автореферат диссертации по обработке конструкционных материалов в машиностроении, 05.03.01, диссертация на тему:Самоорганизующиеся алгоритмы искусственного интеллекта в управлении процессами механической обработки

На правах рукописи

Ф>

Бнленко Сергей Владимирович

САМООРГАНИЗУЮЩИЕСЯ АЛГОРИТМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В УПРАВЛЕНИИ ПРОЦЕССАМИ МЕХАНИЧЕСКОЙ ОБРАБОТКИ

Специальность05.03.01 - Процессы механической

и физико-технической обработки, станки и инструмент

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Комсомольск-на-Амуре 2000

Работа выполнена на кафедре «Технология машиностроения» Комсомольски: о-на-Амуре государственного технического университета.

Научный руководитель

Научный консультант

Официальные оппоненты

Ведущее предприятие

доктор технических наук, профессор Шпилев А. М.

кандидат технических наук, профессор Бурков А.А.

доктор технических наук, профессор Кретишш О. В. кандидат технических наук, доцент Конкин А. Н.

Комсомольское-на-Амуре ОАО «Амурлитмаш»

Защита состоится 21 декабря 2000 г. и 15-00 на заседании диссертационного совета Д 064.70.01 в Комсомольском-на-Амуре государственном техническом университете по адресу: 681013, г. Комсомольск-на-Амуре, ул. Ленина, 27, корп. 1,ауд. 207.

С диссертацией можно ознакомиться в библиотеке Комсомольского-на-Амуре государственного технического университета.

Автореферат разослан 20 ноября 2000 г.

Ученый секретарь

диссертационного совета __

кандидат!ехническихнаук,профессор Бурков А. А.

Кбд'1,0

ОГ.1ЦЛЯ ХАРЛ1СГЕРИС11ПСА РЛГ,0Т1а

Актуальность проблемы. Эффективность современных металлорежущих станков и станочных систем при их высокой стоимости может быть обеспечена только в условиях интенсивной эксплуатации с максимальным использованием фонда рабочею времени. Практический опыт эксплуатации станков с ЧПУ показывает, что возможности собственно станка и инструмента далеко не всегда используются полностью.

Известно, что условия резания в процессе обработки деталей не статичны, а динамически изменяются во времени случайным образом. Это происходит в силу различных возмущающих факторов: разброс припусков, разброс твердости и структуры металла заготовок, непрерывно изменяющиеся режущие свойства инструментов и др. Данные факторы не могут быть учтены при программировании всего цикла работы станка, так как расчет режимов резания, как правило, выполняется для некоторой обобщенной системы станок-приспособление-пнструмент-деталь (СПИД) с усредненными характеристиками. Причем исходные граничные условия выбираются по наихудшим возможным вариантам. Такой подход к выбору режимов позволяет избежать аварийных ситуаций, повышает вероятность получения качественной детали, но заведомо приводит к снижению производительности обработки.

Следовательно, для организации эффективного металлообрабатывающего производства необходимо решить задачу создания систем управления металлорежущими станками, наделенными функциями быстрого автоматизированного поиска оптимальных режимов резания по критериям точности, каче-ст ва, производительности и непрерывной корректировки этих режимов в зависимости от изменений условий обработки.

Цель работы. Повышение надежности и оптимальности процесса механической обработки путем введения динамического мониторинга выходных параметров процесса резания и автоматизированного назначения рационального режима обработки, максимально использующего возможности станочного оборудования.

Методы исследования. В теоретических исследованиях применялись методы технологии машиностроения, станковедения, методы теории колебаний, математического анализа, интеллектуального анализа данных и теории распознавания образов, широко использовались методы искусственного интеллекта: нейросетевые технологии и генетические алгоритмы оптимизации. Производ-ственно-экспсримеитальные исследования проводились но разработанной методике с помощью экспериментальной системы адаптивного управления процессом механической обработки.

Научная nonmua состоит б:

1. Построеной математической модели процесса механической обработки для задач оптимизации режима резания.

2. Разработанных методах оценки степени износа инструмента, интенсивности наростообразования и типа стружки на основе виброметрической информации.

3. Предложенном алгоритме адаптивного управления процессом механической обработки, позволяющем определить оптимальный режим резания при минимальном количестве априорно заданной информации и непрерывно корректировать этот режим в условиях возмущений динамической системы станка.

Практический ценность состоит в создании программно-технического комплекса для динамического мониторинга выходных параметров процесса резания и оптимального адаптивного управления режимом при токарной обработке.

Реализация работы. Результаты работы внедрены на Комсомольском-на-Амуре авиационном производственном объединении и в учебный процесс Комсомольского-на-Амуре государственного технического университета.

Публикации. По теме диссертации опубликовано 7 работ.

Структура и объем диссертации. Диссертация состоит из введения, пяти глав, общих выводов, списка литературы и приложения. Изложена на 132 страницах машинописного текста, содержит 27 рисунков и 3 таблицы.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

По нвсдеиии обоснована актуальность работы и отмечена ее научная новизна и практическая полезность.

Первая глава посвящена анализу проблем механообработки, устойчивости процесса резания, диагностики износа и состояния технологической системы, управления ходом технологического процесса изготовления деталей на ме галлорежущих станках. Рассмотрены работы Б.М. Базрова, Б.С. Балакшина, И.Г. Жаркова, Ю.Г. Кабалдина, О.В. Кретшшна, В.К. Митрофанова,В.Н. Поду-раева, A.C. Проникова, A.B. Пуша, В.А. Ратмирова, А.П. Сиротенко, Ю.М. Со-ломенцева, B.JI. Сосонкина, А.Г. Суслова, М.М. Тверского, М.А. Шатерина и др..

