автореферат диссертации по машиностроению и машиноведению, 05.02.08, диссертация на тему:Структурный синтез технологических процессов в интегрированных САПР на основе использования искусственных нейронных сетей

Введение

Список сокращений

1. Анализ состояния вопроса, задачи исследования

1.1. Объект и задачи технологического проектирования

1.2. Методология синтеза структуры технологических маршрута и операций

1.3. Нейрокомпьютинг 14 1.3. Методы представления конструкторской и технологической информации 25 1.5. Интегрированные системы проектирования в машиностроении

Задачи исследования

2.1. Математическая модель нейронной сети

2.2. Методы обучения ИНС

2.3. Интеллектуальное ядро системы автоматизированного проектирования

2.4. Экспериментальное исследование методов обучения

3. Система формального описания конструкторской информации

3.1. Представление конструкторских данных на основе графических примитивов.

3.2. Модель конструкторской информации на базе С-объектов

3.3. Методика создания библиотеки О-объектов

3.4. Нормализация конструкторской информации при использовании ИНС

3.5. Автоматизация синтеза графической информации

4. Автоматизация размерного анализа в интегрированной системе проектирования

4.1. Общие вопросы размерного анализа

4.1. Автоматизация размерного анализа деталей и сборочных единиц

4.2. Автоматизация размерного анализа технологического процесса

4.3. Информационное обеспечение размерного анализа 116 5. Система формального описания технологической информации

5.1. Модель технологической информации на базе электронных документов

5.2. Информационное обеспечение электронных документов 129 5.3 Калькуляция электронных документов

5.4. Автоматизация синтеза технологического процесса на базе обученной ИНС

5.5. Методика первичного проектирования

6. Разработка компонентов интегрированной системы проектирования

6.1. Редактор технологических процессов "РТП"

6.2. Система конструирования "Кондор"

6.3. Интегрированная система "Инженер" Общие выводы

Современные экономические условия рынка вынуждают большие и малые предприятия динамично обновлять выпускаемую продукцию. Успех в конкурентной борьбе во многом зависит от скорости и качества конструкторской и технологической подготовки производства. Изменение структуры спроса в сторону малых серий изделий определяет существенное увеличение объемов работ в части подготовки конструкторско-технологической документации, что в свою очередь делает невозможным осуществить необходимые проектные работы в приемлемые сроки без использования средств автоматизации инженерного труда. На современном рынке программных средств представлено значительное число систем проектирования. Однако их многообразие далеко не означает, что все задачи автоматизации проектирования полностью решены. Серьезной проблемой остается адаптация систем к производственным условиям и традициям проектирования предприятия, которая как правило требует использования знаний специалистов в области автоматизации проектирования. Очень немногие интегрированные системы проектирования обладают достаточным интеллектом для создания технологического процесса изготовления оригинальных изделий и оценки технологичности детали в ходе её создания. Размерный анализ сборочных единиц и технологического процесса изготовления деталей в современных системах либо не представлен вообще, либо не обладает необходимой степенью автоматизации. Практически отсутствуют системы, способные предлагать решения в условиях неполной исходной информации. Согласно вышесказанному, тема диссертационной работы, посвященная разработке новых методов принятия проектных решений в интегрированной конструкторско-технологической системе проектирования на базе нейросетевой системы искусственного интеллекта является актуальной.

Список сокращений

БЗ - база знаний

ВД - вид детали

ГТП - групповой технологический процесс

ЕСКД - единая система конструкторской документации

ЕСТД - единая система технологической документации

ЕСТПП - единая система технологической подготовки производства

ЕТП - единичный технологический процесс

ЖСРД - жесткая схема размещения данных

ИИ - искусственный интеллект

ИНС - искусственная нейронная сеть

ИСАПР - интегрированная конструкторско-технологическая система автоматизированного проектирования

