Автоматизированная система управления стабилизацией параметров режима резания на финишных операциях тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат наук Глобин, Павел Вячеславович

• Глобин, Павел Вячеславович
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Глобин, Павел Вячеславович

содержание

ВВЕДЕНИЕ

ГЛАВА 1. МЕТОДЫ И СРЕДСТВА ПОВЫШЕНИЯ ТОЧНОСТИ

ШЛИФОВАЛЬНОГО ОБОРУДОВАНИЯ

1.1 Анализ основных направлений повышения точности

шлифовального оборудования с ЧПУ

1.2Анализ средств и методов повышения точности обработки автоматизированных систем управления шлифованием

1.3 Анализ свойств алгоритмов нечетко-логического вывода

1.4 Анализ методов принятия управляющих решений для

автоматизированных систем управления

Выводы

ГЛАВА 2. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ

АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ УПРАВЛЕНИЯ СТАБИЛИЗАЦИЕЙ ПАРАМЕТРОВ РЕЖИМА РЕЗАНИЯ НА

ФИНИШНЫХ ОПЕРАЦИЯХ

\

2.1 Обобщенная математическая модель автоматизированной системы управления стабилизацией параметров режима резания на финишных операциях

2.2 Математическая модель нечетко-логического вывода

2.3 Математическая модель множественного корреляционно-регрессионного анализа

2.4 Математическая модель адаптации

Выводы

ГЛАВА 3. МЕТОД И АЛГОРИТМ НЕЧЕТКО-ЛОГИЧЕСКОГО УПРАВЛЕНИЯ, СИНТЕЗ ФУНКЦИОНАЛЬНО-СТРУКТУРНОЙ ОРГАНИЗАЦИИ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ УПРАВЛЕНИЯ СТАБИЛИЗАЦИЕЙ ПАРАМЕТРОВ РЕЖИМА РЕЗАНИЯ НА ФИНИШНЫХ ОПЕРАЦИЯХ

3.1 Метод нечетко-логического управления параметрами режима резания на финишных операциях

3.2 Алгоритмическое обеспечение процесса стабилизации параметров режима резания на финишных операциях

3.3 Численное моделирование на основе метода и алгоритма нечетко-логического управления параметрами режима резания на финишных операциях

3.4 Синтез функционально-структурной организации автоматизированной системы управления стабилизацией параметров режима резания на финишных операциях

3.5 Инженерная методика проведения экспериментального исследования устойчивости системы

3.6 Оценка устойчивости автоматизированной системы управления стабилизацией параметров режима резания на финишных операции

Выводы

ГЛАВА 4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ

АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ УПРАВЛЕНИЯ

СТАБИЛИЗАЦИЕЙ ПАРАМЕТРОВ РЕЖИМА РЕЗАНИЯ НА

ФИНИШНЫХ ОПЕРАЦИЯХ

4.1 Аппаратно-программный комплекс автоматизированной системы управления стабилизацией параметров режима резания на финишных операциях

4.2 Статистический анализ полученных результатов экспериментального исследования

4.3 Определение достоверности результатов экспериментальных исследований

Выводы

ЗАКЛЮЧЕНИЕ

БИБЛИОГРАФИЧСЕКСИЙ СПИСОК

ПРИЛОЖЕНИЕ 1

Введение диссертации (часть автореферата) на тему «Автоматизированная система управления стабилизацией параметров режима резания на финишных операциях»

ВВЕДЕНИЕ

Актуальность работы Технический прогресс резко ускоряет весь процесс обновления технологического оборудования и производства, что обусловливает необходимость модернизации машиностроительного комплекса для достижения более высокого качества выпускаемой продукции и надежности станков с ЧПУ. В связи с этим существенно возрастает роль финишных операций, доля которых занимает значительную часть в машиностроительном производстве.

Предъявляемые требования к параметрам точности изделий, обрабатываемых на шлифовальном оборудовании, обусловливают необходимость постоянного обновления станков. Вследствие этого возникает потребность в глубоком изучении причин и методов формирования точности шлифовального оборудования, а также необходимость разработки средств проектирования и создания новых систем управления технологическим процессом обработки деталей.

Существует несколько способов увеличения технологической точности: замена существующего оборудования и систем управления; совершенствование несущей конструкции станков; модернизация систем управления процессом финишной обработки. С экономической точки зрения наиболее целесообразно проводить модернизацию существующей производственной базы.

В процессе шлифования возникают возмущающие воздействия, которые негативно влияют на точность и качество выпускаемой продукции. Для повышения качества производимых деталей

необходимо стабилизировать режим резания на финишных операциях. Одним из перспективных подходов является использование математического аппарата нечеткой логики, позволяющего осуществить управляемую стабилизацию режима резания на финишных операциях, и учесть возмущающие воздействия, возникающие в зоне резания, что в конечном итоге увеличит точность обрабатываемых изделий.

Изложенное выше указывает на актуальность поставленной научно-технической задачи разработки автоматизированной системы управления стабилизацией параметров режима резания на финишных операциях на основе создания метода, алгоритма нечетко-логического управления её параметрами.

Диссертационная работа выполнена при поддержке Минобрнауки Российской Федерации в рамках фундаментальных исследований по гранту Президента РФ МК-277.2012.8 "Разработка теоретических основ адаптации сложных технических систем методами нечеткой логики с прогнозированием вероятных состояний", Федеральной целевой программе «Научные и научно-педагогические кадры инновационной России на 2009-2013 годы» № 14.740.11.1003, Госзаданию по теме: "Разработка теоретических основ и алгоритмов адаптации сложных технических систем с прогнозированием вероятных состояний" (соглашение №7.3522.2011).

Актуальной научно-технической задачей является разработка автоматизированной системы управления стабилизацией параметров режима резания на финишных операциях на основе создания модели,

метода и алгоритма нечетко-логического управления, а так же функционально-структурной организации аппаратно-программного комплекса автоматизированной системы.

Цель диссертационной работы: повышение точности финишных операций при шлифовании на основе создания автоматизированной системы управления стабилизацией параметров режима резания в реальном времени.