На основе литературных данных сделан вывод о том, что среди разнообразных систем управления металлорежущими станками, на данном технологическом этапе, подавляющее большинство составляют неинтеллектуальные системы, осуществляющие малоэффективные, беспоисковые алгоритмы предельного управления режимами резания, не обеспечивающие полноценного использования ресурсов станочного оборудования.

Разработка и внедрение в производство перспективных, интеллектуальных систем оптимального управления сдерживается вследствие следующих причин:

- отсутствие способов качественной оценки параметров процесса резания

по результатам косвенных измерений;

- отсутствие алгоритмов оптимизации режимов механической обработки,

способных полноценно функционировать в условиях неполноты модели

процесса резания.

Исходя из анализа рассмотренных работ была поставлена цель и сформулированы следующие задачи диссертации:

1. Обоснование методов оценки мгновенных значений зависимых параметров процесса резания, оказывающих влияние на точность, качество и себестоимость механической обработки.

2. Разработка стратегии управления процессом механической обработки, обеспечивающей максимальную производительность при заданной технологической надежности и обладающей устойчивостью к внешним возмущениям динамической системы станка.

3. Создание экспериментальной системы адаптивного управления процессом механической обработки и программного обеспечения для реализации алгоритма поиска рационального режима резания.

4. Экспериментальная проверка рациональности назначаемых режимов механической обработки в условиях адаптивного управления.

По пторой главе представлена математическая модель процесса механической обработки для задач оптимизации режима резания. За основу взята токарная обработка, как превалирующий вид обработки в металлорежущем производстве.

Оптимальное управление процессом токарной обработки трактуется как неклассическая вариационная задача, для чего рассматривается динамическая схема процесса резания.

В общем виде уравнение динамики станка выглядит следующим образом:

^ = ф(г),Щг),7?(г),£(г)), (1) ■

яг

где ц/{т) - вектор физически_измеримой информации о функционировании станка; г - текущее время; и (г) - вектор управления процессом резания; Г{т) -вектор силы резания; £(г) - вектор внешних возмущений, вызванных колебаниями толщины припуска, изменениями твердости обрабатываемого материала, переменной жесткостью системы СПИД, износом инструмента и т. д..

Главным условием управления процессом механической обработки является получение годной детали, удовлетворяющей требованиям точности и качества обработки. Также в процессе управления необходимо учитывать конструктивно-кинематические особенности станка, уровень допустимых нагрузок на его узлы и механизмы. Поэтому введем в описание динамики процесса резания две дополнительные переменные: у(т) - вектор качества изготовляемой детали; г (г) - вектор текущего состояния процесса резания.

Для решения уравнения (1) необходимо принять во внимание следующие обстоятельства:

1. Вектор у(г) является единственным компонентом множества качества К. Границы эгого множества формируются предельно допустимыми, с позиции качества детали, значениями составляющих вектора у(т).

2. Вектор z(r) является единственным компонентом множества Zcocto-яний процесса резания. Границы этого множества формируются параметрами предельно допустимого качества процесса резания. Нормальный процесс резания может существовать лишь в том случае, если ни одна из составляющих вектора г (г) не выходит за границы множества Z, иначе возникает аварийная ситуация.

Для анализа векторов у(т) и г(г) необходимо знать отображения 4Jr и Ч'2 множеств У и Z на множество физически измеримой информации о поведении динамической системы стайка. Границы множества формируются предельно допустимыми значениями составляющих вектора y/(j). Задача управления процессом резания и обеспечения качества обрабатываемой детали математически формулируется следующим образом:

Чу =Ly(Y), Vz=Lz{Z), (2)

где Ly и l.z - соответствующие операторы.

Техническая реализация системы управления по правилам (2) в конечном счете сводится к выделению из вектора \р{т) информации о текущих значениях составляющих векторов у(т) и z(r) по отношению к границам множеств соответственно У и Z.

При оптимальном управлении вектор U (г) должен удовлетворять двум следующим условиям:

у7(г)е[%.пУ2], (3)

J = ,F,%)dT = extreme (min илитах),(4)

О

где У-оптимизационный функционал, который обычно описывает стоимость (J = min) или производительность (J= max) обработки.

Условие (4) основано на динамике процесса точения и включает в себя определение экстремума оптимизационного функционала, который состоит из физически измеримой информации, функции управления, силы резания и внешних возмущений.

Оптимальность параметров технологического процесса определяется экономическими показателями. Поэтому критерием эффективности при управлении процессом токарной обработки примем себестоимость одного перехода токарной операции, тогда функционал примет вид:

J 0 = 0рсх+О0ÜCl (5)

где 0 - приведенные затраты на обработку одной заготовки; 0ремс - затраты живого и овеществленного труда, связанные с режимами обработки; 0оСс-затраты живого и овеществленного труда, связанные с управлением и обслуживанием станка.

Под обслуживанием станка, как правило, понимается своевременная замена режущего инструмента и устранение отказов станочного оборудования. Длительное наблюдение за работой токарных станков с ЧПУ показывает, что наиболее часты отказы, связанные со скоплением стружки в зоне резания (до 70%), и различные отказы режущего инструмента (до 63%). Таким образом, путем математических преобразовании оптимизационный функционал приводится к виду:

1 + +

(6)

где V - скорость резания; я - подача на один оборот; / - глубина резания; Т(ц 5, - период стойкости инструмента; ()(у; I) - частота образования скоплений стружки в зоне резания, требующих остановки станка; С/, С2, С3 -некоторые заранее известные константы, причем Су характеризуется себестоимостью одной минуты работы станка, С^ характеризуется приведенной стоимостью инструмента и продолжительностью простоя станка, связанного со сменой инструмента, С3 характеризуется продолжительностью простоя станка, связанного с удалением стружки, нарушающей процесс обработки.

