Совершенствование технологической подготовки процесса зуботочения на основе системного подхода к формированию погрешностей и имитационного моделирования тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Гильман Виталий Николаевич

• Гильман Виталий Николаевич
• кандидат наук
• 2022

Оглавление диссертации кандидат наук Гильман Виталий Николаевич

Введение

Глава 1. Основные подходы и методы построения автоматизированной системы расчета погрешностей

1.1. Теоретические основы расчета погрешностей

1.2. Сравнительный анализ систем автоматизированной технологической подготовки производства

1.3. Анализ инструментов для имитационного моделирования

1.4. Выводы к первой главе

Глава 2. Разработка методики системного подхода к формированию и моделированию погрешностей станочной системы

2.1. Дифференциация погрешностей станочной системы с точки зрения иерархических уровней технологического процесса

2.2. Разработка методики расчета погрешностей станочной системы на основе метода Денавита-Хартенберга

2.3. Выводы ко второй главе

Глава 3 Разработка системы интеллектуальной надстройки

3.1 Разработка структурной модели системы управления технологическим процессом зуботочения

3.2 Разработка элементов системы интеллектуальной надстройки

3.3 Выводы к третьей главе

Глава 4. Экспериментальные исследования функционирования системы с интеллектуальной поддержкой для формирования погрешностей

4.1. Анализ функционирования оборудования для обработки деталей сложной формы на примере зуботочения

4.2. Обработка практических результатов измерений

4.3. Проверка функционирования математической модели

4.4. Анализ экспериментальных данных

4.5. Выводы к четвертой главе

Заключение

Список использованных источников

Приложения

Основные сокращения и обозначения

АСТПП - автоматизированная система технологической подготовки производства

СК - система координат

ДХ - Денавита-Хартенберга (матричное представление)

ТП - технологический процесс

ПОЗ - позиция

ЗАГ - заготовка

ИНСТР - инструмент

СУПП - суппорт

ПРВР - привод вращения

ИИ - искусственный интеллект

ЭС - Экспертные системы

МАС - Многоагентные системы

БД - база данных

БЗ - база знаний

САПР - система автоматизированного проектирования СППР - система поддержки принятия решений ИНС - Искусственные нейронные сети НЛ - Нечеткая логика ГА - Генетические алгоритмы

Введение диссертации (часть автореферата) на тему «Совершенствование технологической подготовки процесса зуботочения на основе системного подхода к формированию погрешностей и имитационного моделирования»

Введение

Задачей любого промышленного предприятия является своевременный выпуск изделий с ожидаемым и стабильным качеством. Кроме этого, чтобы обеспечивать конкурентоспособность, затраты на производство должны сокращаться. Соблюдение сроков изготовления и качество продукции, также крайне важные параметры успешного предприятия. Их корректная реализация лежит в области стабильности выстроенной производственной системы, мгновенно реагирующей на значимое внешнее и/или внутреннее дестабилизирующее воздействие. Так, оптимально проведенная технологическая подготовка производства позволяет эффективно распределить ресурсы предприятия и сократить сроки внедрения новой продукции. Это особенно важно для современных технологий изготовления деталей сложной формы. В частности, для относительного нового метода зуботочения Power Skiving.

Зуботочение Power Skiving - сложный технологический процесс изготовления шестерен внутреннего и внешнего зацеплений обкатом, сочетающий в себе комбинированный метод точения, протягивания и шевенгования. В настоящее время способы моделирования и изготовления инструмента с нестандартной геометрией, прогрессивные износостойкие покрытия, станки с высокой кинематической жесткостью и синхронизируемыми высокоточными приводами позволили внедрить принцип зуботочения как эффективный, хорошо воспроизводимый и надежный технологический процесс. Для него также характерна очень высокая производительность, что в свою очередь может оказать существенное влияние на проектируемый маршрут во время технологической подготовки производства детали.

В современном машиностроительном производстве на этапе технологической подготовки используются различные программные продукты, позволяющие автоматизировать процесс формирования технологических процессов и их элементов, произвести их маршрутизацию и спланировать выполнение. При этом за определяющие параметры принимаются паспортная

производительность и кинематическая точность оборудования, то есть не учитывается степень его износа, а соответственно не гарантируется безусловное качество продукции. Моделирование процесса изготовления деталей на оборудовании в условиях, приближенных к реальным, позволило бы спрогнозировать отклонения при изготовлении изделий с заданными характеристиками.

В свою очередь, данные отклонения можно проанализировать с точки зрения возможного источника, узла станочной системы на самых ранних этапах проектирования технологического процесса. Интеграция имитационного моделирования в систему поддержки принятия решений на сегодняшний день может дать существенный прирост в эффективности такого сложного процесса, как зуботочение. Так, если делать анализ современных САПР, которые являются неотъемлемой частью автоматизированных систем технологической подготовки производства (АСТПП), то представление станочных систем в целом и формирование управляющих программ в частности, производится в них из условия взаимного функционирования идеализированных объектов между собой. Другими словами, моделирование не предполагает учет возникающих погрешностей в узлах оборудования и/или между элементами станочной системы или учет износа инструмента, что определенно влияет на качество и управляемость процессом.

Степень разработанности темы. Фундаментальные основы в области точности, анализа кинематических схем и динамических процессов станочных систем были исследованы в трудах Пуша В.Э., Кудинова В.А., Решетова Д.Н., Колева К.С., Горячакова Л.М., Юнусова Ф.С., Каминской В.В., Левина З.Е., Хусаинова Р.М., Врагова Ю.Д.. Основы формирования и интеграции интеллектуальных систем автоматизированного управления подготовкой производством на современном машиностроительном предприятии освещались в трудах ученых: Каяшева А.И., Митрофанова В.Г., Шибакова В.Г., Симоновой Л.А., Попова Э. В., Тищенко А.А., Аверченкова В.И., Лозбинева Ф.Ю., Яблочникова Е.И. и других. Ввиду необходимости повышения

конкурентоспособности предприятий и более активного внедрения прикладных основ управления технологической подготовкой производства на базе интеллектуальных систем, данное направление на сегодня является перспективным для развития. Широкие возможности алгоритмов, основанных на методах искусственного интеллекта, обеспечивают неоспоримые преимущества в области совершенствования этих процессов. При этом, недостаточная степень интеграции вопросов точности оборудования в системы технологической подготовки производства определяет актуальность работ по разработке автоматизированной системы расчета погрешностей.

Цель исследования: повышение эффективности технологической подготовки производства деталей сложной формы на примере зуботочения на основе элементов искусственного интеллекта, системного подхода и имитационного моделирования.

