Содержание к диссертации
Введение
1 Роль моделирования в технологических процессах восстановления и упрочнения деталей сельскохозяйственной техники из алюминиевых сплавов 9
1.1. Способы восстановления и упрочнения деталей сельскохозяйственной техники из алюминиевых сплавов . 9
1.2 Необходимость моделирования современных технологических процессов восстановления и упрочнения деталей 16
1.3 Моделирование современных технологических процессов 18
1.3.1. Определение и классификация моделей применительно к моделированию технологических процессов 18
1.3.2 Моделирование и проведение компьютерного эксперимента 21
1.3.3 Сбор и обработка экспериментальных данных для осуществления процесса моделирования 24
1.3.4 Способы построения математических моделей технологических процессов 27
1.4 Различных методов моделирования к процессу восстановления и упрочнения деталей сельскохозяйственной техники из алюминиевых сплавов 37
1.5 Выводы и постановка задачи исследований 39
2 Разработка эмпирических моделей, соответствующих технологическим процессам восстановления и упрочнения поверхностей деталей из алюминиевых сплавов 41
2.1 Общие подходы к построению эмпирических моделей, соответствующих технологическим процессам восстановления и упрочнения поверхностей деталей из алюминиевых сплавов 41
2.2 Построение полиномиальных моделей 43
2.3 Построение нейросетевых моделей 51
2.4 Выводы 56
3 Реализация моделирования технологических процессов восстановления и упрочнения деталей сельскохозяйственной техники на примере упрчнения методом МДО 57
3.1 Подготовка данных для построения модели процесса МДО 57
3.2 Построение полиномиальной модели процесса МДО 60
3.2.1 Построение парных регрессий по данным экспериментальных исследований процесса МДО 60
3.2.2 Построение полиномов, соответствующих множествен-ной зависимости моделируемых показателей качества от технологических параметров МДО 74
3.3 Построение нейросетевой модели процесса МДО 92
3.4 Сравнение различных моделей и способов их построения на примере процесса упрочнения алюминиевых деталей сельскохозяйственной техники методом МДО 99
3.5 Проведение проверочных экспериментов 105
3.6 Формирование пакета программ для осуществления компьютерного эксперимента 111
3.7 Выводы 120
Практические рекомендации по использованию компьютерного моделирования в технологии восстановления и упрочнения деталей из алюминиевых сплавов, их технико-экономическое обоснование 123
1 Применение компьютерной модели для управления процессом восстановления и упрочнения деталей 123
2 Технико-экономическое обоснование 126
3 Выводы 137
Общие выводы 138
Литература 140
Приложения 151
- Сбор и обработка экспериментальных данных для осуществления процесса моделирования
- Общие подходы к построению эмпирических моделей, соответствующих технологическим процессам восстановления и упрочнения поверхностей деталей из алюминиевых сплавов
- Построение парных регрессий по данным экспериментальных исследований процесса МДО
- Сравнение различных моделей и способов их построения на примере процесса упрочнения алюминиевых деталей сельскохозяйственной техники методом МДО
Введение к работе
Отличительной особенностью современных ремонтных предприятий, осуществляющих восстановление изношенных деталей с/х техники, является принципиальное изменение роли задач, связанных с моделированием используемых технологий и последугощим применением разработанных моделей для автоматизации технологических процессов.
Решение такого рода задач позволит повысить уровень качества выпускаемой продукции, снизить брак; снизить затраты материально-сырьевых, энергетических, трудовых и временных ресурсов; повысить экологичность процесса; формировать обоснованные управленческие решения.
Все это в целом обеспечит повышение эффективности системы управления ремонтным производством и его технологичность.
Если моделирование используется в исследовательских целях, то при отсутствии временных ограничений наиболее эффективным является применение теоретического подхода. Однако в реальных производственных условиях, когда время ограничено и возникает множество случайных факторов, влияющих на процесс, теоретические методы моделирования или не удовлетворяют предъявляемым требованиям точности, или предполагают неоправданно большие затраты времени и вычислительных ресурсов. Кроме того, темпы внедрения новых технологических процессов значительно превышают время создания соответствующих теоретических моделей.