ИСР - исходный список размеров

ИСС - индекс свободной строки

ИТС - индекс текущей строки таблицы

КИП - компьютеризированное интегрированное производство

КЭД - калькуляция электронных документов

НО - нейронный объект

ООП - объектно-ориентированный подход

ОР - описание раздела листа проекта

ОЭ - операционный эскиз

ПД - призматическая деталь

ПК - персональный компьютер

ПО - передаточное отношение

ПОБ - программное обеспечение

ПСК - привязочная система координат

СБИС - сверхбольшая интегральная схема

САПР - система автоматизированного проектирования (конструирования) 6

САПРТП- система автоматизированного проектирования технологических про цессов

СЕ - сборочная единица

СО - сетевой объект

СОЖ - смазывающе-охлаждающая жидкость

СР - схема разрежения информации

СФОКИ - система формального описания конструкторской информации

СФОТИ - системы формального описания технологической информации

ТВ - тело вращения

ТКД - технологический класс детали тп - технологический процесс

ТРЦ - таблица размерной цепи

ТС - таблица связей

ТСР - технологическая схема разрежения информации

ТТП - типовой технологический процесс

УВД - указатель на вид детали

ЭД - электронный документ

Общие выводы

1. На основании теоретического анализа и экспериментального исследования нейросетевых парадигм доказана возможность использования искусственных нейронных сетей в качестве интеллектуального ядра интегрированной САПР и предложена архитектура искусственной нейронной сети, в полной мере отвечающая задачам синтеза технологического процесса.

2. Разработана оптимальная для решения задач синтеза технологии концепция обучения нейронной сети, реализующая процесс обучения в короткие сроки с минимальным участием человека, не обладающим специальными знаниями в области САПР.

3. Разработана оригинальная система формализации конструкторской информации, отвечающая всем требованиям нейросетевого ядра САПР, обеспечивающая возможность интеграции с технологическими компонентами и обмен данными с другими САПР.

4. На основе разработанной автором двухуровневой системы представления конструкторской информации предложен принцип нормализации и разрежения данных, обеспечивающий автоматизацию синтеза графических изображений.

5. Разработана концепция применения графических параметрических объектов (О-объектов) для конструирования деталей и сборочных единиц в интегрированных САПР на базе нейросетей. Предложена методика создания библиотеки О-объектов.

6. Разработана оригинальная методика выявления конструкторских и технологических размерных цепей, позволяющая полностью автоматизировать процесс размерного анализа. Предложен новый подход в информационном обеспечении размерного анализа, позволяющий автоматизировать решение таблично заданных функций, используемых при определении параметров размерных цепей.

7. Предложена оригинальная модель технологической информации на основе электронных документов, отвечающая всем требованиям нейросетевого ядра САПР и отличающаяся возможностью редактировать технологический процесс в режиме WYSIWYG. Разработано математическое обеспечение электронных документов, обеспечивающее расчёты при заполнении электронных документов.

8. Разработана структурная схема технологической компоненты интегрированной САПР, позволяющая полностью решить поставленные в работе задачи. Предложен набор входных и выходных параметров каждой нейросети схемы, согласованный с предложенными в работе системами формального описания параметров конструкции и технологического процесса.

9. На основе результатов исследования с участием автора разработаны промышленные САПР, которые доведены до коммерческой реализации, зарегистрированы в РосАПО, успешно используются на промышленных предприятиях и в учебном процессе.

1. Автоматизация проектирования технологических процессов / Под.общ.ред. Н.М. Капустина. -М.: Машиностроение / Берлин:Техник, 1985.-304с.

2. Адаптивное управление технологическими процессами / Ю.М.Соломен-цев, В.Г.Митрофанов, С.П.Протопопцев и др. М.: Машиностроение, 1980.-356с.

3. Биба И.Г., Ващенко Н.Д., Галаган Н.И., Гладун В.П. Представление знаний в системах решения задач / Изв. АН СССР. Техн. кибернени-ка. 1982. №6. -с.170-175.

4. Боброва И.В., Челищев Б.Е. Автоматизированные системы технологической подготовки производства / М.:Энергия, 1975.-136с.

5. Белашов В.А., Белашов A.B. Анализ операционных размерных цепей в ре-j дакторе технологических процессов "РТП" / Сб. "Технология и автоматизация производственных процессов в машиностроении", серия машиностроение, вып.1, изд.ПГУ, 1996, с.100-105.