Поставленная цель в диссертационной работе достигается решением следующих задач исследования:

1. Провести анализ подходов и методов формирования автоматизированной системы расчета погрешностей;

2. Разработать структурную модель системы поддержки принятия решения (СППР) при моделировании станочной системы с учетом ее погрешности на этапе технологической подготовки производства;

3. Разработать методику системного подхода к формированию погрешностей в станочной системе с точки зрения иерархических уровней технологического процесса и их представления в виде матриц погрешностей;

4. Разработать методику формирования погрешностей станочной системы на основе иерархического представления технологического процесса;

5. Разработать математическую/имитационную модель расчета погрешностей станочной системы для изготовления деталей сложной формы на примере зуботочения;

6. Разработать правила базы знаний, основанные на методе нечеткой логики, позволяющие усовершенствовать технологическую подготовку процесса зуботочения.

В процессе диссертационного исследования получены следующие результаты, обладающие научной новизной:

1. Разработана СППР при моделировании обработки деталей сложной формы на примере зуботочения, с учетом погрешности станочной системы, позволяющая, в отличие от существующих моделей, определить возможность изготовления детали с заданной точностью на этапе технологической подготовки производства;

2. Разработана имитационная модель формирования погрешностей станочной системы, основанная на системном подходе и иерархическом представлении технологического процесса, с использованием метода матричного преобразования систем координат Денавита-Хартенберга;

3. Сформирована база знаний и алгоритм принятия решения на этапе технологической подготовки процесса формообразования при зубообработке на основе нечеткой логики;

4. Разработана методика системного подхода представления погрешностей в виде матриц исходных данных и ограничений для алгоритма принятия решения на этапе технологической подготовки производства о влиянии отклонений в станочной системе на точность изделий.

Теоретическая и практическая значимость материалов диссертационной работы заключается в том, что разработанная система, использующая методы искусственного интеллекта, и результаты ее работы могут быть применены для оценки возможности изготовления детали на этапе технологической подготовки производства.

Результаты диссертационной работы апробированы в Научно-Технологическом Центре ПАО «КАМАЗ» (Акт апробации от 07.09.2022 г. Приложение IV). Результаты анализа погрешностей станочной системы с положительным эффектом применены для коррекции параметров зубообработки

на производстве завода Двигателей ПАО «КАМАЗ» (Акт испытания №26 от 07.09.2021г Приложение V). Материалы диссертационной работы, связанные с методикой расчета погрешностей, используются в учебном процессе Набережночелнинского института (филиала) ФГАОУ ВО Казанского (Приволжского) федерального университета для дисциплины «Искусственный интеллект в управлении технологическими объектами», а также на практических занятиях по курсу «Автоматизация технологических процессов и производств» (Акт об использовании результатов кандидатской диссертационной работы от 03.06.2022 г. Приложение VI).

Разработанные алгоритмы для расчета погрешностей станочной системы на основе иерархического представления технологического процесса в имитационной модели могут быть интегрированы в CAD/CAM-системы с целью динамической корректировки управляющих программ, учитывающих фактическое состояние оборудования.

Разработана программа для ЭВМ, что подтверждается свидетельством о государственной регистрации программы для ЭВМ № 2022665156 от 10.08.2022г. (Приложение III)

Методы исследования. В ходе решения поставленных задач в диссертационной работе использовались методы математического и имитационного моделирования, метод матричного преобразования Денавита-Хартенберга, для расчетов использовалась программная среда MATLAB, поддерживающая алгоритмы построения систем искусственного интеллекта на основе нечеткой логики.

Достоверность и обоснованность полученных результатов работы обеспечивались корректным использованием современного математического аппарата, известных научных методов представления и обработки данных, а также подтверждается согласованностью полученных результатов экспериментов на действующем оборудовании для зуботочения с результатами расчетов и работы разработанного программного комплекса.

Положения, выносимые на защиту:

1. Математическая имитационная модель погрешностей станочной системы для обработки деталей сложной формы на примере зуботочения, основанная на матричном методе представления.

2. Методика системного подхода к формированию и моделированию погрешностей станочной системы, основанный на дифференциации погрешностей станочной системы с точки зрения иерархических уровней технологического процесса.

3. Структурная модель СППР при моделировании обработки деталей сложной формы на примере зуботочения, с учетом погрешности станочной системы на этапе технологической подготовки производства;

4. Методика расчета общей погрешности станочной системы, основанная на методе матричного преобразования Денавита-Хартенберга.

5. Программный комплекс для расчета погрешности станочной системы.

Глава 1. Основные подходы и методы построения

автоматизированной системы расчета погрешностей 1.1. Теоретические основы расчета погрешностей

Вопросы контроля и управления качеством изготовления машиностроительной продукции стали актуальными с момента перехода от кустарного к промышленному производству. Сокращение влияния человека на ход технологического процесса вывело эти проблемы в приоритет. Справедливо заметить, что возможность управлять качеством изготовления продукции позволяет повысить эффективность и снизить себестоимость ее изготовления, что является первоочередной задачей конкурентоспособного предприятия.

Сущность контроля представляет процесс определения того, находится ли значение контролируемого параметра между предельно допустимыми его значениями или нет. Данное определение справедливо как для качества параметров готового изделия, так и косвенно - для составляющих элементов системы участвующих в его формировании. Здесь речь может идти о качестве технологической подготовки производства, качестве полуфабрикатов, точности используемого оборудования, качестве инструмента и оснастки.

Возможность управления указанными параметрами с целью снижения влияния отклонений элементов системы на готовую продукцию эффективно реализуется в современных системах поддержки принятия решения. Рассмотрим функционирование подобной системы на примере технологического процесса зуботочения Power Skiving для шестерен внутреннего зацепления, предварительно оценив в целом исследования в области точности станочных систем.

Так, в своих работах Кудинов В.А. обращал внимание на то, что «повышение требований к точности размеров и формы деталей, обрабатываемых на металлорежущих станках, появление новых труднообрабатываемых материалов, а также широкое внедрение автоматизации технологических процессов и создание автоматических станков с системами управления и

регулирования вызвало резкое увеличение роли динамических процессов в станках. » [1]

Таким образом, по мнению Кудинова, в ходе проектирования нового оборудования требуется уделять большое значение проблемам динамики составляющих его компонентов. Также это справедливо и для дальнейших этапов - изготовления узлов станочной системы, сборки, функционирования и проведения необходимых профилактических работ во время эксплуатации. В итоге важно обеспечить устойчивую работу системы инструмент-заготовка, когда возникающие динамические процессы минимально, без существенных вибраций или отклонений, воздействуют на заданные взаимные перемещения. Отсюда следует, что для производства деталей с требуемыми характеристиками качества, необходим анализ отклонений инструмента и заготовки от идеализированного состояния, которые возникают в результате динамических и статических составляющих сил и явлений, влияющих на внутренние деформации узлов.

В своих работах Кудинов опирался на более ранние труды Пуша В.Э. [2] и Решетова Д.Н. [3], в которых, в частности, основной упор также делался на исследование физики малых перемещений, динамических процессах в узлах оборудования и их влияние на точность перемещений.

