автореферат диссертации по обработке конструкционных материалов в машиностроении, 05.03.01, диссертация на тему:Прогнозирование стойкости минералокерамического режущего инструмента на основе нейросетевых моделей его изнашивания

На правах рукописи

Климов Алексей Борисович

ПРОГНОЗИРОВАНИЕ СТОЙКОСТИ МИНЕРАЛОКЕРАМИЧЕСКОГО РЕЖУЩЕГО ИНСТРУМЕНТА НА ОСНОВЕ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ ЕГО ИЗНАШИВАНИЯ

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

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Иваново - 2006

Работа выполнена в Кинешемском филиале Московского государственного индустриального университета (КФ МГИУ).

Научный руководитель:

доктор технических наук, профессор Куликов Михаил Юрьевич

Официальные оппоненты: доктор технических наук,

профессор Полетаев Владимир Алексеевич

кандидат технических наук, Новиков Виктор Владимирович

Ведущее предприятие:

АО «Точприбор», г. Иваново.

Защита состоится « 17 » ноября 2006 г. в «_14_» часов на заседании

диссертационного совета Д 212.062.03 при Ивановском государственном университете по адресу: 153025 г. Иваново, ул. Ермака, 39, ИвГУ, учебный корпус 3, ауд. 459.

С диссертацией можно ознакомиться в библиотеке ИвГУ.

Автореферат разослан «_13_» октября 2006 г.

диссертационного совета

Ученый секретарь

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность работы.

В настоящее время в современном машиностроении все большее развитие получают процессы размерной обработки конструкционных материалов методами тонкой лезвийной механической обработки. Более того, как показывают экспертные оценки, эта тенденция сохранится в будущем, благодаря возможности адаптивного управления процессом резания.

Применение режущего инструмента из минералокерамики в том числе и с многофункциональными покрытиями позволяет значительно увеличить производительность и точность обработки, особенно на чистовых режимах. Однако широкому распространению этого инструмента мешает низкая надежность, вызванная его повышенной хрупкостью. Поэтому повышение характеристик прогнозирования отказов и уточнение характеристик гарантированной наработки минералокерамического инструмента является актуальной задачей в условиях автоматизированного производства.

Цель работы.

Разработка моделей изнашивания и прогнозирование стойкости режущего инструмента на базе создания экспертной системы на основе физико-механического и нейросетевого моделирования процесса механообработки с целью обеспечения оптимального функционирования систем резания.

Научная новизна состоит в:

• теоретически обоснованной физико-математической модели изнашивания и разрушения минералокерамического инструмента основанной на процессе накопления усталостных термомеханических повреждений в режущем клине;

• проектировании архитектуры нейросети для систем диагностики износа инструмента и прогнозирования значений стойкости инструмента в зависимости от технологических факторов, изменяющихся в широком диапазоне значений;

• методе самоконфигурирования нейросети на основе трехслойного

персептрона и методе динамического добавления нейронов.

з

• возможности учета при прогнозировании неограниченного числа (в том числе существенно не влияющих на результат) факторов процесса резания;

Практическая ценность работы состоит в:

• предложенных нейронных структурах, используемых для диагностики износа инструмента;

• разработанных программных средствах для прогнозирования значений стойкости инструмента многоинструментальной обработки на станках с ЧПУ.

Полученные в работе результаты могут быть использованы при создании экспертных систем на основе искусственных нейронных сетей для условий автоматизированного производства и малого объема статистического материала;

Апробация.

Наиболее значимые результаты, полученные в ходе работы над диссертацией, доложены на конференциях:

Международной научно-практической конференции. «Актуальные проблемы управления качеством производства и эксплуатации автотранспортных средств». Владимир. 2006 г.

XV Международном научном семинаре «Высокие технологии в машиностроении» «11ЧТЕ11РАКТНЕЯ-2006». Украина. Харьков. НТУ «ХПИ».

Научных конференциях МГИУ.

Основные результаты диссертации опубликованы в [ 6 | работах, полный список приведен на стр. [ 18 ] автореферата.

Структура диссертации.

Диссертация содержит введение, 5 глав, заключение, список использованных библиографических источников (113 наименований) и приложение. Общий объем текста диссертации 120 страниц, в него включены 23 рисунка и 9 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ Во введении обоснована актуальность темы диссертации, показана ее направленность, сформулированы основные цели исследования, дается общая характеристика работы, представлен предмет защиты.

В первой главе рассмотрено современное состояние проблемы повышения работоспособности режущего инструмента в технологических системах обработки резанием. '

Показано,что исследованию процессов изнашивания инструмента при резании и как следствие повышению показателей процесса резания посвящено большое количество работ как российских, так к зарубежных ученых; Верещаки A.C., Гуревича Д.М., Карпу с я В.Е., Зорева H.H., Лаггышева В Л., Лоладзе Т.Н.. Табакова В.П., Талантова Н.В., Внукова Ю.Н.» Трента Е.М. и др. Результаты этих исследований внесли большой вклад в решении проблемы изнашивания режущего инструмента и повышения его работоспособности.

Широкому внедрению в промышленность мииералокерамического режущего инструмента мешает его низкая, надежность. Поэтому вопрос об упрочнении минера л оксра^ичеекого инструмента является актуальным. Анализ литературных данных евггдетелгетвует об убедительном прогрессе в решении проблемы сойершенствокаяия сгшиств режущей керамики. В частности тот факт, что за последнее время появился новый класс реющей керамики, с многослойными нанопокрытиями различного функционального назначения, обладающих повышенными показателями по прочности, вязкости, трещиностойкости, позволяют уверенно говорить о заметном расширении области применения режущей керамики.

Отмечено, что на стойкость и производительность металлорежущего инструмента значительное влияние оказывают различные физико-химические процессы, протекающие между контактными поверхностями и внешней средой в процессе резания. Этим исследованиям посвящены ряд работ под руководством Латышева В.Н., Беккер М.С., Станчука Э. А., Гордона М.Б., КлушннаМ.Е., Подгоркова В.В. и др. Установлено, что недостаточно изучена роль этих процессов в изнашивании и разрушении химически инертного

минералокерамического инструмента. Изучение этих аспектов процесса резания позволит изыскать пути управления процессом резания и повышения эффективности последнего.

Проведенный анализ литературных данных показал, что исследование процессов изнашивания осуществляется в основном на базе частных экспериментальных исследований с применением методик рационального планирования эксперимента и статистических методов обработки.

Прогнозирование при использовании таких методик характеризуемся применением для формирования базы данных большого числа многофакторных зависимостей на основании полиномиальных зависимостей до 6-7 порядка до 25 членов, что исключает расширение базы данных непосредственно в технологическом процессе и их применение в устройствах автоматического управления технологических систем резания. Существующие модели изнашивания при резании по своей сути являются статическими.

