Содержание к диссертации
Введение
Глава 1. Организации технологического процесса поддержки жизненного цикла многооперационных станков как наукоемких изделий и повышения точности обработки 11
1.1. Проблемы обеспечения качества механической обработки 11
1.2. Методики анализа погрешностей 20
1.2.1. Учет суммарной погрешности 21
1.2.2. Учет погрешностей, связанных с тепловыми деформациями 23
1.2.3. Точность станков при обработке отверстий 25
1.3. Документирование жизненного цикла изделия 29
1.3.1. Жизненный цикл изделия 31
1.3.2. Цифровой макет 35
1.3.3. Системы создания ИЭТР 38
1.3.4. Подготовка систем электронного технического документирования многооперационных станков 40
1.4. Методы ИАД как инструмент повышения точности обработки 40
1.4.1. Нейросетевое управление 41
1.4.2. Управление на основе экспертных систем 44
1.5. Цель и задачи работы 48
Глава 2. Принципы построения интеллектуальной электронной документации технологического мехатронного объекта 54
2.1. Подход к управлению точностью обработки 54
2.2. Система документального сопровождения технологического оборудования 59
2.3. Системная архитектура интеллектуальной электронной технической документации мехатронного технологического объекта 61
2.4. Кодирование модулей данных электронной эксплуатационной документации 65
2.4.1. Понятие модуля данных 65
2.4.2. Актуальность разработки модулей данных 67
2.4.3. Моделирование хранилища и баз данных в IDEF стандартах 72
Выводы 74
Глава 3. Интеллектуальная система управления мехатронным технологическим объектом 76
3.1. Индивидуальная система знаний мехатронного технологического объекта 76
3.2. Проектирование системы знаний для ИЭТД 82
3.3. Моделирование интеллектуальной системы управления мехатронным объектом 84
3.4. Пример применения интеллектуального управления 89
3.5. Оболочка системы ИЭТД 96
Выводы 101
Глава 4. Исследование эффективности интеллектуального управления на примере учета наследственности припуска 103
4.1. Постановка целей и задач экспериментального исследования 103
4.2. Описание экспериментального стенда 104
4.3. Описание работы системы знаний для анализа ВАЭ 106
4.4. Режущий инструмент и материал заготовки 113
4.5. Результаты эксперимента 122
Выводы 126
Заключение 128
Список использованных источников 132
Приложение А 139
Приложение Б 145
Приложение В 146
- Учет погрешностей, связанных с тепловыми деформациями
- Система документального сопровождения технологического оборудования
- Проектирование системы знаний для ИЭТД
- Описание работы системы знаний для анализа ВАЭ
Учет погрешностей, связанных с тепловыми деформациями
При использовании данной процедуры на практике возникает ряд серьёзных затруднений. Так, точная математическая модель реального объекта (системы СПИД или её отдельных частей) часто оказывается неизвестной или слишком сложной. Изменения окружающей среды приводят к воздействию на технологическую систему ряда факторов, в качестве которых выступают температура окружающей среды, колебания фундамента и др. Процесс резания и другие процессы в системе вызывают такие факторы как нагрев системы СПИД, силы трения, силы резания и их моменты, вибрации и др. Действия перечисленных факторов вызывают упругие перемещения, температурные деформации, износ звеньев системы СПИД, что оказывает непосредственное влияние на выходные показатели Y процесса обработки. Качество системы СПИД также зависит от её конструкции, размеров, материалов деталей и др. Всё это вносит дополнительный источник неопределённости характеристик ТО.
Сложность решения задачи управления ТО обусловлена и тем, что сами требования к системе (качеству механической обработки) могут быть заданы лишь приближённо. Более того, они часто оказываются взаимно противоречивыми. Это относится к таким технологическим задачам, как достижение требуемой геометрической точности и обеспечение заданной производительности, которые на определённом уровне становятся взаимоисключающими. Для любого ТО существует некоторый предел, после которого повышение точности приводит к существенному снижению производительности и наоборот.
Таким образом, между действующими факторами, режимами работы, качеством системы СПИД имеют место сложные взаимосвязи. Поэтому найти решение задачи синтеза в классе простых (стандартных) алгоритмов управления (например, с использованием ПИ- и ПИД-регуляторов) возможно только в тех случаях, когда объект описывается достаточно упрощённой и понятной моделью, т. е. справедлива схема: “простой регулятор” “простой объект”.