В соответствии с поставленной целью в работе решаются следующие основные задачи:

1. Анализ существующих методов и средств повышения точности шлифовального оборудования с ЧПУ и основных факторов, влияющих на точность выполнения финишных операций, а также существующих методов компенсации возникающих погрешностей.

2. Разработка обобщенной математической модели процесса управления стабилизацией параметров режима резания при шлифовании.

3. Разработка метода нечетко-логического управления параметрами режима резания на финишных операциях и алгоритма нечетко-логического управления автоматизированной системы стабилизации параметров режима резания.

4. Синтез функциональной организации аппаратно-программного комплекса автоматизированной системы управления стабилизацией параметров режима резания на финишных операциях и ее экспериментальная оценка.

Научная новизна результатов работы и основные положения, выносимые на защиту:

-обобщенная математическая модель процесса управления стабилизацией параметров на финишных операциях, отличающаяся нечетко-логическим описанием данных о состоянии процессов обработки и коррекции, позволяющая управлять параметрами при шлифовании в режиме реального времени;

- метод нечетко-логического управления параметрами режима резания и алгоритм нечетко-логического управления автоматизированной системы, позволяющие увеличить оперативность принимаемых технологических решений при управлении шлифовальным инструментом, особенностью которых является обработка данных о состоянии процесса шлифования, включающих этапы: корреляционно-регрессионного анализа, нечетко-логического вывода и адаптации полученного результата к эталонному значению;

функционально-структурная организация аппаратно-программного комплекса автоматизированной системы управления стабилизацией параметров резания на финишных операциях, позволяющая повысить точность обработки деталей на шлифовальном оборудовании и оценить адекватность использования разработанной математической модели.

Методы исследования. В работе использованы теоретические основы автоматического управления, нечеткой логики, нечетких множеств и методы вычислительной математики, математической

статистики и множественного корреляционно-регрессионного анализа и планирования эксперимента.

Практическая ценность работы:

1. Обобщенная математическая модель процесса управления стабилизацией параметров режима резания может быть использована при создании прецизионного шлифовального оборудования для обеспечения коррекции параметров обработки с учетом влияния возмущающих воздействий.

2. Метод и алгоритм управления качеством функционирования автоматизированной системы обеспечивают оперативность принимаемых технологических решений при управлении шлифовальным инструментом (патент РФ № 2470759).

3. Аппаратно-программный комплекс системы нечетко-логического управления позволяет повысить точность шлифовального оборудования и оценить адекватность использования разработанной математической модели (патент РФ № 2475346).

Реализация и внедрение.

Результаты, полученные в диссертационной работе, внедрены в ЗАО НПО «Композит», в ОАО «Е4-ЦЭМ» при разработке в экспериментальном порядке автоматизированной системы управления стабилизацией параметров режима резания на финишных операциях, а также используются в учебном процессе кафедры «Вычислительная техника» Юго-Западного государственного университета в рамках дисциплин «Интеллектуальные системы» и «Микропроцессорная техника», что подтверждается соответствующими актами внедрения.

Соответствие диссертации паспорту научной специальности. Содержание диссертации соответствует п.1 «Автоматизация производства заготовок, изготовления деталей и сборки» паспорта специальности 05.13.06 - Автоматизация и управление технологическими процессами и производствами.

Апробация работы. Основные положения диссертационной работы докладывались, обсуждались и получили положительную оценку на 15 международных и всероссийских научно-технических конференциях: «Информационно-измерительные, диагностические и управляющие системы. Диагностика» (Курск, 2009, 2011); «Интеллектуальные и информационные системы. Интеллект» (Тула, 2009, 2011); «Инновации, качество и сервис в технике и технологиях» (Курск, 2011); «Системы методы техника и технологии обработки медиаконтента» (Москва, 2011); «Автоматизация и энергосбережение машиностроительного и металлургического производств, технология и надёжность машин, приборов и оборудования» (Вологда, 2012); «Современные инструментальные системы, информационные технологии и инновации» (Курск, 2012, 2013); «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» (Курск, 2012, 2013); «Информационные системы и технологии» (Курск, 2012); «Новые информационные технологии и системы» (Пенза, 2012); «Управление в технических, эргатических, организационных и сетевых системах» (Санкт-Петербург, 2012); «Интеллектуальные информационные системы: тенденции, проблемы, перспективы ИИС-2013» (Курск,

2013), а также на научно-технических семинарах кафедры «Вычислительная техника» Юго-Западного государственного университета (КурскГТУ) с 2009 по 2013 гг.

Публикации. Основные научные результаты диссертации отражены в 24 научных работах, из них 4 статьи в рецензируемых научных журналах, 2 патента Российской Федерации на изобретение, 16 публикаций материалов и тезисов докладов, а также разделы в двух монографиях.

Личный вклад автора. Все выносимые на защиту научные положения разработаны соискателем лично. В работах по теме диссертации, опубликованных в соавторстве, вклад соискателя состоит в следующем: разработана обобщенная математическая модель автоматизированной системы стабилизацией параметров режима резания на финишных операциях, синтезирован - метод нечетко-логического управления и коррекции параметров режима резания, созданы - структурные схемы, модели и алгоритмы функционирования автоматизированной системы с нечетким управлением.

Объем и структура работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы из 120 наименований и приложения. Работа изложена на 122 страницах машинописного текста, содержит 35 рисунков, 10 таблиц.

ГЛАВА 1. МЕТОДЫ И СРЕДСТВА ПОВЫШЕНИЯ ТОЧНОСТИ ШЛИФОВАЛЬНОГО ОБОРУДОВАНИЯ

На сегодняшний день металлообрабатывающее оборудование большинства предприятий морально и физически устарело. По экспертным оценкам, износ оборудования составляет от 65% до 85%. Это непременно ведет к снижению точности металлорежущего оборудования, а так же качества выпускаемой продукции.

1.1 Анализ основных направлений повышения точности шлифовального оборудования с ЧПУ

Под понятием «точность станка» понимают точность обработанных на нем изделий. По характеру и источникам возникновения все ошибки станка, влияющие на погрешности обработанной детали, можно разделить на несколько групп [1].