Условие (3) основано на физических свойствах процесса резания и включает в себя выявление предельных силовых нагрузок, при которых еще не происходит поломка режущего инструмента, диагностирование качества детали в процессе обработки по физически измеримой информации и формирование ограничений на параметры качества по их отображению на множество ^.

В работе рассматриваются технические ограничения, служащие пределами области допустимых состояний процесса резания Zи области допустимого качества обработки У.

Ограничения нножестса Xпродиктованы конструктивно-кинематическими особенностями станка и прочностными характеристиками системы СПИД. Ограничения по кинематике станка формулируются следующим образом:

V - < V < V .5 - 5а 5 < .? . (7)

К конструктивным особенностям станка относится ограничение составляющих силы резания Р„ Ру и Рг по максимально допустимым значениям:

р* - Рхйип. , Ру - Рудом , Рг - Рг доп., (8)

где РХдоп. и Рудон характеризуются прочностью механизмов продольной и поперечной подач соответственно; Р.¿0„, определяется мощностью привода шпинделя и прочностью режущего инструмента.

Ограничения множества Г обусловлены точностью формообразования и качеством обработанной поверхности. Основными лимитирующими факторами, влияющими на точность формообразования при токарной обработке,

являются жесткость режущего инструмента и жесткость заготовки. Поэтому ограничения по точности обработки сформулированы в виде:

^гх — ^гхдоп. * — ^гудоп. , (9)

где Р1х + Р? -сила, вызывающая изгиб инструмента; Ргу - ^Р} + Ру - сила, вызывающая изгиб детали;

Качество обработанной поверхности определяется шероховатостью поверхности и состоянием материала поверхностного слоя. Состояние материала поверхностного слоя характеризуется его упрочнением (наклепом), микроструктурой, величиной и знаком остаточных напряженип.'К сожалению, на данном технологическом этапе не существует эффективных способов оценки степени наклепа и величины остаточных напряжений непосредственно в процессе резания. Это делает задачу динамического управления состоянием материала поверхностного слоя неразрешимой в рамках данной работы. Поэтому в качестве основного критерия качества обработки принята шероховатость обработанной поверхности .

В качество ограничения, определяющего допустимую шероховатость доп. обработанной поверхности, принято выражение:

Мг,шр.(Ин) + АК:еибрХЛв) + АЯ2ШНХЗ) < Ягдол'

где (5) -расчетная высота остаточных микронеровностей, описывающаяся аналитической функцией от подачи; упр. , ^гиарХЮ , ^гвибр(^а), (<5) - приращения шероховатости, вызванные соответственно упругим восстановлением поверхностного слоя, пластическим течением металла, процессом наростообразования, вибрациями системы СПИД и износом режущей кромкй инструмента; /;м - высота напоста; Ав - амплитуда колебаний системы СПИД; 8 - величина линейного износа.

Показано, что величина ^гупр. колеблется до 3% от суммы всех остальных приращений шероховатости, величину можно эффективно.ограничить технологическими методами, а именно искусственным повышением твердости поверхностного слоя материала термообработкой. Поэтому динамическое управление высотой микронеровностей в процессе резания предлагается осуществлять с помощью управления остальными четырьмя слагаемыми выражения (10)- Щнар. (,г„), Щеибр(А) и ДДг1СЯ .(<?) .Детальный анализ этих величин и некоторые упрощения позволяют сформулировать выражение (10) в виде следующих технологических ограничений:

нар.

+квАв+к38]<Я

2доп. . 8 < 86оп , (11)

где кн, кв, кг - эмпирические коэффициенты; 80оп - допустимая величина износа инструмента, при достижении которой требуется его замена.

Таким обратом, на основании выражений (2) - (11) определен круг зависимых параметров процесса резания, значения которых полностью характеризуют состояние динамической системы станка для задачи оптимального управления процессом токарной обработки. Этими параметрами являются:

1. Составляющие силы резания Р„ Ру и Р..

2. Амплитуда вибраций системы СПИД//в.

3. В ысота нароста Л,,.

4. Мгновенное значение линейного износа инструмента сУ, и скорость износа Кд- = йд(й1.

5. Характер процесса дробления стружки.

Третья глппа описывает способы измерения значений зависимых параметров резания. Большая часть главы посвящена разработке и теоретическому обоснованию методов косвенных оценок мгновенных значений величины размерного износа инструмента, высоты нароста и типа стружки в режиме реального времени обработки.

В начале главы указывается, что измерение ортогональных проекций силы резания Рх, Ру и Р. не вызывает значительных затруднений. Существуют, основанные на пьезоэлектрических свойствах кристаллов сложной формы, динамометрические устройства, способные обеспечить высокую точность измерения при максимальном прогибе измерительной части менее чем 50 мкм. Приводятся способы встраивания подобных устройств в подшипниковый узел и запорный механизм револьверной головки токарного станка.

Амплитуда вибраций системы СПИДЛв в процессе резания также может быть определена достаточно простыми методами. Например, путем прямых измерений с использованием внбропреобразователя, закрепленного в непосредственной близости от зоны резания.

Наибольшую сложность представляют измерения линейного износа инструмента, высоты нароста и стабильности дробления стружки. Все эти параметры предложено оценивать на основе сигнала акустической эмиссии (АЭ), измеряемого в процессе резания.

Предварительно в главе приводятся условия получения качественной виброметрической информации в процессе точения. В первую очередь, это правильное согласование датчика АЭ и измерительного устройства по импедансу, отсутствие автоколебаний системы СПИД значительной амплитуды, выбор правильного частотного диапазона сигнала. Представлены расчет и схема согласующего усилителя заряда - корректора для пьезоэлектрических датчиков АЭ. Даны рекомендации по снижению амплитуды автоколебаний с помощью увеличения жесткости режущего инструмента.

