WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

На правах рукописи

БОБЫРЬ МАКСИМ ВЛАДИМИРОВИЧ

МЕТОДЫ, МОДЕЛИ И АЛГОРИТМЫ СОЗДАНИЯ АВТОМАТИЗИРОВАННЫХ СИСТЕМ КОНТРОЛЯ И УПРАВЛЕНИЯ ДЛЯ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ МЕХАНИЧЕСКОЙ ОБРАБОТКИ ИЗДЕЛИЙ

05.13.06 – Автоматизация и управление технологическими процессами и производствами (промышленность)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени доктора технических наук

Курск – 2012

Работа выполнена в Юго-Западном государственном университете на кафедре вычислительной техники

Научный консультант: доктор технических наук, профессор, заслуженный деятель науки Российской Федерации Титов Виталий Семнович

Официальные оппоненты: Сизов Александр Семнович доктор технических наук, профессор, заслуженный деятель науки Российской Федерации, Научно-исследовательский центр (г.Курск) ФГУП «18 ЦНИИ» МО РФ, главный научный сотрудник Проталинский Олег Мирославович доктор технических наук, профессор, Астраханский государственный технический университет, проректор по информатизации Ершов Евгений Валентинович доктор технических наук, профессор Череповецкий государственный университет, заведующий кафедрой математического и программного обеспечения ЭВМ

Ведущая организация: Московский государственный технологический университет «СТАНКИН»

Защита диссертации состоится «27» декабря 2012г. в 1500 часов на заседании диссертационного совета Д 212.105.03 при Юго-Западном государственном университете по адресу: 305040, г. Курск, ул. 50 лет Октября, 94 (конференц-зал).

С диссертацией можно ознакомиться в библиотеке Юго-Западного государственного университета.

Автореферат разослан « » октября 2012 г.

Ученый секретарь диссертационного совета Д 212.105.03 Старков Фдор Александрович

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность исследования. В условиях вступления России в ВТО и сокращения экспорта отечественного станкостроительного оборудования, а также повышения конкуренции в области машиностроения вопросы, связанные с внедрением перспективных технологий и разработкой новейших средств автоматизации прецизионного оборудования, позволяющих вывести его на мировой уровень, становятся весьма актуальными в масштабах экономики всей страны. Снижение конкурентоспособности машиностроительного оборудования объясняется непрерывно увеличивающимся применением импортных комплектующих при сборке российских станков. Поэтому перевод машиностроительного комплекса на инновационный путь развития позволит не только увеличить темпы развития других отраслей промышленности, но и создать основу для значительного повышения эффективности экономики страны в целом.

При этом следует отметить, что изделия, производимые машиностроительным комплексом, являются основой авиационной, приборостроительной, электронной, автомобильной, судостроительной и других отраслей промышленности.

Основным показателем качества продукции машиностроительного предприятия является точность изготовления деталей при снижении себестоимости их производства. Так на сегодняшний день прецизионное оборудование с ЧПУ обеспечивает точность в диапазоне 15 мкм. Однако современный уровень машиностроения и все возрастающий рост конкуренции требуют доведения этого показателя до 0,11 мкм. Достижение таких характеристик металлообрабатывающего оборудования невозможно без совершенствования несущей конструкции как самого металлорежущего оборудования, так и систем управления процессом механической обработки изделий.

Благодаря фундаментальным работам большого круга ученых достигнуты значительные успехи в изучении технологических процессов (ТП) механической обработки изделий (МОИ). Основные закономерности обеспечения точности изложены в трудах Ю.М. Соломенцева, Б.С. Балакшина, В.А. Тимирязева, А.С. Проникова, В.Н. Подураева, В.Э. Пуша и ряда других ученых. В данных работах были сформированы теоретические и реализационные основы построения автоматизированных станочных модулей, обеспечивающих необходимое качество формообразования поверхностей деталей и заданную надежность работы станков.

Современный уровень требований, предъявляемых к качеству выпускаемых изделий, обусловливает необходимость разработки высокоточного оборудования с ЧПУ нового поколения, сочетающего в своей структуре новейшие методы и средства автоматизированного контроля с применением компьютерных способов обработки измерительной информации о ходе ТП и функционировании станков для управления его исполнительными механизмами. Вопросы построения таких систем управления изложены в работах Б.М.Бржозовского, В.Л.Заковоротного, М.Б. Флека, С.В. Полякова, А.А. Игнатьева и ряда других ученых. Однако, изложения требований к организации и построению автоматизированных систем управления высокоточной обработкой деталей в условиях мелкосерийного производства и неполноты, недостоверности информации о количественных величинах входных и выходных характеристик при действии возмущающих воздействий в режиме реального времени на процесс механической обработки изделий как объекта управления в этих работах не приводится.

В настоящее время для учета неполноты информации при разработке современных систем управления исполнительными механизмами оборудования с ЧПУ все более широкое распространение получают нечетко-логические системы, позволяющие в режиме реального времени контролировать и адекватно реагировать на возмущающие воздействия. Это ведет к увеличению запаса технологической точности и, как следствие, к снижению процента бракованных изделий.

Степень разработанности проблемы. Собственно вопросами проектирования нечетко-логических систем управления применительно к общим вопросам теорий неопределенности, нечеткой логики и множеств занимались и внесли значительных вклад российские и зарубежные ученые: А.Н. Аверкин, Р.А. Алиев, А.Е. Алтунин, Д.А. Поспелов, А.Н. Мелихов, Л.С. Бернштейн, Н.Г. Малышев, С.Д. Штовба, А.В. Леоненков, Л. Заде, А. Кофман, Д. Дюбуа, Х. Прад, Т. Тэрано, К. Асаи и ряд других деятелей науки. Вопросам реализации алгоритмов нечетко-логического вывода посвящены труды E. Мамдани, M.

Мизумото, М. Сугэно, T. Такаги, Й. Тсукамото, Г. Ларсена, а доказательство аппроксимирования нечетко-логических систем рассмотрено в работах Б. Коско.

В указанных работах не рассмотрены вопросы синтеза специализированных систем, позволяющих увеличить оперативность процесса принятия решений за счет редукции числа заключений нечетко-логического вывода. При этом реализация нечетко-логического вывода основана на так называемых «жестких» вычислениях, что неизбежно приводит нечетко-логическую систему к несоответствию критерию аддитивности, то есть отклик результирующей величины не будет пропорционален изменению входных параметров. Гибридные системы, рассмотренные в работах ученых В.В. Круглова, В.В. Борисова, А.В. Кузьмина, А. Пегата, В. Педруца, А.П. Ротштейна, Л. Рутковского, Д. Рутковской и ряда других авторов и основанные на «мягких» вычислениях, лишены этого ограничения. Но они также имеют низкую оперативность принятия управляющего решения, так как количество заключений нечетко-логического вывода в подобных системах всегда равно количеству нечетко-логических правил, записанных в базу знаний при е разработке. В адаптивных нейронечетких системах вывода, рассмотренных в моделях Сугэно-Такаги, эти проблемные вопросы устранены. При этом следует заметить, что данная модель имеет высокую погрешность обучения нейро-нечеткой системы, а отсутствие математического аппарата формирования эталонной выборки, на основе которой осуществляется процесс обучения нейро-нечеткой сети, обусловливает низкую степень внедрения и использования в современных автоматизированных системах управления точностью механической обработки изделий.

Таким образом, в настоящее время имеет место проблемная ситуация между объективной необходимостью повышения качества и оперативности управления параметрами ТП МОИ и возможностями существующих автоматизированных систем контроля и управления.

Эта проблемная ситуация определила постановку актуальной проблемы – повышение точности, оперативности контроля процесса механической обработки изделий и решение этой задачи на основе создания автоматизированной системы с использованием адаптивного нейро-нечеткого управления.

Научный аспект сформулированной проблемы заключается в развитии теоретических основ проектирования адаптивных нейро-нечетких систем управления ТП механической обработки изделий и контроля качества обработки поверхностей деталей.

Практическая часть проблемы включает в себя синтез функциональноструктурной организации и разработку инженерно-технических средств, обеспечивающих повышение точности, оперативности контроля и управления процессом механической обработки изделий, и оптимизации переходных режимов в авиационных автоматизированных системах управления.

Основная часть диссертационной работы выполнялась в рамках трх грантов Президента РФ МК-277.2012.8 по теме «Разработка теоретических основ адаптации сложных технических систем методами нечеткой логики с прогнозированием вероятных состояний», МК-470.2009.8 по теме «Теоретические основы построения автоматизированных систем управления технологическими процессами на основе нечеткой логики» и МК-1180.2005.8 по теме «Исследование принципов функционирования автоматизированных систем контроля и методов их управления на основе нечеткой логики», в рамках Федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы (государственный контракт №14.740.11.1003) по теме «Разработка теоретических основ, принципов и алгоритмов адаптации сложных информационно-технических систем методами нечеткой логики с учетом прогнозирования возможных состояний», а также в рамках Аналитической ведомственной целевой программы «Развитие научного потенциала высшей школы» на 2012-2014 годы (Регистрационный №01201251622) по теме «Разработка теоретических основ и алгоритмов адаптации сложных технических систем с прогнозированием вероятных состояний», по договору №1274 от 17.11.2008 с ОКБ «Авиаавтоматика».

Целью диссертационной работы является разработка теоретических и реализационных основ создания аппаратно-программных средств управления механической обработкой изделий, обеспечивающих повышение точности и оперативности контроля технологического процесса на основе создания автоматизированной системы с использованием адаптивного нейро-нечеткого управления.

В соответствии с поставленной целью в работе решаются следующие основные задачи:

1. Анализ состояния проблемы управления технологическим процессом обработки изделий в современных условиях, обоснование направления исследования.

2. Разработка обобщенной математической модели процессов контроля и адаптивного управления, обеспечивающей требуемую точность МОИ.

3. Разработка метода обработки нечетких данных о ходе ТП, обеспечивающего повышение оперативности процесса управления.

4. Разработка системы методов обработки информации, обеспечивающих получение достоверных данных о ходе ТП изготовления изделий.

5. Разработка нейро-нечеткой математической модели обработки данных ТП, а также процесса нечетко-логического вывода и компенсации возмущающих воздействий в режиме реального времени.

6. Синтез обобщенной функционально-структурной организации автоматизированной системы с адаптивным нейро-нечетким управлением, обеспечивающей повышение точности и оперативности контроля при механической обработки изделий.

7. Создание системы алгоритмов и специализированного программного обеспечения контроля качества и управления МОИ с разработкой вектора целевых критериев, позволяющего оценить качество функционирования автоматизированной системы с нейро-нечетким управлением.

8. Экспериментальные исследования автоматизированной системы с использованием адаптивного нейро-нечеткого управления в реальных условиях эксплуатации.

Объект исследования. Система управления и контроля технологическим процессом механической обработки изделий.

Предмет исследования. Математические модели, методы, алгоритмы и автоматизированные устройства управления точностью механической обработки изделий и контроля качества готовых деталей.

Методы исследования. Для решения поставленных в работе задач использованы теоретические основы управления сложными технологическими системами, нечеткой логики и нечетких множеств, синтеза сложных адаптивных систем, нейро-нечетких сетей, матричной алгебры, методы теории вероятности и корреляционно-регрессионного анализа, вычислительной математики и математической статистики, обработки результатов эксперимента, а также достижения современной технологии машиностроения.

Научная новизна результатов работы и основные положения, выносимые на защиту, заключаются в следующем:

1. Создана обобщенная математическая модель процессов контроля и адаптивного управления, отличающаяся редукцией числа нечетко-логических выводов при формировании управляющих решений с учетом информативных данных о ходе технологического процесса, обеспечивающая сокращение времени принятия решений, включающая частные математические модели:

1.1 Построения функций принадлежности на основе статистической обработки экспертной информации, парных сравнений и параметрических методов их построения.