Геометрическая точность зависит от ошибок соединений и влияет на точность взаимного расположения узлов станка при отсутствии внешних воздействий. Геометрическая точность зависит, главным образом, от точности изготовления соединений базовых деталей и от качества сборки станка. На погрешности основных узлов станка существуют нормы; соответствие этим нормам проверяют для нового станка и периодически при его эксплуатации. Нормы на допустимые для данного станка геометрические погрешности зависят от требуемой точности изготовления на нем деталей [2].

Кинематическая точность необходима для станков, в которых сложные движения требуют согласования скоростей нескольких простых. Нарушение согласованных движений нарушает правиль-

ность заданной траектории движения инструмента относительно заготовки и искажает тем самым форму обрабатываемой поверхности. Особое значение кинематическая точность имеет для шлифовальных, резьбонарезных и других станков для сложной контурной обработки.

Жесткость станков характеризует их свойство противостоять появлению упругих перемещений под действием постоянных или медленно изменяющихся во времени силовых воздействий. Жесткость — отношение силы к соответствующей упругой деформации в том же направлении.

Разберем более подробно основные направления повышения точности оборудования с ЧПУ.

Совершенствование конструкции несущей системы оборудования с ЧПУ

Уменьшение отклонений (геометрических погрешностей станков) не зависит от условий проведения механической обработки деталей. При этом данный вид погрешностей обусловлен неточным изготовлением и износом установочных элементов станка и приспособлений. Погрешность закрепления деталей обусловлена смещением базирующих поверхностей обрабатываемой детали, режущего инструмента или узлов станка под действием усилий её зажима. Так, например, при закреплении деталей в трехкулачковом патроне в зависимости от силы зажатия продольное положение детали меняется за счет разворота кулачков на 50-60 мкм; то же самое происходит и при закреплении деталей в цанговых патронах. Для

снижения биений используются гидропластовые и термопатроны, позволяющие их снизить до 10 мкм [3].

Также биения возникают при обработке деталей на финишных операциях, при этом сила резания, например, приложена к задней бабке. При обточке деталей резец будет приближаться к передней бабке станка и составляющая силы резания, действующая на шпиндель, возрастает. В результате будет изменяться деформация шпинделя, передней и задней бабок станка, а, следовательно, и положение обрабатываемой детали. Суммарная погрешность перемещения резца относительно обрабатываемой плоскости не должна превышать 0,2 мкм [4].

Для снижения биений при перемещении исполнительных механизмов оборудования с ЧПУ используются гидростатические и аэростатические направляющие. Гидростатические направляющие за счет жидкостной смазки обеспечивают равномерное и точное перемещение исполнительных механизмов при любых скоростях. Однако, в этом и заключается их недостаток. Из-за наличия сил инерции при перемещении исполнительных узлов необходимы дополнительных устройств фиксации. Другой недостаток - это сложность системы смазывания. Для разделения соприкасающихся поверхностей в аэростатических направляющих используется подача воздуха под давлением в их карманы. В результате между сопряженными поверхностями направляющих образуется воздушная подушка. Конструкционно аэростатические направляющие близки к гидростатическим направляющим. При этом для надежной работы

гидростатических и особенно аэростатических направляющих необходимы тщательная защита от загрязнений и высокая надежность системы питания. Наиболее серьезным недостатком использования аэростатических и гидростатических направляющих является большая вероятность возникновения аварийной ситуации в случае прекращения подачи и/или сильного понижения давления сжатого воздуха (системы жидкостной смазки) [5, 6].

На уменьшение статической и динамической жесткости несущей системы оказывает влияние виброустойчивость станка. При этом на стойкость инструментального материала значительное влияние оказывает радиальное биение подшипников шпинделя. Наилучшие показатели обеспечиваются при использовании подшипников качения с радиальным биением менее 1 мкм. Соосность положения и жесткость задней бабки из-за наличия температурных деформаций также снижает точность механической обработки деталей.

Для повышения стабилизации и уменьшения тепловых деформаций фундамент, на который устанавливается станок, необходимо выполнить из материала, не имеющего внутренних напряжений и обладающего хорошими свойствами демпфирования и низким коэффициентом теплового расширения, например, из натурального гранита. Данный способ также обеспечивает высокую термическую устойчивость.

Для снижения негативных сил рекомендуется использовать металлорежущий инструмент с повышенной стойкостью и смазочно-

охлаждающей жидкостью (СОЖ). Задачей СОЖ является отвод

стружки из зоны резания, уменьшение сил резания и трения между

режущим инструментом и обрабатываемой поверхностью. Геометрия

режущего инструмента также влияет на силы, возникающие при

резании, так с уменьшением главного угла в плане резца скорость

резания увеличивается, а это, в свою очередь, вызывает повышение силы резания.

Таким образом, совершенствование конструкции несущей

системы металлорежущего оборудования должно осуществляться на

основе: либо использования новых инструментальных материалов,

либо за счет внедрения принципиально новых комплектующих станка,

работа которых основана на использовании различных физических эффектов [7, 8].

Совершенствование процесса управления станком

Совершенствование процесса управления станком делится на три группы: программная коррекция; коррекция на основе обратной связи; коррекция на основе компенсации возмущающих воздействий.

Программная коррекция станка. На стадии проектирования технологического процесса механической обработки изделий рассчитывается суммарная погрешность, возникающая в процессе резания, и заносится в корректирующую программу оборудования с ЧПУ. При этом управляющее воздействие изменяется по заранее установленному закону. Такой способ не нашел широкого применения, так как для его реализации необходимо иметь большие

базы данных, описывающие различные технологические параметры для каждого конкретного станка, режущего инструмента и т.п.

Коррекция на основе обратной связи. В замкнутых системах оборудования с ЧПУ для обратной связи используются два потока информации. Один поток поступает от считывающего устройства, а второй - от сенсоров, измеряющих действительные перемещения суппортов, кареток или других исполнительных органов станка. При этом информация, поступающая от считывающего устройства, корректируется с учетом поступающих из блока памяти сведений о результатах обработки предыдущей заготовки. За счет этого повышается точность обработки, так как изменения условий работы, то есть режимов резания, запоминаются и обобщаются в устройствах самонастройки памяти станка, а затем преобразуются в управляющий сигнал. Первичные отклонения станка определяются на стадии калибровки и вносятся в управляющую программу оборудования с ЧПУ, например, люфты и шаг винта по всем управляющим координатам. Современное оборудование с ЧПУ оснащается системами, способными корректировать 21 отклонение по трем управляющим координатам. Недостатком таких систем является тот фактор, что при автоматизации процедур самонастройки учитываются только систематические погрешности, а наличие случайных погрешностей, возникающих при механической обработке изделий, не учитывается [9, 10, 11].