Оценка величины линейного износа инструмента, высоты нароста и формы стружки по характеристикам сигнала АЭ основывается на энергетическом представлении процесса резания:

4р=Лд+Атрп+Атр3) (12)

где Ар - работа резания; Ад - работа деформации в области сдвига; Атр„ -работа силы трения по передней грани инструмента; Атр х - работа силы трения по задней грани инструмента;

Работа любой силы в процессе резания сопровождается акустическими колебаниями, определенной амплитуды и спектральной плотности,то есть, суммарный сигнал АЭ представляет собой суперпозицию колебаний, характеризующих каждое из слагаемых правой части выражения (12).

Любое изменение износа инструмента 5(как по передней, так и по задней поверхностям), высоты нароста /;„ или параметров, характеризующих тип и форму стружки, повлияют на соотношение Ад, Атр„, Лтр з и, в конечном итоге, на спектральную плотность сигнала АЭ. Произведя ряд однофакторных экспериментов можно определить скрытые зависимости спектральной плотности АЭ от значений <5, /г„ и характеристик формы стружки.

Для проверки данной гипотезы испопьзовался один из методов разведочного анализа - метод главных компонент. В отношении степени износа инструмента были проведены стойкостные испытания по классической схеме. В процессе эксперимента непрерывно фиксировался сигнал АЭ, оцифровывался и сохранялся в памяти ПЭВМ в виде осциллограмм длиной 32768 отсчетов. Полоса частот сигнала АЭ ограничивалась аппаратным ФВЧ и программно реализованным ФНЧ до диапазона 1... 100 КГц. Периодически резание останавливалось дпя измерения ширина фаски износа по задней поверхности, результаты измерения заносились в журнал.

По окончанию эксперимента производилась обработка полученных данных. Для каждой осциллограммы методом быстрого преобразования Фурье вычислялся энергетический спектр мощности сигнала. Полученный спектр имел линейную частот пую шкалу, шаг которой обусловлен частотой дискретизации исходной осциллограммы. Это представляло определенную трудность при сравнении спектров осциллограмм, полученных с разными частотами дискретизации. Кроме того, информационная плотность линейной шкалы неоднородна: в области низких частот разница между соседними отсчетами шкалы составляет десятки процентов, а в области высоких частот стремится к нулю. Для того, чтобы исключить вышеописанные обстоятельства, частотная шкала спектров всех осциллограмм приводилась к единому логарифмическому виду, где каждый последующий отсчет получается увеличением предыдущего в 101/64 раз (3,66%). Таким образом, увеличение частоты на порядок отображалось с помощью 64 отсчетов шкалы, а вся шкала для диапазона 1... 100 КГц составляла

128 отсчетов. То есть, использование логарифмической шкалы позволило уменьшить размерность данных в 256 раз (128 отсчетов, вместо 32768) без существенной потери информативности.

Переход к логарифмической шкале осуществлялся путем численного дифференцирования спектра сигнала по старой, линейной шкале частот, а затем численного интегрирования для новых значений логарифмической шкалы с применением метода нелинейной интерполяции.

Каждый преобразованный спектр мощности трактовался как вектор fV(wj,w2.....и')28) в 128-мерном ортогональном пространстве, где пу-мощность сигнала АЭ, излучаемого в j-том диапазоне частот. Направление этого вектора определяется соотношением значений wh w2,..., w^j, и, согласно нашей гипотезе, характером процессов, происходящих в зоне резания. Длина вектора | W | определяется чувствительностью вибродатчика и усилительными характеристиками измерительной аппаратуры. Для того, чтобы исключить эти зависимости и иметь возможность сравнивать показания разных датчиков все векторы приводились к единичной длине ] IV | = 1. С этой целью производилось нормирование проекций каждого вектора w/t w:, ..., iv/^до единичной дисперсии и нулевого среднего.

Затем для совокупности всех векторов были рассчитаны две главные компоненты -две ортогональные оси, характеризующиеся направлениями максимального разброса данных. Суть этих действий заключается в понижении размерности данных со 128 до 2 или, в нашем случае, б отыскании наиболее благоприятной плоскости проекции 128-мерного облака векторов на двухмерный график для визуализации результатов эксперимента.

Результаты расчета представлены парне. 1. Каждая осциллофаммапредставлена в виде маркера, соответствующего вершине вектора, цвет и форма маркера определяется значением ширины фаски износа инструмента по задней поверхности <5j. Маркеры складываются в характерный веерообразный рисунок. Группа маркеров (кластер) в нижней части графика соответствует осциллограммам, записанным в промежутках между резаннем, при включенном шпинделе. Дугообразная цепочка кластеров в верхней части графика соответствует осциллограммам, записанным во время резания инструментом с различной степенью износа. Для каждого значения износа 5, показано 100 осциллограмм, зафиксированных в процессе резания и 20 осциллограмм - при отведенном инструменте.

Анализ результатов показывает, что сигналы АЭ, зафиксированные при близких значениях износа обладают сходным распределением спектральной плотности и образуют на графике главных компонент вполне различимые группы. Что не только доказывает возможность идентифицировать состояние инструмента по виброакустнческой информации, но и подтверждает корректность предложенной предварительной математической обработки.

0.4 0.3

' » * *Г\Л < о »-£г*<*

0,2 ■

! °-7 ! о,б

0,1

■0,1 -

■0,2

■0,3 ■ -

■0,4

Пшос 5]> мм:

----Д'/й.,-?.—

! "» »Л"

1 0.11?,

| Нет рсзашш

В Износ Олш ш Износ 0,1 мм А Износ 0,2мн к Пзп()с 6,3мм

♦ Износ 0,4мм

♦ Износ 0,5мм о Износ 0,6мм

♦ Износ 0,7мм

О Центры кластеров

■0,5

■0,4

■0,3 ■0,2 -0,1

0,3

0,4

О 0,1 0,2

Рис. ]. Деухкоординатный график наблюдений зависимости спектральной плотности сигнала АЭ от линейного износа инструмента 8Т Оси графика - соответственно 1-ая и П-ая главные компоненты.