При изучении механизмов изнашивания и разрушения инструментальных материалов недостаточно используются современные достижения в областях смежных наук, в частности, информатики. Для диагностики и прогнозирования износа инструмента в автоматизированном производстве необходима разработка динамических моделей, учитывающих сложные многофакторные фазовые и динамические структурные превращения в процессе резана.

На основании изложенного и была сформулирована цель работы, достижение которой связывалось с решением следующих задач:

1. Провести исследование физико-химических процессов, происходящих при резании и их роли при износе инструмента из минералокерамики.

2. Провести анализ механизмов изнашивания и разрушения минералокерамического инструмента при резании различных конструкционных материалов.

3. Определить интенсивности протекания процессов изнашивания, что позволило бы разработать системный подход по их прогнозированию.

4. Применить нейросетевое моделирование процессов износа ми нерало ксрами ч ее ко го инструмента на основе нейросетей с динамически изменяющейся конфигурацией (динамическим добавлением нейронов) в зависимости от входных параметров с учетом неограниченного числа факторов, изменяющихся в процессе резания.

Во второй главе даны описания методик проведенных экспериментов и методов обработки экспериментальных данных.

Исследовался процесс резания инструментом из минералокерамики марок ВСЖ-200, ВСЖ-200 (НК), твердый ВК-8 при точении углеродистых и нержавеющих сталей в диапазоне скоростей резания Ур=100-650 м/мин. и подач БоЮ, 1-0,3 мм/об. Геометрия режущей части инструмента а=7°, у=0°, ((>=45 (р;М50. Выбор геометрии диктовался условиями подготовки образцов для рентгеноструктуряого исследования. В качестве обрабатываемого материала использовалась сталь 20 закаленная (ИКС 33-37), сталь 45, нержавеющая сталь марки 12Х18Н10Т, в том числе с использование СОТС.

По. экспериментальным данным для условий стационарного резания . Д1шаш1ческие характеристики износа изменяются практически линейно на участках диаграмм износа между скалами в зависимости от времени резания. При этом износ в период приработки существенно зависит от свойств обрабатываемого материала и условий резания (рис. 1). дИ,мкм

Рис.1 Типовые кривые изнашивания минералокерамическоги инструмента:

1. ВОК-200(НК), 12Х18Н10Т, Ур=415 м/мин, 50=0,075 мм/об, 1=0,2 мм.

2. ВОК-200, Сталь 45, Ур=340м/мин, 5о=0,125 мм/об, ¡=0,2 мм.

7

В третьей главе дано описание физико-химических процессов, протекающих на контактных поверхностях инструмента при резании и процессов изнашивания и разрушения инструмента. В главе рассмотрен усталостный механизм изнашивания инструмента из минерало керамики, исследована рспь физико-химической природы его изнашивания.

Анализ экспериментальных результатов показал, что наиболее значимым фактором процесса разрушений является произведение Ур5о (м2/с*об.), где Ур -скорость резания, а Бо — подача. Физическим смыслом произведения УрБо является удельная скорость сьема единицы площади обрабатываемой поверхности или интенсивность термосилового воздействия в зоне резания.

Фракто графич ее кие исследования площадок износа показали, что все пластштн из режущей керамики были разрушены хрупким сколом. Установлено, что обраюзанне и формирование трещим происходит по механизму межзеренного проскальзкватга с последующим кавитационким разрушением. При этом установлены следующие этапы процесса разрушения;

1. Зарождение микронсснлошкостей и микропор.

2. Рост, коапесценция микропор и формирование микротрещин.

3. Движение микротрещин внутри зерна и преодоление границ зерна.

4. Образование и распространение магистральной трещины,

У пластин изготовленных из ВОК - 200 наиболее характерной особенностью скола является отчетливо выраженный кристаллографический характер развития трещин. Трещины распространяются преимущественно вдоль определенных кристаллографических плоскостей со скоростями, зависящими от кристаллографических направлений движения ее фронта. Преимущественное распространение скалывающих трещин по определенным кристаллографическим плоскостям вызывает появление на поверхности разрушения характерных ступенек скола (рис. 2).

При распространении трещины через границу разделяющей области с разной ориентацией кристаллической решетки происходит ее реинициирование по другую сторону границы.

Рис. 2 Образование ступенек скала на поверхности излома режущей пластины ВОК-200 (х460 слева, х390 справа). Режим резания: У=600м/мин, 1 мм/об,

/=/лш. Обрабатываемый материал: сталь 45 Когда прямолинейный фронт трещины выходит на границу раздела, он. инициирует развитие скола в областях, где создается благоприятное для скола сочетание сопряжения кристаллической решетки, дефектной структуры н концентрации напряжений. В результате вновь образовавшиеся трещины развиваются по другую сторону границы раздела, сначала независимо друг от друга, а затем, когда их поля напряжений начинают взаимодействовать, ели Баются с образованием нового непрерывного фронта трещины, однако его прямолинейные участки соединяются при этом ступеньками скола, которые образуют на поверхности разрушения развитый рельеф, называемый речным узором.

В третьей главе разработана физико-математическая и статистическая модели разрушения минералокерамического режущего инструмента с использованием обобщенного коэффициента сопротивляемости инструментального материала, обусловленного физико-механическими характеристиками материала режущей пластины и учитывающего условия резания (режимы, обрабатываемый материал). По данным многочисленных исследований износ инструмента является результатом накопления усталостных напряжений в рабочем клине при резании. Физико-математическая модель построена на основании экспериментальных данных на стадии нормального изнашивания. В качестве обрабатываемого материала использовалась сталь 20 закаленная (НКС 33-37), сталь 45, нержавеющая сталь

марки 12Х18Н10Т. Резание проводилось в сухую и с использованием СОТС. Примеры результатов эксперимента изображены на рисунке 2.

В качестве физико-математической модели процесса интенсивности накопления усталостных повреждений в режущей пластинке из минерал окерамикн, разрушающейся хрупко (скол, выкрашивание), предлагается зависимость:

Г \е

V рУ

где:

5 — скорость усталостного изнашивания, [м/мин]; АЛр-— износ по задней поверхности, [мкм]; —время резания, [мин];

— коэффициент сопротивляемости инструментального материала — обусловлен физико-механическими характеристиками материала режущей пластины.

№ I Е • * • ^№ ■ "

у*- ч ** ^ у

«3,077-Ю"2, ■ [с]

где:

Е — модуль упругости, МП а;

X—коэффициент теплопроводности, Вт/м-К;

Н —толщина режущей пластинки, м;

К — ускорение свободного падения, м/с2;

Кк —коэффициент вязкости разрушения, МПам^;

Л? — энтропия химического соединения поверхностного слоя, Дж/К; (характеризует термодинамическую вероятность состояния макросистемы: фиксирует статистическую неопределенность в поведении и образовании микротрещины). Например, для оксидной керамики Л1203 величина Л? принята равной 51,2 Дж/К.