Адаптивные регуляторы, параметры которых автоматически перестраиваются при изменении параметров процесса механической обработки, также имеют весьма ограниченную область применения, так как трудно подобрать простой и надёжный алгоритм адаптации, работоспособный в случае широкого диапазона изменения параметров системы СПИД. Например, при обработке концевой фрезой наблюдаются значительные изменения припуска заготовки в момент смены направления фрезерования, что приводит к изменению упругих перемещений, температурных деформаций, уровню вибраций и др. Любое ТО как объект управления относится к категории сложных динамических объектов, т. е. он является многомерным (имеет много входов и выходов), описывается дифференциальными уравнениями высокого порядка, имеет существенно нелинейные характеристики и т. п. Более того, система СПИД обладает свойством поведения, поскольку выполняются следующие условия [6]: – возможные воздействия системы на обрабатываемый объект и окружающую среду достаточно разнообразны; – последовательность целенаправленных действий совершается на основе некоторой системы правил, связывающей эти действия с данными о прошлом, настоящем и будущем (прогнозируемом) состоянии объекта обработки и внешней среды; – также возможны реакции, которые представляются не обусловленными или даже противоречащими начальной системе правил, иными словами, реакции иногда бывают непредсказуемыми или предсказуемыми лишь частично. Поэтому выбор алгоритма адаптации резко усложняется, поскольку возникает проблема сходимости (устойчивости) процессов адаптации в системе. В этом случае трудно подобрать оптимальные значения параметров устройства адаптации. Вот почему методики анализа и синтеза адаптивных САУ ТО связаны порой с чрезмерным упрощением задачи, что приводит к неудовлетворению требований, связанных с ростом качества механической обработки (Y) по всем её показателям в современном производстве.
Анализ работ, в которых исследуются вопросы достижения необходимой точности обработки деталей резанием и факторы, влияющие на нее, показывает, что авторы в своих работах используют ту или иную физическую или математическую модель металлорежущих станков. Примерами могут служить математическая модель образования погрешности, исследованная в работах профессоров А.П. Соколовского и В.С. Корсакова, эквивалентная схема системы СПИД [7], физическая модель процесса резания, термодинамическая модель процессов, происходящих в зоне резания [8]. Д.Н. Решетовым, В.П. Щербаковым, М.М. Аршанским, Пушем В.Э., Пушем А.В. и В.Т. Портманом предложены расчеты точности станков и их отдельных узлов [9], но эти зависимости не позволяют оценить точность обработанной на станке детали. Исследованию возмущений в процессах резания посвящены работы В.Н. Подураева, А.П. Соколовского, А.А. Рыжкина, Д. Кумабэ и др. Динамике станочных систем посвящен ряд работ В.А. Кудинова. Вопросы вибродиагностики станочного оборудования охватывают работы В.Л. Заковоротного, Ф.Я. Балицкого, М.А. Иванова, А.Г. Соколова и В.С. Хомякова.
Традиционные методики анализа погрешностей, используемые при планировании технологических процессов, главным образом основываются на принципе суммирования погрешностей, в котором задание производственных допусков основывается на практических методах. Для достижения требуемого качества продукции оператор станка должны удостовериться, что после конкретной обработки на металлорежущем станке достигнуто соответствие производственным допускам. Этот метод работает, когда оператор вовлечен в процесс обработки на металлорежущем станке в большей степени.
Система документального сопровождения технологического оборудования
Применение систем документирования жизненного цикла изделия и электронного технического документирования является важным шагом на этапе создания единой системы учета данных мехатронного технологического объекта, анализа точностных характеристик и прогнозирования погрешностей обработки на металлорежущих станках. Для обеспечения возможности проведения аналитики и прогнозирования необходимо структурировать большие объемы данных в соответствии с международными стандартами таким образом, чтобы обработка и доступ к этим данным отвечали требованиям высокой скорости и достоверности.
Проблема повышения эффективности металлобработки традиционно решалась за счет создания систем автоматизированного управления металлорежщими станками [29]. Системы автоматизированного управления получили название адаптивных систем управления, так как они позволяют непрерывно корректировать режимы резания, положение инструмента, жесткость системы в зависимости от изменений условий обработки, что дает возможность повысить качество изготовления деталей и производительность обработки. Измеряя силу тока в якоре электродвигателей постоянного тока, часто применяемых в приводах станков, можно легко следить за мощностью или крутящим моментом на валу электродвигателя и, следовательно, за изменением технологических параметров процесса металлообработки. Метод контроля инструмента по мощности чрезвычайно прост, не требует вмешательства в конструкцию станка, но эффективен при достаточно больших силах резания и небольшой мощности холостого хода станка [30]. При резании с малыми силами появляются значительные погрешности, связанные с потерями на трение в кинематических передачах станка. Так как ток холостого хода электродвигателя шпинделя намного больше приращения тока при резании, то в целях повышения чувствительности и точности работы адаптивных систем управления, управление ведется по величине приращения тока над уровнем холостого хода.
