери определяются простоем оборудования и рабочей силы, сверхурочными работами, нарушением ритмичности производственного процесса, повышенным износом режущего инструмента, что отрицательно сказывается на качестве продукции, и чревато штрафными санкциями за невыполнение контрактных обязательств. Экономические потери неизбежно увеличивают себестоимость изделий, а нерациональное использование оборудования снижает его производительность.

Стремление преодолеть указанные недостатки привело к появлению автоматизированных систем управления, которые позволяют оптимизировать процесс металлообработки непосредственно в производственных условиях благодаря получаемой текущей информации по параметрам, определяющим условия и качество процесса резания. Задачей подобных систем управления, которые называются адаптивными, является так

БИБЛИОТЕКА 1 СПетчЛуцг | 99 Щ> ***>0р \

параметров процесса резания, которое в условиях действия случайных возмущающих воздействий обеспечивало бы экстремум выбранного критерия оптимизации - производительности, себестоимости и т.п. Причем изменение параметров процесса резания должно осуществляться в режиме реального времени, под которым в соответствии с ГОСТ 15971-90 понимается режим обработки информации, обеспечивающий взаимодействие системы обработки информации с внешними по отношению к ней процессами в темпе, соизмеримом со скоростью протекания этих процессов. Обработка резанием обусловливает темп взаимодействия системы обработки информации с внешними процессами, соответствующий периоду стойкости режущего инструмента.

Таким образом, в условиях промышленной реформы и экономического стимулирования задача назначения экономически оптимальных режимов резания непосредственно в производственных условиях в режиме реального времени приобретает особую актуальность. Решению данной задачи и посвящены выполненные диссертационные исследования.

Цель работы заключается в повышении эффективности токарной обработки за счет установления непосредственно в производственных условиях оптимальной скорости резания в режиме реального времени с учетом фактического влияния на стойкость инструмента всех факторов процесса резания.

Для достижения поставленной цели сформулированы и решены следующие задачи исследований:

1) выполнить анализ методик назначения режимов резания на основе экономических критериев оптимальности;

2) провести анализ методов оценки параметров стойкостной зависимости;

3) разработать теоретико-вероятностную модель процесса резания, позволяющую на основе оценки стойкостной зависимости оптимизировать параметры резания в режиме реального времени;

4) на основе численного моделирования процесса резания разработать методическое, алгоритмическое и программное обеспечение оценки стойкости и стойкостной зависимости с целью обеспечения оптимизации процесса резания в режиме реального времени;

5) оценить адекватность теоретических исследований путем экспериментальной проверки результатов работы самообучающейся системы управления скоростью резания в режиме реального времени в производственных условиях.

Методы и средства исследования. При выполнении работы использовались научные основы теории резания, технологии машиностроения, теории вероятностей и математической статистики, теории восстановления, теории надежности, теории обучающихся систем, анализ и обобщение производственного опыта, а также статистический материал о иаде^ш^тарежущрт инструмента.

" • -/И) Л- а !

Основные положения, выносимые автором на защиту:

• общий подход к оценке стойкостной зависимости режущего инструмента непосредственно на рабочем месте в режиме реального времени с самообучением;

■ теоретико-вероятностная модель процесса резания, позволяющая на основе оценки стойкостной зависимости оптимизировать параметры резания в режиме реального времени;

■ инженерная методика и математическое обеспечение самообучающейся процедуры, позволяющие повысить эффективность управления процессом резания в режиме реального времени.

Научная новизна результатов исследования заключается в установлении зависимости между параметрами процесса резания и стойкостью режущего инструмента при оптимизации скорости резания в режиме реального времени с темпом взаимодействия системы обработки информации с процессом резания, соответствующим случайным фактическим значениям периода стойкости режущего инструмента.

Практическая значимость. Разработано математическое и методическое обеспечение самообучающейся процедуры оптимизации скорости резания в режиме реального времени при обработке деталей на станках с ЧПУ в условиях серийного, мелкосерийного и индивидуального производства.

Реализация работы. Результаты данной работы приняты к внедрению на предприятии ОАО "Тяжпромарматура" (г. Алексин, Тульской обл.).

Апробация работы. Основные положения работы докладывались на научных конференциях профессорско-преподавательского состава ТулГУ в

1999-2003 г.; на XXVI всероссийской молодежной научной конференции «Гагаринские чтения», г. Москва, 2000 г.; на научно-технической конференции «Техника XXI века глазами молодых ученых и специалистов», г. Тула, 2001 г.; на электронной международной научно-технической конференции "Автоматизация и информатизация в машиностроении", г. Тула,

2000-2001 г.; на первой международной электронной научно-технической конференции "Технологическая системотехника", г. Тула, 2002 г.

Публикации. Основное содержание работы изложено в 6 публикациях. Структура и объём работы: Диссертация состоит из введения, четырех глав, заключения, списка литературы и четырех приложений, изложенных на 16 страницах, содержит 144 страницы машинописного текста, 7 таблиц, 29 рисунков, список литературы из 125 наименований.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

В первой главе проведен анализ методов назначения режимов резания на основе экономических критериев оптимальности.

Рассмотрены основные показатели оптимальности режимов резания и методы выбора критерия оптимальности режима резания в соответствии с конкретными производственными условиями и техническими и технологическими ограничениями, которые предложены в работах

Балакшина Б.С., Боброва В.Ф., Васина Л.А., Васина С.А, Высоковского Е.С., Грановского Г.И., Даниеляна А.М., Иноземцева А.Н., Кабалдина Ю.Г., Кацева П.Г., Клушина М.И., Колесова И.М., Краплина М.А., Лоладзе Т.Н., Макарова А.Д., Маталина A.A., Никифорова А.Д., Пасько Н.И., Силина С.С., Спиридонова Э.С., ТемчинаГ.И., ХаетаГ.Л., ЯмниковаА.С. и других авторов. При этом рассмотрены следующие категории ограничений на элементы критерия оптимальности: не зависящие от скорости резания; не зависящие от подачи; зависящие от скорости резания и подачи. Данные ограничения не исчерпывают всех закономерностей, касающихся технических зависимостей, но достаточно полно характеризуют все возможные варианты последовательности решения задачи по выбору режимов резания.

Выполнен анализ надежности режущего инструмента и зависимости его стойкости от скорости резания. Показано, что, так как на автоматизированном оборудовании преобладают простои, связанные с обслуживанием инструмента, теоретический уровень которых диктуется оптимальными режимами его эксплуатации, то задача управления процессом резания сводится к задаче оптимального управления условиями эксплуатации режущего инструмента. При этом важнейшим фактором принятия решений об оптимальности условий эксплуатации режущего инструмента является его стойкость, представляющая собой одну из характеристик надежности, то есть одну из составляющих качества инструмента. Показано, что ввиду стохастичности износа инструмента его стойкость подвержена разбросу, который целесообразно описывать распределением Вейбулла и оценивать коэффициентом вариации.

На основе анализа известных стойкостных зависимостей обосновано преимущество степенной зависимости Тейлора, которая является линейной в логарифмических координатах, что облегчает оценку ее параметров, и позволяет для оптимальной скорости резания по критерию производительности или себестоимости получить простые явные формулы. Данную стойкостную зависимость предложено использовать в самообучающейся процедуре оптимизации скорости резания в режиме реального времени.

Приведен обзор существующих систем управления в режиме реального времени и методов их обучения и самообучения. В результате сформулированы требования к математической модели и программно-алгоритмической реализации самообучающейся процедуры управления параметрами процесса резания в режиме реального времени.