6. Белашов A.B., Белашов В.А. Интегральная среда для автоматизации технологической подготовки производства / Сб.докл.конф. "Технологический потенциал и структура изделий предприятий в условиях рынка", Пенза, 1996.-с.25-27

7. Белашов В.А., Белашов A.B., Игонин А.И., Горюнов О.Н. Обеспечение точности технологических размеров в САПР ТП "РТП'7 Сб.докл.конф. "Проблемы управления точностью автоматизированных производственных систем", Пенза, 1996,- с.152-154

8. Галушкин А.И. О решении задач сортировки с использованием нейронных сетей / Нейрокомпьютер. Москва 1994.-с.35-40.

9. Ю.Гергей Т., Финн В.К. Об интеллектуальных системах / Экспертные системы: состояние и перспективы. / Сб.науч.тр. под руд. Д.А.Поспелова.- М.-: Наука, 1989. с.9-20.

10. П.Горанский Г.К.,Бендерева Э.И. Технологическое проектирование в комплексных автоматизированных системах подготовки производства / М.: Машиностроение, 1981. 456 с.

11. Горбань А.Н. Обучение нейронных сетей / М.: изд. СССР-США СП "Па-paGraph", 1990. -160 с.

12. Горбань А.Н. НейроКомп / Нейроинформатика и ее приложения. Материалы 3 Всероссийского семинара 6-8 октября 1995 г. Красноярск: изд. КГТУ, 1995.-с. 3-31.

13. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере / Новосибирск: Наука, 1996. -276 с.

14. Горбань А.Н., Фриденберг В.И. Новая игрушка человечества / МИР ПК, 1993, № 9.

15. ГОСТ 34.003-90 Проектирование автоматизированное. Термины и определения.

16. ГОСТ 14.417-81 Проектирование автоматизированное. Входной язык для технологического проектирования. Язык описания детали.

17. ГОСТ 16319-70. Размерные цепи. Термины, определения и обозначения.

18. ГОСТ 16320-70. Размерные цепи. Методы расчёта плоских цепей.

19. Диалоговое проектирование технологических процессов / Под ред. Н.М.Капустина. М.Машиностроение, 1983,- 254 с.

20. Дж. Мэтчо Delphi 2. Руководство для профессионалов / пер. с англ. Спб.: BHV, Санкт-Перербург, 1997. -784 с.

21. Ильин В.Н. Интеллектуализация САПР / (Изв. вузов) Радиоэлектроника -том.30,- №6., 1987.-c.5-13.

22. Искусственный интеллект. Применение в интегрированных производственных системах. / Пер. с англ. / Под ред. Э.Кьюсиака. М: Машиностроение, 1991. 539 с.

23. Капустин Н.М. Разработка технологических процессов обработки деталей на станках с помощью ЭВМ. / -М. Машиностроение, 1976.-288 с.

24. Классификатор ЕСКД. Иллюстрированный определитель деталей. / М: Издательство стандартов, 1991. -438 с.

25. Кольчугин А.Ф., Шестопал Ю.Т., Моисеев В.Б. Структура и настройка интеллектуальных САПР ТП. / Комплексное обеспечение точности автоматизированных производств : Сборник статей международной научно-технической конференции. Пенза, 1995. с.60-62.

26. Корчак С.Н. и др. Системы автоматизированного проектирования технологических процессов, приспособлений и режущих инструментов. / М.: Машиностроение, 1988. 350 с.

27. Крумберг O.A., Федоров И.П., Змановский Т.П. Методы организации продукционного представления знаний / Методы и системы принятия решений : Системы основанные на знаниях. Рига: Риж. политехи, ин-т, 1989.

28. Лорьер Ж.Л. Системы искусственного интеллекта. / Пер. с фр. / Под ред. В.Л.Стефанюка. М.: Мир, 1991.-568 с.

29. Маккаллок У. С., Питтс У, Логическое исчисление идей, относящихся к нервной деятельности / Автоматы. М.: ИЛ. - 1956.