Обратная задача-оценка величины износа инструмента по сигналу АЭ и проверка точности данного метода диагностики осуществлялась по результатам предыдущего эксперимента. Для этого в; 128-мерном пространстве рассчитывались центры кластеров, характеризующиеся математическими ожиданиями вектора спектра сигнала АЭ, соответствующими определенным интервалам значения износа инструмента Затем были произведены новые стойкостные испытания по аналогичной методике. Новые осциллограммы также представлялись в виде 128-мерных векторов, и поочередно сравнивались с центрами кластеров. Сравнение производилось по Евклидовой метрике, то есть вычислялось расстояние между вектором и центром кластера. По степени близости делалось предположение о принадлежности вектора к кластеру и, соотвзтственно, о предполагаемой величине износа. Исследования показали, что погрешность определения степени износа инструмента при неизменных значениях скорости резания и подачи составляет около 11%. Дальнейшие эксперименты, связанные с изменением скорости резания и подачи показали, что, задавшись порогом погрешности 20%, можно варьировать скорость резания в диапазоне -33%.. .+26% и подачу в диапазоне -17%...+14% от значений, для которых производились расчеты центров кластеров.

Следовательно, для того чтобы производить достоверную оценку износа инструмента во всем диапазоне допустимых режимов резания (7), необходимо обладать результатами обработки экспериментальных данных для всех сочетаний ряда значений скорости резания V;, \>2, ■ .., Ут, сформированного так, чтобы

два любых соседних значения отличались друг от друга не более чем на 60%, и

ряда значений подач s¡, s¡.....sn, выбранных так, чтобы соседние значения

отличались не более чем на 30%. Для диапазонов скорости резания 1.. .200 м1 мин н подачи 0,07... 1 мм/об таких сочетаний существует около 100. При наличии станка ЧПУ с бесступенчатым регулированием приводами для получения полной картины зависимости частотных характеристик АЭ от износа инструмента, в большинстве случаев, можно обойтись одним технологическим испытанием, в течении которого значения скорости резания и подачи перебираются для каждого интервала значений износа инструмента.

Произведена оценка времени, необходимого на проведение стоикостных испытаний в вышеописанном случае. Длительность одной итерации измерительного цикла принята равной 3 секундам, из которых 2 потребуются на установление режима резания после переключения скорости вращения шпинделя или подачи, а 1 секунда - на измерение сигнала АЭ. В этом случае перебор по всем скоростям и подачам займет 5 мин (100 х 3 с). При периоде стойкости инструмента более 60 мин идентифицирующие признаки будут определены для более чем 12 значений износа инструмента, что вполне достаточно для достижения приемлемой точности.

В качестве следующего этапа научной работы проведены исследования в области динамического контроля высоты нароста и характеристик стружки. Основная трудность таких исследований заключается в невозможности проведения чистых однофакторных экспериментов. Образование нароста на режущей кромке инструмента приводит к уменьшению угла резания, изменению характера трения по передней и задней поверхностям и, следовательно, активно влияет на тип и форму стружки. Таким образом, не всегда удается зафиксировать чистую зависимость характеристик сигнала АЭ только от параметров процесса наростообразосашгя или только от вида образующейся стружки. В связи с этим предложено разделить сигнал АЭ на информационные диапазоны, то еегь считать, что акустическая эмиссия, порождаемая процессом наро-стообразования характеризуется периодом срыва нароста и имеет наибольшую информативность в области нижних частот (до 500 Гц), а акустическая эмиссия, порождаемая процессом стружкообрлзования, характеризуется частотой формирования элемента стружки, интенсивностью зацепления микронеровностей при трении стружки о переднюю поверхность и обладает наибольшей информативностью в области частот выше 1 КГц.

Для проверки этого предположения, в отношении высоты нароста проведены эксперименты но точению с разными скоростями резания. В процессе исследований фиксировался сигнал АЭ. Полоса частот сигнала АЭ ограничивалась аппаратным ФВЧ и программно реализованным ФНЧ до диапазона 5...500 Гц. Периодически точение останавливалось с помощью устройства

игновенного прекращения резания, и измерялась высота нароста. Математическая обработка сигналов АЭ проводилась аналогичным образом, как и в случае с износом инструмента. Результаты обработки данных с помощью метода главных компонент приведены на рис. 2.

-0,4 -0,3 -0,2 -0,1 0 0,1 0,2 0,3 0,4 0,5 0,60 Центры класгероя

Рис. 2. Двухкоординатный график наблюдений зависимости спектральной плотности сигнала АЭ от высоты нароста /г„. Оси графика -соответственно 1-ая и 11-ая главные компоненты.

Из графика видно, что маркеры, соответствующие осциллограммам, также расположены в виде веерообразного рисунка. Излом цепочки кластеров обусловлен тем, что зависимость высоты нароста от скорости резания немонотонна и имеет один максимум. Таким образом, Некоторым значениям Ьн соответствуют два кластера, которые, тем не менее, могут быть объединены в общую выпуклую область. А весь график главных компонент может быть поделен на зоны, соответствующие наиболее вероятному значению высоты нароста. Один из вариантов такого деления изображен на графике с помощью пунктирных линий.

Для проверки повторяемости результатов экспериментов исследования проводились для нескольких значений подачи, но всегда цепочка кластеров имела характерный излом, соответствующий максимальной высоте нароста. Это доказывает, что проведенные эксперименты зафиксировали корреляцию изменения спектральной плотности АЭ именно с высотой нароста, а не с другими параметрами, зависимыми от скорости резания.