Коррекция на основе компенсации возмущающих воздействий. Достоинством этого метода является высокое быстродействие.

Недостаток - цепь компенсации обеспечивает необходимое качество контроля только при действии того возмущения, на которое она рассчитана. При действии другого возмущения нужно вводить дополнительные контуры управления, что усложняет систему. При этом цепь компенсации не является обратной связью, так как по ней передаётся входной сигнал, а не ретулируемая (выходная) величина объекта управления [12].

Из выше указанного следует, что разработка систем управления

оборудованием с ЧПУ, позволяющих реагировать на изменение

случайных погрешностей, а в частности биений, является актуальной задачей.

1.2 Анализ средств и методов повышения точности обработки автоматизированных систем управления шлифованием

В настоящее время одним из главных показателей качества при шлифовании является точность. Под точностью понимается отличие контролируемых групп показателей качества от эталонных значений. Следует отметить, что точность характеризуется значениями допущенных при шлифовании погрешностей, то есть отступление размера обработанной детали от размеров заданных экспертом. Существует три группы показателей качества [13, 14].

- показатели, которые характеризуют точность образцов изделий;

- показатели, характеризующие геометрическую точность станков;

- дополнительные показатели.

К первой группе показателей относятся: точность геометрических форм и постоянство размеров партии.

Ко второй группе можно отнести: точность баз для установки заготовки; точность траектории перемещения рабочих органов станка, несущих заготовку и инструмент; точность расположения осей вращения и направления прямолинейных перемещений рабочих органов станка относительно технологических баз и друг друга; точность координатных перемещений (позиционирования) исполнительных механизмов.

К третьей группе показателей относятся: воздействие тепла при работе металлорежущего оборудования в режиме холостого хода; вибрации шлифовальных кругов.

Металлорежущее оборудование можно разделить на пять классов точности: Н - нормальной точности; П - повышенной точности; В - высокой точности; А - особо высокой точности; С -особо точные [15, 16].

Станки классов точности В, А и С называют прецизионными.

1.3 Анализ свойств алгоритмов нечетко-логического вывода

На сегодняшний день нечеткая логика применяется для управления, эффективного контроля и коррекции случайных погрешностей при моделировании автоматизированных систем управления стабилизацией параметров режима резания. Зависимость выходной величины от входных в таких системах представляется в виде математического уравнения, а численный диапазон входных сигналов имеет вид интервала [17, 18, 19, 20].

В основе традиционных алгоритмов нечетко-логического вывода (НЛВ), таких алгоритмы Мамдани, Ларсена, Сугэно и

Тсукамото, лежит композиционное правило Заде. Основным недостатком данного правила является способность адекватно реагировать только на дискретное изменение входной переменной за определенный промежуток времени. Следует отметить, что перечисленные выше алгоритмы НЛВ не имеют данного недостатка. Так как для расчета выходного параметра в них используются только величины, контролируемые датчиками, которые поступают в реальном времени [21, 22, 23].

Алгоритмы НЛВ включают шесть этапов: формирование баз знаний на основе нечетких правил (НП), фаззификация входных параметров, агрегация предпосылок в НП, композиция заключений в НП, аккумуляция НП, дефаззификация НП [24].

Формирование баз знаний на основе НП

База знаний на основе НП представляет собой конечное множество НП:

Правило_1: Если «Предпосылка_1» То «Заключение_1» (/]),

Правило_2: Если «Предпосылка_2» То «Заключение_2» (/2),

Правило_п: Если «Предпосылка_п» То «Заключение_п» (/п), где п - количество НПУ в базе знаний; /- весовой коэффициент для НПУ в интервале [0, 1], если в обозначении НПУ его нет, значит/=1.

Фаззификация входных параметров

Фаззификация входных параметров представляет собой определение множества входных переменных (конкретные значения, которые получены от датчиков) Х={аь а2, ••• а„}> при этом ак.^еД где

X - универсальное множество лингвистической переменной. Пример выполнения этого этапа представлен на рис. 1.1.

а) б)

т Р$

в)

Рис. 1.1. Фаззификация входного параметра /?при подаче равной 6*=65 мм/об: а - терм «небольшая подача»; б - терм «средняя подача»; в

- терм «большая подача» Агрегация предпосылок в НПУ

Процедура агрегации позволяет определить степень истинности предпосылок по каждому НП из базы знаний [25]. До выполнения этого этапа необходимо знать множество значений всех предпосылок

степеней истинности из базы знаний, которое обозначается B-{b¡, b2,---, b„}. Если предпосылка состоит из нескольких сложных нечетких высказываний, то степень истинности определяется по операции нечеткой конъюнкции (И) или дизъюнкции (ИЛИ). Этап заканчивается, когда будут определены все значения и сформирован вектор:

— при операции И: В — min{6 Ъ ъ ... / Ь'п}\

— при операции ИЛИ: В — шах{Ъ\;Ъ'ъ ... / Ъ '„}.

Примеры нечетких высказываний - «средняя подача» и «маленькая скорость резания» представлены на рисунках 1.2 и 1.3.

Рис. 1.2. Нечеткое высказывание «средняя подача»

Рис. 1.3. Нечеткое высказывание «маленькая скорость резания»

Композиция заключений в НП

Если заключение НП соответствует нечеткому высказыванию вида «ß есть а», то операция композиции будет заключаться в произведении соответствующего значения степени истинности на весовой коэффициент:^ xfn [26].

Таким образом, формируется вектор степеней истинности

C={chc2,...,cn}. (1.1)

После определения вектора С определяются функции принадлежности каждого нечеткого высказывания, используя одну из следующих формул

min-композиция

ju'(y) = тт{сп /¿(у)}, (1.2)

ргоё-композиция

м'(У) = С,-М(У), (1-3)

где ¡л'(у) ~ функция принадлежности терма выходной переменной, заданной на универсальном множестве Y.