На основании вышеизложенного определена цель работы и сформулированы задачи исследования.

Во второй главе разработана самообучающаяся процедура оптимизации скорости резания в режиме реального времени.

В результате анализа известных процедур самообучения применительно к процессу резания (процедура стохастической аппроксимации Роббинса-

Монро, процедура Кифера-Волфовица) установлено, что они отличаются простотой и требуют минимум априорной и текущей информации о процессе резания. Но, как следствие, сходимость к оптимуму оказывается слишком медленной, чтобы их эффективно использовать на практике в режиме реального времени. Актуальной поэтому является задача максимального ускорения процесса самообучения. В частности, этого можно достичь более полно используя априорную и текущую информацию о процессе резания.

Значительно можно ускорить процесс самообучения используя явно вид стойкостной зависимости в области оптимальных скоростей резания. Тогда в процессе самообучения в режиме реального времени можно последовательно уточнять параметры стойкостной зависимости, используя данные всех предшествующих итераций и скорость резания для следующей итерации рассчитывать с учетом уточненной стойкостной зависимости.

Показано, что хотя для описания зависимости стойкости режущего инструмента от скорости резания различными исследователями предложен ряд формул, на практике наибольшее распространение получила степенная зависимость Тейлора

~ Ст Т--1--,

Ут8х1уНВг

где V - скорость резания в м/мин, 5 - частота в мм/об, г- глубина резания в мм, НВ - твердость обрабатываемого материала, Су ,т,х,у,2 -эмпирические степенные коэффициенты.

Несмотря на то, что действительная стойкостная зависимость значительно сложнее, в ограниченном интервале скоростей ее всегда можно достаточно точно аппроксимировать отмеченной степенной зависимостью, чем и пользуются на практике. При применении степенной зависимости Тейлора совместно с использованием в качестве критерия оптимальности математического ожидания себестоимости обработки в станкоминутах

рабочего хода 0 = ^

1 + ^

получается простое выражение для

определения оптимальной скорости резания V*:

1 1 т

(/и-1)ЛЭ

где - время рабочего хода, Т - математическое ожидание периода стойкости инструмента в единицах времени резания, А - коэффициент времени резания, Э - средние затраты на замену и подналадку инструмента в станкоминутах, С - константа стойкостной зависимости.

Задача заключается в том, чтобы по опытным значениям стойкости Ти Т2,..., Г„ полученным при скоростях резания V,, У2, ..., У,- наилучше оценить параметры стойкостной зависимости и, пользуясь предлагаемой формулой

2 с,-

С"

К+ 4

1 + ^

С"

1 +

где 7}+, Т[~ - стойкости, полученные при скоростях резания Кг+с;, с,

соответственно, Э*, Э[ - соответствующие затраты на замену и подналадку инструмента за период стойкости, С" - константа, учитывающая длину, диаметр обработки, подачу и независящая от скорости резания, аь с> — коэффициенты процедуры самообучения, рассчитать более точную скорость резания У,+1 для следующей итерации процесса самообучения в режиме реального времени.

Особенность оптимизации процесса резания в режиме реального времени с самообучением состоит в том, что не все параметры режима резания нуждаются в такой оптимизации. Глубину резания t выгодно брать максимально возможной в пределах припуска на обработку. Подачу 5 тоже выгодно брать максимальной, исходя из технологических ограничений, возможностей оборудования и инструмента. Остается только скорость резания V. В связи с этим стойкостную зависимость Тейлора можно упростить:

уГП

где константа С зависит от всех остальных параметров режима резания, которые в процессе самообучения предполагаются неизменными, и оценке подлежат только параметры Сит.

С целью использования в самообучающейся процедуре оценки параметров стойкостной зависимости в режиме реального времени были рассмотрены несколько вариантов метода наименьших квадратов (МНК) и метод наибольшего правдоподобия. Каждый из этих методов имеет свои особенности, преимущества и недостатки с точки зрения точности оценок, сложности алгоритма расчета и применимости этого алгоритма для работы в режиме реального времени.

Результаты применения МНК зависят от того, какой критерий оптимальности оценки используется, то есть какой показатель процесса резания мы хотим возможно точнее оценить. Речь может идти только о стойкости, либо об интенсивности износа, либо о штучном времени обработки детали. В общем случае оценка по МНК формулируется так. Пусть © - некоторый показатель процесса резания, который зависит от стойкости Т, ©(Г,) - значение показателя, рассчитанное по фактической стойкости, а ©(Г) - расчетное значение этого показателя, тогда критерий для оценки параметров стойкостной зависимости по МНК запишется так:

/ /

N ;

9(7})-б

V?

л

Оптимальные значения параметров С, т должны свести к минимуму указанный критерий - средний квадрат отклонения опытного значения показателя от расчетного. Оптимальные значения параметров Сит находятся из следующей системы двух уравнений

ЭД(С,т) ЭА(С,/и) ЭС ' Ът

В работе рассмотрено шесть вариантов оценки по МНК, имеющих практический и теоретический интерес. При этом в качестве показателя в предполагается использование непосредственно стойкости инструмента (<Э = Г), логарифма стойкости (© = 1пГ), относительного отклонения расчетной стойкости от опытной (© = (¡Г - 7})/ 7}), относительного отклонения расчетной интенсивности износа инструмента от опытной (© = (?}~т)/Т), интенсивности износа инструмента (9 = 1/7') и себестоимости технологической операции (© = (1 + ЛЭ/Г)).

Например, в случае использования в качестве показателя 0 логарифма стойкости инструмента получено следующее выражение для минимума критерия

Д(ти, С) = тп2 ■ Кх 2 + 2т ■ Кп + К% - 1п2 С ,(2.5.16)

где т = Кх'Кг ~Кп , ЫС = К2+т-Кь а

Кп-К* N i

1 2 1

К\) = — К\2 =—£1пК -1п7} - коэффициенты, соответствующие

N 1 N

статистическим моментам пары (1пК, Ь7).

Эту величину Д(/и, С) можно рассматривать как статистическую дисперсию логарифма стойкости и использовать для оценки коэффициента вариации стойкости.

Представленные в главе процедуры самообучения в режиме реального времени ориентированы на сглаживание колебаний стойкости инструмента. Это оправдано, если условия обработки в среднем стабильны. Но они не учитывают возможный дрейф или другие изменения условий обработки, например, связанные с новыми поставками исходного материала, когда изменяется его обрабатываемость, либо связанные с поступлением режущих пластин от другого изготовителя с другой износостойкостью и т.д.

Отмеченные обстоятельства можно учесть следующим образом: процедуру самообучения при управлении процессом обработки в режиме реального времени не заканчивать по достижению стабилизации скорости резания, а продолжать ее в «стационарном» режиме, когда при оценке стойкости учитываются только N последних итераций, а информация о более ранних итерациях как устаревшая, например, стирается из памяти ЧПУ станка.

Чем больше ТУ, тем консервативней алгоритм самообучения и он реагирует только на долговременные изменения условий обработки. И, наоборот, чем меньше ТУ, тем быстрее будет реагировать процедура управления скоростью резания в режиме реального времени на изменение этих условий. Ясно, что N должно быть таким, чтобы сглаживать случайные колебания стойкости, но учитывать систематические ее изменения.