При разработке новых и модернизации существующих технологических процессов и оборудования приоритет теоретических моделей (физико-математических, физико-химических, химико-математических и т.п.) неоспорим, тогда как в реальном технологическом комплексе уже закупленное производственное оборудование и внедренные в производственный процесс технологии восстановления и упрочнения изношенных деталей сельскохозяйственной техники нуждаются не в совершенствовании, а в исследовании их возможностей, отработке режимов и эффективном управлении.
Наиболее приемлемый способ решения данных проблем - это применение компьютерно-адаптированного эмпирического подхода, основными достоинствами которого являются быстрота и универсальность. В условиях современного ремонтного производства необходим широкий набор методов, алгоритмов и программ моделирования, основанных как на развитии существующих методов, так и на разработке новых подходов, например, на базе перспективных интеллектуальных технологий.
Задача эффективного моделирования сложных технологических процессов восстановления и упрочнения деталей сельскохозяйственной техники из алюминиевых сплавов и целенаправленного применения полученных моделей для решения актуальных проблем ремонтного производства с целью конечного повышения качества и сокращения затрат материально-сырьевых, энергетических и временных ресурсов, а также снижения влияния на процесс «человеческого фактора», является перспективной и мало исследованной на данный момент проблемой.
Целью диссертационной работы является построение и исследование моделей технологии восстановления и упрочнения изношенных деталей с/к техники и разработка на их основе программных средств для эффективного управления технологическими процессами в ремонтном производстве.
В соответствии с поставленной целью, решались следующие задачи:
Исследование различных методов моделирования и возможности их применения для построения моделей технологических процессов восстановления и упрочнения изношенных деталей с/х техники;
Построение математических моделей и исследование их свойств (степени адекватности);
Проведение натурных экспериментов с целью сравнения их с результатами моделирования;
Разработка на основе построенных моделей алгоритмов, методики и программных средств для определения показателей качества поверхности
восстановленной детали и отработки технологических параметров процесса: 5. Разработка практических рекомендаций по внедрению в ремонтное производство компьютеризированного технологического процесса.
Научная новизна диссертационной работы заключается в следующем:
исследованы методы моделирования и разработаны эмпирические модели технологических процессов восстановления и упрочнения деталей сельскохозяйственной техники из алюминиевых сплавов с помощью искусственной нейронной сети;
предложена методика и программные средства для проведения компьютерных экспериментов, позволяющие
а. прогнозировать эксплутационные характеристики деталей, восстанов
ленных способом МДО;
б. определять технологические параметры процесса восстановления из
ношенных деталей по требуемым значениям показателей качества.
- разработаны рекомендации по внедрению компьютеризированного техно
логического процесса восстановления изношенных деталей в ремонтное
производство.
Ппактичвская значимость. Определены методы и средства компьютерного моделирования технологических процессов восстановления и упроч-нєеіия изношешпгЕх деталей с/х техники. Разработанные методика и про-граммшле средства для определения эксплутационных характеристик деталей, отработки и анализа технологических параметров, рекомендации для внедрения компьютеризированного технологического процесса в ремонтное производство, могут быть использованы на ремонтных предприятиях для повышения эффективности и поддержания стабильности технологических процессов в производственных условиях.
Апробация работы. Основные результаты диссертационной работы были изложены в докладах и сообщениях на внутривузовских научных конференциях профессорско-преподавательского состава (2000-2003гт.), на научно-методических семинарах кафедр ОрелГАУ, ОрелГТУ, РГАЗУ. Также
8 результаты работы были доложены и обсуждались на следующих конференциях:
Международной научно-практической конф. "Инженерно-техническое обеспечение АПК и машинно-технологические станции в условиях реформирования". - Орел: Изд-во ОрелГАУ, 2000.
Первой международной научно-практической Интернет-конф. "Энерго-и ресурсосбережение - XXI век". - Орел: ОрелГТУ, 2002.
Международной научно-практической конф. "Современные проблемы технического сервиса в агропромышленном комплексе". — Москва МГАУ 2002.
Публикации. По теме диссертации соискателем опубликовано 9 научных работ из них получено 2 патента на изобретения.
Структура и объем работы. Диссертация состоит из введения, четырех глав и общих выводов. Работа изложена на 150 стршцщах машинописного текста, содержит 26 таблиц, 65 рисунков, списка использованной литературы из 117 наименований и трех приложений.