1.2 Проектирования нечеткой базы знаний, позволяющей в режиме реального времени формировать данные, необходимые для функционирования нечеткологических систем управления.

1.3 Принятия решений при трапециевидных функциях принадлежности, в основу которой положен выбор основных управляющих параметров процесса резания в режиме реального времени.

1.4 Диагностики элементов оборудования с ЧПУ на основе обратного нечетко-логического вывода, позволяющей в режиме реального времени определять неисправности в работе системы управления.

1.5 Устойчивости нечетко-логической системы управления, позволяющей в режиме реального времени произвести е оценку.

2. Разработан метод обработки нечетко-логических данных, заключающийся в реализации этапов:

2.1 Определение и параметризация функций принадлежности с целью обеспечения более равномерной корреляционной зависимости, отображающей взаимосвязь между входными и выходными переменными при реализации нечетко-логического вывода.

2.2 Формирование матрицы нечетких отношений, обеспечивающей сокращение количества заключений нечетко-логического вывода с учетом информативных данных о ходе технологического процесса.

2.3 Устранение пустых решений в заключениях нечетко-логических выводов с целью увеличения оперативности принятия решений за счет редукции переборов предпосылок нечетко-логического вывода.

2.4 Уменьшение размерности данных, вводимых в информационную базу системы автоматизированного управления, путем сокращения избыточности объема обрабатываемой информации, что обеспечивает ускорение процесса обработки данных и принятия решений о назначении режима резания для оборудования с ЧПУ.

3. Разработан метод получения достоверных данных о ходе технологического процесса, особенностью которого является наличие этапов:

3.1 Определение критерия оценки сходимости алгоритмов при парной и множественной корреляциях между величинами, полученными с помощью метода обработки нечетко-логических данных и решения уравнений регрессии.

3.2 Формирование критерия оценки скорости сходимости алгоритмов, позволяющих оценивать в режиме реального времени наличие возмущающих воздействий, действующих на технологическую систему.

3.3 Определение вектора возмущающих воздействий в процессе МОИ, отличающегося учетом статических и динамических погрешностей, возникающих в системе станок-приспособление-инструмент-деталь, что позволяет прогнозировать точность обработки.

4. Создана математическая модель нейро-нечеткой обработки данных хода технологического процесса, основанная на формировании матрицы нечетких отношений и метода случайного поиска, обеспечивающего уменьшение числа итераций в процессе принятия управляющих решений.

5. Синтезирована функционально-структурная организация автоматизированной системы с адаптивным нейро-нечетким управлением механической обработки изделий, особенностью которой является введение следующих функциональных блоков: ввода информации; определения степеней истинности; матрицы нечетких отношений; ввода выходной переменной;

усечения термов выходной переменной; объединения усеченных термов выходной переменой; дефаззификации и связей между ними.

6. Разработана система алгоритмов функционирования автоматизированной системы с адаптивным нейро-нечетким управлением механической обработки изделий, включающая:

6.1 Алгоритм заполнения нечетких баз знаний.

6.2 Алгоритм, реализующий метод обработки нечетко-логических данных.

6.3 Параллельные алгоритмы расчета критерия сходимости при парной и множественной корреляции.

6.4 Алгоритм принятия решений для назначения режима резания.

6.5 Алгоритм обучения нейро-нечеткой математической модели обработки данных хода технологического процесса для принятия решений о назначении режима резания при механической обработке изделий.

7. Предложен вектор целевых критериев, позволяющий в режиме реального времени оценить качество функционирования средств, разработанных на основе обобщенной математической модели процессов контроля и адаптивного управления.

Теоретическая значимость работы заключается в развитии методов и алгоритмов проектирования адаптивных автоматизированных систем контроля и управления технологическим процессом механической обработки изделий на основе нейро-нечетких сетей.

Практическая ценность диссертационной работы состоит в том, что е результаты являются основой разработки широкого класса автоматизированных систем с использованием адаптивного нейро-нечеткого управления для контроля ТП механической обработки изделий, позволяющих:

– обеспечить заданные показатели производительности при требуемой точности;

– повысить оперативность и обоснованность принимаемых техникотехнологических решений;

– расширить условия применения нечетко-логических методов управления и контроля в ходе ТП механической обработки изделий;

– обеспечить количественные оценки параметров качества изготовляемых изделий на машиностроительных предприятиях;

– повысить уровень автоматизации непрерывных ТП;

– создать объективные условия увеличения уровня технологической культуры и качества изделий машиностроительного производства;

– в рамках двойной технологии использовать нечеткую логику при анализе, прогнозировании и синтезе автоматизированных авиационных систем, требующих высокой точности поддержки параметров управления в условиях ограниченного времени принятия решений.

Практическая ценность и новизна подтверждаются также тем, что на основе предложенных технических решений разработан ряд системно обоснованных методов, способов и устройств управления точностью и контроля ТП механической обработки изделий на оборудовании с ЧПУ на основе нечеткологического управления с улучшенными метрологическими характеристиками, защищенных патентами на изобретения (Патенты №№: 2397058, 2386519, 2381888, 2381887, 2379169, 2371295, 2325247, 2309034, 2288809, 2288808, 2280540, 92826, 91918, 91910, 91687, 50136, 27868, 26142, а также Программы для ЭВМ №№ 2010616290, 2007610188).

Реализация результатов работы. Предложенные технические решения и основные научные положения и выводы диссертационной работы прошли проверку в условиях опытно-промышленной эксплуатации в Excel Csepel (Венгрия), Spesima (Болгария-Германия), ОХП ОКБ «Авиаавтоматика», НИЦ «г.

Курск» ФГУП «18 ЦНИИ» МО РФ, ОАО «Геомаш». В результате проверки была подтверждена эффективность использования разработанной автоматизированной системы с использованием адаптивного нейро-нечеткого управления ТП механической обработки изделий, что подтверждено соответствующими актами внедрения.

Научно-методические результаты, полученные в диссертационном исследовании, используются в учебном процессе при выполнении курсового и дипломного проектирования и выпускных квалификационных работах бакалавра и магистра техники и технологий на кафедре вычислительной техники ЮгоЗападного государственного университета и проведении занятий по дисциплинам «Основы теории управления», «Интеллектуальные системы», «Теория принятия решений в условиях неопределенности», «Микропроцессорная техника».

Апробация работы. Основные теоретические положения и практические результаты диссертационной работы докладывались, обсуждались и получили положительную оценку на 31 Международных, Всероссийских и региональных конференциях и симпозиумах: «Автоматизация и энергосбережение машиностроительного и металлургического производств, технология и надежность машин, приборов и оборудования» (Вологда) в 2012 году; «Оптикоэлектронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» (Курск) в 2012, 2010, 2008, 2005, 2003, 2001 годах; «Перспективные технологии, оборудование и аналитические системы для материаловедения и нанометриалов» (Алматы, Казахстан) в 2011 году;

«Перспективы развития систем управления оружием» (Курск) в 2011 г.;

«Интеллектуальные и информационные системы» (Тула) в 2011, 2009, 2004 годах;

«Информационные и телекоммуникационные технологии в интеллектуальных системах» (Швейцария, Лугано) в 2010 году, (Испания, Мальорка) в 2007 году, (Италия, Катания) в 2006 году; «Современные инструментальные системы, информационные технологии и инновации» (Курск) в 2012, 2010, 2008, 2007, 20годах; «Медико-экологические информационные технологии» (Курск) 2010, 2009, 2006, 2001 годах; «Информационно-измерительные, диагностические и управляющие системы» (Курск) в 2009 году; «Молодежь и XXI век» (Курск) в 2008 году; «Промышленные контролеры: от А до Я» (Москва) в 2005 году;

«Вибрационные машины и технологии» (Курск) в 2005 году; «Образование.

Наука. Производство» (Белгород) в 2004 году; «Материалы и упрочняющие технологии» (Курск) в 2003, 2001 годах; а также на научно-технических семинарах Юго-Западного государственного университета (КурскГТУ), прошедших в период 2000-2012 гг.

Соответствие диссертации паспорту научной специальности.

Содержание диссертации соответствует паспорту специальности 05.13.06 – Автоматизация и управление технологическими процессами и производствами, а именно п.3 «Методология, научные основы и формализованные методы построения автоматизированных систем управления технологическими процессами (АСУТП) и производствами (АСУП), а также технической подготовкой производства (АСТПП) и т.д.» в части разработки функциональноструктурной организации автоматизированной системы с адаптивным нейронечетким управлением на основе обобщенной математической модели процессов контроля и адаптивного управления технологическим процессом механической обработки деталей; п.10 «Методы синтеза специального математического обеспечения, пакетов прикладных программ и типовых модулей функциональных и обеспечивающих подсистему АСУТП, АСУП, АСТПП и др.» в части синтеза системы алгоритмов и специализированного программного обеспечения контроля качества и управления механической обработкой изделий с разработкой вектора целевых критериев, позволяющего оценить качество функционирования разработанной автоматизированной системы; п.15 «Теоретические основы, методы и алгоритмы интеллектуализации решения прикладных задач при построении АСУ широкого назначения (АСУТП, АСУП, АСТПП и др.)» в части разработки математической модели нейро-нечеткой обработки данных хода технологического процесса и метода обработки нечетко-логических данных о ходе технологического процесса механической обработки деталей.

Публикации. По теме диссертации опубликовано 125 научных работ, включая 2 монографии, 43 статьи, 12 патентов на изобретения, 7 патентов на полезную модель, 2 свидетельства о регистрации программы для ЭВМ, публикаций материалов и тезисов докладов. Основные научные результаты диссертации отражены в 34 статьях в рецензируемых научных журналах и изданиях.

Личный вклад соискателя. Все выносимые на защиту научные положения разработаны соискателем лично. В научных работах по теме диссертации, опубликованных в соавторстве, личный вклад соискателя состоит в следующем: в [1, 2, 5, 6, 12, 14, 24, 25, 33, 34, 35, 36, 39, 44, 51] – метод обработки нечетко-логических данных хода ТП и подходы к построению функционально-структурной организации автоматизированной системы с адаптивным нейро-нечетким управлением механической обработкой изделий и алгоритмы е функционирования; в [3, 4, 7, 10, 11, 13, 15, 23, 42] – методы и алгоритмы модернизации машиностроительного оборудования и методика расчета вектора возмущающих воздействий, действующих на объект управления в режиме реального времени; в [18, 21, 22, 27, 28, 30] – способы и методы получения достоверных данных из зоны резания с применением лазерных, ультразвуковых сенсоров и термопар; в [20, 26, 31] – предложены автоматизированные системы и устройства прогнозирования точности обработанных поверхностей деталей; новизна решений подтверждена патентами РФ [40, 50, 55].

Структура и объем диссертации. Диссертация состоит из введения, разделов, заключения, списка литературы, включающего 215 наименований, и приложений. Основная часть диссертации изложена на 335 страницах машинописного текста, содержит 114 рисунков и 55 таблиц.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, сформулированы проблема, цель и задачи исследований, приведена научная новизна и практическая ценность, а также результаты реализации работы.

В первом разделе проведен анализ существующих методов и средств повышения точности механической обработки изделий, который показал, что в настоящее время металлообрабатывающее оборудование большинства предприятий РФ морально и физически устарело. По экспертным оценкам износ оборудования составляет от 65% до 85%, что объективно снижает его точность.

Существует несколько способов ликвидации такого положения: либо полная замена существующего станочного парка, либо модернизация и совершенствование несущей конструкции станков и автоматизированных систем управления, входящих в его комплекс. Для реализации первого способа необходима закупка дорогостоящего оборудования и утилизация старого. С экономической точки зрения наиболее целесообразен второй способ – модернизация и/или совершенствование несущей конструкции, систем управления и средств контроля точности. Для выявления направлений модернизации оборудования с ЧПУ в первом разделе был проведен анализ способов увеличения точности, которые условно подразделяются на совершенствование конструкции несущей системы оборудования с ЧПУ и процесса управления самим станком (рисунок 1).