Блок-схема этой процедуры, приведенная на рис. 1, показывает, что начиная с итерации г = Л7, процесс самообучения входит в стационарный режим, когда величина отклонения от рассчитанной скорости У*1+1 берется постоянной, равной а№ которая прибавляется или вычитается от V в зависимости от четности или нечетности номера итерации. Подобно процедурам Роббинса-Монро и Кифера-Волфовица при а} можно

определить как аН, но при г > N - а, = а,у. В виде единой формулы это можно записать так:

а,- =а/тт(г, Щ.

Таким образом, рассматриваемая самообучающаяся процедура управления скоростью резания в режиме реального времени не имеет окончания. До итерации 1=Ы она работает в режиме накопления данных о стойкостной зависимости, а при ¿>Ы процедура входит в стационарный режим, когда новые данные учитываются, а наиболее старые данные отбрасываются. При этом стойкостная зависимость оценивается по последним N итерациям.

Третья глава посвящена статистическому моделированию, анализу и выбору метода оценки параметров стойкостной зависимости.

Сравнение различных вариантов метода оценки параметров стойкостной зависимости проведено на разработанной статистической модели процесса резания, реализующей разброс стойкости по заданному закону с коэффициентом вариации стойкости, не зависящим от скорости резания. За основу взят закон разброса Вейбулла.

Результаты испытания всех методов оценки параметров стойкостной зависимости приведены на рис. 2 - 4, на которых критерии оценки обозначены следующим образом: 1-© = 7,;2-© = 1п7,;3-0 = (7;-7})/7/;4 - & = (Г{-Т)/Т; 5 - 0 = 1/7'; 6 - &=(р(1 + ЛЭ/Т); 7 - максимум правдоподобия.

Сравнение по точности предложенных шести вариантов МНК и метода наибольшего правдоподобия, предполагаемых для использования при оценке параметров стойкостной зависимости, показывает, что наибольшую точность дает метод наибольшего правдоподобия. Несколько меньшую точность дает МНК по относительному отклонению стойкости (в = (7} -Г)/Г). С учетом поправки на смещение оценки стойкости достаточно высокую точность дал МНК по логарифму стойкости (9 = 1пГ). Ввиду простоты алгоритма оценки по этому варианту он предлагается для использования в самообучающейся процедуре управления скоростью резания в режиме реального времени.

и

Г Начало 1 1

ыТТл. 7

3, N. а /

г/Ш7

V1=Vл*в

1 = 2,1=1

11

1- 1+1

Задание параметров операции

Работа станка на скорости V, и определение стойкости 7",

Работа станка на скорости Уг и определение стойкости Т2

Работа станка на скорости У,,, и определение стойкости Тм

Переход на стационарный режим

Рис. 1. Блок-схема самообучающейся процедуры управления скоростью резания в режиме реального времени с переходом в стационарный режим

0,35

—*—5 -»-6

-+-7

5 10 15 20 25 30 35 40 45 50 Размер выборки

Рис. 2. Изменение относительной ошибки оценки параметра т в зависимости

от размера выборки

-ш-2

10 15 20 25 30 35 40 45 50 Размер выборки

Рис. 3. Изменение относительной ошибки оценки параметра 1пС в зависимости от размера выборки

5 10 15 20 25 30 35 40 45 50 Размер выборки

Рис. 4. Изменение относительной ошибки расчета себестоимости обработки в зависимости от размера выборки для оценки параметров стойкостной

зависимости

Четвертая глава посвящена исследованию эффективности процесса оптимизации скорости резания в режиме реального времени.

Разработан алгоритм испытания предложенной самообучающейся процедуры управления скоростью резания в режиме реального времени, использующий статистические модели процесса резания. С целью оценки эффективности процесса самообучения предложен интегральный критерий -минимум себестоимости обработки заданного количества деталей:

' ЛЭЧ

1 + -

где Т - оптимальная стойкость, соответствующая оптимальной скорости резания V.

По предложенному алгоритму проведено испытание различных вариантов процедуры самообучения на трех моделях процесса резания, основанных на стойкостных зависимостях Тейлора - 1, Темчина - 2, Коняшова и Ксюниной - 3 (рис. 5). При этом проиллюстрирована зависимость точности оценки оптимальной скорости резания от номера итерации процесса самообучения.

20 40 80 160 320 Скорость резания,м/мин

Рис. 5. Графики зависимости относительной себестоимости от скорости резания при различных стойкостных зависимостях

Определена эффективность вариантов процедуры самообучения в зависимости от коэффициента вариации стойкости при его значениях от 0 до 1. Показано, что с ростом коэффициента вариации стойкости отмечаются большие колебания скорости резания и замедление сходимости процедуры самообучения к оптимуму.

В результате исследования влияния вида поисковой последовательности а, на сходимость процедуры самообучения установлено,

[а при г = 1

что оптимальной является последовательность а: , когда первые

[0 при / > 1

две итерации самообучения выполняются при скоростях, заданных априори, а последующие - при расчетных скоростях = V,' без поискового смещения а,.

Проверена эффективность вариантов самообучающейся процедуры управления скоростью резания в режиме реального времени с ограниченным размером выборки N для оценки параметров стойкостной зависимости. Показано, что эффективность процедуры увеличивается с ростом N. Поэтому сделан вывод, что в случае стабильных условий обработки N следует брать максимальным, исходя из технических возможностей системы ЧПУ. Если же условия не стабильны (имеется дрейф условий обработки), то следует N ограничить.

Предложена модификация процедуры управления скоростью резания в режиме реального времени при обработке деталей на металлорежущих станках со ступенчатым регулированием частоты вращения шпинделя.

ОСНОВНЫЕ ВЫВОДЫ

1. В результате обобщения производственного опыта и анализа трудов отечественных и зарубежных исследователей установлено, что существующие методы и системы управления и оптимизации режимов резания либо основываются на использовании эмпирических показателей процесса резания, полученных при определенных условиях эксперимента и неадекватно отражающих состояние станочной системы, либо для своей реализации требуют большого объема материальных затрат и дополнительных аппаратных средств при относительно низкой эффективности регулирования.

2. Обоснована необходимость разработки автоматизированных адаптивных самообучающихся систем управления, которые позволяют оптимизировать процесс металлообработки непосредственно в производственных условиях в режиме реального времени при котором адаптивная система управляет процессом резания в темпе, соизмеримом со скоростью его протекания. Показано, что обработка резанием обусловливает темп взаимодействия системы обработки информации с внешними процессами, соответствующий периоду стойкости режущего инструмента.

3. Анализ известных процедур самообучения применительно к оптимизации процесса резания показал, что процедура Роббинса-Монро пригодна только для стабилизации процесса резания на заданную среднюю производительность, а процедура Кифера-Волфовица позволяет найти максимум или минимум математического ожидания функции регрессии, но так как критерий оптимальности процесса резания - производительность или себестоимость операции - является отношением двух регрессий, то непосредственно эта процедура к процессу резания не применима. Данные обстоятельства обусловливают необходимость разработки оригинальных процедур управления процессом механической обработки использующих для ускорения процесса самообучения явно вид стойкостной зависимости в области оптимальных скоростей резания. Тогда в процессе самообучения можно в режиме реального времени последовательно уточнять параметры

стойкостной зависимости, используя данные всех предшествующих итераций и скорость резания для следующей итерации рассчитывать с учетом уточненной стойкостной зависимости.

4. Разработана самообучающаяся процедура управления процессом резания в режиме реального времени с восстановлением стойкостной зависимости в предположении, что вблизи оптимума стойкостная зависимость может быть аппроксимирована степенной зависимостью Тейлора. Предложены семь вариантов метода оценки параметров стойкостной зависимости и реализующие их алгоритмы, а также модификация самообучающейся процедуры управления процессом резания в режиме реального времени в направлении учета дрейфа условий обработки.