Авторы считали, что автоматизация производства должна учитывать развитие элементов для автоматической подналадки. Оборудование необходимо оснащать элементами обратной связи от средств активного контроля качества обрабатываемых деталей с соответствующими исполнительными механизмами. При этом степень точности подобных элементов должна быть выше нормированных показателей качества изделий. Только в таком случае создаются условия для правильного функционирования системы управления и механики станки.

Для снижения влияния рассматриваемых источников погрешностей предлагался ряд методов, таких как разработка более жестких конструкций приводов, переход от скольжения к качению и, как логичное развитие этого

направления - совершенствование конструкций направляющих качения и исследования в области смазочных материалов.

С развитием автоматизации промышленного оборудования и теории автоматизированного управления процессы контроля отклонений и погрешностей постепенно переходили с физического уровня на уровень машинный.

Целью исследований Колева К.С. и Горчакова Л.М. [4] был расчет зависимостей прогибов и деформаций, возникающих как в элементах станочной системы, так и непосредственно в заготовке, от векторных составляющих сил резания, геометрических характеристик заготовки и ее физических свойств. Подобные расчеты выполнялись для различных видов механической обработки: фрезерование, сверление, токарная и зубообработка и т.д. Были предложены зависимости, учитывающие соотношение качества обработки деталей от величины припуска. Результатами работ стали аналитические формулы и методики для расчета режимов резания. Они учитывали баланс допустимых погрешностей размеров и формы, времени обработки и затрат на изготовление деталей. По мнению авторов «важное значение имел также выбор параметра точности, по которому производился расчет режимов резания. К нему должны предъявляться следующие требования:

- наличие функциональной зависимости от режимов резания, данных по погрешности измерения и по влиянию отдельных составляющих на суммарную погрешность обработки;

- отображение выбранным параметром точности условий работы и назначения детали (так, для зубчатых передач необходимо учитывать характер передачи - отсчетные, делительные, силовые, скоростные)» [4].

Для оценки корректности расчетов учеными также ставилась цель использовать такие параметры точности, которые позволили бы оперативно и достоверно оценить влияние различных режимов резания на суммарную погрешность и влияние на нее отдельных ее составляющих.

В итоге данные исследования позволили создать алгоритмы и автоматизировать расчеты режимов резания с целью получения оптимальных параметров для формирования баланса точности и производительности механической обработки деталей. Здесь в первую очередь речь может идти о статических или дискретно изменяющихся режимах резания. Однако авторы заключили, что наиболее оптимальным и перспективным считается обработка с непрерывно меняющимися режимами резания. Именно в этом случае появляется возможность избежать лишних перегрузок станочной системы, снизить процент брака и производить обработку с оптимальными режимами, гарантирующими ожидаемую точность и высокую производительность.

Связывая заключения ученых Пуша, Кудинова, Колева и Горчакова с темой работы стоит отметить, что с точки зрения физических процессов в станочных системах и системах контроля, развитие и практическая реализация технологии зуботочения однозначно подтверждает их изыскания. Данная технология впервые была запатентована в 1910 году Вильгельмом фон Питтлером, однако, имеющийся на тот момент уровень технического развития не позволил воплотить ее. Почти 100 лет потребовалось для развития жестких кинематических схем, синхронизируемых приводов, контролируемых системой управления требуемого быстродействия, а также для разработки технологии изготовления специального инструмента, позволяющего обеспечить непрерывный процесс стружкообразования. Все это следует отнести к уровню формирования технологии зуботочения в целом, но не управления качеством процесса.

В работах Симоновой Л. А., Касьянова С.В., Абазьева А.П. отмечается, что «для обеспечения требуемого качества изготовления деталей необходимо контролировать размерные и качественные параметры, а также выдавать управляющие воздействия для компенсации различных отклонений параметров от заданных величин. Последнее возможно при наличии алгоритмов управления точностью, которые зависят от множества параметров» [6,7].

Создание автоматизированной системы расчета погрешностей, позволяющей смоделировать процесс обработки с учетом отклонений в узлах

оборудования и износа инструмента, позволит разрабатывать оптимальные технологические маршруты с одной стороны и оценивать стойкость инструмента с другой. Для этого за основу необходимо брать методику управлением динамической составляющей погрешности обработки на этапе проектирования.

Существует ряд современных систем автоматизированного проектирования ТП, позволяющих значительно сократить время подготовки производства, однако их анализ показывает некоторые недостатки.

1.2. Сравнительный анализ систем автоматизированной технологической подготовки производства

С ростом автоматизации и активного внедрения вычислительной техники в механообрабатывающие производства задача формализации технологических процессов становится особенно актуальной. Оптимальным решением в этом направлении является интеграция автоматизированных систем технологической подготовки производства (АСТПП) в производственную систему.

АСТПП - это комплексная система, позволяющая связать на своем уровне множество процессов машиностроительного предприятия, причем функционирование этой системы должно предполагать постоянный мониторинг, обход проблемных участков и коррекцию запланированных операций в случае возникновения коллизий или рассогласований. Интеграция ее в единую производственную систему ЕЯР-уровня значительно сокращает издержки и повышает управляемость предприятием. Происходит это за счет:

- сокращения времени проектирования при использовании типовых конструкций или техпроцессов;

- оптимально выстроенных технологических маршрутов;

- учета ранее выявленных и зафиксированных в информационно-поисковой системе проблем;

- интеграции системы с базами знаний и базами данных систем верхнего уровня;

- использования в современных системах элементов искусственного интеллекта.

Очевидность указанных преимуществ не требует дополнительных пояснений, однако рассмотрим более подробно процесс выстраивания технологического маршрута. Здесь вероятность возникновения ошибок достаточна велика. Альтернативность построения маршрута может диктоваться загрузкой оборудования, персонала, минимизацией затрат по времени или издержкам. Рассчитанный на определенном этапе маршрут и выстроенный на его основе план выпуска и отгрузки продукции может не учесть проблем, связанных с потерей точности одного из узлов станочной системы. Таким образом, технологическая подготовка производства уже на раннем этапе окажется некорректной. В связи с этим целесообразно использовать самонастраивающиеся системы.

С точки зрения уровня автоматизации в целом различают:

- системы с частичной автоматизацией;

- автоматизированные системы;

- автоматические;

- самонастраивающиеся и самоорганизующиеся системы высокого уровня.

Для функционирования систем высокого уровня требуется разработка специальных алгоритмов и методик, которые позволяли бы в режиме реального времени вносить необходимые корректировки. Возрастающие требования к качеству изделий и скорости принятия решений в системах управления отдельных единиц оборудования и современных производств в целом, требуют от АСТПП особых подходов. При этом методики разработанные ранее безусловно актуальны, кроме того могут являться хорошим фундаментом для дальнейшего развития.

«Существует три основных метода автоматизированного проектирования

ТП:

- индивидуальное проектирование;

- проектирование на основе группового ТП;

- проектирование ТП методом синтеза.