— коэффициент, отражающий изменение свойств

обрабатываемого материала в различных средах.

°"ог» — предел текучести, предел прочности обрабатываемого материала, соответственно Н/м2, Н/м2.

Для конструкционных сталей к^ = 0,4 -0,5, для нержавеющих к^ =0,2-0,3.

0 — показатель степени, характеризующий механизм накопления повреждений и образования микротрещин. Он является функцией условий резания, т.е. УрБр).

Рассчитанные по уравнению (I) значения © для различных условий резания в эксперименте изображены на рис. 3.

е

X Сталь 20 аакая + Степь 45

Сталь 20 здеал

0,32 0,51 0.69 0,71

0,52 0,7 0,77

1,09

1.34

0ОК-2ОО (НК)

Рис.3. Рассчитанные значения

Как видно из рисунка 3 характер накопления усталостных повреждений

при обработке разных материалов в различных условиях различен, что

свидетельствует о различных процессах накопления повреждений. Для

конструкционных материалов значения показателя 0 повышаются, для

труднообрабатываемых выделяется экстремум и как следствие величина износа г

1>} ~ ¡/(Ур где константа Т — период стойкости, может быть оценена с

о

точки зрения вероятностно-статистической модели изнашивания.

Большинство существующих теоретико-экспериментальных моделей выделяют какую-либо часть факторов, .оказывающих значимое влияние на процесс и отбрасывают незначительно влияющие на выходные значения. С другой стороны с и нер гети ч ее кое влияние большого числа таких факторов на каком-то этапе могут привести к смене механизма износа инструмента — что подтверждается экспериментально. Исходя из этого требования, предъявляемые к вероятностно-статистической модели процесса резания должны быть многокомпонентными:

1. Резание описывается как нестационарный случайный процесс;

2. Модель представляет собой функцию распределения отклонений фактических значений параметров резания от расчетных;

3. Модель должка решать задачу управления резанием, обеспечивающего его заданную надежность и тре-бовгч-шя точности.

В результате статистического анализа резуяыатоя исследования на стойкость минералокерамического инструмента установлено, что вероятность отказа в наибольшей степени удовлетворяет экспоненциальное распределение (Вейбулла) с параметром формы £ ~ \, т.к. отказ инструмента наступает внезапно.

Предложенная профессором A.C. Верещакей вероятностно-статистическая модель стойкости минералокерамического инструмента имеет вцд:

.f ТУ у

где

Р(Т) — вероятность отказа инструмента при заданном периоде стойкости;

1 '

m = ~ —статистический параметр, характеризующий степень разброса

значений стойкости (влияние случайных факторов процесса), (пг = 0,1 — 0,3).

Т — заданный период стойкости, мин;

Т0 — стойкость при вероятности отказа инструмента (0,632), мин.

Эта модель использует частный экспериментальный параметр Ш, имеющий определенное значение в конкретных условиях резания, и не позволяет использовать его для других условий. Значения экспериментального параметра ТП могут быть дополнительно уточнены относительно конкретной производственной операции с помощью нейросетевого моделирования.

В четвертой главе рассматриваются вопросы, связанные с определением нейронных сетей и особенностями их применения в задачах, связанных с прогнозированием процессов изнашивания. Кратко перечислены основные алгоритмы обучения сетей.

Нейронная сеть состоит из множества одинаковых элементов — нейронов (см, рис. 4)

[кнГ®г1«НЕ'

Ш €

Рис. 4 Функциональная схема нейрона и нейронная сеты

Искусственный нейрон, состоит из синапсов, связывающих входы нейрона с ядром, ядра нейрона, которое осуществляет обработку входных сигналов и аксона, связывающего нейрон с нейронами следующею слоя. Каждый синапс имеет вес, определяющий насколько соответствующий вход нейрона влияет на его состояние. Состояние нейрона определяется по формуле

я

я^Лъщ (3)

ы

где п - число входов нейрона, х^ - значение /-го входа нейрона, и-/ - вес /'-то синапса.

Значение аксона нейрона определяется по формуле

(4)

где/— некоторая функция, которая называется активационнсй. Наиболее часто в качестве активационной функции используется так называемый сигмоид, который имеет следующий вид:

Основное достоинство этой функции в том, что она дифференцируема на всей оси абсцисс и имеет простую производную:

При уменьшении параметра а сигмоид становится более пологим, вырождаясь в горизонтальную линию на уровне 0,5 при or =0. При увеличении ос сигмоид все больше приближается к функции единичного скачка.

Обучение нейронной сети заключается в коррекции всех весовых коэффициентов в сети таким образом, чтобы ошибка отклика сети была минимальной.

В ходе работы, использовался метод обучения по алгоритму эластичного распространения (Resilieot Propagation).

При первоначальном форыирозанке базы данных по материалу или режимам резан:« объемы обучающих еыборок невелики, поэтому лучше использовать алгоритмы из семейства так называемого пакетного обучения. При этом подходе веса в сети корректируются только после предъявления всех примеров из обучающей Еыборки. Образцом подобного алгоритма является метод эластичного распространения.

Особенности задач анализа процессоа износа режущего инструмента при механической обработке резанием не исчерпываются выбором. алгоритма обучения. Необходимо учитывать, что сети, обучаемые на малых выборках, очень чувствительны к выбору структуры сети.

f(.x) = af(x)(l-f(x))

(6)

100

2 3 4 5 6 7

Рис. 5. Зависимость эффективности работы сети от количества нейронов в скрытом слое.

На рисунке 5 представлены результаты тестирования сетей, обученных на одних и тех же данных, но имеющих различную структуру. Видно, что разница даже в один нейрон приводит к падению эффективности распознавания на 3-4%. Именно поэтому проблема выбора оптимальной структуры сети является исключительно актуальной. Для решения этой проблемы был разработан метод динамической оптимизации структуры сети.

Суть метода заключается в том, что создастся трехслойная нейронная сеть. Входной и выходной слои имеют одинаковое число нейронов, совпадающее с размерностью данных. Число нейронов скрытого слоя должно быть меньше чем во внешних слоях (рис. 6).

Fue. б. Рециркутцнопнся нейронная сеть. Такая сеть называется еще рециркуляционной. Она позволяет сжимать и восстанавливать проходящие через нее данные. Основная проблема заключается в определении количесльа нейронов в скрытом слое. Для этих целей было применено динамическое добавление нейронов. Разработан комплексный метод динамической оптимизации структуры нейронных сетей [6] на примере создания экспертной системы для прогнозирования процессов износа режущего инструмента, состоящий из двух частей: понижение размерности входных данных с помощью рециркуляционной нейронной сети и динамического добавления нейронов, а также оптимизация структуры нейросети в ходе ее обучения путем объединения методов динамического добавления нейронов в сеть.