5. В результате сравнения различных вариантов метода оценки параметров стойкостной зависимости, проведенного на статистической модели процесса резания, реализующей разброс стойкости по заданному закону с коэффициентом вариации стойкости, не зависящим от скорости резания показано, что в самообучающейся процедуре управления процессом резания в режиме реального времени ввиду простоты алгоритма оценки целесообразно использовать метод наименьших квадратов по отклонению логарифмов стойкости (1п Г - 1п Т ).

6. Разработан алгоритм испытания предложенной самообучающейся процедуры оптимизации скоростей резания в режиме реального времени, основанный на использовании статистических моделей процесса резания, и интегральный критерий оценки эффективности процесса самообучения, состоящий в учете себестоимости обработки при управлении резанием в режиме реального времени с самообучением.

7. Определена эффективность вариантов самообучающейся процедуры управления процессом резания в режиме реального времени в зависимости от коэффициента вариации стойкости при его значениях от 0 до 1.

8. В результате испытаний различных вариантов процедур самообучения выявлены варианты, дающие стабильную эффективность на разных моделях процесса резания и поэтому пригодных для практического использования на станках с развитыми вычислительными возможностями системы ЧПУ, а также предложена модификация процедуры самообучения для станков со ступенчатым регулированием частоты вращения шпинделя.

9. Результаты работы приняты к внедрению на предприятии ОАО "Тяжпромарматура" (г. Алексин, Тульской обл.).

ОСНОВНОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ ИЗЛОЖЕНО В РАБОТАХ:

1. Дубовицкий Д.В. Управление режимами резания на основе процедур самообучения оптимизирующего типа // Известия Тульского государственного университета. Серия машиностроение. Выпуск 6 (специальный). Сборник избранных трудов конференции "Автоматизация и информатизация в машиностроении 2000" (АИМ 2000). - Тула: ТулГУ, 2000. -С. 246-249.

? |Ц 1 5 9 0 7

2. Долгов Д.В., Дубовицкий Д. В. Автоматизированная система управления инструментальным хозяйством предприятия. // XXVI Гагаринские чтения. Тезисы докладов международной молодежной научно-технической конференции. - М.: Из-во "Латмэс", 2000. - т. 2, С. 438.

3. Долгов Д.В., Дубовицкий Д.В. Автоматизированная система управления инструментальным хозяйством машиностроительного предприятия // Молодежная научно-техническая конференция технических вузов Центральной России. Тезисы докладов. Брянск: БГТУ, 2000. - С. 151.

4. Дубовицкий Д.В. Оптимизация режимов резания на основе экономических критериев // Автоматизация и информатизация в машиностроении. Сб. трудов Второй междунар. электронной науч.-техн. конф, - Тула: Гриф и К°, 2001. - С. 77 - 79.

5. Иноземцев А.Н., Пасько Н.И., Дубовицкий Д.В. Применение метода максимального правдоподобия для оценки параметров стойкостной зависимости // Технологическая системотехника. Сб. трудов Первой междунар. электронной науч.-техн. конф. - Тула: Гриф и К0, 2002. - С. 233 -235.

6. Иноземцев А.Н., Пасько Н.И., Дубовицкий Д.В. Оптимизация скорости резания на основе самообучения в режиме реального времени // Известия Тульского государственного университета. Серия машиностроение. Вып. 1 (спец.). - Тула: ТулГУ, 2003. - С 8 - 14.

Подписано в печать ^Формат бумаги 60X84 1/16. Бумага типограф.12

Офсетная печать. Усл. печ. л. 10 ■ Усл. кр. отг. /, О. Уч. изд. л. О 9. Тираж 80 экз. Заказ707. '

Тульский государственный университет. 300600, Тула, просп. Ленина, 92 Издательство Тульского государственного университета. 300600, Тула, ул. Болдина, 151.

ВВЕДЕНИЕ.

1. АНАЛИЗ МЕТОДОВ НАЗНАЧЕНИЯ РЕЖИМОВ РЕЗАНИЯ НА ОСНОВЕ ЭКОНОМИЧЕСКИХ КРИТЕРИЕВ ОПТИМАЛЬНОСТИ

1.1. Показатели оптимальности режимов резания.

1.2. Выбор критерия оптимальности режима резания.

1.3. Технические и технологические ограничения режимов резания.

1.4. Распределение стойкости и функция надежности режущего инструмента.

1.5. Исследование зависимости стойкости от скорости резания.

1.6. Процедуры обучения и самообучения в автоматизированных системах реального времени.

1.7. Цель и задачи исследований.

2. ОПТИМИЗАЦИЯ СКОРОСТИ РЕЗАНИЯ В РЕЖИМЕ РЕАЛЬНОГО ВРЕМЕНИ НА ОСНОВЕ ПРОЦЕССА САМООБУЧЕНИЯ. 2.1. Введение.

2.2. Процедура стохастической аппроксимации Роббинса-Монро.

2.2.1. Математическая модель процедуры Роббинса-Монро.

2.2.2. Применение процедуры Роббинса-Монро при назначении режимов резания.

2.3. Процедура Кифера-Волфовица.

2.3.1. Описание процедуры.

2.3.2. Критерий оптимальности для процедуры.

2.4. Процедуры с восстановлением параметров стойкостной зависимости.

2.5. Оценка параметров стойкостной зависимости методом наименьших квадратов.

2.5.1. Исходные предположения.

2.5.2. Общая схема метода наименьших квадратов.

2.5.3. Показатель - стойкость инструмента.

2.5.4. Показатель - логарифм стойкости инструмента.

2.5.5. Показатель - относительное отклонение расчетной стойкости от опытной.

2.5.6. Показатель - относительное отклонение расчетной интенсивности износа от опытной.

2.5.7. Показатель - интенсивность износа инструмента.

2.5.8. Показатель - себестоимость операции.

2.6. Оценка параметров стойкостной зависимости методом наибольшего правдоподобия.

2.6.1. Исходные предположения.

2.6.2. Функция правдоподобия.

2.7. Сравнение методов оценки параметров стойкостной зависимости

2.8. Учет дрейфа условий обработки. 2.9. Выводы.

3. СТАТИСТИЧЕСКОЕ МОДЕЛИРОВАНИЕ, АНАЛИЗ И ВЫБОР МЕТОДА ОЦЕНКИ ПАРАМЕТРОВ СТОЙКОСТНОЙ

ЗАВИСИМОСТИ.

3.1. Ведение.

3.2. Моделирование разброса стойкости.

3.3. Сравнение по точности методов оценки параметров стойкостной зависимости.

3.3.1. Генерация выборки

Р 3.3.2. Критерии сравнения.

3.3.3. Результаты сравнения.

3.3.4. Учет смещения.

3.4. Выводы.

4. ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ ПРОЦЕССА

ОПТИМИЗАЦИИ СКОРОСТИ РЕЗАНИЯ В РЕЖИМЕ

РЕАЛЬНОГО ВРЕМЕНИ.

К»1' 4.1. Критерии сходимости процедур самообучения.

4.2. Блок-схема статистической модели самообучения.

4.3. Имитация процесса резания.

4.4. Оценка параметров стойкостной зависимости.

4.5. Управление скоростью резания.

4.6. Испытание процедуры самообучения при тейлоровской стойкостной зависимости.