Анализ точности определения высоты нароста с помощью полученных данных показал, что погрешность идентификации достигает 25% (что выраже-

* м/мин; Ь»0,3мм .

* м/мин; Ьв0,35мм 0 у»12 м/мин; Ь>0,4мм

* у»15 м/мин; И*0,4£мм

* Vе 18 м/мин; Ь=0,4мм

* у»20 м/мин; Ь*0,35им А у»22 м/мин; (1*0,Змм

* у-25 м/мин; |1=0,25мм

* у=30 м/мин; Ь-0,15мм

* у=35 м/мин;

* у=40 м/мин; Ь-0,05мы 0 у*£0 м/мин; Ь<0,01мм

но на рис. 2 в частичном перекрытии кластеров). Это объясняется тем, что при малых скоростях резания мощность сигналов АЭ мала, и ограниченная чувствительность датчика не позволяет получить полную виброметрическую информацию о процессе резания. При увеличении скорости резания мощность ЛЭ увеличивается, но наряду с этим уменьшается высота нароста и, следовательно, интенсивность колебаний, характеризующих процесс наростообразо-вания. Эту проблему можно решить, применив более чувствительную измерительно-оцифровывающую аппаратуру, которая пока слишком дорога для массового промышленного применения.

В отношении стабильности стружкодробления предварительно проведены исследования по выявлению наиболее благоприятных видов стружки для условий автоматизированной токарной обработки. Рассмотрено два варианта управления процессом стружкодробления.

Так как подавляющее большинство стружки, получаемой при токарной обработке в промышленных условиях, является сливной, то первоначально изучена возможность управления стружкодроблением с помощью изменения формы сливной стружки, а именно варьированием радиуса ее завивания R3. Согласно разнообразных моделей завивания стружки и экспериментальных данных, опубликованных рядом исследователей, наблюдается тесная корреляция между величиной, обратной радиусу завивания стружки, и частотой образования элементов стружки. То есть задача диагностирования величины R3c помощью сигналов АЭ технически осуществима. Но практика показывает, что в большинстве случаев процесс завивания стружки плохо поддается регулированию с помощью изменения режима резания. При одних и тех же значениях режима наблюдается значительный разброс R3. Это объясняется тем, что при сливном стружкообразопзини стружка находится в состоянии динамического равновесия, и приложение сколь угодно малых возмущающих сил к жесткой области стружки в момент ее образования может привести к изменению ее формы.

Таким образом, предложено отказаться от контроля формы стружки и управлять процессом стружкодробления с помощью изменения типа стружки. Наиболее удобной для автоматизированного удаления из зоны резания является элементная стружка. В ряде случаев удовлетворительной можно считать суставчатую стружку, устойчиво фрагментирующуюся в отрезки длиной до 150 мм. Тип стружки хорошо регулируется изменением скорости резания и подачи. Диагностику типа стружки предложено основывать на предположении, что изменение типа стружки связано с изменением частотыfcmp образования элемента стружки. Следовательно, установив степень влияния/стр на характеристики АЭ, излучаемой в процессе резания, можно оценить тин стружки по виброметрнческой информации.

Для проверки данного утверждения в отношении типа образующейся стружки были проведены эксперименты по точению с переменной скоростью

резания. В процессе исследований-фиксировался сигнал АЭ. Полоса частот сигнала АЭ ограничивалась аппаратным ФВЧ и программно реализованным ФНЧ до диапазона 1...100 КГц. Скорость резания в течении экспериментов изменялась в диапазоне 1.. .200 м/мин. Для каждого значения скорости резания отбирались образцы стружки и визу{шьно определялся ее тип, для суставчатой стружки определялась максимальная длина фрагментов. Математическая обработка сигналов АЭ проводилась аналогичным образом, как в случаях с износом инструмента и высоты нароста /¡„. Анализ результатов исследований с помощью метода главных компонент подтвердил, что корреляция между типом получаемой стружки и спектральной плотностью АЭ действительно имеет место, что выражается в четкой кластеризации экспериментальных данных в многомерном факторном пространстве, и позволяет с достаточной точностью оценивать вид стружки по спектру сигналов АЭ.

После экспериментальной проверки гипотез о наличии скрытых корреляционных зависимостей спектральной плотности АЭ от величины размерного износа инструмента, высоты нароста и вида стружки разработаны практические алгоритмы измерения величины этих зависимых параметров процесса резания в реальном масштабе времени.

Для оценки мгновенных значений Л„ и типа получаемой стружки предложено использовать искусственные нейронные сети (ИНС). Задачи измерения каждого из этих параметров однотипны, и сводятся к идентификации состояния процесса резания по спектру АЭ на основании обучающей выборки, полученной в результате предварительных однофакторных экспериментов. С этой целью для каждого из трех измеряемых параметров в памяти персональной ЭВМ программно формируется своя, имеющая 128 входов и 16 выходов, двухслойная нейронная сеть встречного распространения. Данная сеть объединяет два алгоритма: самоорганизующуюся карту Кохонсна и звезду Грос-сберга.

Первый, входной слой - слой Кохонена состоит из 163 84 нейронов, топологически сгруппированных в двумерную матрицу (карту) 128х 128, Все нейроны входного слоя имеют по 128 входов (дендритов), каждый из которых соединен с одним из входов сети. Второй, выходной слой - слой Гроссберга состоит из 16 нейронов, имеющих по 16384 входа. Каждый нейрон слоя Кохонена соединен со всеми нейронами слоя Гроссберга. Выходами слоя Гроссберга являются выходы сети. Задачей слоя Кохонена является классификация входных образов в группы схожих и автоматизированное построение отображения набора входных 128-мерных векторов в двумерную карту кластеров, причем таким образом, что близким кластерам на карте отвечают близкие друг к другу входные вектора в исходном пространстве. Затем задачей слоя Гроссберга являет ся конечное определение принадлежности входного образа к одной из групп и формирование требуемых выходов.