Пример нахождения композиции НП вида ЕСЛИ «средняя подача» ТО «маленькая скорость резания» представлен на рисунках 1.4 и 1.5. В этом правиле входным параметром является ßi - подача резца при токарной обработке детали на оборудовании с ЧПУ, а выходным параметром является ß2 - скорость резания при токарной обработке детали на оборудовании с ЧПУ [27, 28].

Рис. 1.4. Композиция заключения из НПУ ЕСЛИ «средняя подача» ТО «маленькая скорость резания» тт-композиция

Рис. 1.5. Композиция заключения из НПУ ЕСЛИ «средняя подача» ТО «маленькая скорость резания» ргос1-композиция

Аккумуляция НПУ

Аккумуляция заключается в объединении всех степеней истинности заключений НП для получения выходной функции принадлежности. На входе этого этапа должны быть известны все значения векторов степеней истинности, полученных в результате композиции. Тогда Сакк^С^Сг и,...,и Сп}. Пример результата

операции композиции и последующей аккумуляции представлен на рисунках 1.6, 1.7.

Список литературы диссертационного исследования кандидат наук Глобин, Павел Вячеславович, 2013 год

БИБЛИОГРАФИЧЕСКСИЙ СПИСОК

1. Справочник технолога-машиностроителя: в 2 т. Т. 2 / под ред. А. Г Косиловой и Р. К. Мешерякова. М.: Машиностроение, 1985. 496с.

2. Пуш В.Э. Металлорежущие станки. М.: Машиностроение, 1985. 575с.

3.Титов B.C., Бобырь М.В., Милостная H.A. Анализ систем управления машиностроительным оборудованием // Промышленные АСУ и контроллеры. 2009. №2. С.3-5.

4. Повышение эффективности механической обработки деталей на

основе применения инструмента с модифицированными рабочими

поверхностями и оптимизации процесса резания / Б.М. Бржозовский

В.В. Мартынов, М.Б. Бровкова, Е.П. Зинина // Наукоемкие технологии в машиностроении. 2012. № 1. С.3-10.

5. Игнатьев A.A., Каракозова В.А., Игнатьев С.А. Оценка динамического состояния шлифовального станка по автокорреляционным функциям виброакустических колебаний для оптимизации режимов обработки // Вестник Уфимского

государственного авиационного технического университета 2009 Т 12

№4. С.91-95.

6. Кудинов Ю.И., Кудинов И.Ю. Устойчивость нечетких автоматных и реляционных динамических систем // Мехатроника. Автоматизация. Управление. 2010. №6. С.2-12.

7. Серков H.A. Основные направления повышения точности металлорежущих станков // Проблемы и автоматизация машиностроения. 2010. №2. С.26-35.

8. Физические эффекты в машиностроении: Справочник / Лукьянец В.А., Алмазова З.И., Бурмистрова Н.П. и др.: Под. общ. ред. Лукьянеца В.А. М.: Машиностроение. 1993. 224с.

9. Проектирование металлорежущих станков и станочных систем: справочник-учебник. В 3-х томах. Т.1 // А. С. Проников [и др. ]. М.: Изд-во МГТУ им. Н. Э. Баумана. Машиностроение, 1994. 444с. Ю.Коваленко A.B. Точность обработки на станках и стандарты. М.: Машиностроение, 1992. 160с.

П.Бобров В.Ф. Основы теории резания металлов. М.: Машиностроение, 1975. 344с.

12. Рубанов В.Г., Филатов А.Г. Интеллектуальные системы автоматического управления. Нечеткое управление в технических системах. Белгород: Изд-во БГТУ им. Шухова, 2005. 171с.

13. Балакшин Б.С. Адаптивное управление станками. М.: Машиностроение, 1973. 688с.

14. Балакшин Б.С. Теория и практика технологии машиностроения. Том 2. М.: Машиностроение, 1982. 367с.

15. Металлорежущие станки: Учебник для машиностроительных втузов / Под редакцией В.Э. Пуша.-М.: Машиностроение, 1985. 256с.

16. Коваленко A.B. Точность обработки на станках и стандарты. М.: Машиностроение, 1992. 160с.

17. Мустафаев В.А. Анализ нечетких продукционных моделей динамических взаимодействующих процессов // Вестник компьютерных и информационных технологий. 2012. № 5. С.25-30.

18. Мелихов А.Н., Берштейн JI.C., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990. 272с.

19. Pedrycz Witold, Fernando Gomide. Introduction to fuzzy sets: analysis and design. Massachusetts: MIT Press. Cambridge, 1998. 465p.

20. Бобырь M.B. Методы, модели и алгоритмы создания автоматизированных систем контроля и управления для повышения эффективности механической обработки изделий: Диссертация доктора технических наук. Курск, 2012. 335с.

21. Новак В., Перфильева И., Мочкрож И. Математические принципы нечеткой логики // М.: Физматлит, 2006. 352с.

22. Бобырь М.В., Титов B.C. Модернизация АСУ оборудованием с ЧПУ на основе аппарата нечеткой логики // Проблемы машиностроения и автоматизации. 2010. №2. С.40-43.

23. Прикладные нечеткие системы / Т.Тэрано, К. Асаи, М. Сугено и др. М.: Мир, 1993.368с.

24. Сергеев С.А. Математическая модель и алгоритмы для информационных систем управления обоснованным

энергосбережением // Известия Юго-Западного государственного университета. №1 (40). 2012. С.78-86.

25. Заде J1. Понятие лингвистической переменной и его применение к принятию приближенных решений: М.: Мир, 1976. 165с.

26. Бобырь М.В. Методы построения функций принадлежностей для нечетких баз знаний // Промышленные АСУ и контроллеры. 2011. №2. С.27-32.

27. Пегат А. Нечеткое моделирование и управление. М.: ИУИТ; БИНОМ, Лаборатория знаний, 2012. 798с.

28. Hayes-Rough F., Waterman D., Lenat D. Principles of pattern-directed inference system // Pattern-directed inference system. N.Y.: Academic Press. 1978. p.577-601.

29. Беломестная А.Л. Автоматизированная система нечеткого управления термодеформационным состоянием обрабатывающего оборудования: Диссертация кандидата технических наук. Курск, 2012- 130С.