4.6.1. Влияние коэффициента вариации на сходимость.

4.6.2. Влияние вида поисковой последовательности на сходимость. 4.6.3. Сравнение вариантов процедуры самообучения по экономическому критерию.

4.7. Испытание процедуры самообучения при нетейлоровской стойкостной зависимости.

4.7.1. Испытание основных вариантов процедуры.

4.7.2. Испытания модификаций процедуры самообучения.

4.8. Испытание процедуры самообучения с ограничением на память

4.9. Учет дискретности ряда частот вращения шпинделя.

4.10. Выводы.

В машиностроительном производстве станки с числовым программным управлением, автоматические линии и многооперационные станки составляют большую часть оборудования предприятия. В связи с широкой автоматизацией машиностроительного производства огромное значение приобретает задача определения оптимальных режимов работы инструмента. От этого во многом зависят производительность оборудования, себестоимость и точность обработки, расход режущего инструмента, качество поверхностного слоя и другие параметры процесса металлообработки. Тесная взаимосвязь технологических и экономических факторов [24], определяющая влияние режимов работы станков на производство в целом, привела к тому, что расчет режимов резания стал одной из важных задач в машиностроении.

Режимы резания устанавливаются технологами или нормировщиками на основе принятых на предприятиях для данного вида деталеоперации нормативов режимов резания. Под режимом резания понимают совокупность глубины резания, подачи, скорости резания и периода стойкости [10].

Правильный расчет режимов резания является ответственным и весьма трудоемким делом, на которое технологами затрачивается значительное время.

На производстве режимы резания назначаются в соответствии с нормативами. Однако, производственные условия, как правило, отличаются от нормативных. Здесь сказывается влияние динамического состояния станка, колебания свойств между партиями изделия, колебания свойств между партиями инструмента и т.д. и учесть их на стадии проектирования технологического процесса не представляется возможным. Влияние субъективного фактора оказывается неизбежным при учете реальных условий. В условиях обработки новых материалов, новыми материалами инструмента, при новых технологических процессах, т.е. когда нормативные данные отсутствуют или являются не полными, задача существенно осложняется.

Существующие методы и системы управления и оптимизации режимов резания либо основываются на использовании эмпирических показателей процесса резания, полученных при определенных условиях эксперимента и неадекватно отражающих состояние станочной системы, либо для своей реализации требуют большого объема материальных затрат и дополнительных аппаратных средств при относительно низкой эффективности регулирования. Потеря точности при оценке показателей процесса резания неизбежно приводит к экономическим потерям. Эти потери определяются простоем оборудования и рабочей силы, сверхурочными работами, нарушением ритмичности производственного процесса, повышенным износом режущего инструмента, что отрицательно сказывается на качестве продукции, и чревато штрафными санкциями за невыполнение контрактных обязательств. Экономические потери неизбежно увеличивают себестоимость изделий, а нерациональное использование оборудования снижает его производительность.

Стремление преодолеть указанные недостатки привело к появлению автоматизированных систем управления, которые позволяют оптимизировать процесс металлообработки благодаря получаемой текущей информации по параметрам, определяющим условия и качество процесса резания. Задачей подобных систем управления, которые называются адаптивными [2, 106], является такое изменение управляемых параметров процесса резания, которое в условиях действия случайных возмущающих воздействий обеспечивало бы экстремум выбранного критерия оптимизации - производительности, себестоимости и т.п. Причем изменение параметров процесса резания осуществляется в режиме реального времени [86, 96], под которым в соответствии с ГОСТ 15971-90 понимается режим обработки информации, обеспечивающий взаимодействие системы обработки информации с внешними по отношению к ней процессами в темпе, соизмеримом со скоростью протекания этих процессов. Обработка резанием обусловливает темп взаимодействия системы обработки информации с внешними процессами, соответствующий периоду стойкости режущего инструмента.

В условиях промышленной реформы и экономического стимулирования задача назначения экономически оптимальных режимов резания непосредственно в производственных условиях приобретает особую актуальность. Решению данной задачи и посвящены выполненные диссертационные исследования.

В первой главе рассмотрены основные показатели оптимальности режимов резания и методы выбора критерия оптимальности режима резания в соответствии с конкретными производственными условиями и обстоятельствами и техническими и технологическими ограничениями. Выполнен анализ надежности режущего инструмента и зависимости его стойкости от скорости резания. Приведен обзор существующих систем управления в режиме реального времени и методов их обучения и самообучения. В результате сформулированы требования к математической модели и программно-алгоритмической реализации систем управления режимами резания в реальном времени.

Вторая глава посвящена описанию оптимизации скорости резания в режиме реального времени на основе процесса самообучения. На основе анализа известных процедур самообучения при оптимизации процесса резания выявлены их недостатки и предложена процедура управления скоростью резания в режиме реального времени с восстановлением стойкостной зависимости в процессе самообучения.

В третьей главе на основе статистического моделирования процесса резания произведены анализ и выбор метода оценки параметров стойкостной зависимости. Показано, что достаточной точностью при простоте алгоритма оценки обладает вариант метода наименьших квадратов по отклонению логарифмов стойкости. Он и был принят для использования в процедуре самообучения при управлении скоростью резания в режиме реального времени.

В четвертой главе проведена экспериментальная проверка оптимизации скорости резания в режиме реального времени на статистической модели с использованием предложенного интегрального критерия оценки эффективности процесса самообучения, состоящего в учете себестоимости обработки в режиме самообучения. В результате испытаний различных вариантов процедур самообучения выявлены варианты, дающие стабильную эффективность на разных моделях процесса резания и поэтому пригодных для практического использования на станках с развитыми вычислительными возможностями системы ЧПУ. Предложена модификация процедуры управления скоростью резания в режиме реального времени для станков со ступенчатым регулированием частоты вращения шпинделя.

В заключении обсуждены итоги работы и сформулированы общие выводы по диссертации.

Автор защищает следующие теоретические и прикладные результаты работы:

- общий подход к оценке стойкостной зависимости режущего инструмента непосредственно на рабочем месте в режиме реального времени с самообучением;

- теоретико-вероятностную модель процесса резания, позволяющую на основе оценки стойкостной зависимости оптимизировать параметры резания в режиме реального времени;

- инженерную методику и математическое обеспечение самообучающейся процедуры, позволяющие повысить эффективность управления процессом резания в режиме реального времени.

Научная новизна заключается в теоретико-вероятностном представлении процесса резания, раскрывающем зависимость между параметрами процесса резания и стойкостью режущего инструмента.

Автор выражает благодарность научному руководителю д.т.н., профессору Иноземцеву А.Н. и д.т.н., профессору Пасько Н.И. за научные консультации при подготовке диссертационной работы и другим сотрудникам кафедры "Автоматизированные станочные системы" Тульского государственного университета за помощь, поддержку, полезные замечания и предложения, высказанные в ходе обсуждения диссертационной работы.

9. Результаты работы приняты к внедрению на предприятии ОАО "Тяжпромарматура" (г. Алексин, Тульской обл.). т

ЗАКЛЮЧЕНИЕ И ОСНОВНЫЕ ВЫВОДЫ ПО РАБОТЕ

Основным результатом данной диссертационной работы является решение важной научной задачи, имеющей существенное народнохозяйственное значение и заключающейся в назначении экономически оптимальных режимов резания непосредственно в производственных условиях в режиме реального времени.