Обучение сети проводилось следующим образом:

1. Формирование обучающей выборки. Для оцениваемого параметра резания проводятся однофакторные эксперименты, в течении которых фиксируются сигналы АЭ. Для 15 значений параметра формируются группы из 100 осциллограмм, зафиксированных в процессе точения и отбираются 10 осциллограмм, зарегистрированных при отведенном инструменте. Осциллограммы, зафиксированные без резания объединяются в отдельную группу. Таким образом формируется выборка из I б групп и 1650 осциллограмм. Для каждой осциллограммы обучающей выборки производится вычисление спектра, приведение его к логарифмической 128-отсчетной шкале и чормирование до единичной дисперсии и нулевого среднего.

2. Инициализация сети. Весовым коэффициентам сети присваиваются малые случайные значения.

3. Обучение слоя Кохонена. Входные 128-разрядные образы обучающей выборки случайным образом предъявляются на входы слоя Кохонена. Слой Кохонена классифицирует входные векторы в группы схожих. Это достигается с помощью такой подстройки синоптических весов слоя, что близкие входные образы активируют один и тот же нейрон данного слоя. В качестве меры близости используется Евклидова метрика. Слой Кохонена обучается без учителя (самообучается). Для повышения эффективности обучения применяются метод выпуклой комбинации и «метод аккредитации».

4. Обучение слоя Гроссберга. Слой Гроссберга обучается с учителем на основе априорной информации о принадлежности предъявляемого образа к одной из групп. Входные 128-разрядные образы обучающей выборки случайным образом предъявляются на входы слоя Кохонена. Для каждого образа слой Кохонена, в соответствии со сформированной в нем во время самообучения информацией, возбуждает один или несколько своих нейронов и передает возбуждение ira входы слоя Гроссберга. Затем производится подстройка еннапти-ческих весов нейронов слоя Гроссберга таким образом, чтобы возбужденным оставался только один нейрон выходного слоя и порядковый номер возбужденного нейрона совпадал с номером группы, к которой принадлежит предъявляемый входной образ.

После такой процедуры обучения ИНС способна идентифицировать ситуацию отсутствия резания или, в противном случае, оценивать значение одного из параметров резания, измеряя его по 15-бальной дискретной шкале.

Применение ИНС для задач оценки мгновенных значений зависимых параметров резания по характеристикам сигналов АЭ обосновано тем, что, в сравнении с другими методами кластер-анализа, ИНС заметно более устойчивы к помехам и способны работать с зашумленными сигналами. Обучаясь, нейронные сети способны сжимать исходную информацию, устраняя шумовые компоненты и подчеркивая непрерывные, гладкие зависимости.

В четвертой глапс приводится алгоритм поиска оптимального режима резания, использующий в качестве исходных данных минимум априорно заданной информации и опирающийся на результаты прямых измерений и косвенных оценок параметров процесса резания.

Для упрощения алгоритма поиска оптимальных режимов резания выражения (6) - (9), (11) сформулировано в виде единого уравнения целевой функции. Технические ограничения увязаны с критерием оптимальности путем добавления к выражению (6) слагаемых вида (Р/Рд„„)", где Р - ограничиваемый параметр процесса резания; Рдоп - предельно допустимое значение параметра; и-показатель строгости ограничения.

Неудобный с точки зрения измерения период стойкости инструмента Т(\>, I) аппроксимирован с помощью допустимой величины линейного износа инструмента 5доп и мгновенного значения скорости износа

т = здоп./уг.

(13)

Частота образования скоплений стружки в зоне резания (¿(х\ я, 0 трактуется как вероятность возникновения затора стружки в единицу времени. Для ее определения использовано выражение:

Я^р/Лтрдоп)^, (14)

Где /а„р. доп. ~ максимальная частота стружкообразования, характеризующая формированием удовлетворительно дробящейся стружки; к^стр - эмпирический коэффициент {кгстр > 1).

Окончательное выражение целевой функции имеет вид:

У5(

1 + С,

удоп

- + С,

( г Л J стр. к/стр. + ' \ Рх 10 + ( Р } 'у

ч /стр. доп.

К'хдону К"у доп.,

10

,(15)

Г \ Р\ 10 1 I 1 X Ь ( 1 -¡~\ Рг + Ру

+ + - +

К Ргдоп. у Р2 ч 1 гхдоп. Р2 ч гудоп ^ \

+ V'» +Ма

я

г доп.

где значения элементов режима V, 5, / составляют вектор управления процессом резания С'(т); зависимые параметры процесса резания Рх, Ру, Р2, Ав, определяемые путем прямых измерений, ¥5, /стр, /г„, 5,, оцениваемые по результатам косвенных измерений, и Я2р, вычисляемая аналитически, составляют вектор текущего состояния процесса резания 5(г); предельные параметры 8доп, /стр. дпп.» Рхдоп. РуйиплРгйипл Ргхйоп.^гуйоп. и уточняющие коэффициенты к/стр, задаются на каждый переход в соответствии с технологическими требованиями; константы С/, С2, С} вычисляются аналитически, исходя из экономических показателей процесса обработки.

На основе критерия оптимальности (15) разработана система адаптивного управления (САУ) процессами токарной обработки. Для упрощения интеграции САУ в состав ЧПУ токарных станков система реализована по принципу двухмерного экстремального управления по значениям V и 5. То есть, траекторию движения инструмента и глубину резания / задает штатная система ЧПУ станка, а оптимальные значения скорости резания V и подачи з определяет САУ.