Первый способ подразумевает необходимость уменьшения погрешностей станков, которые обусловлены неточным изготовлением и износом установочных элементов станка и приспособлений. При этом анализ работы ведущих ученых в области машиностроения С.Н. Григорьева, В.Г. Митрофанова, И.М. Колесова, А.Г. Косилова, Р.К. Мещерякова, Г.И. Грановского показал, что наиболее значимыми параметрами, влияющими на точность ТП механической обработки изделий, являются скорость, мощность, подача и глубина резания. При этом эффективность процесса резания напрямую зависит от рационально подобранных числовых значений выбранных параметров режима резания.

Второй способ совершенствования систем управления оборудованием с ЧПУ показал, что в качестве методов адаптации используются структурнофункциональные схемы, основанные на программном и/или программноадаптивном управлении. Основоположниками внедрения систем с адаптивным управлением являются ученые Я.З. Цыпкин, Л.А. Растригин. Вопросам прогнозирования возможного состояния объекта управления и точности механической обработки изделий посвящены работы А.Г. Суслова и А.М. Дальского. Однако в указанных работах недостаточно рассмотрены вопросы, связанные с оценкой эффективности ТП механической обработки изделий в условиях увеличения многорежимности, многомерности и неопределенности характеристик процесса резания.

Направления повышения точности обработки деталей Совершенствование конструкции Совершенствование процесса управления несущей системы оборудования с ЧПУ станком (коррекция режима резания) Уменьшение Уменьшение Стабилизация Уменьшение Программная Коррекция на Коррекция на Коррекция на статической и негативных коррекция на отклонений и уменьшение основе обратной основе методов основе динамической тепловых сил основе связи (системы адаптации и адаптивного жесткости априорной активного прогнозирования нейро-нечеткого деформаций информации контроля, СТЗ) погрешностей управления Использование Сил трения Сил тяжести и Сил резания Аналитические Коррекция по результатам физических (переход от инерционных (высокоскорос методы калибровки оборудования с эффектов граничного к сил (снижение тные коррекции ЧПУ (совершенствование жидкостному веса станка) шпиндели) (расчет) систем позиционирования трению) рабочих органов станка) Рис. 1. Направления повышения точности оборудования с ЧПУ Следует отметить, что неопределенность процесса резания обусловлена наличием в зоне резания величин, обладающих различной физической природой (электрические, механические, тепловые и др.) и не имеющих корреляционных зависимостей, при этом непосредственное измерение их числовых значений практически недоступно. Рост многомерности пространства параметров процесса резания, с целью повышения точности механической обработки изделий непременно приведет к усложнению формализации взаимосвязей исследуемых параметров и к снижению оперативности принятия управляющих решений.

Для решения проблемных вопросов, связанных с неопределенностью в системах управления, наиболее часто применяется адаптивная нейро-нечеткая система вывода, разработанная на основе модели Такаги-Сугэно. Анализ показал, что она не обладает аддитивностью вследствие использования жестких формул нахождения минимума и максимума, при этом погрешность е обучения составляет 8%, что снижает оперативность процесса принятия управляющего решения.

Отсюда вытекает необходимость разработки автоматизированной системы с адаптивным нейро-нечетким управлением, позволяющей повысить оперативность принятия управляющих решений и точность МОИ с учетом как априорных данных о ходе процесса резания, так и данных, поступающих от систем активного контроля оборудования с ЧПУ с возможностью прогнозирования внешних факторов, действующих на технологическую систему станок-приспособлениеинструмент-деталь в режиме реального времени. Для реализации этой цели во втором разделе диссертационной работы разработаны обобщенная математическая модель процесса контроля и адаптивного управления, а также метод обработки нечетких данных о ходе ТП.

Второй раздел посвящен моделированию выходных параметров автоматизированной системы управления точностью механической обработки изделий на оборудовании с ЧПУ на основе аппарата нечеткой логики. В частности, разработаны обобщенная математическая модель процесса контроля и адаптивного управления и метод обработки нечетко-логических данных о ходе ТП, а также определены критерии оценки качества их функционирования.

Обобщенная математическая модель процесса контроля и адаптивного управления МКАУ представлена в виде функционала и состоит из математических моделей:

МКАУ = f (МФП, МНБЗ, МТФП, МДЭ, МОУ), (1) где МФП – модель построения функций принадлежностей (ФП); МНБЗ – модель проектирования нечетких баз знаний (НБЗ); МТФП – модель принятия решений для трапециевидных ФП (МТФП); МДЭ – модель диагностики элементов оборудования с ЧПУ на основе обратного нечетко-логического вывода; МОУ – модель оценки устойчивости нечетко-логической системы управления.

В работе формализована модель МКАУ на основе построения е частных математических моделей, совокупность работы которых позволяет увеличить оперативность процесса принятия управляющих решений. Математическая модель построения функций принадлежностей МФП на основе парных сравнений (ПС) строится, учитывая мнение только одного эксперта и/или группы экспертов, которые определяют преимущество одного элемента универсального множества над другим, при этом исходной информацией для построения ФП являются экспертные парные сравнения, представленные в виде матрицы:

х1 хi хn х1 b11 b12 b1n , b b22 b2n х ПС j (2) хn bn1 bn2 bnn где bnn – степень преимущества элемента xi над xj, i,j=1…n, n – количество строк и столбцов в матрице ПС, определяемая по девятибалльной шкале Саати.

В данной шкале 2, 4, 6, 8 – промежуточные оценки; 1 – если нет преимущества элемента xi над xj; 3 – если преимущество xi над xj слабое; 5 – если преимущество xi над xj существенное; 7 – если преимущество xi над xj явное; 9 – если преимущество xi над xj абсолютное.

Если известны данные какой-либо строки матрицы ПС, то первоначально нормализуются степени ФП нечеткого множества Norm=[c1=1/bn1,…, cn=1/bnn].

Далее определяется сумма элементов нормализованной матрицы Sum=ci. Вес элементов матрицы парных сравнений находится w=1/Sum. Степени ФП рассчитываются как MF=[c1w, c2w, …, cnw,], а затем строится кусочнолинейная функция y=av+b, где y – координата по оси ординат, которая соответствует значению степени ФП и находится в диапазоне [0, 1]; v – координата по оси абсцисс, которая соответствует значению управляющего параметра, например скорости резания; а, b – коэффициенты, которые определяются из уравнений для точек vi и vi+yi aivi bi, yi1 aivi1 bi.

Коэффициенты находятся согласно соотношениям yi1 yi ai ; bi yi viai.

(3) vi1 vi Методы построения ФП на основе статистической обработки данных группой экспертов и параметрические способы их построения рассмотрены в работе детально. Формулы (2)(3) формируют математическую модель построения функций принадлежностей МФП (рисунок 2).

0,00384 v 0,5074, если v1 v v2 ;

0,00833v 1,2258, если v2 v v3 ;

0,01079v 1,644, если v3 v v4 ;

0,01717 v 2,7924, если v3 v v4 ;

(v) 0,022 v 3,7101, если v5 v v6 ;

0,03101v 5,5121, если v5 v v6 ;

0,004762v, если v6 v v7.

а) б) Рис. 2. Функция принадлежности, полученная с помощью МФП: а – ФП для терма большая скорость резания (BS); б – уравнения ФП для терма BS Для формализации процесса проектирования модели нечетких баз знаний МНБЗ выполняется следующая последовательность действий.

Шаг 1. Построение функций принадлежностей. На этом этапе определяется диапазон допустимых значений для входных переменных {ai=[amin, amax], bi=[bmin, bmax], …} и выходной переменной yi=[ymin, ymax]. На основе МФП формируется ФП для каждого параметра, входящего в структуру системы управления.

Шаг 2. Разработка нечетких правил управления. На этом этапе рассчитываются степени принадлежностей данных из интервалов a=[amin, amax], b=[bmin, bmax] и y=[ymin, ymax], которые определяются значениями ФП соответствующих термов для каждой группы входных и выходных переменных и составляются для них нечеткие правила (НП) вида НП1: Если (a11 есть а1 ИЛИ a11 есть а2 ) И (b11 есть b1 ИЛИ b11 есть b2 ) То (y11 есть y7 ИЛИ y11 есть y6 );

НП2: Если (a12 есть а2 ИЛИ a12 есть а3 ) И (b12 есть b2 ИЛИ b12 есть (4) b3 ) То (y12 есть y6 ИЛИ y12 есть y5 );

НПn: Если (ann есть аn ИЛИ ann есть аn+1 ) И (bnn есть bn ИЛИ bnn есть bn+1 ) То (ynn есть yn ИЛИ ynn есть yn-1 ).

Шаг 3. Расчет для каждого НП степени принадлежности. При составлении обучающих пар для каждой из них может быть получено только одно НП, следовательно, существует высокая вероятность того, что некоторые правила окажутся противоречивыми. Тогда для каждого НП определяется степень принадлежности с последующим выбором из них наибольшего значения.

Следует отметить, что данное ограничение справедливо только для случаев, когда термы входных и выходных переменных имеют трапециевидную форму, у которых интервал ядра нечеткого множества равен единице. Для остальных видов параметрических методов назначения ФП очевидно, что максимальное значение степеней истинности всегда будет в вершинах треугольников либо максимумов других функций, описывающих каждый из термов, тогда нечеткая логика сводится к четкой. Для устранения такого перехода в работе используется kслойная матрица, позволяющая отображать значения истинности для каждого НП.

Тогда степени принадлежности СИ для каждого из НП определяются как, СИijk aijk bijk yijk (5) где i=1..n – количество столбцов k-слойной матрицы, равное количеству термов входной переменной a, для рассматриваемого типового примера n=5; j=1..m – количество строк k-слойной матрицы, равное количеству термов входной переменной b, для рассматриваемого примера m=5; k=1..k1 – количество слоев kслойной матрицы, равное максимальному значению из всех носителей нечеткого интервала для каждой из входных переменных и определяется по формуле k=max{(a1c–a1a); (a2c–a2a); … ; (anc–ana); … ; (b1c–b1a); b2c–b2a); … ; (bmc–bma)}. (6) Соотношение для расчета количества k-слоев матрицы вычисляется как n m.

k maxaic aia; bjc bja i1 (7) j Шаг 4. Дефаззификация управляющего решения. Величина управляющего воздействия на выходе системы нечетко-логического вывода составит n n, yi yi yib / yi (8) i1 iгде yi – значение степени принадлежностей, получившееся в результате вывода;

– координата центра тяжести соответствующего терма.

y Шаг 5. Создание k-слойной матрицы, которая формируется как k m n xi ijk c весом СИijk y yijk, i 1..n, j 1..m, k1 1..k.

i1 (9) k11 j Таким образом, согласно (4)(9) формируется математическая модель нечетких баз знаний МНБЗ.

Частные математические модели принятия решений для трапециевидных МТФП, диагностики элементов оборудования с ЧПУ на основе обратного нечеткологического вывода МДЭ и оценки устойчивости нечетко-логической системы управления МОУ подробно рассмотрены в диссертации. При этом математическая модель МТФП положена в основу способа и устройства управления точностью обработки деталей (патент РФ № 2379169). Для сокращения количества заключений нечетко-логического вывода разработан метод обработки нечеткологических данных.

Метод обработки нечетко-логических данных о ходе технологического процесса реализован в виде последовательности следующих этапов.

Этап 1. Формирование параметризированной функции принадлежности.