Сбор и обработка экспериментальных данных для осуществления процесса моделирования
Реально ситуация, когда заранее можно указать форму регрессионной модели, полностью соответствующей (адекватно) исследуемому процессу, встречается весьма редко. В большинстве случаев адекватную модель приходиться подбирать методом проб и ошибок. При этом, как правило, используется принцип постепенного усложнения модели, т.е. переход от более простых моделей к более сложным.
Практически в настоящее время все чаще применяются полиномиальные регрессионные модели [15, 31, 32, 37, 61, 94].
Полиномиальные модели создают в виде набора аналитических уравнений, описывающих поведение рассматриваемой системы, либо наблюдаемое эмпирически, либо вычисляемое на основе физических моделей. Произведя анализ полученных экспериментальных данных, включающий оценку параметров формируемой модели и проверку гипотез о ее статистических свойствах, получают аналитическое описание (математическую модель) технологического процесса на основе экспериментальных данных.
Процесс восстановления или упрочнения детали можно рассматривать как плохо организованную или диффузную систему, в которой между факторами Xj (/-1,2,...,J) и откликом у имеет место определенный тип зависимости, или множественной регрессии (т.к. J 1). В качестве факторов используются как отдельные режимы (технологические параметры) обработки поверхности детали из алюминиевого сплава х„ так и их линейные и нелинейные комбинации. В качестве отклика рассматривается измеряемый экспериментально показатель, определяющий физико-механические свойства полученного покрытия. Экспериментальные значения комбинаций факторов, необходимые наряду с непосредственно наблюдаемыми факторами xt для разработки модели процесса, рассчитываются просто как произведения или степени соответствующих Xj.
На основе результатов наблюдеїшй у при определенных Xj (с учетом ряда предположешш) можно оценить неизвестные параметры зависимости у от Xj и получить связывающее их аналитическое уравнение, которое должно быть проверено на корректность. Применимость такого подхода для описания технологического процесса определяется выполнением двух условий: - случайные вариации независимых переменных xt должны быть значительно меньше диапазона их целенаправленного изменения и случайных вариаций исследуемого отклика у; - ошибки в измерении Xj должны быть малы по сравнению с шагом их целенаправленного изменения в процессе эксперимента. Отметим, что в последние десятилетия активно развиваются методы, позволяющие находить решение задачи при изменении и ослаблении этих предположений. Для описания процесса восстановления и (или) упрочнения детали возможно использование полиномиальных моделей различного порядка, при получешш которых экспериментальные данные представляют в следующем виде: где Xi„, Х2п, —, XJn - значения J независимых (точнее некоррелированных) факторов Xj\ уп - значения зависимой переменной (отклика); Po.Pj(J = l»2,..J) - неизвестные параметры, отражающие воздействие на отклик процесса неконтролируемых факторов; є„ - отклонение отклика от "ис зо тинного" значения (независимая случайная величина с нулевым математическим ожиданием). Если в выражении (1.1) опустить индекс п, то получается уравнение, связывающее значение отклика с независимыми переменными Po Pj (j = 1Д.-J) и є - неизвестные величины для одного опыта. Чтобы определить неизвестные величины, необходимо иметь соответствующее количество уравнений. Для получения N таких уравнении следует проводить серию опытов при разных значениях XJn. Затем, приравнивая нулю сумму квадратов отклонения отклика от истинного значения по всем опытам можно получить значеїшя коэффициентов b в качестве оценки параметров Д Такая процедура оценки неизвестных параметров модели технологического процесса получила название метода наименьших квадратов (МНК) [35, 37, 67], а выражения для расчета коэффициентов b принято называть нормальными уравнениями. После определения коэффициентов b можно получить математическую модель, которая позволяет рассчитывать значение показателя качества (или отклика) выбранного технологического процесса при любых значениях технологических параметров (или независимых переменных) из диапазона их изменения, исследуемого в проведенных опытах где у - рассчитанное по модели значение отклика технологического процесса; bo, bj - постоянные коэффициенты. Уравнение (1.3) называется уравнением регрессии. Математическая модель для расчета показателя качества восстановленной и (или) упрочненной поверхности детали из алюминиевого сплава, может быть отражена в выражении (1.3), где она записана в общем виде для полинома любой степени. При развернутой записи полиномиальных моделей принято использовать для коэффициентов bj индексацию в зависимости от вида-XJ. Например, при Xj=xi bj=bIr при Xj=xiX2 bj=bi2, при Xj=xi bj=bjj и т.д. Высшая степень независимых переменных (режимов технологического процесса) определяет порядок полинома.