Вопросы повышения точности на основе применения интеллектуального анализа данных, в т.ч. на основе нейросетевого управления и экспертных систем, рассматриваются в работах Н.В. Козака, Н.А. Никишечкиной, А.Б. Филимонова, Г.В. Самодурова, а также зарубежных экспертов E.Bagci, A. Mahfouz, M. Zheng, Y. Peng и др.
Построение точных моделей – серьезная проблема, которая остается сегодня нерешенной. Для построения точных математических моделей необходимо проделать не одну серию экспериментов, что требует времени, материалов и влечет экономические потери. Точные математические модели, как правило, настолько сложны, что быстрый поиск оптимальных режимов резания требует существенных аппаратных затрат, приводит к резкому удорожанию адаптивных систем и нецелесообразности их использования. К тому же найденная модель будет иметь постоянно нарастающую погрешность вследствие изменения режимов работы и свойств самого оборудования. Появляется необходимость перестраивать модель из-за непрерывно изменяющихся параметров процесса резания и определять модели в каждом конкретном случае. Используемые в настоящее время адаптивные системы имеют жесткую структуру и неизменный алгоритм функционирования и, как следствие, низкое качество адаптации к изменению технологических параметров.
Таким образом становится очевидно, что система обладала бы большими способностями к адаптации, если при изменении параметров процесса резания происходила бы и перестройка самой системы. Современный подход к адаптивному управлению требует от системы способности автоматически изменять структуру или алгоритм функционирования. Для решения таких задач предлагают [31] использовать подходы на основе применения нейронных сетей. Способность нейронных сетей к обучению на основе соотношения «вход-выход» позволяет обеспечить более простые решения для сложных задач управления и избавляет от необходимости использовать сложный математический аппарат в отличии от традиционных методов адаптивного управления. Сигмоидные функции активации дают возможность реализовывать нелинейные отображения и делают сети пригодными для решения задач управления существенными нелинейностями. Сигеру Омату предлагает двухсетевые структуры [32] с нейроконтроллером (НК) и нейроэмулятором (НЭ) (рис. 1.5). Такие системы управления осуществляют стабилизацию приращения тока двигателя главного движения с помощью коррекции скорости подачи в процессе обработки.
Проектирование системы знаний для ИЭТД
Принципы построения индивидуальной системы знаний (СЗ) станка как технологического мехатронного объекта на положения, описанные во второй главе диссертации. Для обеспечения информационной и интеллектуальной поддержки управления технологическим процессом обработки и сопровождения в жизненном цикле металлорежущие станки должны быть наделены системой знаний о своих особенностях, в том числе, индивидуальных характеристиках, отличающих конкретный станок от себе подобных. Имеется в виду, что каждый станок имеет отличительные особенности не только среди станков других типоразмеров, но и среди станков того же типоразмера по действительной геометрической точности, жесткости, динамическим характеристикам и пр.
Подход предусматривает создание для каждой единицы мехатронного технологического оборудования системы интеллектуального электронного технического документирования (ИЭТД). Это дает возможность использования СЗ, формализуемой в разработанной документации, и возможность интеграции электронного паспорта в информационную инфраструктуру станка и технологической системы предприятия. Таким путем создается информационное и интеллектуальное обеспечение для управления процессом обработки на станке, для накопления и обмена информацией на всех стадиях жизненного цикла, включая обслуживание, ремонт.
Стохастичность протекания самого технологического процесса обработки, изменения погрешности исходных и текущих положений рабочих органов и инструмента, состояния заготовки и режущей части инструмента, отсутствие возможности получения достаточно точной информации о положении вершины инструмента относительно заготовки и пр. вносят неопределенность, существенно затрудняя моделирование с помощью известных математических выражений. Велико число переменных и параметров, измерение отдельных переменных и определение их влияния на погрешности обработки поверхностей аналитическими методами сильно затруднено или недостижимо.
Как было сказано, базовая техническая информация содержит регистрационные документы, совокупность руководств по станку, протоколы приемо-сдаточных испытаний и освидетельствования на заводе, эксплуатирующем станки. В результате этих испытаний ряд индивидуальных параметров ТСС, необходимых для автоматического управления точностью обработки, становятся априорно известными. Они составляют наследуемую часть информационного обеспечения. К ним относятся данные об отклонениях от плоскостности столов, непараллельность перемещения суппортов относительно оси шпинделя, отклонениях от взаимной перпендикулярности направлений перемещений рабочих органов и пр. Регламентированная часть наследуемой информации загружается в БД второй части ИЭТД.