Параметризированная ФП запишется как b c d s xi a c xi c xi b d xi / / X x u i 11 b a / x1 u12 c b / x1 u c b x2 u22 d c x2 , (10) i a b b c где a, b, c, d – параметры треугольной функции принадлежности (рисунок 3, а);

– знак, согласно Заде, операции объединения предпосылок НП, – согласно Заде, знак суппорта термов ФП; xi – термы параметризированной ФП, i=1…s – количество термов; u11, u12, u21, u22 – логические переменные, определяемые как 1 для a x b, 1 для b x c, u11 u21 0 в других случаях, 0 в других случаях, 1 для b x c, 1 для c x d, u12 u22 0 в других случаях, 0 в других случаях.

X {x1}{x2} 30 xi 10 60 60 xi 30 10 / x1 60 30 / x1 10 30 60 xi 30 80 80 xi 60 30 / x2 80 60 / x2 .

30 60 а) б) Рис. 3. Параметризированная треугольная ФП: а – графическое представление; б – формализация параметризированной ФП Пусть система управления имеет две входные переменные (сила резания p и диаметр обрабатываемой детали d) и одну выходную переменную (скорость резания v). Тогда, согласно (10), ФП запишутся z j w,,, po { p, ( po) } { v, v (vl ) } { d, d (dq ) } (11) p vl dq o1 l1 qгде p – численные значения силы резания; (p)[0, 1] – степень истинности, принадлежащая нечеткому множеству сила резания; d – численные значения диаметра обрабатываемой детали; (d)[0, 1] – степень истинности, принадлежащая нечеткому множеству диаметр обрабатываемой детали; v – численные значения скорости резания; (v)[0, 1] – степень истинности, принадлежащая нечеткому множеству скорость резания; j, z, w – количество предпосылок и заключений в НП.

Аналогично строятся входные ФП для метода обработки нечетких данных о ходе ТП в случае, если выходные переменные заданы не формулой (10), а k уравнением y x1a1 x2a2 ... xkak ak.

x k Этап 2. Построение базы знаний. Определяется взаимосвязь между входными и выходными параметрами в виде системы нечетких правил НП1…n: Если «p=po» И «d=dq» То «v=vk».

Далее по формуле (9) на основе НП (4) формируется база знаний.

Коэффициенты отсечения предпосылок базы знаний bi рассчитываются n n (12) bi min( po, dq ), i 1 i где i=1..n, n – количество предпосылок базы знаний; min – нечетко-логическая операция нахождения мягкого минимума.

Для реализации принципа обобщения Заде в традиционных алгоритмах нечетко-логического вывода используются операции нахождения жесткого минимума и максимума, например min(a1; b1)=min(0,7; 0)=0. Вследствие этого на выходе системы управления формируется результат, равный нулю, то есть появляются зоны нечувствительности. Поэтому сама нечетко-логическая система будет нечувствительна к изменению входных параметров и, как следствие, не будет обладать свойством аддитивности. Для устранения этого недостатка необходимо использовать операцию нахождения мягкого минимума a1 b1 2 a1 b12 (13) min(a1, b1) , где 0,05.

С учетом (13) min(a1; b1)=0,0076. Следовательно, нечетко-логическая система всегда на выходе имеет значение, отличное от нуля, и следовательно обладает свойством аддитивности. Нечетко-логический оператор MEAN (среднее арифметическое двух операндов) также обладает вышеуказанным свойством.

Например, для базы знаний, заданной двумя входными переменными, имеющими по 5 термов, коэффициенты отсечения предпосылок с учетом формулы (12) примут вид b1 min( p1, d1), b2 min( p1, d2), b3 min( p1, d3),b4 min( p1, d4),b5 min( p1, d5), b6 min( p2, d1), b7 min( p2, d2), b8 min( p2, d3),b9 min( p2, d4), b10 min( p2, d5), b11 min( p3, d1), b12 min( p3, d2),b13 min( p3, d3), b14 min( p3, d4), b15 min( p3, d5), b16 min( p4, d1),b17 min( p4, d2), b18 min( p4, d3), b19 min( p4, d4), b20 min( p4, d5), b21 min( p5, d1), b22 min( p5, d2), b23 min( p5, d3), b24 min( p5, d4),b25 min( p5, d5).

Этап 3. После настройки базы знаний анализируются данные, которые поступают от систем активного контроля оборудования с ЧПУ, а именно значения от силометрического датчика p и от оптического датчика d. Затем определяются фаззифицированные векторы входных переменных , p ( p1, p2, p3, p4, p5 ) . Кроме того, определяются уровни отсечения bl, где l=1..k, d (d1, d2, d3, d4, d5 ) по которым осуществляется импликация заключений k n , b2,,bn ), (14) bl (bl1 iгде – знак операции нахождения мягкого минимума min или мягкого максимума max ; (b1, b2, …,bn) – коэффициенты отсечения предпосылок НП.

Формула для определения параметризованного мягкого максимума max(a1, b1) maxa1, b1 0,51 a1 b1, где a A, b B, (15) – оператор параметризации, при =1 (15) сводится к операции взятия «жесткого» максимума, при =0 (15) сводится к операции нахождения среднего арифметического.

Далее находятся усеченные ФП заключений vl…k k k ; vv .

(16) v vl minbl l l 1 l На основе формул (12)(16) формируется матрица нечетких отношений (таблица 1).

Таблица Матрица нечетких отношений № Коэффициенты Нечеткая композиция усечений, формула Уровень отсечения по Усеченные ФП по (12) формуле (14) формуле (16) v (v)1 min{b1 ; v(v)1} v1 bb1 = b v (v)2 min{b2 ; v (v)2} v2 b20 bb2 =max (b20, b24) v (v)3 min{b3 ; v (v)3} v3 b15 b19 bb3 =max (b15, b19, b23) v (v)4 min{b4 ; v (v)4} v4 b10 b14 b18 bb4 =max (b10, b14, b18, b22) v (v)5 min{b5 ; v (v)5} v5 b5 b9 b13 b17 bb5 =max (b5, b9, b13, b17, b21) v(v)6 min{b6 ; v (v)6} v6 b4 b8 b12 bb6 =max (b4, b8, b12, b16) v (v)7 min{b7 ; v (v)7} v7 b3 b7 bb7 =max (b3, b7, b11) v(v)8 min{b8 ; v (v)8} v8 b2 bb8 =max (b2, b6) v (v)9 min{b9 ; v (v)9} v9 bb9 = b Поскольку для традиционных алгоритмов нечетко-логического вывода количество заключений составляет тл+тл=52+52=35 (т – количество переменных, л – количество термов у переменных), в то время как для разработанной матрицы нечетких отношений количество заключений всегда будет равняется количеству термов выходной переменной v – скорости резания, следовательно, оперативность принятия управляющего решения разработанного метода увеличивается в 35/9=3,9 раза. График сравнительных характеристик разработанного метода обработки нечетких данных с традиционными алгоритмами нечетко-логического вывода приведен на рисунке 4.

Рис. 4. График сравнительных оценок метода обработки нечетких данных о ходе ТП с традиционными алгоритмами НЛВ На этапе 4 производится логическое объединение усеченных ФП для формирования выходной нечеткой ФП.

k v1v2... v9 b1 v (v)1b2 v (v)2... b9 v (v)9 vl l(17) k (v)l .

bl v l1 vsupp(vl ) Этап 5. Нечеткий вектор функций принадлежностей v дефаззифицируется с помощью метода нахождения центра тяжести:

k k v (18) v v (v)1..9 / (v)1..9.

1..9 v l 1 l Формулы (10)(18) являются основой метода обработки нечетко-логических данных о ходе технологического процесса. Данный метод использован при разработке способов и устройств, защищенных патентами [патенты РФ №№ 2010134470 (положительное решение о выдачи патента, приоритет от 11.01.2012), 2010134471 (положительное решение о выдачи патента, приоритет от 11.01.2012), 2010143053 (положительное решение о выдачи патента, приоритет от 13.03.2012)], и программно реализован [свидетельство о регистрации программы для ЭВМ №2010616290].

С целью повышения оперативности принятия управляющих решений при работе математической модели МКАУ и метода обработки нечетко-логических данных в работе разработаны критерии, позволяющие оценить их качество функционирования. Критерий оценки ц1 работы адаптивных нейро-нечетких систем управления, в основе которых используется МКАУ и метода обработки нечетко-логических данных о ходе ТП, представлен в виде (19) ц1 = f (ц11, ц12, ц13), где ц11=1 – условие совместимости базы знаний (разбиения единицы); ц12>0 – условие полноты базы знаний; ц13>0 – условие устойчивости нечетко-логической системы.

Условие совместимости базы знаний записывается как kц11 1, x X, (20) xn iгде (х)n – термы входной переменной; i – номер терма входной переменной; k1 – количество термов входной переменной.

При невыполнении критерия (20) область зон нечувствительности нечеткого регулятора увеличивается.

Условие полноты базы знаний имеет вид k1 kyi a yi b i i i 1 i ц12 0, ai Ai, bi Bi.

(21) k1 k ai bi i 1 i где (a)i, (b)i – термы входной А и выходной B переменной, соответственно.

При несоблюдении условия (21) зависимость выходной переменной от изменения входных величин будет иметь дискретный характер.

Условие устойчивости для нечетко-логической системы, заданной математической моделью вида X(t+n)=X(t)Rpn, где X(t) – входное состояние нечетко-логической системы; Rpn – нечеткое отношение Rpn = Rp1 Rp2 … Rpn;

– согласно Заде знак, обозначающий композицию нечетких отношений, формируется следующим образом. Нечетко-логическая система будет устойчива, если в лингвистическом равновесном состоянии Xe для произвольных исходных лингвистических состояний X(t), =1..n, существует положительное целое число n, при котором выполняется равенство (22) ц13=Rpn XTe = (1, 1, …, 1)T > 0, где Т – операция транспонирования матрицы.

Формулы (20)(22) позволяют оценивать качество функционирования автоматизированных систем управления, работающих на основе обобщенной математической модели процесса контроля и адаптивного управления и метода обработки нечетко-логических данных о ходе ТП в реальном времени.

В третьем разделе определены пути повышения точности МОИ. С этой целью разработаны методы и математические модели нахождения корреляционных зависимостей между параметрами ТП, и оценки погрешностей, действующих на технологическую систему в режиме реального времени.

Обоснованы критерии повышения оперативности принятия решений, проведен анализ процесса функционирования системы управления на основе метода обработки нечетко-логических данных.

Для определения размеров обрабатываемых деталей в зоне резания разработан метод получения достоверных данных о ходе технологического процесса на основе лазерных датчиков, который состоит в следующем. Любое изменение расстояния от сенсора до детали, установленной в зоне резания оборудования с ЧПУ, вызывает изменение угла отраженного лазерного пучка, фокусируемого на линейки фотодиодов. Измерительное устройство на основе отклонения угла лазерного пучка осуществляет определение координат на поверхности контролируемой детали в точке А (рисунок 5, а). Уравнения прямых определяются как D xa F y прямая (О2А): ; прямая (О1А):, y xa y1 (23) tgVa Wa xfa где xa – расстояние от центра координат О станка с ЧПУ до точки А начала координат детали по оси Х; F – фокусное расстояние приемника отраженного сигнала; y1 – расстояние от местоположения двухкоординатного измерительного источника до центра О по оси Y; xfa – расстояние, зависящее от фокусного расстояния F приемника отраженного сигнала по оси Х; D – расстояние от центра координат О до местоположения О1 излучателя лазерного пучка по оси Х; Va – угол направления лазерного пучка относительно оси Y; Wa – угол лазерного пучка относительно оси Y.