Остановимся подробнее на последнем. Метод синтеза ТП состоит в алгоритмическом формировании ТП на основании имеющегося геометрического описания детали. Так как не существует строгих математических методов формирования структуры ТП на основании описания детали, то алгоритмы синтеза носят в основном эвристический характер и являются действительными только в пределах некоторых (выбранных и оговариваемых заранее) групп или классов деталей» [8].

Реализация подобных алгоритмов происходит за счет использования специальных баз данных и применение к их анализу различных правил и условий, которые в свою очередь опираются на элементы искусственного интеллекта.

Представленный выше анализ Яблочникова Е.И. и др. относится к области формирования ТП с привязкой к конкретной детали, типу оборудования, возможным маршрутам производства. Однако и в нем не учитывается связь фактического состояния станочной системы с его влиянием на возможные отклонения при изготовлении деталей.

С прикладной точки зрения различают следующие классы основных систем автоматизации проектирования:

- Системы автоматизированного проектирования - CAD/CAM (Computer Aided Design/Computer Aided Manufacturing) системы, позволяющие автоматизировать работу инженеров-конструкторов и технологов;

- Системы инженерного анализа - CAE (Computer Aided Engineering), позволяющие автоматизировать сложные инженерные расчеты;

- Системы управления инженерными данными об изделии - PDM (Product Data Management) системы.

Остановимся более подробно на последнем классе. В России широко представлены АСУТПП: КОМПАС+Вертикаль, Technologies, T-FLEX

Технология, АРБ-Предприятие, ДиаМан, АБЕМ-УХ. Сравнительный анализ основных возможностей этих систем представлен в таблице 1.1.

Основными задачами каждой из представленных систем являются разработка технологических и маршрутных карт, формирование оптимальной загрузки оборудования и контроль запасов, поэтому в таблице данные критерии рассматриваться не будут. Также, каждой из них присуща различная степень автоматизации по отношению к конкретному применению. Например, контроль запасов или расчет загрузки оборудования - процессы, которые могут быть полностью автоматизированы. Если рассмотреть задачи поиска альтернативных маршрутов производства, выбора инструмента или средств измерений, то полная автоматизация не будет оптимальным решением. В таких случаях системы чаще всего предлагают выбор техническому специалисту в формате диалога, либо возможность корректировки решения. Существуют задачи, которые в принципе автоматизировать не возможно, например разработка уникальной технологии.

Таблица 1.1 - Сравнительный анализ АСТПП

Характеристика системы ТПП APS-Предприятие КОМПАС+ Вертикаль T-FLEX Технология ADEM-VX

Интеграция с САПР-системами + + + +

Использование типовых ТП + + + +

Связь с ERP-системой предприятия + - - +

Модуль CAM - + + +

Оформление КД - + + +

Поддержка СУБД - + + +

Применение баз знаний + + + +

Оперативное планирование производства + - + -

Учет расхода и движения материальных ресурсов + - + -

Анализ таблицы показывает, что в целом все разработчики современных АСТПП стремятся максимально учесть потребности предприятий в автоматизации стандартных процессов. Наличие возможности связи с системами

высшего уровня расширяет функционал решения, но при этом увеличивает его стоимость.

Список литературы диссертационного исследования кандидат наук Гильман Виталий Николаевич, 2022 год

1.5. СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Кудинов, В.А. Динамика станков / В.А. Кудинов, М.: Машиностроение. 1967. - 359с.

2. Пуш, В. Э. О точности малых периодических подач. Исследования в области металлорежущих станков / В. Э. Пуш , М.: Машгиз. 1952. - 182с.

3. Решетов, Д.Н. Точность металлорежущих станков / Д.Н. Решетов, В.Т. Портман // М.: Машиностроение. 1986. - 336с.,ил.

4. Колев, К.С., Горчаков Д.М. Точность обработки и режимы резания / К.С. Колев, Д.М. Горчаков // М: Машиностроение, 1975 - 144с.

5. Пуш, А.В. Основные принципы проектирования прецизионных и сверхпрецизионных станков / А.В. Пуш, СТИН. №3. 1999

6. Симонова, Л.А. Управление динамической составляющей погрешности обработки на этапе проектирования / Л.А. Симонова, С.В. Касьянов // Тезисы докладов Международной научно-технической конференции -Пенза: ПГТУ,1996г.

7. Симонова, Л.А Моделирование процесса резания, как основа управления результатом обработки в операциях / Л.А. Симонова, С.В. Касьянов, А.П. Абазьев // Управление качеством финишных методов обработки: Сборник научных трудов. - Пермь:Изд.ПГТУ,1996.

8. Яблочников, Е. И. Автоматизация технологической подготовки производства в приборостроении / Е. И. Яблочников, А. В. Пирогов, Ю. С. Андреев // СПб: Университет ИТМО, 2018. - 116 с.

9. Дмитриевский, Б.С. Специальные главы технической кибернетики: учебное пособие для магистров 1-го курса по направлениям 220400 «Управление в технических системах», 220700 «Автоматизация технологических процессов и производств» / Б .С. Дмитриевский, И.О. Савцова // Тамбов: Тамбовский государственный технический университет, ЭБС АСВ, 2014. - 80 с.

10. Гаврилова, Т. А. Базы знаний интеллектуальных систем / Т .А. Гаврилова, В.Ф. Хорошевский // СПб.: Питер, 2000. - 209 с.

11. Станкевич, Л. А. Интеллектуальные системы и технологии: учебник и практикум для среднего профессионального образования / Л. А. Станкевич // Москва: Издательство Юрайт, 2019. - 397 с. - ( Профессиональное образование). - ISBN 978-5-534-11659-5. - Текст: электронный // ЭБС Юрайт [сайт]. - URL: https://urait.ru/bcode/445852

12. Многоагентные системы. 2009-2014. URL: http://www.aiportal.ru/articles/multiagentsystems/multiagentsystems.html.

13. Bordini, R.H. MultiAgent Programming: Languages, Tools and Applications / R.H. Bordini, M. Dastani, J. Dix, A. Seghrouchni // Springer, 2009.

14. Глушенко, С.А. Анализ программных средств реализации нечетких экспертных систем / С.А. Глушенко // Программные системы и вычислительные методы. - 2017. - № 4. - С. 77-88. DOI: 10.7256/24540714.2017.4.24251 URL: https://nbpublish.com/library_read_article.php?id=24251

15. Каяшев, Методы адаптации при управлении автоматизированными станочными системами / А.И. Каяшев, В.Г. Митрофанов, А.Г. Схиртладзе // М.: Машиностроение, 1995.

16. Фу, К. Робототехника: Пер. с англ. Сорокина А.А., Градецкого А.В., Рачкова М.Ю. / К. Фу, Р. Гонсалес, К. Ли // М:Мир, 1989 - 624с.,ил.

17. Denavit, J. A kinematic notation for lower-pair mechanisms based on matrices / J. Denavit, R.S. Hartenberg // Journal of Applied Mechanics, 1955, vol. 22, pp. 215221.

