Please use this identifier to cite or link to this item:
http://dspace.bstu.ru/jspui/handle/123456789/4931
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Денисенко, А. Ф. | - |
dc.contributor.author | Ладягин, Р. В. | - |
dc.date.accessioned | 2025-07-10T09:50:23Z | - |
dc.date.available | 2025-07-10T09:50:23Z | - |
dc.date.issued | 2025 | - |
dc.identifier.uri | http://dspace.bstu.ru/jspui/handle/123456789/4931 | - |
dc.description | Денисенко А. Ф. Настройки процесса построения и обучения нейросетей при решении задач по прогнозированию эксплуатационных характеристик шпиндельных узлов / А.Ф. Денисенко, Р. В. Ладягин // Вестник БГТУ им. В. Г. Шухова. - 2025. - № 6. - С. 116–128. | ru_RU |
dc.description.abstract | Исследование посвящено разработке нейросетевых методов моделирования эксплуатационных характеристик шпиндельных узлов металлорежущих станков. В работе решены три ключевые задачи: выбор оптимальной архитектуры нейронной сети, минимизация объема обучающих данных и сокращение времени экспериментов при многопараметрическом анализе. Установлено, что многослойный персептрон с архитектурой 3×7×3 показывает наименьшие средние относительные ошибки прогнозирования ‒ 1,87 % для температуры, 7,78 % для биения шпинделя и 10,7 % для упругого смещения переднего конца шпинделя. Эксперименты подтвердили возможность сокращения объема выборки до 50 % без значительной потери точности, а использование генератора псевдослучайных чисел «Вихрь Мерсенна» позволило снизить время генерации данных на 40 %. Анализ чувствительности выявил доминирующее влияние частоты вращения шпинделя (n) и силы прикладываемой к переднему концу шпинделя (P) на выходные параметры, тогда как время работы (tm) оказалось статистически незначимым. Применение пакета Statistica обеспечило гибкость в настройке моделей, включая выбор функций активации (гиперболический тангенс, сигмоида) и алгоритмов оптимизации (Broyden–Fletcher–Goldfarb–Shanno). Результаты показали превосходство многослойного персептрона над радиальными базисными сетями по точности на 23–35 %. Практическая значимость работы заключается в создании методики проектирования ШУ, сочетающей нейросетевые технологии с рациональным планированием экспериментов. | ru_RU |
dc.language.iso | other | ru_RU |
dc.publisher | Издательство БГТУ им. В. Г. Шухова | ru_RU |
dc.subject | нейросеть | ru_RU |
dc.subject | объем выборки | ru_RU |
dc.subject | планирование эксперимента | ru_RU |
dc.subject | прогнозирование | ru_RU |
dc.subject | шпиндельный узел | ru_RU |
dc.title | Настройки процесса построения и обучения нейросетей при решении задач по прогнозированию эксплуатационных характеристик шпиндельных узлов | ru_RU |
dc.type | Article | ru_RU |
Appears in Collections: | 2025 год |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
11_Денисенко А.Ф..pdf | 1.27 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.