Из уравнения (23) определяется ха – координата точки А отражения пучка xfaD y1 tgVa Wa xa . (24) xfa F tgVa Wa Используя формулы (23)(24) находятся координаты точки А (yа и za) D F y1 xfa z D y1 tgVa Wa,, ya za xa fa z (25) xfa F tgVa Wa xfa fa xfa F tgVa Wa где zfa – расстояние, зависящее от отраженного сигнала по оси Z.

а) б) Рис. 5. Схема определения координат детали 1: а – в точке А; б – в точке B Координаты точки В (рисунок 5, б) определяются как xfbD y1 tgVb Wb xb , (26) xfb F tgVb Wb где xb – размер от центра координат О до точки B по оси Х; F – фокусное расстояние приемника отраженного сигнала; y1 – расстояние от местоположения двухкоординатного измерительного источника до центра координат О по оси Y;

xfb – расстояние, зависящее от отраженного сигнала по оси Х; D – расстояние от центра координат О до местоположения О1 излучателя лазерного пучка по оси Х;

Vb – угол направления лазерного пучка относительно оси Y; Wb – угол лазерного пучка относительно оси Y D F y1 xfb D y1 tgVb Wb zb z yb .

fb (27) xfb F tgVb Wb; xfb F tgVb Wb Контролируемый размер детали Aд в любой точке l определяется соотношением 2 (28) Ад l xb xa yb ya.

Устройство управления точностью обработки деталей на основе метода получения достоверных данных о ходе технологического процесса защищен патентом (Патент РФ №2288809). Способы получения данных о ходе ТП с помощью ультразвуковых датчиков и термопар (Патент РФ № 2280540) рассмотрены подробно в диссертации.

Для количественной оценки взаимосвязи между входными и выходными характеристиками, описывающими каждый процесс резания в режиме реального времени, разработана математическая модель получения достоверных данных о ходе ТП МОИ, состоящая из частных математических моделей МКРА = f (МНЛ, МЛК, МОКО, ММК), (29) где МНЛ – модель при нелинейной корреляции (НК); МЛК – модель при линейной корреляции (ЛК); МОКО – модель при ограниченном количестве опытов (ОКО);

ММК – модель при множественной корреляции.

Частные математические модели МНЛ, МЛК, МОКО, ММК, составляющие математическую модель МКРА, детально рассмотрены в диссертации. В работе показано, что корреляционные уравнения, полученные на основе математической модели МКРА и описывающие реальные процессы, протекающие в зоне резания при МОИ, синтезируются с помощью метода обработки нечетко-логических данных о ходе ТП. Так с помощью МКРА в работе получено уравнение регрессии, (30) t e5,36s0,02 212,7s0,где t – температура в зоне резания; S – подача при резании.

В работе разработано специализированное программное обеспечение [программа для ЭВМ №2010616290] для моделирования взаимосвязи между входными (рисунок 6, а) и выходными (рисунок 6, б) параметрами системы управления на основе метода обработки нечетко-логических данных с различными мягкими операторами (13), (15). В результате исследования получена зависимость, представленная на рисунке 7, а.

а) б) Рис. 6. Графики ФП входной и выходной переменных: а – входная переменная температура в зоне резания t; б – выходная переменная подача S Сопоставление результатов, полученных с помощью уравнения (30), и метода обработки нечетко-логических данных (10)(18) (рисунок 7, а) дает результат, представленный на рисунке 7, б.

а) б) Рис. 7. Совмещение данных: а – данные, полученные при моделировании метода обработки нечетко-логических данных с помощью операторов жесткого минимума (Hard-MIN), мягкого минимума (Soft-MIN) и среднеарифметического (MEAN); б – совмещение данных, полученных при моделировании МКРА и метода обработки нечетко-логических данных Из анализа рисунка 7, а следует, что при использовании в традиционных алгоритмах нечетко-логического вывода операций жесткого минимума учитываются не все информативные признаки. Так, система управления не будет реагировать на изменение подачи в диапазоне [0; 0,05][0,9; 1] мм/об. В то же время при использовании мягких операторов Soft-MIN и MEAN информативные признаки учитываются в полном объеме. При этом из рисунка 7, б несложно видеть, что полученные данные с помощью метода обработки нечетко-логических данных и математической модели МКРА подобны. Для оценки, какой из мягких операторов максимально приближен к реальным данным, полученным при моделировании МКРА, разработан критерий оценки сходимости результатов ц2 2 2 l1 l2 l3 ln, (31) ц14 min n где l – разность температур t, полученных из уравнения регрессии (30), и метода обработки нечетко-логических данных (10)(18); n – количество точек отсчета.

Анализ показал, что для традиционных алгоритмов нечетко-логического вывода с формулами жесткого минимума критерий сходимости равен ц14=24,37, а при использовании метода обработки нечетко-логических данных критерий сходимости составил: при операторе Soft-MIN ц14=23,57; при операторе MEAN ц14=10,77. Учитывая правило (31), сделан вывод о том, что ТП МОИ должен быть синтезирован на основе метода обработки нечетко-логических данных при использовании оператора MEAN. К тому же разработанный метод обработки нечетко-логических данных, кроме учета всех информативных признаков, имеет в 2,2 раза более высокую степень сходимости получаемых результатов по сравнению с традиционными алгоритмами нечетко-логического вывода.

Временной критерий, оценивающий скорость сходимости алгоритмов, определяется соотношением n n ц15 / 1, (32) t t i i i1 in n где – массив элементов значений температуры (30); – массив элементов ti ti i1 iзначений температуры, полученных при моделировании метода обработки нечетко-логических данных о ходе протекания ТП.

Расчет критерия ц15 необходим для адаптации системы управления к реальным условиям обработки. Как видно из рисунка 8, tопт – это показатель, при достижении которого процесс обучения нейро-нечеткой сети прекращается.

Нечетко-логическая система функционирует нестабильно, если tопт менее 85%.

Рис. 8. Графическая зависимость достижения временного критерия tопт Результаты, полученные на основе метода обработки нечетко-логических данных о ходе ТП показывают, что данный метод по сравнению с моделью Такаги-Сугэно, обладает аддитивностью. Автоматизированная система имеет две входные переменные А1 и А2, заданные с помощью (10) и представленные на рисунке 9.

а) б) Рис. 9. Графики параметризированных ФП: а – входная переменная А1; б – входная переменная Аk Выходные переменные, заданные выражением вида y ak, получены k x при моделировании математической модели МКРА Y1 = 0,04315a1 – 0,3974a2 + 307,567; Y2 = 0,25253a1 + 0,16091a2 + 303,608.

Тогда на основе (4) получены НП:

НП1: ЕСЛИ «а1 есть a11» И «a1 есть a12» ТО «y есть Y1 = 0,04315a1 – – 0,3974a2 + 307,567, (33) НП2: ЕСЛИ «а2 есть a21» И «a2 есть a22» ТО «y есть Y2 = 0,25253a1 + + 0,16091a2 + 303,608.

При моделировании данных правил на основе модели Такаги-Сугэно получены результаты, характеризующиеся наличием зон нечувствительности системы (рисунок 10, а). Вышеуказанная модель не обладает свойством аддитивности, что снижает е эффективность.

а) б) Рис. 10. Графики определения зон нечувствительности: а – результаты, полученные для модели Такаги-Сугэно; б – результаты, полученные на основе метода обработки нечетко-логических данных Анализ рисунка 10, б показал, что зон нечувствительности при моделировании на основе метода обработки нечетко-логических данных о ходе ТП не наблюдается. Таким образом, системы, работающие на основе соотношений (10)(18), обладают аддитивностью. Расчет критерия сходимости показал, что для разработанного в диссертации метода ц14=85,5, а для модели Такаги-Сугэно он составляет ц14=174,9. Следовательно, автоматизированные системы управления, работающие на основе метода обработки нечеткологических данных, в 2,1 раза точнее описывают реальные процессы, протекающие в зоне резания при МОИ, чем модель Такаги-Сугэно.

С целью повышения точности ТП МОИ в случае наличия внешних факторов разработан критерий прогнозирования внешних воздействий ц16, действующих на процесс резания, в режиме реального времени. Данный критерий лежит в основе работы запатентованных автоматизированных систем прогнозирования и управления точностью при механической обработке изделий [пат. РФ №№ 2386519, 2288808] 1 1 x х2 0,0309L3х21 x ц16 Ру J J J J J JБ D4 A Б A Б 0,5 A J J (34) J J A Б A Б 0,n x y L t Co B Fp в t S V Co V S t min Vs ts (Vд tд Vи tи )2.

где S – подача; t – глубина резания; JА – стандартная жесткость передней бабки; JБ – стандартная жесткость задней бабки (значения JА, JБ берутся из паспорта станка); х – расстояние от передней бабки до произвольной точки на детали; L – длина детали; D – диаметр детали; t – температурный коэффициент линейного расширения; Сo – коэффициент, характеризующий условие обработки; В – вылет резца; Fр – площадь сечения резца; в – предел прочности обрабатываемого материала; ts – время, затраченное на отвод инструмента, VS – скорость съема припуска; tд – время изменения контролируемого размера, Vд – скорость изменения контролируемого размера; tи – время изменения измерительного сигнала, Vи – скорость изменения измерительного сигнала.

Для оценки качества обучения нечетко-логической системы управления в четвертом разделе разработана математическая модель нейро-нечеткой обработки данных хода ТП.

В четвертом разделе, основываясь на результатах разделов 2 и 3, разработана математическая модель нейро-нечеткой обработки данных хода технологического процесса и синтезирована на е основе функциональноструктурная организация автоматизированной системы с использованием адаптивного нейро-нечеткого управления. Получены нестационарные решения при проектировании нейро-нечетких структур систем управления, основанные на матрице нечетких отношений (12)(16). Процесс формирования математической модели нейро-нечеткой обработки данных хода ТП МНН представлен в виде нейронечеткой структуры (рисунок 11), состоящей из восьми слоев.

Слой 1. Формируется вектор входных переменных Uвх = f (a, b, c, d, e, f), характеризующий значения, полученные от датчиков системы активного контроля оборудования с ЧПУ. Входными переменными, позволяющими управлять точностью при механической обработке изделий, являются: скорость, подача, сила резания, температура в зоне резания, диаметр обрабатываемой поверхности детали, геометрические параметры лезвийного инструмента и др.

Структура адаптивной нейро-нечеткой сети Слой 1 Слой 2 Слой 3 Слой 4 Слой 5 Слой 6 Слой 7 Слой aa aa5 yy1 ybb b2 byy2 yсс сМКРА сyвых y3 yфакт 5 3 y3 ydd d2 =(yвыхi-МКРА) dzi+1:=zi + (yi-МКРА) yy4 yeОбучение e eeyy5 yff ffРис. 11. Структура адаптивной нейро-нечеткой модели МНН Слой 2. Фаззификация входных переменных, согласно формуле ФП (10).

Каждая из входных переменных вектора Uвх задается в виде трех параметризированных термов ФП а={а1}+{a2}+{a3}, b={b1}+{b2}+{b3},…, f={f1}+{f2}+{f3}.

Слой 3. Построение системы нечетких правил согласно (4) (таблица 2).

Таблица Система нечетких правил для первой пары для второй пары для третьей пары 1:Если а есть a1, и b есть b1 1:Если c есть c1, и d есть d1 1:Если e есть e1, и f есть f2:Если а есть a2, и b есть b1 2:Если c есть c2, и d есть d1 2:Если e есть e2, и f есть f3:Если а есть a3, и b есть b1 3:Если c есть c3, и d есть d1 3:Если e есть e3, и f есть f4:Если а есть a1, и b есть b2 4:Если c есть c1, и d есть d2 4:Если e есть e1, и f есть f5:Если а есть a2, и b есть b2 5:Если c есть c2, и d есть d2 5:Если e есть e2, и f есть f6 Если а есть a3, и b есть b2 6:Если c есть c3, и d есть d2 6:Если e есть e3, и f есть f7:Если а есть a1, и b есть b3 7:Если c есть c1, и d есть d3 7:Если e есть e1, и f есть f8:Если а есть a2, и b есть b3 8:Если c есть c2, и d есть d3 8:Если e есть e2, и f есть f9:Если а есть a3, и b есть b3 9:Если c есть c3, и d есть d3 9:Если e есть e3, и f есть fНа основе разработанных НП строится матрица нечетких отношений для каждой пары входных переменных (таблица 3).