Построенная таким образом прогнозирующая экспертная система содержит в основе самоконфигурируемую нейронную сеть. Первоначально инициализация сети производится по числу анализируемых параметров (по размерности входного вектора). В дальнейшем производится обучение сети.

Если нейронов в сети недостаточно (погрешность больше указанной), то добавляется нейрон. Если в сети несколько скрытых. слоев, осуществляется

оценка их загруженности, и нейрон добавляется в самый загруженный слой.

*

Дополнительно учитывается возможность «запоминания» сетью параметров вместо непосредственного обучения. Таким образом, выбор первоначальной структуры нейросети имеет первостепенное значение.

В пятой главе рассматриваются вопросы связанные с практическим применением полученных результатов.

При применение для прогнозирования нейросетей статистический параметр т представляется как динамическая функциональная зависимость от большого числа параметров, характеризующих и обрабатываемую деталь, и обрабатывающий инструмент при использовании в качестве основы пшоиды вида:

<7>

п

где = (■*/ — вектор входных данных, — вектор весовых

коэффициентов подбираемых нсйросстыо в процессе обучения, а — коэффициент, характеризующий крутизну сигмоиды, п — число элементов входного вектора). Обучение нейронной сети заключается е коррекции всех весовых коэффициентов в сети по экспериментальным данным таким образом, чтобы ошибка сети была минимальной.

При таком подходе нейросетевая модель будет иметь вид:

т \ + Л+е-"5* Х + е^ "' Х+е^5^ Х + е^3' ^

где: Е — модуль упругости, — теплопроводность, г — процент легирующей добавки в материале, V —скорость резання, 5„ — подача и другие параметры процесса резания, — нормировочные множители,

^р....^,, — параметры определяемые нейросетью.

Коэффициенты гипоид для каждого параметра будут определяться нейросетью, и возможно будут несколько изменяться в процессе обработки (при добавлении нового экспериментального значения в базу данных).

Определение значений стойкости инструмента при многоинструментальной обработке затруднено ввиду того, что обрабатываемость заготовок различных партий, а также режущие свойства партий инструмента могут иметь значительные колебания. Актуальной является задача установления связи между наивыгоднейшей стойкостью многорезцовой наладки, числом резцов и параметрами обработки. Нейросетевая модель позволяет проанализировать противоречивое влияние параметров многорезцовой наладки на производительность обработки за счет

использования значений функции повреждаемости ® =

Установлено, что использование расчетных значений Т" позволяет существенно увеличить производительность обработки на токарном станке с ЧПУ 16К20ФЗ приблизительно на 50% по сравнению с рекомендациями таблиц режимов резания.

Приложение содержит основные расчетные модули программы, которая бьша создана в ходе работы над диссертацией.

Основные результаты и выводы.

Проведенный комплекс исследований по проблеме повышения надежности минералокерамического режущего инструмента и обеспечения оптимального функционирования технологических систем за счет создания прогнозирующей экспертной системы на основе нейросетевого моделирования процесса механообработки позволяет сделать следующие выводы:

1. Установлена зависимость механизмов изнашивания и разрушения минералокерамического инструмента от технологических условий процессов резания, в том числе применяемых СОТС.

2. Определены зависимости интенсивности разрушения режущего инструмента из минералокерамики, основанные на фиксации интенсивности термосилового воздействия, выраженного через

произведение L-S0 и коэффициент влияния внешней среды kcpj что позволило разработать системный подход их прогнозирования.

3. Разработаны физико-математическая и статистическая модели разрушения минералокерамического режущего инструмента с использованием обобщенного коэффициента сопротивляемости инструментального материала Kw, обусловленного физико-механическими характеристиками материала режущей пластины и показателя механизма повреждаемости ©. Значения функции повреждаемости О определяются на основании экспериментальных данных полученных при исследовании реального процесса резания по зависимости (1).

4. Проведено структурирование архитектуры нейросети для моделирования процессов износа минералокерамического инструмента при обработке различных материалов на основе нейросетей с динамически изменяющейся конфигурацией (динамическим добавлением нейронов) с учетом неограниченного числа факторов (в том числе незначительно влияющих), изменяющихся в процессе резания.

5. Разработаны алгоритмы для создания прогнозирующей экспертной системы и расчета значений стойкости инструмента, которые реализованы в виде соответствующей программы.

Основные материалы диссертации опубликованы в следующих работах:

1. Климов А.Б, МЮ. Куликов, В.А. Манерцев В.П. Бахарев, E.H. Цыпкин. Ресурсосберегающая модульная технология производства композиционных изделий машиностроения на основе порошков исходных компонентов. П Резание и инструмент в технологических системах: Межд. Научн.-техн. сборник. — Харьков: НТУ «ХПИ», 2006., с. 223-226.

2. Климов А.Б, Филимонов A.B. Свидетельство об официальной регистрации программы для ЭВМ № 2006611532 Neural network toolpak for MS Excel, M.: 6 мая 2006.

3. Климов А.Б, Куликов М.Ю., Бахарев В.П., Филимонов А.В, Применение нейронных сетей для описания процессов прогнозирования износа режущего инструмента в условиях недостаточных экспериментальных данных. //Сборник статей по материалам XI международной научно-технической конференции «Актуальные проблемы управления качеством производства и эксплуатации автотранспортных средств», Владимир: ВлГУ, 24-26 мая 2006 г., с. 295 - 299.

4. Климов А.Б., Куликов М.Ю., Бахарев В.П., Филимонов A.B. Исследование возможности применения нейронных сетей для описания процессов износа режущего инструмента из минералокерамики. // Межвузовский сборник научных трудов «Физика, химия и механика трибосистем», Иваново: Издательство «Ивановский государственный университет, 2005 г., выпуск 4, с. 21 - 25.

5. Климов А.Б, Куликов М.Ю., Бахарев В.П., Филимонов A.B. Исследование возможности применения ограниченных выборочных данных в нейронных сетях для описания процессов износа режущего инструмента из минералокерамики. // Техника и технология, Москва: Издательство Спутник Плюс, Hs 3 (15) 2006 г. — С. 22 - 26.

6. Климов А.Б, Куликов М.Ю., Бахарев В.П., Филимонов A.B. Физико-математическое моделирование и прогнозирование процесса изнашивания минералокерамического режущего инструментаУ/Вестник

машиностроения, Москва: Издательство Машиностроение, 11, 2006 г.

с.

Подписано в печать 05.10.2006 г. Формат 60x84 1/16 Заказ № 237. Тираж 100 экз. Усл. цеч. л. 1,0 г. Кииешма, ул. Ленина, 15, ПБЮЛ Крайнов С.Б.