Наиболее часто используют полиномы первого, второго и третьего порядка, называемые линейной, квадратичной и кубической моделями, соответственно. Обычно формируют полиномиальные модели разной степени до достижения удовлетворительной аппроксимации. Пригодность модели для описания истинной зависимости исследуемого показателя качества поверхности от варьируемых режимов технологического процесса упрочнения поверхности восстановленной детали определяют с помощью приемов регрессионного анализа после оценки значений коэффициентов в уравнении (1.3).
Определим условия применимости метода наименьших квадратов для оценки коэффициентов Ь. Наиболее важным условием является отсутствие значительной корреляции между контролируемыми переменными процесса. Поэтому обработка экспериментальных в первую очередь включает анализ корреляционной матрицы [53, 83], элементы которой определяют из уравнения
Общие подходы к построению эмпирических моделей, соответствующих технологическим процессам восстановления и упрочнения поверхностей деталей из алюминиевых сплавов
Рассмотрим процедуру построения эмпирической модели на примере процесса упрочнения методом МДО деталей сельскохозяйственной техники из алюминиевых сплавов, восстановленных наплавкой. Выбор данного технологического процесса обусловлен рядом причин: - методы восстановления изношенных деталей занимают около 85% и лишь 15% деталей упрочняют; - упрочнение деталей сельскохозяйственной техники микродуговым оксидированием является наиболее эффективным, т.к. повышает их износостойкость в 2..6 раз [8, 9, 78, 79]. - практическое применение процесса МДО при упрочнении деталей, восстановленных наплавкой до сих пор опережает исследование их механизмов, разработку моделей и теории.
Для обработки и анализа рассматривались результаты лабораторных экспериментов, лолучеішьіе различными учеными при исследовании указанного технологического процесса с использованием щелочного электролита с добавлением жидкого стекла, то есть электролита типа «КОН — Na2Si03». Учитывались данные опытов для следующих наплавленных сплавов: АМгб; АК5; АК9М2. Как показано в работах ученых, изучающих восстановление и упрочнение деталей сельскохозяйственной техники из алюминиевых сплавов электрохимическими способами, микротвердость (Нт) полученного покрытия является комплексным показателем качества [78, 79]. Другие показатели, характеризующие основные физико-механических свойства покрытия, нанесенного электрохимическими способами, можно определить, зная значение микротвердости. Контролируемым показателем качества также должна быть толщина (h) полученного покрытия. Таким образом, моделируемыми показателями качества (выходными параметрами модели) были выбраны: микротвердость упрочненной поверхности Hm, толщина внешнего упрочненного слоя h] и толщина внутреннего упрочненного слоя h2. В качестве входных параметров модели были выбраны величины задающие режим процесса МДО - параметры. При моделировшши Hm такими параметрами являются: плотность тока Dt, состав электролита, т.е. концентрации содержания в нем жидкого стекла Ска&с» и едкого кали Скон. При моделировании hi и h2: плотность тока; состав электролита и время оксидирования Т.
Другие параметры процесса МДО, такие как объем электролита, межэлектродное расстояние в электролитической ванне, материал и температура электродов и т.д., поддерживались постоянными.