30. Мартынов А.Н., Белашов A.B. Синтез технологических процессов при помощи искусственных нейронных сетей / Сб. "Информационная безопасность в сетях и системах связи ", ПНИЭИ. Пенза, 1998. - с. 27-29.

31. Молочник В.И. Система "Компас" и автоматизация технологической подготовки производства / Машиностроитель, №3, 1994,- с.24-26.

32. Минский М. Пейперт С. Персептроны./Пер. с англ./ -М. Мир, 1971.-240с.

33. Норенков И.П. Введение в автоматизированное проектирование технических устройств и систем: Учеб.пособие для вузов 2-е изд., перераб. И доп. -М.: Высшая школа, 1986.-304с.

34. Зб.Осуга С. Обработка знаний. /Пер. с англ./ -М.: Мир, 1989.-293 с.

35. Орлик C.B. Секреты Delphi на примерах: М. : Восточная книжная компания, 1996. - 352с.

36. Петренко А.И., Семенов О.И. Основы построения систем автоматизированного проектирования. / Киев: Виша школа, 1985. - 294 с.

37. Плесневич Г.С. Представление знаний в ассоциативных сетях / Изв. АН СССР. Техн. Киберненика, №5, 1982. с.6-22.

38. Попов Э.В. Экспертные системы. / -М.: Наука, 1987. 283 с.

39. Попов Э.В., Преображенский А.Б. Особенности реализации ЕЯ-систем. / Искусственный интеллект. Справочник под ред. Э.В. Попова М.: Радио и связь,-т. 1, 1990. -с.9-32.

40. Поспелов Д.А. Данные и знания / Искусственный интеллект. Справ, под ред. Д.А.Поспелова.-М. : Радио и связь, т.2., 1990. -с.7-13.

41. Поспелов Д.А. Продукционные модели. Искусственный интеллект. Справочник под ред. Д.А.Поспелова. / -М.: Радио и связь, т.2, 1990. -с.49-56.

42. Представление и использование знаний / Под ред. Х.Уэно, И.Исидэука. М.: Мир, 1989.-220 с.

43. Розенблат Ф. Принципы нейродинамики. М.: Мир, 1965. - 196 с.

44. Роджерс Д., Адаме Дж. Математические основы машинной графики / пер. с англ . /Пер. Ю.П.Кулябичев.-М.: Машиностроение, 1080.-240 с.

45. Справочник технолога-машиностроителя / Под ред. А.Г.Косиловой, Р.К.Мещерякова. М.: Машиностроения, - Т.1,1985. - 665 с.

46. Ткаченко Л.С. Автоматизированное проектирование технологических процессов механической обработки резанием / Обзорная информация. Сер. 55.13.55. Минск, 1985,- 48 с.

47. Уинстон П. Искусственный интеллект. /Пер. с англ./ -М.: Мир, 1980. 520с.

48. Ф.Уоссермен, Нейрокомпьютерная техника, М., Мир, 1992.

49. Цветков В.Д. Система автоматизации проектирования технологических процессов. / -М.: Машиностроение, 1972. 240с.

50. Челищев Б.Е., Боброва И.В., Гонсалес-Сабатер А. Автоматизация проектирования технологии в машиностроении. / -М.: Машиностроение, 1987. -263 с.

51. Шестопал Ю.Т. Автоматизация проектирования технологии изготовления режущего инструмента / -Саратов: Изд-во Сарат. ун-та, 1991. 180 с.

52. Шестопал Ю.Т., Дорофеев В.Д. Основы автоматизации конструкторского и технологического проектирования. / -Пенза. Изд-во Пенз. гос. техн. унта, 1995.-273 с.

53. Шестопал Ю.Т., Дорофеев В.Д., Герасимов И.В. Описание объектов и организация ввода в САПР ТП механообработки. / Сб. "Технология, оборудование механообрабатывающего и сборочного производства", серия 2, вып.7, ДНИТИ. М., 1990. - с. 27-31.

54. Шестопал Ю.Т., Моисеев В.Б., Дорофеев В.Д. Основы интеллектуальных САПР технологии / Под ред. Ю.Т. Шестопала -Пенза: Изд-во Пенз. гос. техн. ун-та, 1995. 244 с.