Результаты проведенных теоретических исследований, математико-статистическая обработка данных о надежности режущего инструмента, а также опыт практического использования разработанного методического и программного обеспечения позволяют сделать следующие основные выводы.

1. В результате обобщения производственного опыта и анализа трудов отечественных и зарубежных исследователей установлено, что существующие методы и системы управления и оптимизации режимов резания либо основываются на использовании эмпирических показателей процесса резания, полученных при определенных условиях эксперимента и неадекватно отражающих состояние станочной системы, либо для своей реализации требуют большого объема материальных затрат и дополнительных аппаратных средств при относительно низкой эффективности регулирования.

2. Обоснована необходимость разработки автоматизированных адаптивных самообучающихся систем управления, которые позволяют оптимизировать процесс металлообработки непосредственно в производственных условиях в режиме реального времени при котором адаптивная система управляет процессом резания в темпе, соизмеримом со скоростью его протекания. Показано, что обработка резанием обусловливает темп взаимодействия системы обработки информации с внешними процессами, соответствующий периоду стойкости режущего инструмента.

3. Анализ известных процедур самообучения применительно к оптимизации процесса резания показал, что процедура Роббинса-Монро пригодна только для стабилизации процесса резания на заданную среднюю производительность, а процедура Кифера-Волфовица позволяет найти максимум или минимум математического ожидания функции регрессии, но так как критерий оптимальности процесса резания — производительность или себестоимость операции - является отношением двух регрессий, то непосредственно эта процедура к процессу резания не применима. Данные обстоятельства обусловливают необходимость разработки оригинальных процедур управления процессом механической обработки использующих для ускорения процесса самообучения явно вид стойкостной зависимости в области оптимальных скоростей резания. Тогда в процессе самообучения можно в режиме реального времени последовательно уточнять параметры стойкостной зависимости, используя данные всех предшествующих итераций и скорость резания для следующей итерации рассчитывать с учетом уточненной стойкостной зависимости.

4. Разработана самообучающаяся процедура управления процессом резания в режиме реального времени с восстановлением стойкостной зависимости в предположении, что вблизи оптимума стойкостная зависимость может быть аппроксимирована степенной зависимостью Тейлора. Предложены семь вариантов метода оценки параметров стойкостной зависимости и реализующие их алгоритмы, а также модификация самообучающейся процедуры управления процессом резания в режиме реального времени в направлении учета дрейфа условий обработки.

5. В результате сравнения различных вариантов метода оценки параметров стойкостной зависимости, проведенного на статистической модели процесса резания, реализующей разброс стойкости по заданному закону с коэффициентом вариации стойкости, не зависящим от скорости резания показано, что в самообучающейся процедуре управления процессом резания в режиме реального времени ввиду простоты алгоритма оценки целесообразно использовать метод наименьших квадратов по отклонению логарифмов стойкости (1п

6. Разработан алгоритм испытания предложенной самообучающейся процедуры оптимизации скоростей резания в режиме реального времени, основанный на использовании статистических моделей процесса резания, и интегральный критерий оценки эффективности процесса самообучения, состоящий в учете себестоимости обработки при управлении резанием в режиме реального времени с самообучением.

7. Определена эффективность вариантов самообучающейся процедуры управления процессом резания в режиме реального времени в зависимости от коэффициента вариации стойкости при его значениях от 0 до 1.

8. В результате испытаний различных вариантов процедур самообучения выявлены варианты, дающие стабильную эффективность на разных моделях процесса резания и поэтому пригодных для практического использования на станках с развитыми вычислительными возможностями системы ЧПУ, а также предложена модификация процедуры самообучения для станков со ступенчатым регулированием частоты вращения шпинделя.

1. Автоматы и автоматические линии. Ч. I. Основы проектирования / Под ред. Г.А. Шаумяна. М.: Высшая школа, 1976. - 230 с.

2. Адаптивное управление металлорежущими станками. Серия I, М.: НИИМаш, 1973.-228 с.

3. Адаптивное управление станками. /Под ред. Б.С. Балакшина. М.: Машиностроение, 1973. 688 е., ил.

4. Адаптивные системы автоматического управления: Республиканский межведомственный научно-технический сборник. Выпуск 13. К.: Техшка, 1985. — 132 е., ил.

5. Акимов И.В. Самообучающаяся система экспресс-оценки трудоемкости изготовления деталей машин: Автореф. дис.канд. техн наук: 05.02.08/ Тульский гос. ун-т, 1999. — 16 с.

6. Балакшин Б.С. Использование систем адаптивного управления для повышения точности и производительности обработки// Станки и инструмент. — 1972. №4.

7. Башков В.М. Методы оценки и контроля надежности режущего инструмента: Дис.канд. техн. наук/Москва, 1962.

8. Башков В.М., Кацев П.Г. Испытания режущего инструмента на стойкость. -М.: Машиностроение, 1985. 136 е.: ил.ф 10 Бобров В.Ф. Основы теории резания металлов. М.:

9. Машиностроение, 1975. 344 с.

10. Бровкова М.Б. Оперативная оптимизация процесса чистовой токарной обработки на основе учета динамического состояния оборудования: Автореф. дис.канд. техн наук: 05.03.01/ Саратов, гос. техн. ун-т, 1999. 16 с.

11. Бронштейн И.Н., Семендяев К.А. Справочник по математике для инженеров и учащихся ВТУЗов. М.: ГИТТЛ, 1956. — 608 с.

12. Вазан М. Стохастическая аппроксимация. /Пер. с англ. Э.М. Вайсборда. -М.: Мир, 1972. 295 е.: ил.

13. Великанов K.M. и Новожилов В.И. Экономичные режимы резания металлов. — Л.: Машиностроение, 1972 — 120 с.

14. Вентцель Е.С. Теория вероятностей. М.: Наука, 1969. - 576 с.

15. Вентцель Е.С., Овчаров Л.А. Теория вероятностей и ее инженерные приложения. М.: Наука, 1988. -480 с.

16. Войнов К.Н. Прогнозирование надежности механических систем.

17. Л.: Машиностроение, 1978. 208 е., ил.il

18. Волчкевич Л.И. Некоторые вопросы теории производительности в машиностроении: Автореф. дис.канд. техн наук/ МВТУ им. Баумана, 1963. 18 с.

19. Вульфсон И.А., Зусман В.Г., Ратмиров В.А. Автоматическое регулирование режима резания на фрезерных станках с ПУ //Станки и инструмент. 1965. - №9.

20. Высоковский Е.С. Влияние способов заточки на надежность режущего инструмента в автоматическом производстве// Вестник машиностроения. — 1970. №3.

21. Высоковский Е.С. Технологические исследования надежности и производительности многоинструментальных наладок автоматизированного металлорежущего оборудования: Дис. канд. техн. наук/Ростов-на-Дону, 1963

22. Грановский Г.И., Грановский В.Г. Резание металлов: Учебник для машиностр. и приборостр. вузов. М.: Высш. шк., 1985. - 304 е., ил.

23. Герцбах И.Б., Кордонский Х.Б. Модели профилактики. М.: Советское радио, 1969. 214 е., ил.

24. Гильман A.M. и др. Оптимизация режимов обработки на металлорежущих станках. М.: Машиностроение, 1972. 188 е., ил.

25. Глебов С.Ф. Теория наивыгоднейшего резания металлов. М.: Госмашметиздат, 1933

26. Глинников М. Комплекс CuneiForm Collection// Мир ПК. 1998. -№3. - с. 58-59.

