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 качеством поверхности; далее разрабатывается алгоритм обработки электрического сигнала, регистрируемого датчиком. Второй этап заключается в разработке программной и аппаратной части.

Станок, как и любое другое оборудование, имеющее подвижные части, создаёт виброакустические колебания. Протекание процессов, порождающих вибрации, определяется большим числом факторов: макро- и микрогеометрией инструмента, физико-механическими свойствами материалов инструмента и детали, динамическими характеристиками технологической системы, внешними условиями нагружения и применения технологических сред и др. Изменение хотя бы одного из этих факторов приводит к изменению характеристик виброакустического сигнала, его интенсивности и частотного спектра, что в свою очередь отражается на качестве поверхности детали. Зависимость параметров качества обрабатываемой детали от виброакустических колебаний, создаваемых станком, является существенно нелинейной, поэтому трудно определить те частоты, которые отвечают конкретно за тот или иной узел станка. В области построения диагностических моделей процесса резания известно много работ. Их основной целью является определение наиболее информативного набора диагностирующих признаков и установление строгой корреляции между состоянием процесса резания и результатами косвенных измерений. Подавляющее большинство известных моделей построено на основе регрессионных или корреляционных зависимостей, полученных путем статистической обработки экспериментальных данных, т.е. состояние процесса идентифицируется статистическими методами. При этом помимо установления качественного проявления зависимостей сигналов стараются получить соответствующее математическое описание, чтобы найти количественную форму выражения зависимостей.

Как показали теоретические и экспериментальные исследования, наиболее логично решать задачи, связанные с идентификацией состояния процесса резания, специализированными методами теории распознавания образов. Эффективным математическим механизмом обобщения и распознавания образов могут служить искусственные нейронные сети (ИНС). В любом алгоритме распознавания всегда присутствует процедура сравнения входного сигнала с имеющимися в памяти эталонами. Вне зависимости от наличия или отсутствия предварительной обработки сигнала (выделение основных признаков, преобразование в другую форму в новом параметрическом пространстве и т.д.) сигнал будет представлять собой вектор в каком-либо параметрическом пространстве, и этот вектор сравнивается с векторами, используемыми на стадии обучения. Как раз эту операцию и выполняет большинство нейросетевых моделей.

Одним из приложений теории распознавания образов является распознавание параметров качества обработки детали на металлорежущем станке по виду спектра входного виброакустического сигнала.

В связи с вышесказанным можно выделить ряд задач, которые необходимо решить при построении системы мониторинга, основанного на применении математического аппарата нейронных сетей:

- исследование методов ввода, обработки и анализа акустических сигналов при помощи компьютера;

- изучение специфики акустических сигналов, полученных через АЦП от пьезодатчика, установленного на металлорежущем станке, определение их характерных свойств и построение на основе этих знаний модели распознавания параметров качества обработки детали;

- решение проблем, возникающих при практическом применении нейросетевых алгоритмов.

Место программного обеспечения для контроля параметров качества в технологическом процессе показано на рис. 2.2.

При обработке детали акустические сигналы от станочного модуля фиксируются блоком датчиков и через АЦП поступают на ЭВМ, где программа определения параметров качества детали по виду спектра акустического сигнала показывает параметры качества обрабатываемой детали в реальном времени. Далее лицо, принимающее решение (рабочий или специалист по наладке станочного модуля) принимает решение о необходимости коррекции параметров обработки.