'.'с -/00- ^ Я

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ ЛИТЕРАТУРНЫХ ДАННЫХ. ЦЕЛИ И ЗАДАЧИ ИССЛЕДОВАНИЙ.

1.1. Обзор применяемого минералокерамического инструмента.

1.2. Анализ основных направлений упрочнения минералокерамического инструмента.

1.3. Современные технологические методы повышения надежности и работоспособности режущего инструмента.

1.4. Влияние внешней среды на стойкость и производительность минералокерамического инструмента.

1.5. Моделирование механизмов усталостного разрушения минералокерамического инструмента.

1.6. Цель работы и задачи исследований.

ГЛАВА 2. МЕТОДЫ ПРОВЕДЕНИЯ ИССЛЕДОВАНИЙ.

2.1. Общая методика исследований.

2.2. Методы металлографического и металлофизического анализа.

2.3. Методы определения характеристик процесса резания и стойкости минералокерамического режущего инструмента.

2.4.Нейросетевое моделирование как метод исследования.

2.5. Статистическая обработка результатов экспериментов.

ГЛАВА 3. ИССЛЕДОВАНИЕ МЕХАНО-ФИЗИКО-ХИМИЧЕСКИХ

ПРОЦЕССОВ РАЗРУШЕНИЯ ИНСТРУМЕНТА ПРИ РЕЗАНИИ И РАЗРАБОТКА ФИЗИКО-МЕХАНИЧЕСКОЙ МОДЕЛИ ИЗНОСА РЕЖУЩЕГО ИНСТРУМЕНТА.

3.1. Фрактографические исследования площадок износа и анализ механизмов разрушения минералокерамического инструмента.

3.2. Разработка расчетной модели изнашивания минералокерамического режущего инструмента.

3.3. Влияние СОТС на характер разрушения и ее отражение в модели.

3.4. Выводы по главе 3.

ГЛАВА 4. КОНСТРУИРОВАНИЕ НЕЙРОСЕТИ ДЛЯ СТАТИСТИЧЕСКОЙ ОЦЕНКИ ПАРАМЕТРОВ НАДЕЖНОСТИ РЕЖУЩЕГО ИНСТРУМЕНТА.

4.1. Подготовка входных данных. Обучение.

4.2. Локальные минимумы.

4.3. Оптимизация структуры сетей.

4.4. Выводы по главе 4.

ГЛАВА 5. ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ ПОЛУЧЕННЫХ РЕЗУЛЬТАТОВ.

5.1. Методика расчета режима резания.

5.2. Оптимизация режима резания.

5.3. Выводы по главе 5.

В настоящее время доля обработки металлов резанием в машиностроении составляет около 35% и, следовательно, оказывает решающее значение на темпы развития машиностроения. В связи с этим заметно возрастает роль режущего инструмента, в совокупности с возможностями современной техники в значительной степени определяющих производительность и экономичность производства.

В настоящее время большое внимание стало уделяться минералокерамическим режущим инструментам, обладающим уникальными свойствами. Применение режущего инструмента из минералокерамики в том числе и с покрытиями позволяет значительно увеличить производительность обработки путем применения высокоскоростного резания, особенно на чистовых режимах. Основной особенностью режущей керамики является отсутствие связующей фазы, что значительно снижает степень ее разупрочнения при нагреве в процессе изнашивания, повышает прочность, что и предопределяет возможность применения высоких скоростей резания (V = 600 - 1000 м / мин.), намного превосходящих скорости резания инструментами из твердого сплава.

С появлением новых труднообрабатываемых материалов со специальными свойствами появилась необходимость в увеличении стойкости минералокерамического режущего инструмента и повышения качества обрабатываемой поверхности. Однако широкому распространению этого инструмента мешает низкая надежность, вызванная его повышенной хрупкостью. Поэтому повышение характеристик прогнозирования отказов и уточнение характеристик гарантированной наработки минералокерамического инструмента в непрерывно изменяющихся условиях резания, является актуальной задачей в условиях автоматизированного производства.

В существующих моделях изнашивания и разрушения инструментальных материалов недостаточно используются современные достижения в областях смежных наук, в частности, информатики. Для диагностики и прогнозирования износа инструмента в автоматизированном производстве необходима разработка динамических моделей, учитывающих сложные многофакторные фазовые и динамические структурные превращения в процессе резания. При решении таких динамично меняющихся задач существенную роль могут оказать современные методы моделирования с использованием уникальных возможностей вычислительной техники.

Автор защищает диссертационную работу на тему: «Прогнозирование стойкости минералокерамического режущего инструмента на основе нейросетевых моделей его изнашивания». Данная работа имеет следующую научную новизну:

• теоретически обоснованной физико-математической модели изнашивания и разрушения минералокерамического инструмента основанной на процессе накопления усталостных термомеханических повреждений в режущем клине;

• проектировании архитектуры нейросети для систем диагностики износа инструмента и прогнозирования значений стойкости инструмента в зависимости от технологических факторов, изменяющихся в широком диапазоне значений;

• методе самоконфигурирования нейросети на основе трехслойного персептрона и методе динамического добавления нейронов.

• возможности учета при прогнозировании неограниченного числа (в том числе существенно не влияющих на результат) факторов процесса резания;

Диссертационная работа выполнена на кафедре «Технологии машиностроения» Кинешемского филиала Московского государственного индустриального университета (КФ МГИУ). Ее тема является составной частью исследовательской тематики кафедры.

Диссертация состоит из введения, пяти глав, заключения, списка литературы из 113 наименования и приложения. Общий объем работы составляет 120 страниц машинописного текста, включая 23 рисунка и 9 таблиц.

5.3. Выводы по главе 5.

Разработаны рекомендации по расчету периода стойкости в виде программы для моделирования процесса изнашивания и расчета параметра ^ 1 = — для прогнозирования стоикости минералокерамического режущего т инструмента с использованием нейронных сетей. Основные результаты и выводы по работе.

Проведенный комплекс исследований по проблеме повышения надежности и обеспечения оптимального функционирования технологических систем резания за счет создания прогнозирующей экспертной системы на основе нейросетевого моделирования процесса механообработки позволяет сделать следующие выводы:

1. Установлена зависимость механизмов изнашивания и разрушения минералокерамического инструмента от технологических условий процессов резания, в том числе применяемых СОТС.

2. Определены зависимости интенсивности разрушения режущего инструмента из минералокерамики, основанные на фиксации интенсивности термосилового воздействия, выраженного через произведение L-S0 и коэффициент влияния внешней среды кср, что позволило разработать системный подход их прогнозирования.