Таблица Матрица нечетких отношений для первой пары для второй пары для третьей пары 1=min (a1, b1) 1=min (c1, d1) 1=min (e1, f1) 2=min (a1, b2) 2=min (c1, d2) 2=min (e1, f2) 3=min (a1, b3) 3=min (c1, d3) 3=min (e1, f3) 4=min (a2, b1) 4=min (c2, d1) 4=min (e2, f1) 5=min (a2, b2) 5=min (c2, d2) 5=min (e2, f2) 6=min (a2, b3) 6=min (c2, d3) 6=min (e2, f3) 7=min (a3, b1) 7=min (c3, d1) 7=min (e3, f1) 8=min (a3, b2) 8=min (c3, d2) 8=min (e3, f2) 9=min (a3, b3) 9=min (c3, d3) 9=min (e3, f3) Слой 4. Расчет частных уровней отсечения (таблица 4).

Таблица Частные уровни отсечения для первой пары для второй пары для третьей пары 1 = 9; 1 = 9; 1 = 9;

2 =max (6, 8); 2 =max (6, 8); 2 =max (6, 8);

3 =max (3, 5, 7); 3 =max (3, 5, 7); 3 =max (3, 5, 7);

4 =max (2, 4); 4 =max (2, 4); 4 =max (2, 4);

5 = 1; 5 = 1; 5 = 1;

Слой 5. Вычисление обобщенных уровней отсечения с помощью операции нахождения мягкого максимума (15): y'1= max ('1; '1; '1), y'2= max ('2; '2; '2), y'3= max ('3; '3; '3), y'4=max ('4; '4; '4), y'5=max ('5; '5; '5).

Слой 6. Построение термов управляющей величины ТП механической обработки изделий y={y1}+{y2}+{y3}+{y4}+{y5}. Выходная переменная задается пятью параметризированными термами, согласно формуле (10). Выходные переменные также могут задаваться уравнениями вида y ak.

x k Слой 7. Композиция обобщенных уровней отсечения с термами, задающими управляющую величину технологического процесса. В начале производится отсечение предпосылок на основе формулы мягкого минимума (13): y''1=min (y'1;

y1); y''2=min (y'2; y2); y''3=min (y'3; y3); y''4=min (y'4; y4); y''5=min (y'5; y5).

Далее на основе формулы (17) осуществляется объединение усеченных термов ФП выходной переменной n , y (Yi ) (y1 y2 y3 y4 y5) iгде n – количество усеченных термов ФП.

Слой 8. Дефаззификация выходного значения, согласно формулы (18) ' '' '' '' '' ' '' '' '' '' Yфакт y1' y1 y2 y2 y3 y3 y4 y4 y5 y5 / y1' y2 y3 y4 y5.

После этого выполняется процедура адаптации, при которой происходит обучение нейро-нечеткой сети, т.е. корректировка термов выходной переменной до тех пор, пока полученное значение Yфакт не станет максимально приближено к заранее известному эталонному значению МКРА в соответствии с соотношением yi1 yi (yфакт МКРА), где - скорость обучения нейро-нечеткой системы (=random[]).

Нейро-нечеткая сеть считается обученной при достижении минимума критерия обучения цц17 = (Yфакт – МКРА)2 min. (35) На основе математической модели нейро-нечеткой обработки данных хода технологического процесса МНН (Слой 1 Слой 8) разработана обобщенная функционально-структурная организация автоматизированной системы с адаптивным нейро-нечетким управлением (АСАННУ) (рисунок 12).

Оригинальными элементами функционально-структурной организации АСАННУ являются блоки: определения степеней истинности, матрицы нечетких отношений; усечения и объединения термов выходной переменной, совокупность которых увеличивает оперативность процесса принятия управляющих решений.

Описание принципа работы АСАННУ и построение е составляющих блоков на логических элементах серии К555 приведено в диссертационном исследовании.

Данная функционально-структурная организация находит практическое применение при управлении высоко-динамичными процессами, например в автоматизированных авиационных системах.

Сенсоры системы X, Y активного контроля оборудования с ЧПУ (Дх, Дy) Y Технологический Схема управления U U Внешние процесс механической ИМ двигателем факторы X обработки изделий Ц RE0…RE5 RC1…RCМикроконтроллер RA RB1 RD ША[9…0] 1 ШD[7…0] ШY2[39…0] a[23…0] БВИ b[23…0] БОСИ БВВП БОУТВП БД БУТВП ШE[39…0] БМНО ШС[70…0] ШD1[39…0] Устройство управления Рис. 12. Обобщенная функционально-структурная организация автоматизированной системы с адаптивным нейро-нечетким управлением: ИМ – исполнительные механизмы оборудования с ЧПУ; БВИ – блок ввода информации; БОСИ – блок определения степеней истинности; БМНО – блок матрицы нечетких отношений;

БВВП – блок ввода выходной переменной; БУТВП – блок усечения термов выходной переменной; БОУТВП – блок объединения усеченных термов выходной переменной;

БД – блок дефаззификации Формализация работы АСАННУ для повышения эффективности механической обработки изделий записывается Y f (X, U), (36) где Y – выходной параметр системы управления; Х – входной параметр системы управления; U – вектор управления U f (X, Y, Ц), (37) где Х=Дx(X), Y=Дy(Y) – результат измерения факторов, влияющих на ТП и его состояние, соответственно; Дx, Дy – сигналы, измеренные с помощью системы активного контроля оборудования с ЧПУ о воздействии внешних факторов на ТП и о его состоянии, соответственно; Ц=[ц11, ц12, ц13, ц14, ц15, ц16, ц17]– вектор целей.

В случае, если выполняется равенство Y = Ц, то АСАННУ управляема и е работа устойчива.

Пятый раздел посвящен разработке алгоритмов функционирования АСАННУ. В работе разработаны следующие алгоритмы: заполнения нечетких баз знаний, сформированные на основе формул (4)(9), новизной которого является формализация процесса механической обработки изделий в виде нечетких правил;

реализации метода обработки нечетко-логических данных о ходе технологического процесса с помощью выражений (10)(18), позволяющий повысить оперативность принятия управляющих решений; параллельные алгоритмы реализации корреляционно-регрессионного анализа при парной и множественной корреляции и расчет критерия оценки сходимости (31) (рисунок 13), новизной которых является возможность количественной оценки оперативности принятия управляющих решений; обучения нейро-нечеткой модели обработки данных хода технологического процесса; принятия решения для назначения режима резания при механической обработке изделий, позволяющий в режиме реального времени повысить е точность. На основе вышеуказанных алгоритмов разработано специализированное программное обеспечение [Свидетельства об официальной регистрации программ для ЭВМ №№ 2010616290, 2006613857].

начало Создание ФП для Ввод данных от s, v (vq ) (so ) ( pl ) переменных s, v, p.

сенсорных систем so ; vq ; pl .

s v p y n a b1 b2 , x1 xСоставление НП НПУi: Если s есть so И v есть vq y x1 a b1 b2 x2, x1 x1 xСоздание системы То p есть pl линейных уравнений y x2 a b1 x2 b2 .

x2 x1 x Создание БЗ, k n minso, vq bi c весомСИi pk, описывающую l1 i1 Расчет общего и взаимосвязь между s и t , 1, 2, частных Ввод входных данных от определителей s, v сенсорных систем матрицы Расчет Установка счетчика i=коэффициентов a, b1, bкорреляции n n Определение коэффициентов b mins, vi , i i Расчет отсечения для заключений i1 ip a b1 s b2 v уравнения регрессии Определение усеченных n n ФП заключений механизма Расчет p minb; p .

i i i F НЛВ i1 iF-критерия Сравнение Инкремент счетчика i:=i+F n n=p Вывод выходного да параметра, полученного k k Объединение с помощью КРА pl bl ( p)l Блок КРА – МКРА усеченных ФП l 1 l 1 psupp( pl ) k pl ( p)l l p Дефаззификация k ( p)l l Блок обработки нечетко-логических Вывод выходного p данных параметра, полученного с помощью метоад Расчет критерия сходимости pi pi ц14 n конец Рис. 13. Алгоритм расчета критерия сходимости Таким образом, совокупность исследований и решений, выполненных в 2разделах, позволили реализовать комплекс работ по созданию автоматизированной системы с адаптивным нейро-нечетким управлением технологическим процессом механической обработки изделий.

В шестом разделе для повышения эффективности механической обработки изделий разработано специализированное программное обеспечение, приведена методика проведения экспериментальных исследований, результаты промышленных испытаний и внедрения автоматизированной системы с использованием адаптивного нейро-нечеткого управления. Экспериментальные исследования с запатентованной функционально-структурной организацией АСАННУ (патенты РФ №№2386519, 2325247) проводились на производственном оборудовании трех-, четырех координатный вертикальный центр ЧПУ с микроконтроллером FANUC, обработка деталей с максимальным размером 1100/650 мм.

Прогнозирование возможных состояний технологической системы осуществлялось следующим образом. Сначала осуществлялось обучение адаптивной нейро-нечеткой сети. Обучаемая нейро-нечеткая сеть имела входных переменных и один выходной параметр, при этом термы ФП рассчитывались на основе параметризированной формулы (10). Анализ по критерию Стьюдента показал, что для оценки адекватности математической модели нейро-нечеткой обработки данных хода ТП достаточно 100 состояний для каждой из шести входных переменных. Для прогноза использовались предыдущих состояний нейро-нечеткой сети. Тогда выборка для обучения нейронечеткой сети формируется по следующим правилам: входные значения – это номер за последние 10 итераций, а выходное значение – известное значение на 100-ой итерации. Аналогично формируется прогнозируемая сеть для следующей итерации. Прогнозируемые значения, полученные с помощью математической модели нейро-нечеткой обработки данных хода ТП и критерием ц16 (34), вносились в блок введения возмущающих воздействий. Результаты, позволяющие оценить время переходных процессов, необходимое для возвращения резца на заданную траекторию при воздействии внешних факторов, представлены на рисунке 14.

a) б) Рис. 14 Оценка времени переходных процессов, необходимого для возвращения резца на заданную траекторию: VЗ – заданная скорость резания; t1 – постоянная времени ускорения форсированной скорости подачи при резании; t2 – постоянная времени замедления форсированной скорости подачи при резании; tпп1 – время переходного процесса, необходимое для возвращения резца на заданную траекторию при воздействии возмущающих воздействий; tпп2 – время переходного процесса, необходимое для возвращения резца на заданную при использовании математической модели нейро-нечеткой обработки данных хода ТП Вследствие инерционности традиционных систем управления точностью механической обработки изделий (рисунок 14, а) для стабилизации процесса резания потребуется больше времени, чем при использовании разработанной в диссертации АСАННУ ТП (рисунок 14, б). Такие результаты объясняются наличием в МНН функции прогнозирования возможных состояний, при этом траектория возврата резца на заданный режиме, аппроксимируется апериодической функцией, в то время как для традиционных систем управления она аппроксимируется колебательной функцией. Анализ рисунка 14 показал, что время стабилизации при использовании МНН снижается в 1,5 раза. За счет снижения времени переходных процессов увеличивается скорость резания, что свидетельствует о повышении оперативности контроля ТП, а также о росте эффективности ТП МОИ. В ходе проведения экспериментальных исследований были получены следующие результаты (таблица 5).