18. Климчик, А.С. Разработка управляющих программ промышленных роботов. Курс лекций / А.С. Климчик, Р.И. Гомолицкий, Ф.В. Фурман, К.И. Сёмкин // Минск: Белорусский государственный университет информатики и радиоэлектроники, 2008. - 131 с.

19. Аксенов, К. А. Системы поддержки принятия решений в 2 ч. Часть 2: учебное пособие для вузов / К. А. Аксенов, Н. В. Гончарова, О. П. Аксенова под научной редакцией Л. Г. Доросинского // М.: Издательство Юрайт, 2015; Екатеринбург: Изд-во Урал. ун -та; Екатеринбург: Изд-во Урал. ун-та. - 126 с. - (Университеты России).

20. Симонова, Л.А. Формирование базы знаний показателей альтернативных технологических маршрутов / Л.А. Симонова // Кузнечно-штамповочное производство. Обработка металлов давлением. - 2004. №10. С.44-48

21. Пупков, К. А. Интеллектуальные системы / К. А. Пупков, В. Г. Коньков // М.: Изд-во МГТУ им. Н.Э. Баумана, 2003. - 348 с.

22. Филимонов, А. Б. Основы нечеткой логики: учебное пособие / А. Б. Филимонов, Н. Б. Филимонов // Москва: РТУ МИРЭА, 2019. - 88 с. - Текст : электронный Лань: электронно-библиотечная система. - URL: https://e.lanbook.com/book/171457 (дата обращения: 25.04.2022). - Режим доступа: для авториз. пользователей.

23. Воронин, П.А. Системы управления на основе фаззи-логики: методические указания / П.А. Воронин // Оренбургский гос. ун-т. - Оренбург: ОГУ. 2012. -26 с.

24. Симонова, Л.А. Системный подход к автоматизированному формированию погрешностей структурных элементов технологического процесса силового зуботочения Power Skiving / Л.А. Симонова, В.Н. Гильман // Научно-технический вестник Поволжья. №4 2022г. - Казань: ООО «Рашин Сайнс», 2022. - 224 с.

25. Симонова, Л. А. Моделирование погрешностей станочной системы на примере зуботочения Power Skiving/ Л.А. Симонова, В.Н. Гильман // Научно-технический вестник Поволжья. №4 2022г. - Казань: ООО «Рашин Сайнс», 2022. - 224 с.

26. Леоненков, А. В. Нечеткое моделирование в среде MATLAB и fuzzyTECH / А.В. Леоненков // СПб.: БХВ Петербург, 2005. - 736 с., ил.

27. Кофман, А. Введение в теорию нечетких множеств / А. Кофман: Пер. с фр. М.: Радио и связь, 1982. 432 с.52.

28. Люгер, Ф. Искусственный интеллект. Стратегии и методы решения сложных проблем / Люгер, Ф. Джордж // Издательство: М.: Вильямс; Издание 4-е, 864 с.; 2003 г.

29. Куликов, Г.Г. Автоматизированное проектирование информационно-управляющих систем. Проектирование экспертных систем на основе системного моделирования: Монография [Текст] / Г.Г. Куликов // Уфа: УГАТУ, 1999. -223 с.

30. Форсайт, Р. Экспертные системы: принципы работы и примеры / Р. Форсайт // М.: Радио и связь, 1987. - 223 с.

31. Симонова, Л. А. Разработка системы поддержки принятия решения по выбору ТМ из альтернативных / Л. А. Симонова, Т.Н. Унтила // Кузнечно-штамповочное производство. Обработка материалов давлением. -2008. -№2. - С. 34-39.

32. Балабанов, И.П. Анализ систем моделирования станочных систем / И.П. Балабанов, А.А. Чермянин // Итоги 2015 года: идеи, достижения. Сборник материалов II Региональной студенческой научно-практической конференции с всероссийским участием. 2015. Издательство: КНИТУ-КАИ Ьир8://еНЬгагу.га/ск_кет8.а8р?1ё=25573954

33. Ковальчук, А. К. Модифицированная система координат Денавита-Хартенберга для исполнительных механизмов роботов с древовидной кинематической структурой / А.К. Ковальчук // Наука и Образование. МГТУ им. Н.Э. Баумана. Электрон. журн. 2015. № 11. С. 12-30.

34. Симонова, Л.А. Ранжирование альтернативных технологических маршрутов по технологическим критериям / Л.А. Симонова // «Информационные и социально-экономические аспекты создания современных технологий» -Онлайновый электронный научно-технический журнал. - Набережные Челны: КамПИ, 1/2004 - 250 с. ЬИр//катр1.ксп.ги/гЬигпа1

35. Симонова, Л.А Управление процессом обработки партии деталей (с применением математического моделирования на этапе технологического проектирования) / Л. А Симонова // г. Наб Челны : Изд. Камского гос. политех. ин-та, 2004-115с.: ил.

36. Симонова, Л.А. Моделирование точности процессов формообразования на основе идентификации показателей качества партии заготовок / Л.А. Симонова, И.П. Балабанов // Труды 3 Международной научно-практической

конференции «Автомобиль и техносфера», Казань: Из-во Казан.ГТУ,2003,1160 с. стр 202-212

37. Симонова, Л.А. Пространственная модель погрешностей при механической обработке / Л.А. Симонова, Е.В. Александров // Вестник КГТУ. Сборник научных трудов -Казань: Изд.КГТУ ,№4, 2002г.стр 11-13

38. Зо Лин Кхаинг Реализация прецедентного модуля для интеллектуальных систем / Зо Лин Кхаинг, Ар Кар Мьо, П. Р. Варшавский, Р. В. Алехин // Программные системы и продукты. 2015. № 2. С. 26-31.

39. Bordini, R.H. MultiAgent Programming: Languages / R.H. Bordini, M. Dastani, J. Dix, A. Seghrouchni, Tools and Applications. Springer, 2009.

40. Чернецкий, В.О. Анализ и синтез систем управления с нечеткой логикой: Учебное пособие / В.О. Чернецкий, И.В. Чернецкая // Челябинск: Изд. ЮУрГУ, 2002.

41. Варшавский, П. Р. Моделирование рассуждений на основе прецедентов в интеллектуальных системах поддержки принятия решений / П. Р. Варшавский, А. П. Еремеев // Искусственный интеллект и принятие решений. 2009. № 1. С. 45-57.

42. Варшавский, П. Р. Методы правдоподобных рассуждений на основе аналогий и прецедентов для интеллектуальных систем поддержки принятия решений / П.Р. Варшавский, А.П. Еремеев // Новости искусственного интеллекта. 2006. № 3. С. 39-62.

43. Симонова, Л.А. Применение нечеткой логики в системе управления процессами в вакуумно-напылительном технологическом комплексе / Л.А. Симонова, В.И. Абрамова, М.А. Чернова // Фундаментальные исследования -2014. - №12.

