Dobór wejść i wyjść sieci neuronowych modelujących procesy skrawania

• Autorzy: Viharos Z. J. , Monostori L. , Markos S.

Warianty tytułu

EN

Selection of input and output variables for ANN based modeling of cutting processes

• Języki publikacji: PL

Abstrakty

PL

Modelowanie operacji wytwarzania jest ważnym instrumentem dla planowania produkcji, optymalizacji i sterowania. Sieci neuronowe dają sobie radą z silną nieliniowością, dużą liczbą parametrów i brakującymi informacjami. Sieci neuronowe potrafią przystosować się do zmian w środowisku produkcyjnym, dzięki właściwym im zdolnościom uczenia się, więc można je stosować także wtedy, gdy brak jest dokładnej wiedzy o relacjach między różnymi parametrami wytwarzania. Typową dziedziną zastosowania modelowania opartego na sieciach neuronowych jest skrawanie. Relacje między zjawiskami fizycznymi, składającymi się na operację skrawania, są bardzo złożone. W zastosowaniu takich modeli można wyróżnić kilka zadań. Po pierwsze, na etapie planowania definiuje się wstępnie chropowatość powierzchni, a model wybiera parametry skrawania i przewiduje siły skrawania, a po drugie, w czasie nadzorowanej produkcji znane są parametry skrawania i, na przykład, mierzona jest siła skrawania oraz szacowana jest uzyskiwana chropowatość powierzchni. W powyższych zadaniach zbiory parametrów operacji są te same, ale modele sieciowe tych operacji mają różne parametry na wejściach jak i na wyjściach. W artykule przedstawiono metodę konstruowania ogólnego modelu operacji o żądanej dokładności. Metoda obejmuje wyznaczenie liczby zmiennych wyjściowych oraz ustalenie w przypadku każdego parametru, czy ma być on wielkością wejściową czy wyjściową.

EN

Modeling of manufacturing operations is an important tool for production planning, optimization and control. Artificial neural networks (ANNs) can handle strong non-linearity, large number of parameters, missing information. Based on their inherent learning capabilities ANNs can adapt themselves to changes of the production environment and can be used also in the case if there is no exact knowledge about the relationships between various parameters of manufacturing. Typical field of ANN based operation modeling is cutting. The relationships of the physical phenomena incorporated into the cutting operation are very complex. In the application of these models several tasks can be determined: e.g. - in the planning phase the surface roughness is predefined and the model is expected to select the cutting parameters and to predict the cutting force, while - during supervised production the cutting parameters are known and e.g. the cutting force is measured and the produced surface roughness is to be estimated. In the above assignments, the operation parameters are the same but the operation model has other variables on the input and on the output sides. In this paper a method is presented to build a general operation model with the requested accuracy. This method incorporates: - determination of the number of output variables - determination for every parameter to be input or output.

Słowa kluczowe

PL

sieci neuronowe; uczenie maszynowe; poszukiwanie heurystyczne; CAD/CAM

EN

neural networks; machine learning; heuristic search; CAD/CAM

• Wydawca: Wydawnictwo Wrocławskiej Rady FSNT NOT
• Czasopismo: Inżynieria Maszyn
• Rocznik: 1998
• Tom: R. 3, z. 4
• Strony: 97--110
• Opis fizyczny: Bibliogr. 18 poz.

Twórcy

autor

Viharos Z. J.

autor

Monostori L.

autor

Markos S.

• Computer and Automation Research Institute, Hungarian Academy of Sciences, Budapeszt, Węgry