Множество факторов, или наблюдаемых входных воздействий X (t), влияющих на общую погрешность Y (t), в зависимости от возможности получения знаний о них может быть представлено в виде совокупности (3.1) из «наследуемого» множества Н и «оперативного» множества О:
Под наследуемым множеством X h подразумевается совокупность m факторов, знания о которых получают при приемо-сдаточных или тестовых измерениях, а совокупность nфакторов, измеряемых непосредственно в процессе обработки, отнесена к оперативному множествуX o. Одна из причин такого деления факторов заключается в ограниченной возможности получения оперативной информации от средств контроля непосредственно в процессе обработки детали. К оперативным факторам относятся, например, ошибки перемещений, погрешность наименьших номинальных перемещений рабочего органа при последовательных дискретных перемещениях, погрешности привода, изменяемые при рабочем ходе во время обработки и др.
В собственную СЗ станка кроме БЗ по факторам погрешностей входят совокупности правил принятия решений по различным ситуациям в обработке, видам обработки и требуемым параметрам точности готовой детали. Оценка ситуации и принятие решений выполняется многоуровневой ИСУ [55]. Программа синтеза решений по количеству и параметрам проходов определяется исходя из наследуемых и оперативных данных и знаний. В функции этой системы управления входят прогнозирование точности обработки, принятие решений и программы действий, сопоставление прогнозов с результатами обработки деталей и накопление знаний. Предлагаемый подход предусматривает, что оценки ситуаций и принятие решений в ИСУ станком производится на базе формируемых обобщенных знаний. Решения, соответствующие требованиям точности обработки, принимаются ИСУ станка при использовании обобщенных знаний, синтезируемых в БЗ на основе наследуемой информации из имеющейся совокупности X h и оперативной информации из совокупности X o. Для синтеза обобщенных знаний используются возможности технологии Data Mining как интеллектуальной системы поддержки принятия решений, осуществляющей поиск функциональных и логических закономерностей в накопленных данных, построение моделей и ассоциативных правил выводов. Найденные правила описывают зависимости между входными и выходными факторами (результирующими погрешностями обработки) и могут быть использованы для предсказания появления погрешностей, превышающих допустимые отклонения. На рис. 3.1 представлены переменных-признаков и дерево решений для определения возможности обработки с допустимым отклонением размера (T) или с меньшим на квалитет отклонением (LT).
Инструментарий Data Mining представляет возможности для формирования нового обобщенного подхода GKMTS к построению ИСУ технологическим объектом – интерпретации практически полезных и доступных данных в производственных условиях о состоянии элементов станочной системы и формировании целостной СЗ, необходимых для управления процессами.
Описание работы системы знаний для анализа ВАЭ
Целью проведения экспериментальной работы является тестирование разработанного модуля анализа виброакустической эмиссии (ВАЭ) в составе системы ИЭТД и проведение экспериментальное подтверждения его эффективности для наглядной иллюстрации потенциала методов ИАД в вопросах повышения точности обработки на многооперационных станках.
Решение поставленной задачи позволит сформулировать закономерности между реальными условиями обработки заготовки и критериями формирования программы управления, и обеспечит возможность оптимизации программы ЧПУ и повышения производительности станка В работе предполагается использовать анализ ВАЭ для определения потенциальных угроз качеству обработки. Выбор такого метода анализа основан на опыте зарубежных специалистов в области применения ИАД при обработке на металлорежущих станках [63, 64].
Повышение производительности в рамках данного экспериментального исследования обусловлено увеличением подачи и частоты вращения шпинделя в тех случаях, когда это не представляет угрозу для качества обработки, и наоборот, снижением подачи и частоты вращения в ситуациях, когда требуется обеспечение повышенной точности. В рамках экспериментальной работы необходимо показать эффективность и практичность применения методов мониторинга процесса резания с учетом звукового давления при различных значениях частоты вращения шпинделя и подачи, а также подтвердить повышение точности обработки детали при работе СЗ по корректировке программы обработки на УЧПУ. Для выявления вышеописанных закономерностей была выбрана прикладная задача по определению возможности устранения наследственности припуска при обработке заготовки. Требуется получить статистику отклонения полученной поверхности от заданной и, на основе рекомендаций СЗ, сформировать корректирующие коэффициенты к программе обработки. В рамках исследования, предполагается использовать анализ виброакустической эмиссии (ВАЭ) для определения потенциальных угроз качеству обработки. Требуется провести исследование корреляции условий резания, деформации инструмента, сил резания и звукового сигнала, генерируемого во время процесса резания, а также доказать эффективность работы созданной системы знаний (СЗ). Испытания проводились в лаборатории Южного центра модернизации машиностроения Донского Государственного Технического Университета.