55. Щербаков М.А. Искусственные нейронные сети. Конспект лекций. / -Пенза, Изд-во Пенз. гос. техн. ун-та, 1996. 43 с.

56. Хорафас Д., Легг С. Конструкторские базы данных / Пер. с англ. М.: Машиностроение, 1990. - 224 с.

57. Химмельблату Д. Прикладное нелинейное программирование / М.: Мир, 1988.-534 с.

58. WINDOWS для профессионалов: Программирование для Windows 95 и Windows NT 4 на базе Win32 API / Пер. с англ. М.: Издательский отдел "Русская редакция" ТОО "Channel Trading Ltd.", 1997. - 712 с.

59. Artificial Neural Networks: Concepts and Theory, EEEE Computer Society Press, 1992.

60. Alain Petrowski, Gerard Dreyfus, Claude Girault, Performance Analysis of a Pipelined Backpropagation Parallel Algorithm //IEEE Transactions on Neural Networks, Vol.4, N6, 1993, pp.970-981.

61. Bernard Widrow, Michael A. Lehr, 30 Years of Adaptive NeuralNetworks: Perceptron, Madaline, and Backpropagation //Artificial Neural Networks: Concepts and Theory, IEEE Computer Society Press, 1992, pp.327-354.

62. Gael de La Croix Vaubois, Catherine Moulinoux, Benolt Derot, The N Programming Language //Neurocomputing, NATO ASI series, vol.F68, pp.89-92.

63. H.A.Malki, A.Moghaddamjoo, Using the Karhunen-Loe've Transformation in the Back-Propagation Training Algorithm //IEEE Transactions on Neural Networks, Vol.2, N1,1991, pp.162-165.

64. Harris Drucker, Yann Le Cun, Improving Generalization Performance Using Backpropagation //IEEE Transactions on Neural Networks, Vol.3, N5, 1992, pp.991-997.

65. Cottrell G. W., Munro P., Zipser D. 1987. Image compression by backpropagation: An example of extensional programming. ICS Report 8702, University of California, San Diego.

66. Hinton G.E. Seinovski T.J. Learning andrelearning in Boltzmann mashines// Parallel distributed processing. Cambrige: MA: MIT Press, 1988. -Vol.1. - pp. 282317.

67. Paul J. Werbos, Backpropagation Through Time: What It Does and How to Do It //Artificial Neural Networks: Concepts and Theory, IEEE Computer Society Press, 1992, pp.309-319.

68. Product representation for on expert proses planing system for rotation components./ Kalta M., Davies B.J.// Int. J. Adv. Manuf. Techol. 1994. -9, ЖЗ. -p. 180187.

69. Rumelhart D. E., Hinton G. E., Williams R. J. 1986. Learning internal reprentations by error propagation. In Parallel distributed processing, vol. 1, pp. 318-62. Cambridge, MA: MIT Press.

70. Richard P. Lippmann, An Introduction to Computing withNeural Nets, IEEE Acoustics, Speech, and Signal ProcessingMagazine, April 1987.

71. Sankar K. Pal, Sushmita Mitra, Multilayer Perceptron, Fuzzy Sets, and Classification //IEEE Transactions on Neural Networks, Vol.3, N5,1992, pp.683696.

72. Gorban A.N. Neurocomputing in Siberia // Adv.Model.& Analysis, B, 1992, V. 24, No 2, pp. 21-28.

73. T. Kohonen, SelfOrganization and Associative Memory, Third Edition, SpringerVerlag, New York, 1989.

74. J. Hertz, A. Krogh, and R.G. Palmer, Introduction to the Theory of Neural Computation, Addison-Wesley, Reading, Mass., 1991.

75. W.S. McCulloch and W. Pitts, "A logical Calculus of Ideas Immanent in Nervous Activity", Bull. Mathematical Biophysics, Vol. 5,1943, pp. 115-133.

76. M. Minsky and S. Papert, "Perceptions: An Introduction to Computational Geometry", MIT Press, Cambridge, Mass., 1969.

