Оренбургский государственный университет

Исследование и создание моделей и алгоритмов компенсации тепловой погрешности станков с программным управлением на основе математического аппарата нейронных сетей

Проект № 20-38-90045 «Аспиранты»

Руководитель — Поляков А.Н.

В рамках реализации проекта обоснована актуальность изучения тепловых процессов и их влияния на точность современных станков. Систематизированы сведения о методах снижения тепловых деформаций для повышения точности обработки деталей. Исследованы современные методы моделирования тепловых процессов на основе математического аппарата искусственных нейронных сетей, а также перспективные технологии цифрового моделирования и проектирования прецизионных станков. Построены математические модели, позволяющие с высокой точностью прогнозировать тепловые погрешности и значения температуры ключевых источников тепла. При этом для прогнозирования применялся нейросетевой подход.

Новый подход на основе методов искусственного интеллекта и машинного обучения позволяет предсказывать тепловое поведение станка с течением времени и предупреждать о возможных отклонениях точности в процессе обработки детали. Синтезировано алгоритмическое решение, реализующее метод скользящего окна и позволяющее повысить точность прогноза за счет применения алгоритма к различным архитектурам нейронных сетей прямого распространения без обратных связей. Установлено, что применение методов сглаживания данных, полученных от измерительных устройств, позволяет повысить качество экспериментальной информации, а также получить линейные тепловые характеристики, упрощающие дальнейший процесс моделирования. Для сглаживания данных применялись методы аппроксимации на основе полиномиальной регрессии и теории серых систем.

Предложенный подход позволяет получить важные преимущества характерные для конкретной архитектуры нейронной сети, а также учесть тенденцию изменения теплового процесса при различных рабочих условиях станка. Разработана методика для исследования устойчивости моделирования тепловых характеристик станка искусственной нейронной сетью. Новая методика позволила сформировать обобщенную концепцию изучения эффективности применения нейросетевых технологий в тепловом моделировании современных станков.

Результаты показывают, что в зависимости от архитектуры нейронной сети подход позволяет прогнозировать тепловые погрешности с точностью от 94 до 97 %, что подтверждает эффективность применения предложенного подхода. Точность прогноза отражает максимальную приближённость прогнозных значений к фактическим данным и является положительным показателем, то есть чем выше данный показатель, тем эффективней модель прогнозирования. Представлена структурная схема киберфизического станка, в которой облачные вычисления применяются в качестве базовой платформы. Реализация киберфизических систем в рамках данного контекста означает внедрение передовых цифровых технологий, современных средств организации подключения измерительных устройств и выделения вычислительных ресурсов для обеспечения эффективности моделирования, сбора данных от физических устройств и управления станком в режиме реального времени.