Система управления движением Okuma (MCS) состоит из модуля инвертора и модуля источника питания постоянного тока.
MIV – это модуль инвертора, который приводит двигатели шпинделя и двигатели привода подачи в действие. На рисунке 4.2 показано соединение модуля инвертора с другими частями системы. Для обеспечения питания модуля к нему подключен источник питания постоянного тока, обеспечивающий напряжение 300 В и 24 В (питание управления). MIV сообщается с другими частями системы через серво связь, обратную связь от датчика положения и конвертерную связь.MIV имеет специальную встроенную плату для управления двигателем шпинделя и двигателем и привода подачи.
Измерительная электронная система Navi Machining представляет собой опциональный измерительный модуль акустического типа, оснащенный THINC-OSP контроллером и виброакустическими датчиками. Датчик измерительной системы закрепляется при помощи магнитного держателя и касается станка непосредственно микрофоном, что позволяет снимать виброакустические колебания в процессе обработки на станке. В рамках данной работы предполагается, опираясь на данные ВАЭ, полученные от системы Navi M-g, вводить мануальную коррекцию подачи и частоты вращения шпинделя, основываясь на рекомендациях СЗ. Программное обеспечение системы знаний разработано на платформе MatLab, его схема приведена на рисунке 4.3. Рисунок 4.3 - Схема системы коррекции режимов резания в системе Matlab/Simulink Структурная схема разработанного программного обеспечения состоит из: Блока получения данных из аудиоустройства; Ресемплера; Анализатора спектра; Регулятора, основанного на базе нечетких знаний. Основная идея работы данной системы заключается в том, что анализируя данные полученные от микрофона возможно создать управляющее воздействие позволяющее динамически корректировать режимы резания для достижения баланса между качеством и скоростью обработки. Из всего спектра получаемого с микрофона сигнала выделяются гармоники несущие наибольшую информацию о процессе резания. Для этого сигнал, получаемый с микрофона, раскладывают в ряд Фурье, как показано на рисунке.
Далее, полученный сигнал нормализуется амплитудным коэффициентом, чтобы значение амплитуды наиболее мощной гармоники попадало в диапазон от 0 до 1, для обеспечения робастности системы по параметру расположения микрофона относительно источника звука.
Далее из всего спектра полученных частот выбираются наиболее информативные гармоники, совместно с важнейшими параметрами процесса обработки, подаются на вход нечеткого регулятора, структурная схема которого показана на рисунке 4.5.
Ниже приведен перечень входных переменных нечеткого регулятора подачи и частоты вращения шпинделя, определяющих специфику складывающейся ситуации при обработке сложнопрофильных деталей (на основе анализа виброаккустической эмиссии). Значения текущей частоты вращения шпинделя и текущей подачи выбирались из соображений конкретной обработки, они относятся только к данному эксперименту и не являются универсальными. Значения гармоник нормализованы от 0 до 1 для обеспечения возможности изменения расстояния микрофона до источника шума.
Renishaw рекомендует применять OMP60 с приёмниками OMI-2, OMI-2T и OMM-2 в режиме модулируемого сигнала (рис. 4.9), хотя OMP60 также совместим с существующими приёмниками OMI и OMM / MI 12, которые работают по устаревшим протоколам. Это означает, что пользователи MP7, MP8, MP9 и MP10 могут применять OMP60, используя преимущества новейших технологий. В данном эксперименте OMP60 использовался на основе MP10.
Условия процесса обработки выбирались таким образом, чтобы наследственность припуска проявлялась наиболее характерно даже в условиях обработки на высокоточном оборудовании. Аналогичные примеры можно наблюдать в работе [67]. Таким образом, диаметр фрез подбирался относительно малым (6, 8 и 10 мм соответственно) при относительно высоком вылете фрезы (70 мм), что обеспечивает наглядное отклонение фрезы в процессе обработки и, следовательно, влечет за собой более характерное отклонение получаемых результатов от заданных. В рамках экспериментального исследования, заготовка подбиралась таким образом, чтобы глубина фрезерования в максимальной точке составляла 4 мм, обеспечивая тем самым диапазон для потенциального сохранения наследственности припуска при обработке. Ниже приведены результаты расчета режимов резания (таблица 4.4).