3. Разработаны физико-математическая и статистическая модели разрушения минералокерамического режущего инструмента с использованием обобщенного коэффициента сопротивляемости инструментального материала Kw, обусловленного физикомеханическими характеристиками материала режущей пластины и показателя механизма повреждаемости 0. Значения функции повреждаемости 0 определяются на основании экспериментальных данных полученных при исследовании реального процесса резания по зависимости (19).

4. Проведено структурирование архитектуры нейросети для моделирования процессов износа минералокерамического инструмента при обработке различных материалов на основе нейросетей с динамически изменяющейся конфигурацией (динамическим добавлением нейронов) с учетом неограниченного числа факторов (в том числе незначительно влияющих), изменяющихся в процессе резания.

5. Разработаны алгоритмы для создания прогнозирующей экспертной системы и расчета значений стойкости инструмента, которые реализованы в виде соответствующей программы.

1. Беккер М.С. Роль углерода и кислорода в износе режущего инструмента. В кн.: Физические процессы при резании металлов. - Волгоград, 1984.

2. Бекташов Д.А. Повышение надежности и работоспособности минералокерамического режущего инструмента путем совершенствования износостойких покрытий. Дисс. канд. техн. наук. Иваново, 2002. - 99 с.

3. Бичем К.Д. Микропроцессы разрушения // Разрушение. М.: Мир, 1973. т. 1 с. 265-375.

4. Васин С.А., Верещака А.С., Кушнер B.C. Резание материалов: Термомеханический подход к системе взаимосвязей при резании: Учебник для техн. вузов М.: Издательство МГТУ им. Н. Э. Баумана, 2001. - 448 с.

5. Верещака А.С. Работоспособность режущего инструмента с износостойкими покрытиями. М.: Машиностроение, 1993, 335 с.

6. Верещака А.С., Табаков В.П., Жогин А.С. Износ твердосплавных инструментов с покрытием. Вестник машиностроения, 1981, № 4, с. 45 49 .

7. Вислоух С.П. Нейросетевое моделирование технологических параметров процесса резания. В сб.: Резание и инструмент в технологических системах. -Харьков: НТУ «ХПИ», 2005 (Вып. 68), с. 109-116.

8. Владимиров В.И. Физическая природа разрушения металлов. М.: Металлургия, 1984., 280 с.

9. Гарафало Ф.А. Закон ползучести и длительной прочности металлов. М.: Металлургия, 1986., 304 с.

10. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Г.К.Вороновский, К.В.Махотило, С.Н.Петрашев, С.А. Сергеев. Харьков: Основа, 1997. - 112 с.

11. Гилман Д.Д. Скол, пластичность и вязкость кристаллов // Атомный механизм разрушения. М.: Металлургиздат., 1963., с. 220 253.

12. Горбань А.Н. и др. Методы нейроинформатики. Электронная публикация.

13. Григорьев С.Н., Волосова М.А. Технология комбинированного поверхностного упрочнения режущего инструмента из оксидно-карбидной керамики // Вестник машиностроения. 2005. № 9. С. 32 36.

14. Грошев В.М., Латышев В.Н., Новиков В.В., Пискарев П.В. Исследование влияния синтетических СОТС на качество абразивной обработки стекла //

15. Фундаментальные и прикладные проблемы технологии машиностроения. Материалы V Междун. науч.-техн. интернет конф. Орел, 2004. с. 46-50.

16. Грубый С.В. Моделирование процесса изнашивания резцов из нитрида бора при обработке закаленных сталей / Технология металлов. 2003. № 11. С. 11-15.

17. Дорогов А.Ю. Структурные модели и топологическое проектирование быстрых нейронных сетей // Доклады международной конференции «Информационные средства и технологии» 21-23 октября 1997г. г. Москва, т 1, С264-269.

18. Жедь В.П., Беровский Г.В., Музыкант Я.Б., Ипполитов Г.М. Режущие инструменты, оснащенные сверхтвердыми и керамическими материалами, и их применение. Справочник М.: Машиностроение, 1987, 320 с.

19. Жилин В.А. Субатомный механизм износа режущего инструмента. Ростов-на-Дону. Изд. Ростовского-на-Дону университета, 1973., 165 с.

20. Журков С.Н., Куксенко B.C., Петров В.А. // ДАН СССР. 1981. Т. 259. - N 6. -с. 1350-1353.

21. Заечцев И.В. Нейронные сети: основные модели. Уч. пособие. Воронежский государственный университет, 1999.

22. Зорев Н.Н., Фетисова З.М. Обработка резанием тугоплавких сплавов. М.: Машиностроение, 1966, 224 с.

23. Кабалдин Ю.Г., Олейников А.И., Шпилев A.M., Бурков А.А. Математическое моделирование самоорганизующихся процессов в технологических системах обработки резанием. Владивосток: Дальнаука, 2000.

24. Кабалдин Ю.Г. Разрушение и изнашивание инструмента, оснащенного режущей керамикой // Трение и износ. 1991., т. 12, № 2, с. 287 - 295.

25. Карпусь В.Е. Выбор стратегии обслуживания многорезцовых наладок. В сб.: Резание и инструмент в технологических системах. - Харьков: НТУ «ХПИ», 2005 (Вып. 68), с. 247-254.

26. Карпусъ В.Е. Интенсивность формообразования технологических систем // Вестник машиностроения. 2000. - № 2. - С. 30 - 34.

27. Карпусь В.Е., Мохсен А.А. Выбор наивыгоднейшей стойкости многорезцовой наладки. В сб.: Резание и инструмент в технологических системах. - Харьков: НТУ «ХПИ», 2003 (Вып. 65), с. 73-78.

28. Карпусъ В.Е. Эффективное использование станков с ЧПУ. В сб.: Современные технологии в машиностроение, т. 2. - Харьков: НТУ «ХПИ», 2006. - с. 353-364.

29. Кириллов А.К. Интенсификация процесса «сухой» обработки резанием. В сб.: Резание и инструмент в технологических системах. - Харьков: НТУ «ХПИ», 2005 (Вып. 68), с. 255-266.

30. Кисель И.В., Нескоромный В.Н., Ососков Г.А. Применение нейронных сетей в экспериментальной физике, ЭЧАЯ, т.24, вып.6, 1993, с.1551-1595.

31. Короткий С. Нейронные сети: алгоритм обратного распространения. http://www.orc.ru/~stasson/n2.zip

32. Короткий С. Нейронные сети: обучение без учителя. http://www.orc.ru/~stasson/n3 .zip

33. Короткий С. Нейронные сети: основные положения. http://www.orc.ru/~stasson/nl .zip

34. Костецкий Б.И., Натансон М.Э., Бершадский JI.H. Механо химические процессы при граничном трении. - М.: Наука, 1972., 170 с.