Для моделирования использовались данные натурных экспериментов представленные в виде графиков, каждый из которых показывает зависимость одного из моделируемых показателей качества от определенного из указанных технологических параметров процесса МДО при фиксированных значениях остальных параметров, и соответствующих им таблиц данных (Приложение 1). Фиксированные значения параметров соответствуют рациональным режимам, значение которых были установлены экспериментально [45, 57, 80, 46]:
Была создана база данных (БД) натурных экспериментов в виде таблиц, содержащих значения микротвердости и составляющих толщины упрочненного покрытия при различных значениях выбранных режимов МДО. Произведена классификация данных по различным наплавленным сплавам. Данные оптимизированы в системе ACCESS. Применена система управления базами данных (СУБД), то есть внешняя оболочка для их обработки с использовалием Visial Basic. СУБД регулирует процесс обращения к данным из различных пакетов расчетных программ, применяемых в процессе моделирования, а также позволяет следующее: - добавлять в базу новые и изменять уже имеющиеся в базе значения режимов МДО; - добавить в базу таблицу значений для ранее неиспользовавшихся параметров рассматриваемого технологического процесса упрочнения; - добавить или заменить наплавленный сплав; - ввести данные для других контролируемых показателей качества поверхности обработанной МДО детали.
Обработка и анализ результатов натурных экспериментов, а также расчеты по построению моделей процесса МДО выполнены в системах: MATCHCAD 2000 и Neural Connection 2.0 [63, 107, 27].
На основании выводов, полученных учеными, проводящими экспериментальные исследования по упрочнению деталей с/х техники, восстановленных наплавкой, методом микродугового оксидирования, при построении математической модели на диапазоны варьирования технологическими параметрами были наложены ограничения.
Так при исследовании микротвердости покрытия упрочненного методом МДО было установлено, что повышение плотности тока способствует более интенсивному протеканию МДО за счет ускорения окисления металла. Однако увеличение плотности тока более 30 А/дм2 может привести к переходу процесса в другой режим, что связано с порчей и последующим разрушением покрытия [45, 80]. Слишком маленькая величина плотности тока приводит к заниженным значениям эксплуатационных свойств обработанной детали. При содержании в электролите Na2SiOj более 18 г/л образуется непрочное, рыхлое покрытие, которое легко стирается наждачной бумагой. Эксперименты по исследованию толщины упрочненного слоя показали [45, 57, 80]: при увеличении концеїгграции КОН свыше 5 г/л толщины внутреннего упрочненного и внешнего упрочненного слоев покрытия начинают уменьшать ся. Соответственно снижается и скорость формирования каждого из перечис ленных слоев. При концентрации КОН 10...12 г/л МДО вообще не выходит на режим. При концентрации Na2Si03 свыше 18 г/л внутренний упрочненный слой не образуется. При увеличении плотности тока выше 25 А/дм2 толщина и скорость формирования внутреннего и внешнего упрочненных слоев оста ются практически неизменными. Дальнейшее увеличение плотности тока приводит к снижению прочностных свойств внешнего упрочненного слоя, особенно его поверхностных слоев, наблюдается только увеличение толщины и скорости формирования рыхлого слоя. При плотности тока ЗОА/дм и вре мени оксидирования 1,5 часа происходит разрушение покрытия, обусловлен ное переходом МДО в дуговой режим [57, 78, 79, 80, 46].
Построение парных регрессий по данным экспериментальных исследований процесса МДО
Вторым этапом процесса моделирования являлось построение эмпирической модели, позволяющей определять микротвердостъ и толщину упрочненной поверхности при варьировании одновременно всеми выбранными технологическими параметрами процесса МДО. Пределы варьирования соответствовали (формула 3.2)
На основе данных натурных экспериментов, содержащихся в разработанных базах дшшых последовательно составлялись матрицы факторов для построения полиномов различного порядка, и проводился анализ корреляционных матриц.
Анализ корреляционных матриц показал незначительную корреляцию между технологическими параметрами рассматриваемого процесса, что позволяет сделать вывод о применимости метода наименьших квадратов для формирования модели МДО по имеющимся данным.
На первом этапе мы сделали вывод, что для построения функциональных зависимостей моделируемых показателей качества от каждого из рассматриваемых технологических параметров (парных регрессий), целесообразно использовать полиномы второго порядка. При построении полиномиальной модели, соответствующей функциональной зависимости микротвердости или толщины упрочненного покрытия от всех выбранных технологических параметров, мы также использовали полиномы второй степени. Отсутствие членов высокого порядка и членов взаимодействия в эмпирической модели технологического процесса указывает на то, что параметры МДО могут контролироваться независимо и что отклик процесса может определяться изменением только одного технологического параметра во времени. Однако в реальной операции эффект изменения одного параметра процесса зависит от значения всех других параметров. Это можно учитывать только при наличии в полиноме членов взаимодействия, это еще одна причина, по которой мы начали построение модели с формирования квадратичных полиномов.