27. Гнеденко Б.В., Беляев Ю.К., Соловьев А.Д. Математические методы теории надежности. М.: Наука, 1965. — 524 с.

28. Городецкий М.С. и др. Числовое программное управление металлорежущими станками. М.: НИИМаш, 1970. 151 е., ил.

29. Гордиенко Б.И., Краплин М.А. Оптимальные режимы металлорежущих станков / Под ред. С.С. Четверикова. Ростов-на-Дону, 1969.-423 с.

30. Грановский Г.И. О стойкости инструмента как исходном параметре для расчета режимов резания// Вестник машиностроения. 1965. -№8.

31. Грановский Г.И., Баклунов Е.Д., Панченко К.П. Стабильность работы режущего инструмента на автоматических линиях// Автоматизация и механизация производственных процессов в машиностроении. М.: Машиностроение, 1967. - с. 62 - 85.

32. Гришин С. А. Применение алгоритмов самообучения к оптимизации процесса резания на примере токарной и сверлильной обработки: Дис. канд. техн. наук/ ТулГУ, 2000. 238с.

33. Гумбель Э. Статистика экстремальных значений /Пер. с англ. В.Ю.

34. Татарского М.: Мир, 1965. 450 е., ил.

35. Демаков И.П., Балагезен Ю.Г. Организация испытаний нанадежность и обработка их результатов. М.: Машиностроение, 1974.

36. Демидович Б.П., Марон И.А. Основы вычислительной математики. -М.: Наука, 1966, 664 с.

37. Демьянюк Ф.С. Технологические основы поточного и автоматизированного производства. М.: Машгиз, 1958

38. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. М: Статистика, 1973. 392 с.

39. Дружинин Г.В. Анализ эрготехнических систем. М.: Энергоатом издат, 1984. - 160 е., ил.

40. Дюбуа Д., Прад А. Теория возможностей. Приложение к представлению знаний в информатике: Пер. с фр. М.: Радио и связь, 1990.-288 е.: ил.

41. Дубовицкий Д.В. Оптимизация режимов резания на основе экономических критериев // Автоматизация и информатизация в машиностроении. Сб. трудов Второй междунар. электронной науч.-техн. конф. Тула: Гриф и К0, 2001. - С. 77 - 79.

42. Елисеев В.А., Прытков В.Г. Система экстремального управления металлорежущим станком.// Труды МЭИ. Электромеханика, вып. 56, 1964.

43. Еремеев В.В. Исследование и разработка метода автоматизированного назначения режимов обработки для токарных станков с ЧПУ на основе измерения термоЭДС зоны резания: Автореф. дис.канд. техн наук: 05.03.01/ Волгоград, гос. техн. ун-т, 1999.-20 с.

44. Ермаков С.М., Михайлов Г.А. Курс статистического моделирования,- М.:Наука, 1976.- 320 с.

45. Зажигаев Л.С., Кишьян A.A., Романов Ю.И. Методы планирования и обработки результатов физического эксперимента. М.: Атомиздат, 1978.-231 е., ил.

46. Заренин Ю.Г., Стоянова И.И. Определительные испытания на надежность. М.: Изд-во стандартов, 1978. 168 с.

47. Ивахненко А.Г. Самообучающиеся системы с положительным обратными связями: Справочное пособие. Киев: Изд-во АН УССР, 1963.-328 с.

48. Ивахненко А.Г. Техническая кибернетика. Киев: Гостехиздат, 1962.

49. Ивахненко Е.О. Обеспечение точности обработки на токарных станках посредством выбора рациональных режимов резания с

50. Игумнов Б.Н. Расчет оптимальных режимов обработки для станков и автоматических линий. М.: Машиностроение, 1974. - 200 е.: ил.

51. Иноземцев А.Н. Структурно-параметрический синтез систем из параллельно работающих станков для токарной обработки изделий массового производства: Диссерт. на соискание ученой степени канд. техн. наук. Тула, 1984. 318 с.

52. Иноземцев А.Н. Проектирование процессов и систем механообработки на основе разрешения неопределенности технологической информации: Автореф. дис.докт. техн наук: 05.03.01/ Тульск. гос. техн. ун-т, 1998. 42 с.

53. Иноземцев А.Н., Пасько Н.И. Надежность станков и станочных систем.-Тула, ТулГУ, 2002.- 192 с.

54. Иноземцев А.Н., Пасько Н.И., Дубовицкий Д.В. Оптимизация режимов резания с применением процедур самообучения //

55. Кацев П.Г. Статистические методы исследования режущего инструмента. Изд. 2, М., Машиностроение, 1974.

56. Кендал М., Стьюарт А. Статистические выводы и связи.-М.:Наука,1973.-817 с.

57. Козлов Б.А., Ушаков И.А., Справочник по расчету надежности. М.: Советское радио, 1975. 471с., ил.

58. Кокс Д.Р., Смит B.JI. Теория восстановления. М.: Советское радио, 1967. 299 с.

59. Колесов И.М. Основы технологии машиностроения: Учебник для машиностроительных вузов. М.: Машиностроение, 1997. - 592 е.: ил.

60. Краплин М.А. Повышение эффективности металлорежущего оборудования на основе оптимизации режимов его работы. 05,02,08. дтн, Ростов-на-Дону, 1989.

61. Лоладзе Т.Н. Прочность и износостойкость режущего инструмента. М.: Машиностроение, 1982. — 320 е., ил.

62. Маталин A.A. Технология машиностроения: Учебник для машиностроительных вузов. JL: Машиностроение, Ленингр. отд-ние, 1985. - 496 с.

63. Макаров А. Д. Оптимизация процессов резания. М.: Машиностроение, 1976. - 278 е.: ил.

64. Макаров М.В. Повышение эффективности точения инструментом из СТМ на основе назначения рациональных режимов резания с учетом ультразвуковой диагностики его свойств: Автореф. дис.канд. техн наук: 05.03.01/РГАТА, 2000. 18 с.

65. Методика расчета экономической эффективности новой техники в машиностроении. Под ред. К.М.Великанова. Л.: Машиностроение, 1967.-499 с.

66. Надежность режущего инструмента. /Под ред. Г.Л. Хаета. Киев: Вища школа, 1975. - 312 е., ил.

67. Невельсон М.Б., Хасьминский Р.З. Стохастическая аппроксимация и рекуррентное оценивание. -М.: Наука, 1972. 304 е.: ил.

68. Невельсон P.A. Вероятностный анализ процесса изнашивания сверл и законы распределения стойкости// Надежность режущего инструмента. Киев: Техника, 1972. - 258 е., ил.

69. Никин А.Д. Адаптивная система управления температурно-силовыми режимами процесса резания металлов: Автореф. дис.канд. техн наук: 05.13.07/УГАТУ, 1999.- 17 с.

70. Никифоров А.Д. и др. Процессы управления объектами машиностроения: Учеб. пособие для машиностроит. спец. вузов. / А.Д. Никифоров, А.Н. Ковшов, Ю.Ф. Назаров. — М.: Высшая школа, 2001.-455 с.

71. Обработка нечеткой информации в системах принятия решений /А.Н.Борисов, А.В.Алексеев, Г.В.Меркурьева и др. М.: Радио и связь, 1989. - 304 с.

72. Общемашиностроительные нормативы режимов резания: Справочник: В 2-х т.: Т1/ А.Д. Локтев, И.Ф. Гущин, В.А. Батуев идр. — М.: Машиностроение, 1991. — 640 е.: ил.