30. Бобырь М.В. Диагностика оборудования с ЧПУ методами нечеткой логики // Промышленные АСУ и контроллеры. 2010. № 1. С. 18-20.

31. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. М.: Горячая линия-Телеком, 2006. 452с.

32. Zadeh L. The concept of a linguistic variable and its application to approximate reasoning. Part 1,2// Inf. Sci. 1975. N8. p.199-249.

33. Wen Z., Tao Y. Fuzzy-based determination of model and parameters of dual-wavelength vision system for on-line apple sorting // Opt. Eng. 1998. Vol.37. №l.p.293-299.

34. Mamdani E.A. Application of fuzzy logic to approximate reasoning using linguistic synthesis // IEEE Trans. Computers. 1977. Vol. C26. №12. рЛ 182-1191.

35. Stability criteria for uncertain Takagi-Sugeno fuzzy systems with interval time-varying delay / C.H. Lien, K.W. Yu, W.D. Chen, Z.L. Wan, Y.J. Chung // IET Control Theory Appl. 2007. №.3. Vol.1, p.764-769.

36. Айбазова A.A. Адаптация в продукционных моделях нечеткого логического вывода // Известия Южного федерального университета. Технические науки. 2011. Т. 118. № 5. С. 100-105.

37. Амосов О.С. Алгоритмы обработки информации в системах управления движением на основе методов адаптивной нелинейной фильтрации, технологий искусственных нейронных сетей, нечеткой логики и баз знаний // Дальневосточный математический журнал. 2003. Т. 4. № 1. С.52-70.

38. Ахо A.B., Хопкрофт Д.Э., Ульман Д.Д. Структуры данных и алгоритмы. М.: «Вильяме», 2001. 384с.

39. Ogawa Н., Fu К. S., Yao J.T.R. Knowledge representation and inference control of SPERIL-II // Proc. of Annual Conference of the Association for Computing Machinery. San Francisco, 1984. p. 127-134.

40. Бобырь M.B. Модифицированный алгоритм нечетко-логического вывода в задачах управления оборудованием с ЧПУ // Мехатроника. Автоматизация. Управление. 2011. №4. С.26-32.

41. Емельянов С.Г., Титов B.C., Бобырь М.В. Автоматизированные нечетко-логические системы управления: монография / М.: ИНФРА-М, 2011 176с.

42. Сизов A.C., Катыхин А.И., Макеев В.В. Подход к формализации оперативной игры при создании автоматизированной обучающей системы // Известия Юго-Западного государственного университета. 2011. № 3. С.65-71.

43. Кравченко Т.К., Середенко H.H. Создание систем поддержки принятия решений: интеграция преимуществ отдельных подходов // Искусственный интеллект и принятие решений. 2012. № 1. С.38-42.

44. Андрейчиков Б.И. Методы коррекции динамических ошибок в станках с программным управлением // Автоматика и телемеханика. 1962. №9. С.1165-1178.

45. Титов B.C., Бобырь М.В., Милостная H.A. Анализ систем управления машиностроительным оборудованием // Промышленные АСУ и контроллеры. 2009. №2. С.3-5.

46. Сергеев С.А. Анализ проблемы создания систем управления энергопотреблением. Электрика. 2011. №11. С.3-5.

47. Проталинский О.М., Щербатов И.А. Система поддержки принятия решений для операторов слабоформализуемых ТП // Автоматизация в промышленности. 2009. № 7. С.43-47.

48. Сергеев С.А. Подсистема управления режимами системы электроснабжения. Электрика. 2012. №11 С.9-24.

49. Бова В.В., Курейчик В.В., Нужнов Е.В. Проблемы представления знаний в интегрированных системах поддержки управленческих решений // Известия Южного федерального университета. Технические науки. 2010. Т. 108. № 7. С. 107-113.

50. Кравченко Т.К., Середенко Н.Н. Создание систем поддержки принятия решений: интеграция преимуществ отдельных подходов // Искусственный интеллект и принятие решений. 2012. № 1. С.38-42.

51. Аверкин А.Н., Агафонова Т.В., Титова Н.В. Системы поддержки принятия решений на основе нечетких моделей // Известия Российской академии наук. Теория и системы управления. 2009. № 1. С.89-100.

52. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Радио и связь, 1981. 286с.

53. Filimonov N.B., Demenkov M.N. Variable Horizon Robust Predictive Control via Adjustable Controllability Sets // European Journal of Control 2001. V. 7. № 6. p.596-604.

54. Глобин П.В., Бобырь M.B. Математическая модель системы стабилизации процесса обработки деталей // Интеллектуальные информационные системы: тенденции, проблемы, перспективы «ИИС-2013». Материалы конференции. Курск: ЮЗГУ,20П. С.32-35.

55. Глобин П.В. Быстродействующий алгоритм нечетко-логического вывода // Информационные системы и технологии. ИСТ: материалы I региональной научно-технической конференции, Курск: ЮЗГУ 2012 С.134-136.

56. Яблочников Е.И., Молочник Б.И., Саломатина А.А. Комплексное использование баз знаний в автоматизированных системах технологической подготовки производства / // Известия высших учебных заведений. Приборостроение. 2010. Т. 53. № 6. С.51-54.

57. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Радио и связь, 1981. 286 с.

58. Курейчик B.M., Лебедев Б.К., Лебедев О.Б. Гибридный алгоритм разбиения на основе природных механизмов принятия решений // Интеллектуальные системы и принятие решений. 2012. №2. С. 124-131.

59. Zadeh L. Fuzzy sets as basis for a theory of possibility // Fuzzy sets and systems. 1978. №1. p.3-28.

60. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб.: Питер, 2000. 384с.

61. Глобин П.В. Устройство стабилизации режимов резания при обработке деталей на оборудовании с ЧПУ // Информационно-измерительные, диагностические и управляющие системы. Диагностика: материалы П-ой международной научно-технической конференции. Курск: ЮЗГУ, 2011. С. 161-162.

62. Круглов В.В., Дли М.И., Голунов Р.Ю. Т Нечеткая логика и искусственные нейронные сети. М.: Физматлит, 2001. 224с.