В результате расчетов получены следующие квадратичные зависимости микротвердости и толщины упрочненного методом МДО покрытия от входных технологических параметров [38, 39]: Нт(Скон, Сма25Юз, Dt); hi(Dt, Т), П](Скон, CWSKW); h2(Dt, T), ПгССкон, Скагэюз) Вид уравнений соответствует формуле (2.2). Коэффициенты модели показаны в таблице 1 (Приложение Б).
Оценка статистической значимости параметров регрессий проводилась с помощью t - статистики Стьюдента и путем расчета доверительного интервала для каждого из показателей уравнений Нт(Скон, CNa2si03, Dt), hi(Dt, Т), h2(Dt, Т) и hi(CK0H, CNa2si03), л2(СКон, CNa2Si03) для всех рассматриваемых сплавов.
Выдвигалась гипотеза Н0 о статистически незначимом отличии показателей регрессии от нуля. При рассмотрении уравнения для микротвердости Нт(Скон, CNa2Si03, Dt) табличное значение t - статистики tra&, для числа степеней свободы d/ = n-k-l-4 при заданном уровне значимости а = 0,05 составляет 2,7765; при рассмотрении толщины hi(Dt, Т) и h2(Dt, Т) табличное значение t - статистики для числа степеней свободы d/ = n-k-l = 5 при заданном уровне значимости а = 0,05 составляет 2,5706; при рассмотрении толщины Ь](СКон, СКа2$юз) и 1і2(СКон, CNa2Si03) табличное значение t - статистики для числа степеней свободы d/ = n-k- 1 = 14 при заданном уровне значимости а = 0,05 составляет 2,1448. Результаты расчета по формулам (26-28) дисперсии коэффициентов регрессии т полученных уравнений, доверительных интервалов для коэффициентов регрессии Abj и эмпирических показателей th , представлены в таблице 1 для микротвердости и в таблицах 2(а б) для составляющих толщины покрытия, упрочненного МДО в Приложении Б. В случае уравнения Нт(Скон, CWSKH, DO фактические значения t - статистики превосходят табличные для всех коэффициентов bj для сплава АК9М2, и для всех коэффициентов bj кроме Ь3з (при Dt2) для сплавов АК5 и АМгб. Таким образом гипотеза Но о статистически незначимом отличии показателей регрессии от нуля отклоняется для всех параметров, кроме Ь3з в случае сплавов АК5 и АМгб.
В случае уравнений hi(Dt, Т) и h2(Dt, Т) фактическое значеіше t - статистики значительно превосходят табличное значение t = 2,5706 для всех коэффициентов bi в случае сплав АК9М2 и АК5 и для всех коэффициентов Ь; для сплава АМгб кроме Ь] и Ьз зависимости h(Dt, Т). С вероятностью 95% можно утверждать, что параметры bj рассматриваемых уравнений регрессии, находясь в рассчитанных границах, не принимают нулевых значений, т.е. являются статически значимыми.
Результаты анализа регрессии, приведенные в таблице 3.5, показывают хорошую аппроксимацию истинной зависимости моделируемых эксплуатационных характеристик от технологических параметров процесса МДО. Построенная регрессия описывает 97,3 - 99,5% разброса значений показателей качества поверхности, упрочненной методом МДО относительно среднего.
Для оценки адекватности модели был проведен анализ остатков регрессии. Результаты дисперсионного анализа приведены в таблицах 3.5 — 3.10.
Для всех рассматриваемых сплавов значение F-критерия показывают, что построенная регрессия высоко значима Мы использовали уровень риска а, равный 0,05. Дтя процесса МДО F(Hm), F(hi), F(h2) превышают табличные значения F(Hm)0,o5,3;io= 3,7 и F (hi, 112)0,05,2,8 - 4,46, т.е. получены статистически значимые уравнения регрессии и построенная математическая модель является адекватной.
