Разработка повысит производительность и качество металлообработки в России. Статья опубликована в Journal of Digital Science за 2024 г.
Несмотря на автоматизацию процесса механической обработки металла, на промышленных предприятиях человек продолжает играть важную роль, корректируя процессы вручную ввиду изменений свойств материалов и инструментов. Внедряется адаптивное управление, которое позволяет станкам автоматически приспосабливаться к изменениям условий, однако для его эффективной работы требуется специализированное программное обеспечение.
На основе получаемой информации о текущем состоянии процесса обработки система сама увеличивает или уменьшает объем снимаемого металла с заготовки, тем самым поддерживая предельное значение какого-либо заданного параметра, например, силы резания. В более сложном случае — обеспечивает получение оптимальных значений точности, производительности или себестоимости обработки заготовок
— отметил Владимир Онискив, доцент кафедры вычислительной математики, механики и биомеханики ПНИПУ, кандидат технических наук.
Ученые Пермского Политеха разработали алгоритм с использованием нейросети, который обеспечивает необходимый уровень шероховатости и повышает производительность резания.
Мы предположили, что этот показатель зависит от степени износа режущего инструмента. А она, в свою очередь, определяется текущим уровнем вибрации. Обученная нами нейросеть по величине энергии снимаемого датчиками вибрации сигналов определенных частот, предсказывает значение шероховатости при заданных параметрах режима резания. На ее основе мы разработали алгоритм, который, получив сигнал о достижении максимально допустимой величины шероховатости, изменит параметры подачи инструмента до подходящих показателей
— сказал Владимир Онискив.
Система обеспечивает максимально возможный объем съемного металла при заданной шероховатости поверхности, что значительно повышает производительность металлообработки.
💬 Тест Тьюринга. События в сфере ИИ. Подписаться
#новостьдня