44. Палюх, Б.В. Интеллектуальная система поддержки принятия решений по управлению сложными объектами с использованием динамических нечетких когнитивных карт / Б.В. Палюх, Т.В. Какатунова, М.И. Дли, О.В. Багузова // Программные продукты и системы. - 2013. - № 4. - С. 155-160.

45. Кьюсиак, Э. Искусственный интеллект: Применение в интегрированных производственных системах! под ред. Э. Кьюсиака; пер. с англ. А.П. Фомина; под ред. Дащенко Е.В. - М.: Машиностроение, 1991. - 544 с.

46. Крисилов, В. А. Сравнительный анализ моделей представления знаний в интеллектуальных системах I В. А. Крисилов, С. М. Побережник, Р. А. Тарасенко II Труды ученых Одес. политехи. ун-та. Научный и производств енно-практический сборник по техническим и естественным наукам. - Одесса, 1998. -Вып. 2(6). - С. 45-49.

47. Блюмин, С. Л. Модели и методы принятия решения в условиях неопределенности I С. Л. Блюмин, И. А. Шуйкова II Липецк: ЛЭГИ, 2001. - 138 с.

48. Modell Martin E. A Professional's Guide to Systems Analysis, Second Edition I Martin E. Modell. -New York: McGraw-Hill Book Company, 1996.

49. ГОСТ Р ИСО 10303-1-99. Системы автоматизации производства и их интеграция. Представление данных об изделии и обмен этими данными. - М.: ИПК Изд-во стандартов, 1999. - 16 с.

50. Симонова, Л.А. Интегрированное информационное обеспечение процесса управления технологическими маршрутами в рамках ERP-системы: монография I Л.А. Симонова, М.П. Руднев II М.: Изд-во Academia ( при участии редакции журнала « Вестник РАН»). - 2005. - 282 с.

51. Рассел, С. Искусственный интеллект: современный подход I С. Рассел, П. Норвиг.; пер с англ. - 2-е изд. II М.: Изд. дом «Вильямс», 2006. - 1408 с.

52. Черемных, С.В. Структурный анализ систем: IDEF-технологии I С.В. Черемных, И.О. Семенов, В.С. Ручкин II М.: Финансы и статистика, 2003. - 208 с

53. Мандель, И. Д. Кластерный анализ I И. Д. Мандель. II М.: Финансы и статистика, 1988. - 176 с

54. Соломенцев, Ю.М. Информационно-вычислительные системы в машиностроении. CALS-технологии I Ю.М. Соломенцев, В.Г. Митрофанов, В.В. Павлов и др. II М.: Наука, 2003. - 292 с.

55. Симонова, Л.А. Методология построения интегрированного информационного обеспечения гибких производственных систем механической обработки на машиностроительных предприятиях: монография I Л. А. Симонова II СПб.: Изд-во Инфо-Да, 2004. -198 с.

56. Симонова, Л. А. Управление процессом обработки партии деталей (с применением математического моделирования на этапе технологического проектирования): монография / Л. А. Симонова // Набережные Челны: Изд-во КамПИ, 2004. - 115 с.

57. Костюк И.В. Формирование базы знаний системы инструментообеспечения / Л. А. Симонова, И.В. Костюк // Кузнечно-штамповочное производство. Обработка материалов давлением.- 2009. - № 8. - С. 22-28.

58. Загидуллин Р.Р. Имитационная модель гибкой производственной системы / Р.Р. Загидуллин // Опыт практического применения языков и программных систем имитационного моделирования в промышленных и прикладных разработках: сб. докл. всерос. науч.-практ. конф. - СПб., 2003. - Т. 2. - С. 51-54.

Программный код для определения погрешностей станочной системы на основе

алгоритмов нечеткого вывода function varargout = check_error(varargin) % CHECK_ERROR MATLAB code for check_error.fig

% CHECK_ERROR, by itself, creates a new CHECK_ERROR or raises the existing

% singleton*.

%

% H = CHECK_ERROR returns the handle to a new CHECK_ERROR or the handle to

% the existing singleton*.

%

% CHECK_ERROR('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in CHECK_ERROR.M with the given input arguments.

%

% CHECK_ERROR('Property','Value',...) creates a new CHECK_ERROR or raises the

% existing singleton*. Starting from the left, property value pairs are % applied to the GUI before check_error_OpeningFcn gets called. An % unrecognized property name or invalid value makes property application

% stop. All inputs are passed to check_error_OpeningFcn via varargin.

%

% *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one

% instance to run (singleton)".

%

% See also: GUIDE, GUIDATA, GUIHANDLES % Edit the above text to modify the response to help check_error

1.6. Приложение I ( продолжение) % Last Modified by GUIDE v2.5 06-Jul-2022 20:23:34 % Begin initialization code - DO NOT EDIT gui_Singleton = 1 ;

gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @check_error_OpeningFcn, ... 'gui_OutputFcn', @check_error_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{ 1})

gui_State.gui_Callback = str2func(varargin{ 1}); end

if nargout

[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else

gui_mainfcn(gui_State, varargin{:}); end

% End initialization code - DO NOT EDIT

% --- Executes just before check_error is made visible. function check_error_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn. % hObject handle to figure

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to check_error (see VARARGIN)

1.7. Приложение I ( продолжение) % Choose default command line output for check_error handles.output = hObject; % Update handles structure

guidata(hObject, handles);

% UIWAIT makes check_error wait for user response (see UIRESUME) % uiwait(handles.figurel);

% --- Outputs from this function are returned to the command line. function varargout = check_error_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% Get default command line output from handles structure

varargout{ 1} = handles.output;

X = imread('l.png');

axis off;

imshow(X);

% --- Executes on button press in pushbuttonl.

function pushbutton1_Callback(hObject, eventdata, handles)

global Horiz_support

% hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) Horiz_support = inputdlg({ 'Погрешность ходовых винтов',...

1.8. Приложение I ( продолжение) 'Погрешность левой направляющей ','Погрешность левой направляющей'},... Горизонтальный суппорт', [1 30; 1 30; 1 30],{'0','0','0'});

% --- Executes on button press in pushbutton9. function pushbutton9_Callback(hObject, eventdata, handles) % hObject handle to pushbutton9 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% --- Executes on button press in pushbutton10.

function pushbutton10_Callback(hObject, eventdata, handles)

% hObject handle to pushbutton10 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB

% handles structure with handles and user data (see GUIDATA)

global Tech_data

opts.Interpreter = 'tex';

Tech_data = inputdlg({'Введите погрешность направления, мкм', ...

'Введите погрешность профиля, град', 'Введите погрешность по роликам, мкм'},...