Сравнение различных моделей и способов их построения на примере процесса упрочнения алюминиевых деталей сельскохозяйственной техники методом МДО
Таким образом, модель процесса МДО реализуется в виде обученной нейронной сети, т.е. в виде численного алгоритма. Для прогнозирования эксплуатационных характеристик -упрочненной -поверхности детали достаточно использовать только прямой проход по предварительно настроенной сети.
Для расчета параметров МДО по заданным моделируемым показателям аналогично. Более подробное описание работы программы описано в справочной системе программы.
На примере процесса упрочнения методом МДО деталей сельскохозяйственной техники, изготовленных из алюминиевых сплавов, восстановленных наплавкой, детально рассмотрена процедура последовательного построения полиномиальных моделей. Показано, что линейную модель для описания истинных зависимостей эксплутационных характеристик поверхности детали от одного из выбранных технологических параметров процесса при фиксированных значениях остальных параметров использовать не рекомендуется, а квадратичные полиномы обеспечивают достаточную адекватность модели. Разработана полиномиальная модель, позволяющая отработать режимы процесса МДО по заданным значениям эксплутационных характеристик упрочненной детали. Построена адекватная полиномиальная модель МДО в виде множественной квадратичной зависимости эксплутационных характеристик упрочненной детали от всех выбранных технологических параметров процесса. Разработана нейросетевая модель процесса МДО деталей сельскохозяйственной техники с помощью многослойного персептрона с алгоритмом обратного распространения. Проведена проверка на адекватность. Проведена серия натурных экспериментов для проверки качества построенных моделей, В проведенных исследованиях расхождение прогнозируемых по моделям значений с результатами эксперимента не превышало 5%, Поведено сравнение нейросетевых моделей с полиномиальными при одинаковых экспериментальных данных. Показано, что для каждого из трех откликов процесса МДО — микротвердости покрытия Нт, толщины внутреннего hi и толщины Ьг внешнего упрочненного слоев — нейронные сети проявляют более высокую точность. Однако программно реализуемая нейронная сеть _имеет существенный недостаток в Биде длительного времени, необходимого на обучение. В перспективе это решается дальнейшим усовершенствованием алгоритмов обучения. На основе проведенных исследований проведен анализ областей эффективного использования различных типов эмпирических моделей; а) полиномиальную модель можно успешно применять для моделиро вания процессов с небольшим количеством входных переменных, когда не требуется высокая степень адекватности модели и решающим фактором явля ется длительность процесса ее построения; б) нейросетевой подход целесообразно использовать для моделирова ния сложных систем с большим количеством параметров, преимущественно для прогнозирования и в системах автоматизированного управления. - Выбор конкретного варианта алгоритма осуществляется в соответствии с предъявляемыми требованиями к задаче исследования. На основе построенных эмпирических моделей разработан пакет программ, позволяющий проводить компьютерный эксперимент, имитирующий процесс МДО: - определять значение эксплутационных характеристик по заданным режимам МДО и составу электролита; - определять значения режимов МДО и концентрации составляющих частей электролита по заданным значениям микротвердости и толщины упрочненного слоя поверхности детали. Программа, разработанная для проведения компьютерного эксперимента по упрочнению восстановленных деталей сельскохозяйственной техники, может быть рекомендована для использования в ремонтном производстве. Технолог, осуществляющий процесс восстановления и упрочнения детали, предает информацию оператору ЭВМ необходимые сведения для проведения компьютерного эксперимента. Это могут быть значения режимов технологического процесса и состава электролита, тогда оператор может спрогнозировать значения эксплутационных характеристик покрытия на детали, которое будет получено при данных условиях. Если технолог, проанализировав характер износа детали и условия ее зксплуатащіи, сообщает оператору требуемые значения показателей качества упрочненного покрытия, то оператор определяет необходимые значения технологических параметров МДО. На рисунке 4.1 представлена модифицированная схема технологического процесса восстановления и упрочнения деталей (на примере МДО) с применением имитационного моделирования. Детали, прошедшие очистку в процессе дефектации проходят отбор на годные, т.е. подлежащие восстановлению и упрочнению, и негодные, которые далее идут на утилизацию (блоки схемы 1, 2, 3, 4). Годные детали в соответствии с величиной износа проходят процесс восстановления и поступают на подготовку к процессу МДО.
