Применение искусственных нейронных сетей для прогнозирования шероховатости при чистовом и получистовом точении

Abstract

Представлена методика разработки искусственных нейронный сетей для прогнози- рования шероховатости обрабатываемой поверхности при чистовом и получистовом точении. При- нята архитектура сети с обратным распространением ошибки, имеющая входной, скрытый и вы- ходной слои, сигмоидальную функцию активации для скрытого слоя и линейную – для выходного. Для формирования обучающей выборки использованы эмпирические выражения в виде степенных функ- ций, обучение сетей проводилось по алгоритму Левенберга-Марквардта, имеющего быструю сходи- мость. В качестве входных переменных для нейросетевых моделей использованы технологические ре- жимы (скорость и глубина резания, подача инструмента), геометрические параметры режущего ин- струмента (главный и вспомогательный углы в плане резца, радиус при вершине резца, передний угол), физико-механические свойства обрабатываемого материала, каждая обучающая выборка сформи- рована из тысячи комбинаций исходных данных. Разработаны отдельные сети, прогнозирующие ше- роховатость при чистовом и получистовом точении, а также комбинированная сеть, учитывающая оба вида обработки. Анализ точности работы сетей показал хорошие результаты, относительная погрешность вычислений не превышает 1 %. Предложенные нейросетевые модели могут быть ис- пользованы при технологической подготовке производства, а также в системах адаптивного управ- ления процессом резания.