Приведены результаты разработки динамического паспорта технологического оборудования. Произведены эксперименты при точении твердосплавным инструментом на различных режимах резания. Построена нейронно-сетевая модель процесса резания. Определены параметры системы резания, наиболее влияющие на процесс механообработки. Исследованы частоты колебаний основных элементов металлорежущего станка. Получена нейросетевая модель, которая отражает специфику динамики конкретного оборудования, что позволяет добиться высокой производительности обработки сигнала. Для обучения нейронной сети был разработан параллельный алгоритм обучения на GPU с использованием технологии nVidiaCUDA. Нейронная сеть обучается на отдельном ядре центрального процессора с использованием технологии nVidiaCUDA. Получена адекватная, рабочая нейронная сеть с высоким быстродействием. Определена область динамической устойчивости процесса резания. Результаты работы могут быть использованы для назначения оптимальных режимов эксплуатации и наладки технологического оборудования.
Results of production equipment are listed. Made experiments in turning carbide tools at different cutting conditions. Cutting process neural-network model is developed. Cutting system parameters of the most influencing metal processing system are defined. Oscillation frequencies of a main machine-tool are investigated. A neuro-network model is obtained, that reflects specific equipment dynamics and ensured high signal processing efficiency. For training the neural network has been developed parallel learning algorithm on the GPU using the technology nVidiaCUDA. Neuron network learn on a separate central process core with dynamic use of nVidiaCUDA technology. Get adequate, operating a neural network with high speed. Cutting process dynamic stability area is defined. Work results can be used to optimize operation modes and process equipment adjustment.
1. Диагностика динамической устойчивости и износа инструмента в технологических системах на основе искусственного интеллекта с использованием вычислений nVidia CUDA при удаленном доступе: учебное пособие / Ю.Г. Кабалдин и др.; Нижегород. гос. тех.ун-т им. Р.А. Алексеева. – Н. Новгород, 2014. – 112 с.
2. Кабалдин Ю.Г. Управление динамическими процессами в технологических системах механообработки на основе искусственного интеллекта / Ю.Г. Кабалдин, С.В. Биленко, С.В. Серый. – Комсомольск-на-Амуре: ГОУ ВПО «Комсомольский-на-Амуре гос. техн. ун-т», 2003. – 201 с.
3. Кабалдин Ю.Г., Лаптев И.Л., Шатагин Д.А., Серый С.В. Диагностика выходных параметров процесса резания в режиме реального времени на основе фрактального анализа и вейвлет-анализа с использованием программно-аппаратных средств National Instruments и Nvidia CUDA // Вестник машиностроения. – 2014. – № 8. – С. 36–42.
4. Кудинов В.А. Динамика станков. – М.: Машиностроение, 1967. – 359 с.
5. Режимы резания металлов: справочник / под ред. Ю.В. Барановского. – М.: НИИТавтопром, 1995. – 456 с.