35. Кузин В.В., Досько С.И., Попов В.Ф., Федоров С.Ю., Федоров М.Ю. Инструментальное обеспечение высокоскоростной обработки резанием // Вестник машиностроения. 2005. № 9. С. 46-50.

36. Куликов М.Ю., Бахарев В.П., Филимонов А.В., Климов А.Б. Физико-математическое моделирование и прогнозирование процесса изнашивания минералокерамического режущего инструмента. // Вестник машиностроения. 2006. № 11

37. Куссуль Э.М. Ассоциативные нейроподобные структуры. К.: Наукова думка, 1990.

38. Латышев В.Н. Повышение эффективности СОЖ. М.: машиностроение, 1975., 86 с.

39. Латышев В.Н., Можин Н.А., Семенов В.В. Исследование химической активности СОЖ при резании металлов. В кн.: Вопросы теории действия СОТС в процессах обработки металлов резанием. Горький, 1975, т. 3, с. 117131.

40. Лексовский A.M., Орлов А.Н. Кинетика термофлуктуационного роста магистральной трещины в поликристаллической фольге пластичного материала // ФММ, 1982., т. 54, №3, с. 553-559.

41. Лоладзе Т.Н. Прочность и износостойкость режущего инструмента. М.: * Машиностроение, 1982, 320 с.

42. Лоу Д.Р. Обзор особенностей микроструктуры при разрушении сколом // Атомный механизм разрушения. М.: Металлургиздат., 1963., с. 84 108.

43. Мкртчян С.О. Нейроны и нейронные сети. (Введение в теорию формальных нейронов) М.: Энергия, 1971.-232 с.

44. Наумов А.Г. Повышение эффективности лезвийной обработки быстрорежущим инструментом при использовании экологически чистых СОТС. //Дис. д-ра техн. наук: 05.03.01, 05.02.01 М., 1999.

45. Обработка резанием высокопрочных, коррозионностойких и жаропрочных сталей / Под ред. П. Г. Петрухи М.: Машиностроение, 1980. - 167 с.

46. Общемашиностроительные нормативы времени и режимов резания для нормирования работ, выполняемых на универсальных и многоцелевых станках с числовым программным управлением. Часть 2. Нормативы режимов резания. М.: Экономика, 1990. 474 с.

47. Оконешников А.В. Использование алгоритма обратного функционирования для обучения искусственных нейронных сетей. Вестник Хар. ун-та. Сер.1, Мат.,Инф., 1998, с.81-84.

48. Оконешников А.В. Комбинированный алгоритм обучения искусственных нейронных сетей прямого распространения. Вестн. Хакас, гос. ун-та. 2001 . Вып. 4.-С. 116-119.

49. Оптимизация режимов обработки на металлорежущих станках. / Гильман A.M., Брахман JI.A. и др. М.: Машиностроение, 1972. 188 с.

50. Петраков Ю.В. Моделирование процессов обработки резанием. В сб.: Современные технологии в машиностроение, т. 2. - Харьков: НТУ «ХПИ», 2006. - с. 221-232.

51. Подгорков В.В. Блинов В.Б., Капустин А.С., Механическая обработка материалов и оборудование машиностроительного производства: Учебн. пособие: Под. ред. Подгоркова В.В. / Иван. гос. энерг. ун-т. Иваново, 2002. 124с.

52. Полетаев В.А. Методы обеспечения требуемого качества поверхностного слоя деталей машин. Уч. пособие / Иваново, ИГЭУ, 2006., 83с. Электронная публикация.

53. Прайс-лист ЗТК 08.2006 «Керамические СМП для токарных и фрезерных работ» по ГОСТ 25003-81, с учетом ISO 1832

54. Прогрессивные режущие инструменты и режимы резания металлов: справочник / под ред. В. И. Баранникова. — М. : Машиностроение, 1990.-400с.

55. Регель В.Р., Лексовский A.M., Сакиев СИ. Кинетика взаимодействия микро-и макротрещин // ФММ, 1975., т. 40, № 4, с. 812 816.

56. Станчук Э.А. Исследование термодиффузионных свойств технологических процессов с целью повышения стойкости режущего инструмента: Автореф. дис. канд. техн. наук. М., 1971., 20 с.

57. Станчук Э.А., Прибыш А.И., Авдеенко А.П. Разработка и опыт применения > защитных технологических сред. В кн.: Вопросы теории действия СОТС впроцессах обработки металлов резанием, т. 1, Горький, 1975., с. 203 219.

58. Справочник технолога- машиностроителя. Под редакцией А.Г.Косиловой и др. М.: Машиностроение, 2003 г. т.1, 1985.- 496 с.

59. Справочник технолога- машиностроителя. Под редакцией А.Г.Косиловой и др. М.: Машиностроение, 2003 г. т.2, 1985.- 496 с.

60. Стариков А. Генетические алгоритмы математический аппарат. Электронная публикация. MetaQuotes Software Corp. http://www.basegroup.ru/genetic/math.htm

61. Табаков В.П. Механизмы упрочнения материала износостойкого покрытия и технологии их реализации. В сб.: Современные технологии в машиностроение, т. 2. - Харьков: НТУ «ХПИ», 2006. - с. 233-247.

62. Таварткиладзе З.С. Влияние среды на характер износа и стойкость быстрорежущего инструмента. Труды грузинского политехнического института, 1967, № 1, с. 185-197.

63. Терехов С.А. Нейросетевые информационные модели сложных инженерных систем. М.: Высшая школа, 2002., 183 с.

64. Технологичность конструкции изделий: справочник / под ред. Ю.Д. Амирова. — М.: Машиностроение, 1990. — 367 с.

65. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика. М.:Мир, 1992

66. Федяев О.И. Куликов С.А. Многоуровневые нейронные модели типа неокогнитрон. Архитектура, обучение и распознавание. / Тезисы 8-й Всероссийской конференции «Нейрокомпьютеры и их применение» (НКП-2002). М.: Век книги, 2002. с. 144.

67. Филимонов А.В., Климов А.Б. Свидетельство об официальной регистрации программы для ЭВМ № 2006611532 Neural network toolpak for MS Excel. M.: 6 мая 2006.

68. Филимонов A.B. Структурирование и обучение нейронных сетей с применениями к задачам физической химии и медицины. Дисс. канд. физ.-мат. наук. Иваново, 2004. - 80 с.

69. Фридман Я.Б. Механические свойства металлов. М.: Машиностроение, 1974., 471 с.

70. Халл Д. Двойникование и зарождение трещин в металлах с объемноцентрированной кубической решеткой // Разрушение твердых тел. М.: Металлургия, 1967., с. 222-255.

71. Чадек И. Ползучесть металлических материалов. М.: Мир, 1987., 302 с.

