Previous Page  107 / 457 Next Page
Information
Show Menu
Previous Page 107 / 457 Next Page
Page Background

Современные технологии и автоматизация в машиностроении

107

Features manufacturing non-rigid parts during high-speed machining of

workpieces of hard-machinable materials on CNC machines

Kiselev E.S.

а

, Streltsov P.A., M.V. Nazarov

Ulyanovsk State Technical University, st. Severnyi Venetc, 32, Ulyanovsk, Russia

а

kec.ulstu@mail.ru

Keywords:

high-speed machining, difficult-to-machine materials, flexible parts, residual stresses,

angular and linear dimensions, thermal processes, technological heredity

Exists the tendency to increase volume of non-rigid parts with thin walls, the complex spatial forms. For

maintain strength and thermodynamic characteristics of such parts are often made of hard materials with low thermal

conductivity. Parts of this type are increasingly manufactured using the technology of high-speed processing on CNC

machines. Presented research results by improving the quality of manufacturing non-rigid parts of complex spatial

form, by improving the control program of CNC by optimizing cutting conditions and sequence of technological

operations for machine tools with CNC, taking into account the phenomenon of technological heredity. In order to

reduce duration of the technological cycle and reduce the labor intensity of manufacturing non-rigid parts is proposed

to use the additional processing steps of ultrasonic relaxation process of residual stress carbide tipped band-indenter.

УДК 629.9.06

Перспективы самонастраивающихся технологических систем

управления на основе нейросетей

Овсяникова И.В.

а

, Тарапанов А.С.

b

Орловский государственный университет им. И.С.Тургенева, Наугорское ш.,29, Орёл, Россия

a

ovsynikova2012@yandex.ru ,

b

tarapanov@rambler.ru

Ключевые слова:

самоприспосабливающиеся системы, нейронные сети, нелинейные дина-

мические системы, обучающиеся системы

В статье раскрыты проблемы новых методов управления сложными динамическими системами фор-

мообразования криволинейных поверхностей. Нейронные сети могут использоваться в качестве адаптивных,

обучаемых или самообучающихся систем, обеспечивающих высокое качество функционирования систем авто-

матизированного управления в условиях неопределенности (недостаточности) информации об объекте управ-

ления и внешней среде, они определяют наиболее информативный набор диагностирующих признаков и уста-

навливают строгую корреляцию между состоянием процесса резания и результатами косвенных измерений.

Сети, содержащие нелинейные компоненты, могут быть использованы для аппроксимации нелинейных ото-

бражений с любой желаемой степенью точности, параметры НС могут подстраиваться в реальном времени

с учетом входных/выходных данных. Показаны преимущества нейросетей встречного распространения при

управлении технологическими системами многономенклатурного и мелкосерийного производства, что обеспе-

чивает более высокий уровень принятия решений.

Введение.

Одной из актуальных задач повышения эффективности металлообработки является

получение достоверной оценки качества и надежности станков на этапе приемо-сдаточных испыта-

ний. Для этого создаются гибкие автоматизированные системы и комплексы с применением ЭВМ,

которые позволяют в условиях действующего производства оценить техническое состояние станка по

обобщенному технологическому критерию и способны выполнять множество конкретных операций:

- измерять в автоматическом режиме выходные характеристики точности станков в виде па-

раметров точности траекторий движения их основных формообразующих узлов;

- регистрировать характеристики и параметры формообразующих узлов: параметры точности

траекторий опорных точек узлов, характеристики точности их взаимного расположения, кинематиче-

ские и силовые параметры, тепловые характеристики и характеристики износа и т.д.;

- осуществлять цифровую фильтрацию входных сигналов;

- производить статистическую обработку результатов испытаний;

- осуществлять оценку точности и параметрической надежности испытуемых узлов станка [1].