Таблица Расчет коэффициентов входных переменных Время Количество Точность Погрешность достижения итераций при резании адаптации, % критериев, мс Нечеткие менее 50% регуляторы Нечеткие увеличение регуляторы с 40 менее 8% на 5% ANFIS АС с адаптивным увеличение нейро-нечетким 14 менее 1% на 10% управлением Разработанная в диссертации автоматизированная система с адаптивным нейро-нечетким управлением может не только эффективно использоваться при токарных операциях, но и в рамках дуальных технологий обеспечить повышение эффективности ТП МОИ при: шлифовании [патент №2381887]; протягивании [патент №92826]; фрезеровании [патент №91918]; сверлении [патент №91910] и строгании [патент №91687]; а также в автоматизированных авиационных системах с целью повышения оперативности принятия управляющих решений в переходных процессах.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ Диссертационная работа посвящена решению имеющей большое народнохозяйственное значение научно-технической проблемы повышения точности, оперативности контроля процесса механической обработки изделий на основе создания автоматизированной системы с использованием адаптивного нейронечеткого управления в условиях современного машиностроительного предприятия.

В ходе решения этой проблемы получены следующие основные результаты:

1. Выполнен анализ существующих математических моделей, способов и систем контроля и управления механической обработкой изделий, на основании которого обоснована объективная необходимость повышения эффективности управления технологическим процессом.

2. Определены внешние возмущающие факторы, приводящие к нарушению технологического процесса, проведен анализ степени их влияния на точность механической обработки изделий.

3. Разработаны теоретические основы управления процессом механической обработки изделий, включающие обобщенную математической модель процессов контроля и адаптивного управления, обеспечивающую требуемую точность механической обработки изделий, отличающуюся редукцией числа нечеткологических выводов при формировании управляющих решений учетом информативных данных о ходе ТП, обеспечивающей сокращение времени принятия решений, включающей следующие частные математические модели:

– построения функций принадлежности на основе обработки экспертной информации, парных сравнений и параметрических методов их построения;

– синтеза нечетких баз знаний, позволяющих в режиме реального времени с учетом правил управления формировать данные, необходимые для принятия управляющих воздействий в ходе ТП механической обработки изделий;

– принятия решений при трапециевидных ФП, в основу которой положен выбор единственного управляющего параметра в режиме реального времени из диапазона рекомендуемых величин;

– диагностики элементов оборудования с ЧПУ на основе обратного нечеткологического вывода, позволяющей в режиме реального времени определять неисправности;

– оценки устойчивости нечетко-логических систем управления, позволяющей в режиме реального времени произвести е оценку.

4. Разработан метод обработки нечетко-логических данных о ходе технологического процесса, обеспечивающий повышение оперативности процесса управления не менее чем на 10% путем редукции пустых решений, появляющихся в заключениях нечетко-логического вывода, заключающийся в реализации следующих этапов:

– определения и параметризации функций принадлежности с целью обеспечения более гладкой корреляционной поверхности, отображающей взаимосвязь между входными и выходными переменными при соблюдении критерия разбиения единицы;

– формирования матрицы нечетких отношений, обеспечивающей редукцию заключений нечетко-логического вывода и учет информативных данных о ходе технологического процесса;

– устранения пустых решений в заключениях нечетко-логических выводов с целью увеличения оперативности принятия решений за счет сокращения переборов предпосылок нечетко-логического вывода;

– уменьшения размерности данных, вводимых в информационную базу системы автоматизированного управления, путем уменьшения избыточности объема обрабатываемой информации.

5. Разработан метод получения достоверных данных о ходе технологического процесса, особенностью которого является наличие этапов:

– определения критерия оценки сходимости алгоритмов при парной и множественной корреляциях между величинами;

– формирования критерия оценки скорости сходимости алгоритмов, позволяющих оценивать наличие возмущающих воздействий, действующих на технологическую систему в режиме реального времени;

– определения вектора возмущающих воздействий, действующих при механической обработке изделий, позволяющего прогнозировать точность механической обработки изделий.

6. Разработана математическая модель нейро-нечеткой обработки данных хода технологического процесса, учитывающая особенности формирования матрицы нечетких отношений и метода случайного поиска, обеспечивающая уменьшение числа итераций для процесса принятий управляющих решений, позволяющая сократить время обучения сети в 1,5 раза по сравнению с традиционными адаптивными нейро-нечеткими системами вывода в реальном масштабе времени.

7. Синтезирована функционально-структурная организация автоматизированной системы с адаптивным нейро-нечетким управлением механической обработкой изделий, включающей в себя следующие блоки: ввода информации; определения степеней истинности; матрицы нечетких отношений;

ввода выходной переменной; усечения термов выходной переменной;

объединения усеченных термов выходной переменой; дефаззификации, обеспечивающей повышение точности и оперативности контроля; разработана система сбора данных, а также проведены исследования качества е функционирования, подтверждающие достижение требуемой точности в процессе механической обработки изделий.

8. Разработана система алгоритмов функционирования автоматизированной системы с использованием адаптивного нейро-нечеткого управления механической обработкой изделий, реализованная в виде специализированного программного обеспечения. Осуществлена оценка качества их функционирования.

9. Методы автоматизации испытаний, контроля и диагностики элементов оборудования с ЧПУ на основе разработанной автоматизированной системы с использованием нейро-нечеткого управления позволили увеличить оперативность принятия управляющего решения не менее чем в 1,5 раза и повысить точность обработки деталей не менее чем на 10%, что является основным показателем эффективности ТП механической обработки изделий.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ Статьи в рецензируемых научных журналах 1. Бобырь, М.В. Алгоритм высокоскоростной обработки деталей на основе нечеткой логики [Текст] / М.В. Бобырь, В.С. Титов, А.В. Анциферов // Мехатроника, Автоматизация, Управление. – 2012. – № 6. – С. 21-26.

2. Бобырь, М.В. Адаптация сложных систем управления с учтом прогнозирования возможных состояний [Текст] / М.В. Бобырь, В.С. Титов, Л.М.

Червяков // Автоматизация и современные технологии. – 2012. – № 5. – С. 3-10.

3. Бобырь, М.В. Система фиксации деталей на основе электрореологического эффекта [Текст] / М.В. Бобырь, Г.Ю. Акульшин, Т.А.

Ширабакина // Известия ВУЗов. Серия «Приборостроение». – 2012. – Т.55. – №2.

– С. 47-51.

4. Бобырь М.В. Автоматизированная система управления эффективной мощностью при шлифовании [Текст] / В.С. Титов, Н.А. Милостная, М.В. Бобырь, П.В. Глобин // Известия Юго-Западного государственного университета. – 2012. – № 2-1. – С. 8-12.

5. Бобырь М.В. Автоматизированная система управления скоростью обработки деталей на оборудовании с ЧПУ [Текст] / В.С. Титов, М.В. Бобырь, О.Г. Локтионова, А.В. Анциферов // Известия Юго-Западного государственного университета. – 2012. – № 2-1. – С. 13-16.

6. Бобырь, М.В. Интеллектуальная система управления температурными деформациями при резании [Текст] / М.В. Бобырь, В.С. Титов // Автоматизация и современные технологии. – 2011. – №5. – С. 3-7.

7. Автоматизированная система компенсации биений на оборудовании с ЧПУ [Текст] / М.В. Бобырь, В.С. Титов, Л.М. Червяков, П.В. Глобин // Промышленные АСУ и контроллеры. – 2011. – №11. – С. 1-5.

8. Бобырь, М.В. Модифицированный алгоритм нечетко-логического вывода в задачах управления оборудованием с ЧПУ [Текст] / М.В. Бобырь // Мехатроника, Автоматизация, Управление. – 2011. – №4. – С. 26-32.

9. Бобырь, М.В. Методы построения функций принадлежностей для нечетких баз знаний [Текст] / М.В. Бобырь // Промышленные АСУ и контроллеры. – 2011. – №2. – С.27-32.

10. Бобырь, М.В. Система автокоррекции нуля [Текст] / М.В. Бобырь, В.С.

Титов, В.И. Иванов // Автоматизация и современные технологии. – 2010. – №12. – С. 23-26.

11. Метод коррекции дрейфа нуля операционных усилителей [Текст] / В.С.

Титов, М.В. Бобырь, Н.А. Милостная, А.Л. Беломестная // Известия ВУЗов.

Серия «Приборостроение». – 2010. – Т. 52. – №9. – С. 72-75.

12. Бобырь, М.В. Интеллектуальная система управления подачей при обработке деталей резанием [Текст] / М.В. Бобырь, В.С. Титов, А.Л. Беломестная // Промышленные АСУ и контроллеры. – 2010. – №8. – С. 17-20.

13. Бобырь, М.В. Метод коррекции параметров режима резания в системах с ЧПУ / М.В. Бобырь, В.С. Титов // Мехатроника. Автоматизация. Управление. – 2010. – № 7. – С. 49-53.

14. Бобырь, М.В. Стабилизация теплового режима в процессе резания [Текст] / М.В. Бобырь, В.С. Титов, А.Л. Беломестная // Мехатроника.

Автоматизация. Управление. – 2010. – № 6. – С. 38-41.

15. Бобырь, М.В. Модернизация АСУ оборудованием с ЧПУ на основе аппарата нечеткой логики [Текст] / М.В. Бобырь, В.С. Титов // Проблемы машиностроения и автоматизации. – 2010. – №2. – С. 40-43.

16. Бобырь, М.В. Диагностика оборудования с ЧПУ методами нечеткой логики [Текст] / М.В. Бобырь // Промышленные АСУ и контроллеры. – 2010. – №1. – С.18-20.

17. Бобырь, М.В. Анализ систем управления машиностроительным оборудованием [Текст] / В.С. Титов, М.В. Бобырь, Н.А. Милостная // Промышленные АСУ и контроллеры. – 2009. – №2. – С. 3-5.

18. Автоматизированная система теплового контроля печатных плат [Текст] / М.В. Бобырь, Т.А. Ширабакина, Н.А. Милостная, В.И. Иванов // Датчики и системы. – 2008. – № 7. – С. 36-38.

19. Бобырь, М.В. Операционные системы реального времени для ЧПУ [Текст] / М.В. Бобырь, В.С. Титов, Н.А. Милостная // Промышленные АСУ и контроллеры. – 2008. – № 7. – С. 31-34.

20. Бобырь, М.В. АСУ прогнозирования точностью обработки деталей [Текст] / М.В. Бобырь, В.С. Титов, Н.А. Милостная // Автоматизация в промышленности. – 2008. – № 4. – С.3-4.

21. Автоматизированная система контроля на основе ультразвуковых датчиков [Текст] / М.В. Бобырь, В.С. Титов, В.И. Иванов, Ю.Л. Бартенева // Датчики и системы. – 2007. – № 7. – С. 7-10.

22. Бобырь, М.В. Распознавание контуров деталей на основе использования лазерных преобразователей информации [Текст] / М.В. Бобырь, В.С. Титов, Н.А.

Милостная // Промышленные АСУ и контроллеры. – 2007. – № 3. – С. 22-25.

23. Бобырь, М.В. АСУ включением/выключением устройства удаления стружки и пыли на оборудовании с ЧПУ [Текст] / М.В. Бобырь, В.С. Титов, Н.А.

Милостная // Автоматизация в промышленности. – 2006. – № 12. – С. 10-11.

24. Бобырь, М.В. Автоматическая компенсация тепловых деформаций шпиндельных узлов прецизионного оборудования с ЧПУ [Текст] / М.В. Бобырь, В.С. Титов, Н.А. Милостная // Промышленные АСУ и контроллеры. – 2006. – №11. –С. 31-36.