Предварительные эксперименты по использованию опытного образца САУ при точении конструкционных сталей показали, что строгое условие получения элементной или суставчатой фрагментированной стружки, заданное в целевой функции (15), приводит к назначению низкоскоростных, нерациональных режимов резания. Поэтому наряду с управлением стружкодроблсни-ем путем изменения режима резания решено в определенных случаях использовать принудительное етружкодробление методом периодического изменения подачи. Установлено, что циклическое замедление подачи позволяет обеспечить удовлетворительное етружкодробление во всем диапазоне скоростей резания 1.. .200 м/мин, при этом стойкость инструмента практически не изменяется, а производительность обработки уменьшается незначительно. Недостатком этого метода является повышение волнистости обработанной поверхности, обусловленное периодическим изменением сил, вызывающих упругие деформации детали и инструмента-/^ и Р„ соответственно. Несмотря на то, что колебания значений Р^ и Ра ограничены по амплитуде условием (9), интегрированным в целевую функцию (15), и не выходят за границы допуска по точности формообразования, качество обработанной поверхности может не соответствовать предъявляемому критерию/?гй0„. Поэтому данный способ стружкодроблення применим только для операций неокончательной, черновой или получистовой токарной обработки.

Таким образом, в случаях окончательной, чистовой обработки стабильность процесса стружкодроблення предложено регулировать с помощью управления типом стружки, а в остальных случаях применять стружколомание методом дискретной подачи. Соответственно с реализуемым методом управления процессом стружкодроблення происходит настройка коэффициента С3 целевой функции (15):

Анализ целевой функции (15) показывает, что выбор метода регулирования стабильности стружкодроблення во многом определяет характер ее пове дения. При управлении типом стружки (С3 & 0) целевая функция имеет одни глобальный экстремум, расположенный в области низких скоростей резания и высоких подач, в зоне образования элементной стружки. В случае использования принудительного стружкодроблення (С] = 0), функция (15) имеет два хоро-

{

Cj = const > 0, при управлении типом стружки С3 = 0, при дискретном стружколомании

(16)

шо выраженных экстремума (см. рис. 3). Перешеек между экстремумами обусловлен недостаточной жесткостью используемого станка и возникновением сильных вибраций системы СПИД в диапазоне скоростей резания 50... 100 м/ мин. Нахождение глобального экстремума такой мультимодалыюй зависимости является задачей нетривиальной. Наиболее часто применяемый в САУ алгоритм градиентного спуска не даст в данном случае желаемых результатов, так как поиск останавливается в локальном минимуме I (см. рис. 4а), характеризующемся приемлемым качеством обработки, но низкой производительностью. Другой, популярный для решения оптимизационных задач переборный алгоритм теоретически способен отыскать глобальный минимум II целевой функции, но практически перебор всех возможных комбинаций скорости резания и подачи в процессе точения займет значительное время, намного большее времени выполнения перехода токарной операции без применения САУ.

Рис. 3. График зависимости целевой функции (!5) от скорости резания и подачи в случае использования принудительного стружкодробле-ния Сдля наглядности показаны значения функции J < 2).

Выходом из сложившейся ситуации является применение новых, разработанных в рамках концепции искусственного интеллекта, методов оптимизации - генетических алгорит мов. Генетические алгоритмы - это определенным образом построенные комбинации переборных и градиентных методов. Первоначально генетические алгоритмы разрабатывались для моделирования эволюции в природе, и поэтому в их описании используется упрощенная биологическая терминология.

Начало: \<=30, >¡=0,2 1.4

1.2

у Начало: г=30, ¡=0,2

Подача, мм/об

100

0 200 Скорость ре?а!ши, »(/»щи

0.5

Подача, мм/об

Конец: -138, 1=0,65■

100

О 200 Скорость

резания, и/мии

Рис. 4. Последовательность итераций нахождения оптимального режима резания для градиентного (а) и генетического (б) алгоритмов.

Применителг но к задаче поиска оптимального режима резания в процессе токарной обработки генетический алгоритм выглядит следующим образом:

1. Инициализация. Формируется популяция из четырех вариантов изменения текущего режима резания, каждый из которых характеризуется приращением одного из элементов режима в сторону увеличения или уменьшения и весом: М}(+ Ду 0), М2(-Ац 0), М3(0, М4(0, -А.ч), где Ду и Д$ - величины итерационных приращений скорости резания и подачи. Вес Л/каждого индивидуума показывает насколько часто индивидуум выигрывал отбор. Или, другими словами, насколько часто режим резания в процессе оптимизации изменялся в сторону, характеризуемую данным знаком приращения данного элемента режима. Подобное распределение весов необходимо для придания процессу оптимизации некоторой инерциальности, не позволяющей алгоритму застревать в локальных минимумах целевой функции. Первоначально весам М/ -М4 присваивается значение 1.

2. Определение наиболее перспективного варианта изменения режима. Формируется популяция -Дч 0), Д/^-Ач 0), Дг3(0,+&), Д^(О.-Ьб), весом ДJ которой является приращение целевой функции (15) относительно текущего значения режима. Значения Ал - Д « определяются с помощью четырех тестовых итераций (пробными изменениями скорости резания и подачи в обе стороны).

3. Сглаживание процесса оптимизации (имитация инерции). Производится скрещивание популяций Мн Д/ н отбор самого сильного индивидуума популяции. Скрещивание происходит путем перемножения весов соответствующих индивидуумов по формулеР1 = Л/Д^'ду, где кш-коэффициент, характеризующий степень инерциальности процесса оптимизации. Результатом отбора является увеличение на 1 веса М) индивидуума, для которого произведениеявляется максимальным. После скрещивания популяция/, -./¿уничтожается.

4. Добавление стохастической составляющей. Осуществляется корректировка текущего режима резания. При этом в ход алгоритма вносится элемент случайности - мутация. Вариант изменения режима выбирается случайным