сотрудник с 01.01.2014 по настоящее время
г. Заречный, Пензенская область, Россия
УДК 621 Общее машиностроение. Ядерная техника. Электротехника. Технология машиностроения в целом
В работе приводится формализация и построение модели процесса электроэрозионной обработки. При описании процесса использована Т-образная схема замещения, содержащая RLC – контур. Определена передаточная функция предложенной схемы замещения. Также сформулирована задача и предложен алгоритм нейросетевой параметрической идентификации T-образной схемы замещения. Поставлена задача и разработан алгоритм нейросетевой параметрическая идентификация схемы замещения с проведением вычислительного эксперимента, формированием на его основе обучающих выборок, и последующим обучением динамической и статической нейронных сетей, используемых в задаче идентификации. Моделирование процесса осуществлялось в Simulink, пакет Matlab. Анализ сопоставления расчётных данных с экспериментальными показало, что построенная модель электроэрозионной обработки в достаточно полном объеме отражает реальные электромагнитные процессы, происходящие в межэлектродном промежутке.
Электроэрозионная обработка, моделирование, межэлектродный промежуток, съем материала, производительность, межэлектродный зазор
1. Иоффе, В.Ф. Автоматизированные электроэрозионные станки / В.Ф. Иоффе, М.В. Коренблюм, В.А. Шавырин. - Л. : Машиностроение, 1984. - 227 с.
2. Елисеев, Ю.С. Электроэрозионная обработка изделий авиационно-космической техники / Ю.С. Елисеев, Б. П. Саушкин. - М. : Изд-во МГТУ им. Н. Э. Баумана, 2010. - 437 с.
3. Авдеева, О.В. Моделирование системы автоматического регулирования межэлектродного зазора при электроэрозионном профилировании алмазных кругов / О.В. Авдеева, А.Д. Семенов, А.С. Никиткин // Проблемы автоматизации и управления в технических системах: тр. междунар. науч.-техн. конф. - Пенза : Изд-во ПГУ, 2009. - С. 290-294.
4. Сарилов, М.Ю. Исследование процессов электроэрозионной обработки / М.Ю. Сарилов, В.В. Мыльников // Журнал технической физики. - 2019. - Т. 89, № 6. - С. 887-892. - DOI:https://doi.org/10.21883/JTF.2019.06.47636.66-18.
5. A hybrid process model for EDM based on finite-element method and Gaussian process regression / Ming, W., Zhang, G., Li, H. [et al.] // International Journal of Advanced Manufacturing Technology. - 2014. - № 74. - P. 1197-1211. - DOI:https://doi.org/10.1007/s00170-014-5989-y.
6. Sahu, S.N. Multi-objective optimization of EDM process with performance appraisal of GA based algorithms in neural network environment / S.N. Sahu, S. Murmu, N. Nayak // Materials Today: Proceedings. - 2019. - № 18(4). - P. 3982-3997. - DOI:https://doi.org/10.1016/j.matpr.2019.07.340.
7. Yadav, R. Multi-objective optimization of process parameters in Electro-Discharge Diamond Face Grinding based on ANN-NSGA-II hybrid technique / R. Yadav, V. Yadava, G. Singh // Frontiers of Mechanical Engineering. - 2013. - № 8(3). - DOI:https://doi.org/10.1007/s11465-013-0269-3.
8. Sidhu, H.S. Analysis and multi-objective optimisation of surface modification phenomenon by EDM process with copper-tungsten semi-sintered P/M composite electrodes / H.S. Sidhu, S.S. Banwait // American Journal of Mechanical Engineering. - 2014. - № 2(5) - P. 130-142. - DOI:https://doi.org/10.12691/ajme-2-5-2.
9. Авдеева, О.В. Моделирование систем управления. Лабораторный практикум / О.В. Авдеева, А.Д. Семенов, Д.В. Артамонов. - Пенза: изд-во ПГУ, 2019 -80 с.
10. Тарасик, В.П. Математическое моделирование технических систем / В.П. Тарасик. - М.: Инфра-М, 2017. - 160 c.
11. Феофанов, А.Н. Разработка, моделирование и оптимизация работы мехатронных систем / А.Н. Феофанов. - М. : Академия, 2018. - 320 c.
12. Цибизова, Т.Ю. Методы идентификации нелинейных систем управления / Т.Ю. Цибизова // Современные проблемы науки и образования. - 2015. - № 2 (ч. 14). - С. 3070-3074.
13. Пупков, К.А. Функциональные ряды в теории нелинейных систем / К.А. Пупков, А.С. Капалин, А.С. Ющенко. - М.: Наука, 1976. - 448 с.
14. Хайкин, С. Нейронные сети / С. Хайкин. - М.: Изд-во «Вильямс», 2018. - 1104 с.
15. Осовский, С. Нейронные сети для обработки информации / С. Осовский. - М.: Финансы и статистика, 2002. - 344 с.
16. Анисимов, А.А. Идентификация электромеханических систем с использованием искусственной нейронной сети / А.А. Анисимов, М.Н. Горячев // Вестник Ивановского государственного энергетического университета. - 2008. - № 3. - С. 55-58.
17. Федоров М.М. Использование нейросетевых методов для решения задач идентификации объектов [Электронный ресурс] / М.М. Федоров // Современные научные исследования и инновации. - 2013. - № 9. - Режим доступа: http://web.snauka.ru/issues/2013/09/26285 (дата обращения: 23.10.2020).
18. Шумихин, А.Г. Применение нейросетевых динамических моделей в задаче параметрической идентификации технологического объекта в составе системы управления / А.Г. Шумихин, А.С. Бояршинова // Вестник Пермского национального исследовательского политехнического университета. Химическая технология и биотехнология. - 2015. - № 3. - С. 21-38.
19. Шумихин, А.Г. Параметрическая идентификация технологического объекта в режиме его эксплуатации с применением технологии нейронных сетей / А.Г. Шумихин, А.С. Александрова, А.И. Мустафин // Вестник Пермского национального исследовательского политехнического университета. Электротехника, информационные технологии, системы управления. - 2018. - № 26. - С. 29-41.
20. Recent advances in physical reservoir computing: a review / G. Tanaka, T. Yamane, J.B. Héroux [et al.] // Neural Networks. - 2019. - V. 115. - P. 100-123. - DOI:https://doi.org/10.1016/j.neunet.2019.03.005.