73. Оптимизация режимов обработки на металлорежущих станках /Гильман А.М. и др. М.: Машиностроение, 1972. 188 с.

74. Пасько Н.И. Некоторые вопросы статистической теории рядов скоростей и подач и оптимального управления режимом резания: Дис. канд. техн. наук/ ТПИ, 1963.

75. Пасько Н.И. Научные основы машинно-ориентированного анализа и оптимизации станочных систем для обработки тел вращения. Дис. докт. техн. наук / Тула. 1983.

76. Пасько Н.И. Надежность станков и автоматических линий. Тула: ТПИ, 1979.- 106 с.

77. Пасько Н.И. Некоторые вопросы статистической теории рядов скоростей и подач и оптимального управления режимом резания: Дис. канд. техн. наук/ТПИ, 1963

78. Пасько Н.И. О средней стойкости многоинструментной наладки //Вестник машиностроения. 1969. - №2

79. Пасько Н.И., Иноземцев А.Н., Акимов И.Н. К методике вероятностного расчета времени выполнения партии деталей //Известия ТулГУ. Серия "Машиностроение", Вып. 3. Тула, 1998.

80. Попов М.А. Структура самообучающейся адаптивной технологической системы прогнозирующего типа длямногопроходной токарной обработки: Автореф. дисканд. техннаук: 05.02.08/ Тул. техн. ун-т, 1999. 23 с.

81. Применение управляющих вычислительных машин / А.Н. Морозевич, A.B. Николаев, А.П. Пашкевич, A.A. Петровский. — Мн.: Выш. шк., 1988.-238 с.

82. Режимы резания металлов. Справочник. Подред. Ю.В.Барановского." М.Машиностроение, 1972.- 410 с.

83. Садов В.А. Оптимизация процесса многопроходного нарезания резьбы резцом: Автореф. дис.канд. техн наук: 05.03.01/ ТПИ, 1983.-20 с.

84. Самонастраивающиеся станки. /Сб. под ред. B.C. Балакшина. М.: Машиностроение, 1970.

85. Самоорганизующиеся стохастические системы управления. /Дж.Саридис /Пер. с англ./Под ред. Я.З. Цыпкина. М.: Наука, 1980. -400 с.

86. Сандлер A.C. Электропривод и автоматизация металлорежущих станков. М.: Высшая школа, 1972. 439 с.

87. Семибратова М.В. Диагностика и управление контактнымипроцессами при резании: Автореф. дисканд. техн наук: 05.03.01/

88. К.-А. гос. техн. ун-т, 2000. 19 с.

89. Смирнов Н.В., Дунин-Барковский И.В. Курс теории вероятностей и математической статистики для технических приложений. М.: Наука, 1965. - 512 с.

90. Старков В.К. Обработка резанием. Управление стабильностью и качеством в автоматизированном производстве. — М.: Машиностроение, 1989. 296 с. ил.

91. Старков В.К. Технологические методы повышения надежности обработки на станках с ЧПУ. М.: Машиностроение, 1984. - 120 с.

92. Строганов Р.П. Управляющие машины и их применение. — М.: Выш. шк., 1986.-240 с.

93. Тверской М.М. Автоматическое управление режимами обработки деталей на станках. М.: Машиностроение, 1982. - 208 е.; ил.

94. Тейлор Ф. Искусство резать металл. Изд. 2, 1902 г.

95. Темчин Г.И. Теория и расчет многоинструментных наладок. — М.: Машгиз, 1957. 557 с.

96. Терешин М.В. Повышение надежности обработки отверстий на основе диагностирования состояния осевого инструмента: Автореф. дисканд. техн наук: 05.03.01/ Станкин, 1986. — 16 с.

97. Фаронов В.В.Турбо Паскаль 7.0.- М.:"Нолидж",2001.- 576 с.

98. Феллер Б. Введение в теорию вероятностей и ее приложения. В 2-х т. Т.1. М.: Мир, 1984. - 527 е., ил.

99. Хает Г.Л. Повышение эффективности обработки на тяжелых станках на основе исследований надежности, многокритериальной оптимизации параметров и режимов эксплуатации инструмента: Дис.докт. техн наук: 05.03.01/ Станкин, 1992. 33 с.

100. Хает Г.Л. Прочность режущего инструмента. — М.: Машиностроение, 1975. 168 е., ил.

101. Центер Л.С. Исследования надежности режущего инструмента металлообрабатывающего автоматизированного оборудования: Дис. .канд. техн наук/ Минск: АН БССР, ОТН, 1962

102. Цыпкин Я.З. Основы теории обучающихся систем. М.: Наука, 1970.-252 с.

103. Цирлин A.M. Оптимальные циклы и циклические режимы. — М.: Энергоатомиздат, 1985. 264 е., ил.

104. Чавчанидзе В.В., Кумеишвилли В.А. Об определении распределения на основе малого числа наблюдений. В сб. "Применение вычислительной техники для автоматизации производства" /Под ред. Солодовникова В.В. М.: Машгиз, 1961. - 536 с.

105. Червяков Л.М. Управление процессом обеспечения точности изделий машиностроения на основе когнитивных моделей принятиятехнологических решений: Автореф. дисдокт. техн наук:0502.01/Москва, 1999

106. Чернышев Н.М. Оптимизация скорости резания при изменяющихся условиях фрезерования: Автореф. дис.канд. техн наук: 05.03.01/ Горьковск. политехи, ин-т, 1979. — 24 с.

107. Шаумян Г.А. Автоматы и автоматические линии. М.: Машгиз, 1961.-552 е., ил.

108. Шаумян Г.А. Основы теории проектирования станков-автоматов и автоматических линий. М.: Машгиз, 1949. — 262 с.

109. Шор Я. Б., Кузьмин Ф.И. Таблицы для анализа и контроля надежности. М.: Советское радио, 1968. - 288 с.

110. Щелкунова М.Е. Диагностика состояния режущего инструмента на основе вероятностных и информационных параметров акустической эмиссии и термоЭДС: Автореф. дис.канд. техн наук: 05.03.01/ К.-А. гос. техн. ун-т, 2000. 20 с.

111. Ямпольский JI.C., Тараненко В.А., Евдокимов В.Д. Средства и методы автоматического управления режимами обработки металлов резанием. К.: УкрНИИНТИ, 1975. 62 с.

112. Янке Е., Эмде Ф., Леш Ф. Специальные функции. Формулы, графики, таблицы.- М.: Наука, 1968.- 344 с.

113. Anil К., JianchangM., Mohiuddin К.М. Введение в искусственные нейронные сети М.: Открытые системы, 1997. - №4. - С. 16-24.

114. DNC Kit// Manufacturing Engineering (USA). 1996. - 116, №6. - p.84

115. Kneppelt L.R. Planning: The Challenge in a CIM Environment // Automation, Jan. 1991, p. 34-35

116. PC-based DNC for 16 mashines.//Metalwork. Prod. 1995. - 139, №2. -p.22

117. Robbins H., Monro S. A stochastic approximation method. Ann. Math. Statist., 22, 1 (1951), 400-407

118. The Latest generation// Machine and Product Engineering. — 1998. -156, №3956.-p. 64

119. Venter J.H. An extension of the Robbins — Monro procedure. Ann. Math. Statist., 38, 1, 1967. p. 181 190.

120. Wager J.G., Barash M.M. Study of the Distribution of the Life of HSS Tools. //Journal of Engineering for Industry, January 4, 1971.

121. Wilde D. Optimal Seeking Methods. New York: Prentice-Hall, 1963.