63. Мещеряков В.А., Денисов И.В. Алгоритм функционирования адаптивной системы нейро-нечеткого управления рабочим процессом стрелового крана // Автоматизация в промышленности. 2011. №201105. С.54-57.

64. Бобырь М.В., Титов B.C. Моделирование нечетко-логических систем управления с функцией прогнозирования возможных состояний // Перспективы развития систем управления оружием -2011: материалы V научно-практйческой конференции. Курск: ЮЗГУ,

2011. С.102-104.

65. Глобин П.В. Модернизированный алгоритм нечетко-логического вывода // Новые информационные технологии и системы: материалы X Международной научно-технической конференции. Пенза: ПГУ,

2012. С.363-364.

66. Глобин П.В., Титов В. С., Бобырь М. В., Милостная Н. А. Автоматизированная система управления эффективной мощностью при шлифовании // Известия Юго-Западного государственного университета. 2012. №2. С.8-12.

67. Бобырь М.В., Емельянов С.Г., Титов B.C. Теоретические основы построения автоматизированных систем управления технологическими

процессами на основе нечеткой логики: монография. Старый Оскол: Тонкие наукоемкие технологии, 2009. 232с.

68. Бобырь М.В., Титов B.C., Емельянов С.Г. Методика корреляционно-регрессионного анализа при ограниченном числе опытов // Перспективные технологии, оборудование и аналитические системы для материаловедения и наноматериалов: материалы VIII Международной конференции. Алма-Ата, 2011. С.469-472.

69. Ферстер Э., Ренц Б. Методы корреляционного и регрессионного анализа. М.: Финансы и статистика, 1983. 302с.

70. Туева Н.В. Разработка приоритетных социо-экономо-экологических критериев устойчивого развития изучаемого региона с использованием методов корреляционно-регрессионного анализа // Вестник Оренбургского государственного университета. 2007. № 8. С.106-112.

71. Глобин П.В., Бобырь М.В. Устройство адаптации режимов резания при обработке деталей на оборудовании с ЧПУ // Инновации, качество и сервис в технике и технологиях: материалы П-ой международной научно-практической конференции. Курск: ЮЗГУ, 2011. С.100-102.

72. Глобин П.В., Червяков Л.М., Титов В. С., Бобырь М. В. Автоматизированная система компенсации биений на оборудовании с ЧПУ // Промышленные АСУ и контроллеры. Москва. 2011. № 11. С.1-5.

73. Растригин Л.А. Адаптация сложных систем. Рига: Знание, 1981. 375с.

74. Глобин П.В., Титов В. С., Бобырь М.В., Милостная H.A. Оценка достоверности при моделировании нечетко-логических систем // Промышленные АСУ и контроллеры. 2012. №7. С.26-32.

75. Глобин П.В., Титов В. С. Адаптивная система управления процесса резания // Управление в технических, эргатических, организационных и сетевых системах: материалы 5-ой Российской мультиконференции. Санкт-Петербург: ЦНИИ «Электроприбор, 2012. С.726-728.

76. Глобин П.В. Интеллектуальная система обработки информации на оборудовании с ЧПУ // Системы методы техника и технологии

обработки медиаконтеита: сборник материалов международной научно-технической молодёжной конференции. Москва: Московский государственный университет печати имени Ивана Федорова, 2011. С.25.

77. Глобин П.В., Бобырь М.В. Автоматизированная система управления режима резания на оборудовании с ЧПУ // Оптико-электронные приборы и устройства в системах распознавания образов. Распознавание: материалы XI международной научно-технической конференции. Курск: ЮЗГУ, 2013. С.320-322.

78. Глобин П.В., Бобырь М.В. Устройство адаптации режима резания на оборудовании с ЧПУ // Оптико-электронные приборы и устройства в системах распознавания образов. Распознавание: материалы 1Х-ой международной научно-технической конференции. Курск: ЮЗГУ, 2012. С.188-189.

79. Глобин П.В., Бобырь М.В. Интеллектуальная система управления стабилизации процесса резания // Интеллектуальные и информационные системы. Интеллект: Материалы Всероссийской научно-технической конференции. Тула: ТулГУ, 2011. С. 115-117.

80. Пат. 2475346 Рос. Федерация, МПК7 В23С> 15/00. Устройство стабилизации режима резания при токарной обработке деталей на оборудовании с ЧПУ / Глобин П.В., Титов В. С., Бобырь М.В., Локтионов А.П.; заявитель и патентообладатель Юго-Западный государственный университет. № 2011107675/02; заявл. 28.02.2011; опубл. 10.09.2012, Бюл. №5. 7 с.

81. Пат. 2470759 Рос. Федерация, МПК7 В23С> 15/00. Устройство для обработки деталей на оборудовании с ЧПУ при шлифовании / Глобин П.В., Титов В. С., Бобырь М.В.; заявитель и патентообладатель Юго-Западный государственный университет. № 2011100556/02; заявл. 11.01.2011; опубл. 20.07.2012, Бюл. №36. 6с.

82. Глобин П.В., Титов В. С., Бобырь М.В. Структурно-параметрическая адаптация в задачах управления оборудованием с ЧПУ // Известия Юго-Западного государственного университета. 2012. №2.С.147-154.

83. Глобин П.В., Бобырь М.В. Система стабилизации процесса резания на высокоточном оборудовании с ЧПУ // Современные инструментальные системы, информационные технологии и инновации. Курск: ЮЗГУ, 2013. С.66-68.

84. Бобырь М.В., Емельянов С.Г., Титов B.C. Теоретические основы построения автоматизированных систем управления технологическими процессами на основе нечеткой логики: монография. Старый Оскол: Тонкие наукоемкие технологии, 2009. 232с.

85. Баранова Г. В. Использование метода многомерного корреляционно-регрессионного анализа в информационных системах, создаваемых в интересах органов государственной власти. Орел: Орловский государственный технический университет, 2004. С.43-47.

86. Емельянов С.Г., Титов B.C., Бобырь М.В. Адаптивные нечетко-логические системы управления: монография / М.: АРГАМАК-МЕДИА-М, 2013. 184с.

87. Алиев М.И., Исаева Э.А., Алиев И.М. Теория вероятностей и теория нечетких множеств JI. Заде: различия и сходство // Искусственный интеллект и принятие решений. 2012. №3. С.21-28.