77. Cottrell G. W., Munro P., Zipser D. 1987. Image compression by backpropagation: An example of extensional programming. ICS Report 8702, University of California, San Diego.

78. Pineda F. J. 1988. Generalization of backpropagation to recurrent and higher order networks. In Neural information processing systems, ed. Dana Z. Anderson, pp. 602-11. New York: American Institute of Phisycs.

79. Wasserman P. D. 1988a. Combined backpropagation/Cauchy machine. Proceedings of the International Neural Network Society. New York: Pergamon Press.

80. Werbos P. J. 1974. Beyond regression: New tools for prediction and analysis in the behavioral sciences. Masters thesis, Harward University.

81. Geman S., Geman D. 1984. Stohastic relaxation, Gibbs distribution and Baysian restoration of images. IEEE Transactions on Pattern Analysis and Machine Intelligence 6:721-41.

82. Rumelhart D. E. Hinton G. E. Williams R. J. 1986. Learning internal representations by error propagation. In Parallel distributed processing, vol. 1, pp. 318-62. Cambridg, MA: MIT Press.

83. Horfield J. J., Tank D. W. 1985. Neural computation of decisions in optimization problems. Biological Cybernetics 52:141-52.

84. Horfield J. J., Tank D. W. 1986. Computing with neural circuits: A model.Science 233:625-33.

85. Hinton G. E., Sejnowski T. J. 1986. Learning and relearning in Boltzmann machines. In Parallel distributed processing, vol. 1, pp. 282-317. Cambridge, MA: MIT Press.

86. Grossberg S. 1973. Contour enhancement, short-term memory, and consistencies in reverberating neural networks. Studies in Applied Mathematics 52:217,257.

87. Grossberg S. 1974. Classical and instrumental learning by neural networks. Progress in theoretical biology, vol. 3, pp. 51-141. New York: Academic Press.

88. Carpenter G., Grossberg S. 1987. A massively parallel architecture for a self-organizing neural pattern recognition machine. Computing Vision. Graphics, and Image Processing 37:54-115.

89. Crossberg S. 1987. Competitive learning: From interactive activation to adaptive resonanse. Cognitive Science 11:23-63.

90. Grossberg S. 1978. A theory of human memory: Self-organization and performance of sensory-motor codes, maps, and plans. In Progress in theoretical biology, vol. 5, ed. R. Rosen and F. Shell. New lork: Academic Press.

91. Hecht-Nielsen R. 1987b. Counterpropagation networks. Applied Optics 26(23): 4979-84.

92. Hecht-Nielsen R. 1988. Applications of Counterpropagation networks. Newral Networks 1: 131-39.

93. WWW.GORBAN\Neuroinform\neuralfrm.htm.

94. Neural Network FAQ ftp://flp.sas.com/pub/neural/FAQ.html.

95. Neural Network FAQ by Warren S. Sarle, Cary, NC, USA 1997, 1998, 1999 ftp ://ftp. sas. com/pub/neural/FAQ .html.

96. Neural Bench Software Home Page http://www.neuralbench.ru/.

97. Введение в нейронные сети (ИУ-4) http://www.bmsto.m/facult/iu/iu4/rus/db/book/book7/index.htm.

98. Шеметов Д. В., Осипов Ю. М. МЕТОДИКА ПОСТРОЕНИЯ ОБУЧАЮЩИХ ВЫБОРОК ДЛЯ НЕЙРОННЫХ СЕТЕЙ Томский политехнический университет. http://www.bmste.m/facult/iu/iu4/rus/db/book/book24/metodika.htm.

99. Новости с Российского рынка нейрокомпьютеров и нейросетевых технологий http://www.chat.ru/~vlasov.

100. Э.М.Куссуль АССОЦИАТИВНЫЕ НЕЙРОПОДОБНЫЕ СТРУКТУРЫ Институт кибернетики имени В.М.Глушкова http://www.bmstu.ru/facult/iu/iu4/rus/stat/book3 /kussll.htm.

101. А.Н.Горбань НЕЙРОИНФОРМАТИКА http://www.bmstu.m/facult/iu/iu4/ms/stat/book2/ann.htm.