'Ввод данных шестерни', [1 50; 1 50; 1 50],{'0','0','0'},opts);

% --- Executes on button press in pushbuttonll. function pushbutton11_Callback(hObject, eventdata, handles) global Horiz_support global PS_Fuzzy

1.9. Приложение I ( продолжение) % hObject handle to pushbutton11 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) Theta_Tool_DH= [0 0 71 90 0 0];%70

D_Tool_DH= [911 901 140 128.8454864 329.0000644 25];%910 900

Alpha_Tool_DH= [-90 90 90 -90 0 0];

A_Tool_DH=[0 0 0 350 0 -65];

Theta_WP_DH= [0 0 0 89];%90

D_WP_DH=[1454.5 430.25 93.281 0];%1455 430

Alpha_WP_DH= [-90 0 0 0];

A_WP_DH=[0 0 0 120];

A_Tool=DH_matrix(Theta_Tool_DH( 1),Alpha_Tool_DH( 1),A_Tool_DH( 1),D_Tool_

DH(1)); for i=2:1:6

A=DH_matrix(Theta_Tool_DH(i),Alpha_Tool_DH(i),A_Tool_DH(i),D_Tool_DH(i)); A_Tool=A_Tool*A; end

A_WP=DH_matrix(Theta_WP_DH( 1),Alpha_WP_DH( 1),A_WP_DH( 1),D_WP_DH( 1 ));

for i=2:1:4

A=DH_matrix(Theta_WP_DH(i),Alpha_WP_DH(i),A_WP_DH(i),D_WP_DH(i)); A_WP=A_WP* A; end

RP_T=[A_Tool(3,4),A_Tool(1,4),A_Tool(2,4)]; % фактическая точка системы Станок-

end

if Delta_X==0

Delta_Z=0.0000001 ; end

Zenit=atan(sqrt(Delta_XA2+Delta_YA2)/Delta_Z)/pi* 180; %PHI Azimut=atan(Delta_Y/Delta_X)/pi* 180; %THETA

PS_Fuzzy=[Vector_r Zenit Azimut]; figure;

x=[RP_WP(1) RP_T(1)]; y=[RP_WP(2) RP_T(2)]; z=[RP_WP(3) RP_T(3)];

plot3(x,y,z, 'Color', 'red', 'LineStyle', '--', 'Marker', '* ') zoom on

err 1="Погрешность системы="+Vector_r+"мм "" ;

err21="Направление погрешности :";

err22=" "+Zenit+"градусов по зенитному углу";

err23=" "+Azimut+"градусов по азиумуту";

msgbox([err1 err21 err22 err23],"Результат вычислений ","warn");

% --- Executes on button press in pushbutton12. function pushbutton12_Callback(hObject, eventdata, handles) global PS_Fuzzy global Tech_data

% hObject handle to pushbutton12 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) %fuzzy powerskiving_error out=readfis('powerskiving_error');

1.11. Приложение I (продолжение) err3=evalfis(out,PS_Fuzzy);

er_check1 = str2num(Tech_data{ 1}); er_check2=err3 (1);

mess1="Погрешность направлен^^^^^Н^м"; mess2="Погрешность профиля="+err3(2)+"градусов"; mess3="Деталь с заданными параметрами"; mess4="МОЖНО обработать с заданной точностью"; mess5="НЕЛЬЗЯ обработать с заданной точностью";

mess6="так как погрешность направления по ТТ чертежа "+er_check1+"мм"; if (er_check2>er_check1)

msgbox([mess1 mess2 mess3 mess5 mess6],"Результат вычислений модели нечеткой логики ","warn");

else

msgbox([mess1 mess2 mess3 mess4],"Результат вычислений модели нечеткой логики ","help");

end

function [matr_A1] = DH_matrix(Theta,Alpha,var_A,var_D) %UNTITLED Summary of this function goes here % Detailed explanation goes here

angle_Theta = Theta * pi/180;

angle_Alpha = Alpha * pi / 180;

matr_A1(1, 1) = cos(angle_Theta);

matr_A1(1, 2) = -sin(angle_Theta) * cos(angle_Alpha);

matr_A1(1, 3) = sin(angle_Theta) * sin(angle_Alpha);

тай_А1(1, 4) = уаг_Л * со8(а^1е_ТЬе1а);

таИ_А1(2, 1 та^_А1(2, 2 таИ_А1(2, 3 та^_А1(2, 4 та^_А1(3, 1 таИ_А1(3, 2 та^_А1(3, 3 таИ_А1(3, 4 та^_А1(4, 1 та^_А1(4, 2 таИ_А1(4, 3 та^_А1(4, 4

= 8т(а^1е_ТЬе1а);

= cos(ang1e_Theta) * со8(а^1е_А1рЪа); = -cos(ang1e_Theta) * sin(ang1e_A1pha); = уаг_А * sin(ang1e_Theta); = 0;

= sin(ang1e_A1pha); = cos(ang1e_A1pha); = уаг_Б; = 0; = 0; = 0; = 1;

end

[System]

Name='powerskiуing_error'

Type='mamdani'

Yersion=2.0

NumInputs=3

NumOutputs=2

NumRu1es=125

AndMethod='min'

OrMethod='max'

ImpMethod='min'

AggMethod='max'

[1приП]

Каше='уее1ог_г' Яапяе=[0 30] КишМБ8=5

МР1='г_1о':'1гаршГ,[0 0 2.5 7.5] МР2='г_аугя_1о':'ШтШ.5 8.75 15] МР3='г_аугя':'1г1шР,[10 15 20] МР4='г_аугя_Ы':'ШтР,[15 20 25] МР5='г_Ы':'1гаршР,[20 25 30 30] уее1;ог_г=10 [1при12]

Naшe='Theta_ange1' Яапяе=[-90 90] NumMFs=5

MF1='Theta_1o':'trapшf, [-90 -90 -60 -30] MF2='Theta_avrg_1o':'trimf,[-60 -30 0] MF3=Theta_avrg':'trimf,[-30 0 30] MF4='Theta_aуrg_hi':'triшf,[0 30 60] MF5=Theta_hi':'trapmf, [30 60 90 90] Theta_ange1=10 [Input3]

Naшe='Fi_ange1' Range=[-90 90] NumMFs=5

MF1='Fi_1o': 'trapmf, [-90 -90 -60 -30] MF2='Fi_aуrg_1o':'trimf,[-60 -30 0] MF3='Fi_avrg':'trimf,[-30 0 30] MF4='Fi_aуrg_hi':'trimf,[0 30 60] MF5='Fi_hi':'trapmf,[30 60 90 90]

Fi_angel=20 [Output1]

Name='ROLIK_error' Range=[0 0.65] NumMFs=3

MF1='Error_Rolik_HI_DOWN':'trapmf',[0 0 0.36 0.41] MF2='Error_Rolik_NORM':'trapmf',[0.36 0.41 0.56 0.61] MF3='Error_Rolik_HI_UP': 'trapmf',[0.56 0.61 10 10]

[Output2]

Name='FH_alpha_error' Range=[-15 15] NumMFs=3

MF1='fH_alpha_HI_DOWN':'trapmf',[-20 -20 -12 -10] MF2='fH_alpha_NORM':'trapmf',[-12 -10 10 12] MF3='fH_alpha_HI_UP': 'trapmf', [10 12 20 20]

[Rules]

1 3 1, 2 2 (1) : 1

2 3 1, 2 2 (1) : 1

5 4 5, 1 1 (1) : 1

3 5 5, 1 1 (1) : 1

4 5 5, 1 1 (1) : 1

5 5 5, 1 1 (1) : 1

Приложение III (обязательное)

Свидетельство о государственной регистрации программы

Приложение IV (обязательное) Акт апробации на предприятии

УТВЕРЖДАЮ

Главный технолог 1JAO «КАМАЗ»-

Л

£ Директор ТЦ (jsi

р|Л. Назаров

Щу » fÖ9 2022г.