88. Бобырь М.В., Титов B.C. Интеллектуальная система управления температурными деформациями при резании // Автоматизация и современные технологии. 2011. №5. С.3-7.

89. Новак В., Перфильева И., Мочкрож И. Математические принципы нечеткой логики. М.: Физматлит, 2006. 352с.

90. Малышев Г.Н., Берштейн Л.С., Боженюк А.В. Нечеткие модели для Экспертных систем в САПР. М.: Энергоатомиздат, 1991. 135с.

91. Кудинов Ю.И. Синтез нечеткой системы управления // Известия РАН. Теория и системы управления. 1999. №1. С. 166-172.

92. Mehrdad N. Khajavi, G. Paygane, A. Hakima Designing a Fuzzy Logic Controller to Enhance Directional Stability of Vehicles under Difficult Maneuvers // World Academy of Science, Engineering and Technology. 2009. №50. p.914-919.

93. Глобин, П.В., Червяков Л.М., Титов В. С., Бобырь М.В. Автоматизированная система компенсации биений на оборудовании с ЧПУ // Промышленные АСУ и контроллеры. 2011. № 11. С. 1-5.

94. Глобин, П.В. Система автокоррекции погрешностей при обработке деталей на оборудовании с ЧПУ // Оптико-электронные приборы и устройства в системах распознавания образов. Распознавание: материалы Х-ой международной научно-технической конференции. Курск: ЮЗГУ, 2012. С. 192-193.

95. Глобин, П.В., Бобырь М.В. Устройство адаптации процесса резания на оборудовании с ЧПУ // Автоматизация и энергосбережение машиностроительного и металлургического производств, технология и надёжность машин, приборов и оборудования: материалы материалов международной научно-технической конференции. Вологда: ВоГТУ, 2012. Т.З. С.69 -71.

96. Глобин, П.В. Бобырь М.В. Устройство коррекции режима резания на оборудовании с ЧПУ // Современные инструментальные системы, информационные технологии и инновации: материалы 1Х-ой международной научно-технической конференции. Курск: ЮЗГУ, 2012. С.346-348.

97. Лялин В.М., Пещеров A.B. Корреляционно-регрессионный метод анализа начальных полей скоростей процесса обратного выдавливания // Известия Тульского государственного университета. Серия: Технические науки. 2009. №2-2. С.95-102.

98. Автоматизация оценки эффективности взаимодействия конечного пользователя с обучающей информационной системой / Е.Е. Ковшов, П.Н. Мартынов, Нгуен Нгок Хуэ, Фам Чунг Киен // Открытое образование. 2010. № 1. С.37-43.

99. Спиридонов A.A. Планирование эксперимента при исследовании технологических процессов. М.: Машиностроение, 1981. 184с.

100. Леоненков A.B. Нечеткое моделирование в среде MATLAB и fuzzyTECH. СПб.: Изд. BHV, 2008. 736с.

101. Boyd S., Ghaoui Е., Feron Е., Balakrishnan V. Linear matrix inequalities in systems and control theory // Philadelphia: Society for Industrial and Applied Mathematics, 1994. 193p.

102. Штовба С.Д. Проектирование нечетких систем средствами MatLAB. М.: Горячая линия - Телеком, 2007. 288с.

103. Пегат А. Нечеткое моделирование и управление. М.: ИУИТ; БИНОМ, Лаборатория знаний, 2012. 798с.

104. Кудинов Ю.И., Кудинов И.Ю. Устойчивость нечетких автоматных и реляционных динамических систем // Мехатроника. Автоматизация. Управление. 2010. №6. С.2-12.

105. Sugeno М. On Stability of Fuzzy Systems Expressed by Fuzzy Rules with Singleton Consequents // IEEE Trans. Fuzzy Systems. 1999. №7. p.201-224.

106. Gang J., Laijiu Ch. Linguistic stability analysis of fuzzy closed loop control systems // Fuzzy Sets and Systems. 1996. Vol.82, p.27-34.

107. Kosko B. Global Stability of Generalized Additive Fuzzy Systems // IEEE Transactions on systems, MAN, and Cybernetics. Part C: Applications and reviews. 1998. № 3.Vol. 28. p.441-452.

108. Новак В., Перфильева И., Мочкрож И. Математические принципы нечеткой логики. М.: Физматлит, 2006. 352с.

109. Малышев Т.Н., Берштейн Л.С., Боженюк А.В. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат, 1991. 135с.

110. Lendek Zs., Babu'ska R., De Schutter B. Stability of cascaded Takagi-Sugeno fuzzy systems // Proceedings of the 2007 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE 2007). 2007. p.505-510.

111. Андреев Н.И. Доступов Б.Г. Статистические методы в проектировании нелинейных систем автоматического управления. М.: Машиностроение, 1989. 513с.

112. Яковлев С.П., Григорович В.Г. Применение математической статистики и теории планирования эксперимента в обработке металлов давлением. Тула: Изд-во ТПИ, 1980. 80с.

113. Спиридонов А.А. Планирование эксперимента при исследовании технологических процессов. М.: Машиностроение, 1981. 184с.

114. Должанский Ю.М., Новик Ф.С., Чемлева Т.А. Планирование эксперимента при исследовании и оптимизации свойств сплавов. М.: ОНТИ, 1974. 132с.

115. Рубанов В.Г. Статистическая динамика систем управления: Учеб. пособие. Белгород: БелГТАСМ, 2000. 113с.

116. Sugeno M. On Stability of Fuzzy Systems Expressed by Fuzzy Rules with Singleton Consequents // IEEE Trans. Fuzzy Systems. 1999. №7. p. 201-224.

117. Ying H. Practical Design of Nonlinear Fuzzy Controllers with Stability Analysis for Regulating Processes with Unknown Mathematical Models // Automatica. 1994. № 30. p.l 185-1195.

118. Колкер Я.Д. Математический анализ точности механической обработки деталей. Техника. 1976 г. 198с.

119. Солонин И.С. Математическая статистика в технологии машиностроения. М.: Машиностроение, 1972. 215с.

120. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. М.: Статистика, 1973. 399с.