72. Шахиди А. Алгоритм обучения RProp математический аппарат. http://www.basegroup.ru/neural/rprop.htm

73. Ящерицын П.И. и др. Теория резания. Физические и тепловые процессы в технологических системах. Минск: Выш.шк., 1990. 512 с.

74. Angebot so umfangreich wie nie zuvor. «Ind. Anz.», 1986., 108, №81, P.32-34.

75. Bedeutungsvolle. Keramik als Schneidstoffur Zerspanung. Bartsch Sven. > «Maschinenmarkt», 1988., № 4, 22 24, 27 - 29.

76. Bestimmung thermischer und mechanischer Kennwerte von А120з -Schneidkeramik. Bartsch S. «Fachber Metallbearb», 1987., 64, № 6, 531 536.

77. Der Schneidstoff aus Silizium Nitrid . «Ind. - Anz.», 1986., 108, № 90, 52.

78. Dirk Emma Baestaens, Willem Max Van Den Bergh, Douglas Wood, «Neural Network Solution for Trading in Financial Markets», Amsterdam: Pitmap Publishing, 1996.

79. Drehen von Eisenguswerstoffen mit Siliciumnitrid Schneidkeramik -Verschleisverhalten und Zerspankrufte. Konig Wilfried, Lauschel Jurgen. «Konstr. Gissen», 1986., 11, №3,4-10.

80. Drehen von Hartwerkstoffen in der Praxis Maschkeramiken und Bornitrid -Schneidstoffe. Momper F. «Ind. Anz.», 1988., 110, № 14, 26 29.

81. Drehen von Hartwerkstoffe mit Mischkeramik und Bornitrid - Werkzeugen. Momper Friedrich J., Friederich Kilian M. «Werkstatfstechnik», 1987.,77, № 9, 471474.

82. Effekte und Qualitatsgewinn beim Einsatz neuer Schneidwerkstoffe. Straup K.H. «Fertigungstechn und Betr.», 1987., 37, № 11, 668.

83. Eine der welfbesten frassorten: TTM 5: Проспект / Фирма «Krupp Widia», ФРГ.

84. Eigenschaften und Anwendung von Cermet Schneidplatten. Urano H., Koplin D. «Werksttat und Betr.», 1985., 118 , № 9 , P. 631 - 637 .

85. Erfahrungen beim schruppdrehen von Inconel 718 mit Siliziumnitrid. Gerschwiler K. «Ind. Anz.», 197, 198, № 3 - 4, 36 - 37.

86. F. Gutbrodt, P. binder «IT-Sicherheit auf der Feldebene von Automatisierungssystemen Ansprechpartner», Dissertation, Verlag Universitat Stuttgart, Institut fur Automatisierungs- und Softwaretechnik, 2002.

87. Frank and crater wear mechanisms of aluminabased cuffing fools rohen machining steel. Brandt G. «Wear», 1986., 112, № 1, P. 39 56.

88. Frasen mit Schneidkeramik. Abel Robert. «Werkstattstechnik», 1987., 77, № 10, 553-556.

89. Harten als Stahl Verschleisfeste Keramiken als Spanungswerkstoff mit guter Temperatur bestandigkeit. Kolaska Johannes, Dreyer Klaus. «Maschinenmarkt», 1988., 94, № 7, 54-58.

90. Hochgeschwindigkeits drehen bis 3000 m / min Schnittgeschwindigkeit. Tuffentsammer K., Augustin D. «TZ Metallbearb», 1985., 79, № 7.

91. Hochgeschwindigkeits Zerspanung beginnt jetzt mit SIN «Werkstatt und Betr.», 1985., 118, №8, P. 503-504.

92. Hohe Leistung Entwicklung spichtungen und Anwendungsschwerpunkte von Schneidkeramiken. Abel Robert. «Techno - Tip», 1986., 16, Sonderaus: «Fabrik 2000», 74 - 76.

93. Hohere schnittgeschwindigkeiten mit Schneidkeramik. Gomoll Volker. «Maschine» 1988., 12, № 1-2, 54, 56, 61-63.

94. Keramische Werkstoffe: insbesondere Schneidstoffe fur die Zerspanung. Dreyer K., Kolaska J., Grewe H. «Reib. und Verschleiss metal und nichtmetal Werkst». «Aberursel», 1986, 323 353.

95. Kolaska H, Dreyer K. Entwicklungsstand keramischen schneidstoffe. Werkzeuge fur die spanende fertigung, sept, 1989, P. 4 13.

96. Kolaska H, Dreyer K. Immer feiner Verbesserte Hartmetallsorten als Schnenmarkt, 1988. Vol. 94, № 42, P. 44 - 46, 48, 50.

97. Konig W, Gerschweiler K. Werkzeugverschleiss und SchneidstoffVergleich Inconel 718 mit Keramik und CBN drehen . Industrie Anzeigen. - 1987, № 13, P. 24 -28.

98. Krainer H. Arch. Eisenhuttenw. Bd. 27. №1 2 p. 533. 108. Momper F. 3, Freidrichs K, Fripan M. Keramische schneidstoffe entwicklungsstand - tendenzen -anwendungen. Neue Werkstoffe. October, 1987, P. 4 - 15.

99. Leistungsstarke weise Schneidkeramic fur Gusbearbeitung. «Konstr. giessen», 1986, 11, №3,22.

100. Moderne Maschinen erfordern moderne Schneidstoffe. Teil 3 Kolaska Hans. «Techn. J», 1986, №7, 13-15.

101. Moriarty D.E., Schultz A.C. and Grefenstette J.J. 1999 «Evolutionary Algorithms for Reinforcement Learning», Volume 11, pages 241-276.

102. Nicht mehr so sprode. Kolaska J., Dreyer K. «Maschinenmarkt», 1987., 93, № 40, 110-115.

103. Schnieder E., «Regelungstechnikund, Steuerungstechnikund und Automatisierungstechnik», Verlag Technische Universitat Braunschweig, 2002.

104. Steigerung der Zerspanleistung beim Stirnplanfrasen durch Einsatz von Nitridkeramik. Bucholz Th. «Ind. Anz.», 1986., 108, № 90, 46 - 47.

105. U. Biegert, «Sichere Automatisierungssysteme mit Hilfe qualitativer Modellierung und quantitativer Risikobewertung», Institut fur Automatisierungs- und Softwaretechnik Universitat Stuttgart, 1998.

106. Verschleisverhalten von Silizium nitrid - Schneidkeramik. Tonshoff H.K., Bartsch S. «TZ Metalbearb.», 1987., 81, № 9, 32 - 33, 36 - 38.

107. Wirtschaftlicher Einsatz von Siliziumnitrid beim Stimplanfresen von Grausug durch optimale Schnittbedingungen. Buchholz Thomas. «Werkstattstechnik», 1987., 77, № 9, 483-487.123