^siL^ и

1 Акт апробации результат»

Об апробации результатов диссертационной работы 1 ильмана Виталия Николаевича «Совершенствование технологической подготовки процесса зуботочения на основе системного подхода к формированию погрешностей и имитационного моделирования»

Комиссия в сосгаве: Главный технолог МАО «КАМАЗ» - директор Технологического центра ФЛ. Назаров. Директор департамента Главный конструктор Технологического центра по проектированию новых производств А.И. Фасхутдинов, Заместитель главного технолога ПАО «КАМАЗ» гю научной работе и инновационным материалам - руководитель службы М.В. Пашков,

составила настоящий акт о том, что рассмотренные на заседании руководителей и специалистов Технологического центра I [АО «КАМАЗ» полученные В.II. Гильманом в рамках диссертационного исследования па тему «Совершенствование технологической подготовки процесса

зуботочения на основе системного подхода к формированию погрешностей и имитационного моделирования», имеют практическое значение для предприятия.

Выли отмечены важные результаты исследования:

1. Разработана математическая имитационная модель погрешностей станочной системы для отработки деталей сложной формы на примере зуботочения, основанная на матричном методе представления.

2. Разработан системный подход к формированию и моделированию погрешностей станочной системы, основанный на дифференциации погрешностей станочной системы с точки зрения иерархических уровней тех пологи чес кот процесса.

3. Разработана структурная модель системы поддержки принятия решений при моделировании обработки деталей сложной формы па примере зуботочения, с учетом погрешности станочной системы на этапе технологической подготовки производства.

4. Разработана методика расчета общей погрешности станочной системы, основанная на методе матричного преобразования Денавита-Хартенберга.

5. Разработан программный комплекс для расчета погрешности станочной системы.

Комиссия пришла к заключению о том. что разработанная Гильманом ВН. система работоспособна и позволяет усовершенствовать технологический процесс обработки деталей сложной формы на примере зуботочения ввиду возможности опенки состояния станочной системы и определения влияния возникающих погрешностей на готовое изделие на этапе технологической подготовки производства.

Результаты диссертационной работы В.Н. Гильмана на тему «Совершенствование технологической подготовки процесса зуботочения на основе системного подхода к формированию погрешностей и имитационного моделирования» рекомендуются для внедрения на производство.

Директор департамента Л

НИМ и МТ-Главный у и

конструктор 11АО «КАМАЗ» л / А.И. Фасхутдинов

/у

Заместитель главного технолога у^ 1

ИАО «КАМАЗ» по НРиИМ

руководитель службы

(обязательное)

Акт использования

"¡ш dfcuep -заЦда двигателей -/^$£¿¿¿■/¡7B.C. Денисов

■}» УЖ 2021 г.

догаерждаю»

Акт испытания Xs

от « 07 » сентября 2021 г.

обкаточного резца 18-2532-4002

Обкаточный резец разработан в рамкзх темы НИОКиТР «Изучение методов повышения износостойкости режущего инструмента для обработки зубьев зубчатых колес методом зуботочення (Power Skiving)» выполняемой совместно с Набережночел ни неким институтом ФГАОУ ВО К(П)ФУ по договору X» 6527/17/50-19-К от 10.06.2019 г. Инструмент изготовлен на ремонтно-инструментальном заводе НЛО КАМАЗ, материал - сталь Р6М5К5, число зубьев - 33 зуба, угол наклона режущей кромки - 25 град.

Испытания инструмента проведены 06.09.2021 и 07.09.2021 при обработке деталей 6520-2405050 «Шестерня ведомая колесной передачи». Обработка выполнена за 12 проходов с принятыми в серийном производстве режимами резания.

Стойкость режущего инструмента составила 6« деталей, что превышает максимальную стойкость серийных инструментов 57-2536-5007 на заготовках данной партии (50 деталей).

Величина износа по задней поверхности (после 68 дет.) составила 0,85 мм. Показатели точности обработанных деталей находятся в пределах поля допуска на протяжении всего периода стойкости. Погрешности шага зубьев и радиального биения составили не более 40% поля допуска, что значительно лучше, чем на деталях обработанных серийным инструментом.

Заключение: Инструмент работоспособен и обеспечивает изготовление годной продукции при стойкости сопоставимой с импортными аналогами

Приложение:

- протоколы измерений на КИМ Kligelrtbcrg Р65 8 экз. по 2 стр. Состав комиссии:

I (ачальник технологического бюро шестерен завода двигателей

Рук. группы по нанесению износостойких покрытий ИО-1 ПАО «КАМАЗ» РИЗ вед. инж.-констр. ДП1И 1иМТ Доцент каф. МТК НЧИ КФУ

Приложение VI (обязательное) Акт использования

УТВЕРЖДАЮ

Директор^Набережночелиииского и не илнал а) КФУ

X____М.М. Ганнев

6_ 2022 г.

« 5 / ^

Акт об использовании результатов диссертационной работы

Гильмана Виталия Николаевича «Совершенствование технологической подготовки процесса зуботочения на основе системного подхода к формированию погрешностей и имитационного моделирования» в учебном процессе

Мы, нижеподписавшиеся, первый заместитель директора - заведующий кафедрой автоматизации и управления (АиУ), профессор д.т.н, Симонова Л.А., доцент кафедры АиУ Балабанов И.П. и доцент кафедры АиУ Абрамова В.В, составили настоящий акт в том, что результаты диссертационной работы Гильмана В.Н. внедрены в учебный процесс института, а именно:

- анализ станочной системы с точки зрения иерархических уровней технологического процесса, разработанный в рамках диссертационной работы, используется на практических занятиях по курсу «Автоматизация технологических процессов и производств», который читает доцент кафедры АиУ Балабанов И.П.;

методика расчета погрешностей и построения математической модели станочной системы доцентом кафедры АиУ Абрамовой В.В. при проведении лабораторных работ по дисциплине «Искусственный интеллект в управлении технологическими объектами».

Акт выдан для представления в диссертационный совет.

11ервый заместитель директора заведующий кафедрой АиУ

Доцент кафедры АиУ

Доцент кафедры АиУ

Симонова Л.А. Балабанов И.П. Абрамова В.В.