рефераты конспекты курсовые дипломные лекции шпоры

Раздел Образование
/
А - шероховатости, б - волнистости

Реферат Курсовая Конспект

Выберите учебное заведение

А - шероховатости, б - волнистости

А - шероховатости, б - волнистости - раздел Образование, СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Анализируя Полученные Результаты, Можно Прийти К Выводу, Что Между Параметрам...

Анализируя полученные результаты, можно прийти к выводу, что между параметрами качества и нейронами, которые классифицируют входной сигнал, существует явная зависимость, выражаемая в соответствии определенным нейронам колец с близкой шероховатостью R_а(рис.2.14, а) и волнистостью (рис.2.14, б). Наличие четкой кластеризации в рамках данной обучающей выборки доказывает возможность идентифицировать показатели шероховатости и волнистости по виброакустическим колебаниям. Зависимости между входными сигналами и параметрами некруглости W, в рамках данной обучающей выборки, отмечено не было. Это связано с основным формированием некруглости детали на предварительных операциях. К тому же на операции окончательного шлифования дорожки качения базирование кольца происходит по наружному диаметру, то есть воспроизводится его некруглость.

Слой Гроссберга обучался на основе априорной информации, представляющей собой измеренные с помощью приборов Talyrond 73 и Surtronik 3+ параметры качества деталей. При обучении вектор, содержащий помимо спектра акустического сигнала еще и значения параметров качества детали, подаётся и как входной вектор сети и как желаемый выходной вектор. При поступлении каждого входного образа слой Кохонена (в соответствии с информацией, сформированной в нем во время самообучения) возбуждает один из своих нейронов и передает возбуждение на входы слоя Гроссберга. Далее производится подстройка синаптических весов нейронов этого слоя таким образом, чтобы выходные образы ИНС соответствовали выходным образа, поступившим в процессе обучения.

2.6.3 Корректность распознавания параметров качества сетью

Корректность распознавания параметров качества обученной нейросетью была проверена на тестовом множестве, состоящем из выборок, не вошедших в обучающее множество. Кольца подвергались обработке с различными вариациями параметров технологического режима.

Результаты измерений параметров качества колец представлены в табл. 2.1. Замер микрогеометрии проводился на приборах Tolyrond 73 и Surtronik 3+.

Таблица 2.1

Вариации параметров качества деталей при изменении

параметров технологического режима

№ кольца	Параметры качества, мкм
Ra	D	w_z
	0,20	2,27	0,6
	0,25	1,21	0,5
	0,28	1,72	0,6
	0,30	2,25	0,9
	0,34	2,44	1,2
	0,35	1,73	0,75
	0,40	2,02	0,9
	0,42	1,86	0,7
	0,46	2,01	0,6
	0,50	1,99	0,8

Результаты определения параметров качества деталей программой представлены на рис.2.16 и позволяют констатировать способность нейросети встречного распространения достаточно уверенно идентифицировать качество обработки по виду спектра вибросигнала станка, генерируемого в его упругой системе процессом резания.

Вход слоя Кохонена: спектры колебаний станка при обработке 5-го кольца	Вход слоя Кохонена: спектры колебаний станка при обработке 8-го кольца


Спектральный выход слоя Гроссберга, соответствующий нейрону № 5 слоя Кохонена	Спектральный выход слоя Гроссберга, соответствующий нейрону № 12 слоя Кохонена

Параметрический выход слоя Гроссберга, соответствующий найденному спектру: R_a= 0,34 мкм; w_z = 2,4 мкм; D = 1,1 мкм	Параметрический выход слоя Гроссберга, соответствующий найденному спектру: R_a= 0,40 мкм; w_z = 1,8 мкм; D = 0,8 мкм

Развернуть

Открыть в широком формате

– Конец работы –

Эта тема принадлежит разделу:

СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Саратовский государственный технический университет... М Б Бровкова... СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА...

Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: А - шероховатости, б - волнистости

Что будем делать с полученным материалом:

Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:

Все темы данного раздела:

Краткая история развития искусственного интеллекта
Самыми первыми интеллектуальными задачами, которые стали решаться при помощи ЭВМ, были логические игры (шашки, шахматы), доказательство теорем. Хотя, правда, здесь надо отметить еще кибернетические

Основные направления искусственного интеллекта
Имеется, по крайней мере, две точки зрения на то, что следовало бы назвать ИИ. Первую можно назвать нейробионической. Ее сторонники ставят перед собой цель воспроизвести искусственным образом те пр

Нечеткая логика
Нечеткая логика (fuzzy logic) - одно из немногих научных направлений, созданных в США, развитых в Японии и вновь признанных американцами уже после безнадежной утраты стратегической инициативы [47].

Графическое представление основных операций
Название Операции Графическое представление Дополнение

Автоматизированных систем
Создание и развитие интеллектуальной системы (ИС) представляет собой сложный многоэтапный процесс, характеризующийся значительными капиталовложениями, длительным сроком реализации и существенной не

Оценка качества и определения оптимальной настройки технологического объекта в реальном времени
Рассматриваемая проблема является многоцелевой как непосредственно для оценки качества изделий в реальном времени, так и для диагностирования оптимизации адаптивного управления и др

Как объект применения нейросетевых методов
Работы по реализации систем диагностики процессов резания традиционно принято проводить в два этапа. Первый этап заключается в установлении корреляционных связей между состоянием процесса резания и

В контексте решаемой задачи
В общем случае искусственная нейросеть не является универсальной по своей структуре. Для ряда прикладных задач существует множество различных структур реализации, алгоритмов, методо

Без обратных связей
Нейроны слоя 0 (показанные кружками) служат лишь точками разветвления и не выполняют вычислений. Каждый нейрон слоя 0 соединен с каждым нейроном слоя 1 (называемого слоем Кохонена) отдельным вес

Обучение нейросети
Обучение состоит в многократном предъявлении характерных примеров, а также адаптивной модификации весовых коэффициентов до тех пор, пока НС на своем выходе не станет выдавать желаем

В контексте задачи
Эти изменения связаны с наличием в обучающей выборке помимо спектрального представления акустического сигнала от станка ещё и значений параметров качества обрабатываемой детали, которые добавляются

Слоя Кохонена
В силу особенностей входного сигнала основная часть входных векторов не распределена равномерно по всей поверхности гиперсферы, а сосредоточена в некоторых небольших областях. При э

ПРИМЕНЕНИЕ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ОПТИМИЗАЦИИ В МЕХАНООБРАБОТКЕ
3.1. Оптимизация в технике: общие вопросы Технологическая система должна получать определенную оценку с помощью некоторых показателей качества, представляющ

Оптимизация в металлообработке
В настоящее время имеется множество работ по оптимизации качества формообразования. Здесь сознательно применен термин «качество формообразования, так как в нашем понимании современное представление