ЭКСПЕРИМЕНТАЛЬНАЯ АПРОБАЦИЯ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ДЛЯ УПРАВЛЕНИЯ ТОЧНОСТЬЮ МЕХАНИЧЕСКОЙ ОБРАБОТКИ

Обеспечение точности механической обработки – актуальная задача технологии машиностроения, решение которой позволяет гарантировать точность работы механизмов и машин, их износостойкость, надежность и долговечность. Для выполнения данной задачи предложен способ, позволяющий создать наибольший запас точности обработки на основе многофакторной оптимизации параметров технологического процесса с использованием методов искусственного интеллекта. С целью обеспечения точности обработки концевыми инструментами разработана интеллектуальная система, базирующаяся на технологиях функциональных семантических сетей. Для выявления корректности функционирования интеллектуальной системы SEMANTIC проведена экспериментальная проверка ее работоспособности. В статье описана методика экспериментальных исследований, целью которых являлось сравнение фактических погрешностей обработки отверстий с погрешностями обработки, прогнозируемыми системой SEMANTIC на основе использования функциональных семантических сетей. В ходе исследований устанавливались зависимости смещений осей обрабатываемых отверстий от подачи и частоты вращения инструмента при сверлении отверстий сверлом из быстрорежущей стали. Приведены результаты анализа предельных и вероятных значений составляющих суммарной погрешности обработки. Показано, что при оценке точности обработки следует учитывать вероятностный характер проявления составляющих суммарной погрешности, задающих ее верхнюю границу, как это и реализовано в описанной интеллектуальной системе. С помощью семантической сети сопоставлены погрешности расположения осей отверстий, обрабатываемых при допустимых подачах и частотах вращения сверла, и соответствующие им экспериментальные значения. На основе экспериментальных исследований подтверждена возможность использования подхода прогнозирования суммарной погрешности обработки, базирующегося на применении технологии функциональных семантических сетей. 

1. Пашкевич, В. М. Управление точностью обработки деталей машин на основе использования семантических сетей / В. М. Пашкевич, М. Н. Миронова // Вестник Гомельского государственного технического университета имени П. О. Сухого. 2012. № 1. С. 14–21.

2. Поспелов, Г. С. Искусственный интеллект – основа новой информационной технологии / Г. С. Поспелов. М.: Наука, 1988. 280 с.

3. Гаврилова, Т. А. Базы знаний интеллектуальных си- стем / Т. А. Гаврилова, В. Ф. Хорошевский. СПб.: Питер, 2000. 384 с.

4. Рассел, С. Искусственный интеллект: современный подход: пер. с англ. / С. Рассел, П. Норвиг. 3-е изд. М.: Вильямс, 2010. 1408 с.

5. Искусственный интеллект: справ.: в 3 кн. / под ред. Д. А. Поспелова. М.: Радио и связь, 1990. Кн. 2: Модели и методы. 304 с.

6. Пашкевич, В. М. Самообучающиеся системы искусственного интеллекта в машиностроении / В. М. Пашкевич, Ж. А. Мрочек. Могилев: МГТУ, 2003. 423 с.

7. Братко, И. Программирование на языке Пролог для искусственного интеллекта / И. Братко. М.: Мир, 1990. 559 с.

8. Пашкевич, В. М. Многофакторная оптимизация параметров обработки на основе использования семантических сетей / В. М. Пашкевич, М. Н. Миронова // Вестник Белорусско-Российского университета. 2011. № 4. С. 51–61.

9. Миронова, М. Н. Интеллектуальная система для расчета станочных приспособлений / М. Н. Миронова // Вестник Полоцкого государственного университета. Сер. В: Промышленность. 2010. № 2. С. 26–33.

10. Пашкевич, В. М. Методология комплексного решения технологических задач на основе использования функциональных семантических сетей / В. М. Пашкевич, М. Н. Миронова // Вестник Белорусско-Российского университета. 2013. № 2. С. 95–105.