25. Бобырь, М.В. Автоматизированная система контроля и управления точностью обработки деталей на оборудовании с ЧПУ [Текст] / М.В. Бобырь, Ю.П. Стеценко, Н.А. Милостная // Известия Тульского государственного университета. Серия «Вычислительная техника. Информационные технологии.

Системы управления». – 2006. – Вып. 1. – С. 63-67.

26. Бобырь, М.В. Автоматизированная система прогнозирования и управления точностью обработки деталей / М.В. Бобырь, В.С. Титов, Н.А.

Милостная // Спецвыпуск журнала «Промышленные АСУ и контроллеры». – 2006. – №10. – С. 63-64.

27. Бобырь, М.В. Система лазерного контроля обработки деталей в реальном времени [Текст] / М.В. Бобырь, В.С. Титов, Н.А. Милостная // Промышленные АСУ и контроллеры. – 2005. – № 11. – С. 21-25.

28. Бобырь, М.В. Особенности оценки точности измерений размеров при использовании высокоточных автоматизированных систем [Текст] / М.В. Бобырь, В.С. Титов, Н.А. Милостная // Промышленные АСУ и контроллеры. – 2005. – №6.

– С.17-21.

29. Автоматизация математического моделирования структурного описания деталей [Текст] / М.В. Бобырь, В.С. Титов, С.Н. Мальцев, Н.А. Милостная // Промышленные АСУ и контроллеры. – 2004. – № 11. – С. 24-27.

30. Бобырь, М.В. Статистический анализ точности обработки деталей [Текст] / М.В. Бобырь, В.С. Титов // Промышленные АСУ и контроллеры. – 2004.

– № 7. –С. 31-34.

31. Бобырь, М.В. Исследование автоматизированной системы контроля и управления технологическими процессами обработки деталей [Текст] / В.С.

Титов, М.В. Бобырь // Промышленные АСУ и контроллеры. – 2004. – № 4. – С.

29-30.

32. Бобырь, М.В. Анализ методов автоматизации управления высокой точностью технологических процессов [Текст] / М.В. Бобырь, В.С. Титов, А.В.

Беседин // Промышленные АСУ и контроллеры. – 2003. – № 7. – С. 29-32.

33. Бобырь М.В. Выбор оптимальных параметров управления технологическим процессом методами нечеткой логики [Текст] / В.С. Титов, М.В.

Бобырь, С.С. Тевс // Промышленные АСУ и контроллеры. Москва. – 2003. – № 5.

– С. 21-23.

34. Бобырь М.В. Высокоточная автоматизированная система управления технологическим процессом на основе использования нечетких принципов управления [Текст] / М.В. Бобырь, В.С. Титов, А.В. Беседин // Промышленные АСУ и контроллеры. – 2003. – № 3. – С. 38-39.

Монографии 35. Бобырь, М.В. Автоматизированные нечетко-логические системы управления [Текст]: монография / С.Г. Емельянов, В.С. Титов, М.В. Бобырь. – М.:

ИНФРА-М, 2011. – 176 с.

36. Бобырь, М.В. Теоретические основы построения автоматизированных систем управления технологическими процессами на основе нечеткой логики [Текст]: монография / М.В. Бобырь, С.Г. Емельянов, В.С. Титов. – Старый Оскол:

Тонкие наукоемкие технологии, 2009. – 232 с.

Патенты 37. Пат. 2010134470/02 Рос. Федерация, МПК7 B23Q 15/18; B23 B 25/06;

G05B 13/02; G05B 11/01. Способ и устройство стабилизации процесса резания на токарном оборудовании с ЧПУ [Текст] / М.В. Бобырь; заявитель и патентообладатель ЮЗГУ. (получено положительно решение о выдачи патента, дата приоритета 11.01.2012 г.).

38. Пат. 2010134471/02 Рос. Федерация, МПК7 B23Q 15/18; B23 B 25/06;

G05B 13/02; G05B 11/01 Способ и устройство управления скоростью резания на токарном оборудовании с ЧПУ [Текст] / М.В. Бобырь; заявитель и патентообладатель ЮЗГУ. (получено положительно решение о выдачи патента, дата приоритета 11.01.2012 г.).

39. Пат. 2010134471/02 Рос. Федерация, МПК7 B23Q 15/18; B23 B 25/06;

G05B 13/02; G05B 11/01 Способ и устройство управления подачей при токарной обработке деталей на оборудовании с ЧПУ [Текст] / М.В. Бобырь, А.Л.

Беломестная, Д.В. Титов, А.П. Локтионов; заявитель и патентообладатель ЮЗГУ.

(получено положительно решение о выдачи патента, дата приоритета 16.5.2012 г.) 40. Пат. 2386519 Рос. Федерация, МПК7 B23B 25/06, B23Q 15/00.

Устройство прогнозирования и управления точностью токарной обработки деталей на оборудовании с числовым программным управлением (ЧПУ) [Текст] / М.В. Бобырь, В.С. Титов, А.Л. Сибилева; заявитель и патентообладатель Курс.

гос. техн. ун-т. – № 2008123472/02; заявл. 09.06.08; опубл. 20.04.10, Бюл. №11. – 10 с.

41. Пат. 2397058 Рос. Федерация, МПК7 B23Q 23/00. Устройство автокоррекции нуля операционного усилителя в контуре управления оборудованием с ЧПУ [Текст] / В.С. Титов, М.В. Бобырь, А.Л. Беломестная;

заявитель и патентообладатель Курс. гос. техн. ун-т. – № 2009108628/02; заявл.

10.03.09; опубл. 20.08.10, Бюл. №23. – 8 с.

42. Пат. 2381888 Рос. Федерация, МПК7 B23Q15/18, B23B 25/06. Устройство теплового контроля точности обработки деталей [Текст] / М.В. Бобырь, В.С.

Титов, А.Л. Сибилева; заявитель и патентообладатель Курс. гос. техн. ун-т. – №2008104457/02; заявл. 05.02.08; опубл. 20.02.10, Бюл. №5. – 6 с.

43. Пат. 2381887 Рос. Федерация, МПК7 B23Q11/02. Устройство для обработки деталей на оборудовании с ЧПУ при шлифовании [Текст] / М.В.

Бобырь, В.С. Титов, Е.С. Яхонтова; заявитель и патентообладатель Курс. гос.

техн. ун-т. – №2008118944/02; заявл. 13.05.08; опубл. 20.02.10, Бюл. №5. – 5 с.

44. Пат. 2379169 Рос. Федерация, МПК7 B23Q15/02. Способ и устройство управления точностью обработки деталей [Текст] / М.В. Бобырь, В.С. Титов, Е.С.

Яхонтова; заявитель и патентообладатель Курс. гос. техн. ун-т. – №2008109406/02; заявл. 11.03.08; опубл. 20.01.10, Бюл. №2. – 12 с.

45. Пат. 92826 Рос. Федерация, МПК7 B23Q11/02, B23D41/00. Устройство для обработки деталей на оборудовании с ЧПУ при протягивании [Текст] / М.В.

Бобырь, В.С. Титов, Е.С. Яхонтова; заявитель и патентообладатель Курс. гос.

техн. ун-т. –№ 2008124489/22; заявл. 16.06.08; опубл. 10.04.10, Бюл. №10. – 2 с.

46. Пат. 91918 Рос. Федерация, МПК7 B23Q11/02. Устройство для обработки деталей на оборудовании с ЧПУ при фрезеровании [Текст] / М.В.

Бобырь, В.С. Титов, Е.С. Яхонтова; заявитель и патентообладатель Курс. гос.

техн. ун-т. – № 2008123476/22; заявл. 09.06.08; опубл. 10.03.10, Бюл. №7. – 2 с.

47. Пат. 91910 Рос. Федерация, МПК7 B23B 39/24 B23B 47/34. Устройство для сверления деталей на оборудовании с ЧПУ [Текст] / М.В. Бобырь, В.С.

Титов, Е.С. Яхонтова; заявитель и патентообладатель Курс. гос. техн. ун-т. – №2008124487/22; заявл. 16.06.08; опубл. 10.03.10, Бюл. №7. – 2 с.

48. Пат. 91687 Рос. Федерация, МПК7 B23Q11/02. Устройство для обработки деталей на оборудовании с ЧПУ при строгании [Текст] / М.В. Бобырь, В.С. Титов, Е.С. Яхонтова; заявитель и патентообладатель Курс. гос. техн. ун-т. – №2008118943/22; заявл. 13.05.08; опубл. 27.02.10, Бюл. №6. – 2 с.

49. Пат. 2371295 Рос. Федерация, МПК7 B23Q11/02. Устройство обработки деталей на оборудовании с ЧПУ [Текст] / М.В. Бобырь, В.С. Титов, Н.А.

Милостная; заявитель и патентообладатель Курс. гос. техн. ун-т. – № 2008108663/02; заявл. 05.03.08; опубл. 27.10.09, Бюл. №30. – 7 с.

50. Пат. 2325247 Рос. Федерация, МПК7 B23B 25/06. Устройство прогнозирования на оборудовании с ЧПУ качества обработанных поверхностей детали [Текст] / М.В. Бобырь, В.С. Титов, Н.А. Милостная; заявитель и патентообладатель Курс. гос. техн. ун-т. – № 2005138097/02; заявл. 07.12.05;

опубл. 27.06.07, Бюл. №15. – 5 с.

51. Пат. 2309034 Рос. Федерация, МПК7 B23Q 11/02. Устройство для обработки деталей на оборудовании с ЧПУ [Текст] / М.В. Бобырь, В.С. Титов, Н.А. Милостная, Н.Ю. Бобовников; заявитель и патентообладатель Курс. гос.

техн. ун-т. – № 2005138099/02; заявл. 07.12.05; опубл. 27.10.07, Бюл. №30. – 5 с.

52. Пат. 2288809 Рос. Федерация, МПК7 B23B 25/06, B23Q 15/12.

Устройство управления точностью обработки деталей [Текст] / М.В. Бобырь, В.С. Титов, Н.А. Милостная; заявитель и патентообладатель Курс. гос. техн. ун-т.

– №2005113470/02; заявл. 03.05.05; опубл. 10.12.06, Бюл. №34. – 8 с.

53. Пат. 2288808 Рос. Федерация, МПК7 B23B 25/06, B23Q 15/12.

Устройство управления точностью обработки деталей на высокоточном оборудовании ЧПУ [Текст] / М.В. Бобырь, В.С. Титов, Н.А. Милостная;

заявитель и патентообладатель Курс. гос. техн. ун-т. – № 2005103169/02; заявл.

08.02.05; опубл. 10.12.06, Бюл. №34. – 6 с.

54. Пат. 2280540 Рос. Федерация, МПК7 B23B 25/06. Устройство высокоточной обработки деталей на оборудовании ЧПУ [Текст] / М.В. Бобырь, В.С. Титов, Н.А. Милостная; заявитель и патентообладатель Курс. гос. техн. ун-т.

– №2005103168/02; заявл. 08.02.05; опубл. 27.07.06, Бюл. №21. – 5 с.

55. Пат. 50136 Рос. Федерация, МПК7 В23В 25/06. Устройство прогнозирования точности обработки деталей на высокоточном оборудовании ЧПУ [Текст] / М.В. Бобырь, В.С. Титов, Н.А. Милостная; заявитель и патентообладатель Курс. гос. техн. ун-т. – №2005103167/02; заявл. 08.02.05;

опубл. 27.12.05, Бюл. №36. – 2 с.

56. Пат. 27868 Рос. Федерация, МПК7 G05В 11/00. Система автоматического управления следящими приводами оборудования с ЧПУ [Текст] / М.В. Бобырь, В.С. Титов, А.В. Беседин; заявитель и патентообладатель Курс. гос. техн. ун-т. – №2001129226/20; заявл. 29.10.01; опубл. 20.02.03. – 2 с.

57. Пат. 26142 Рос. Федерация, МПК7 G05В 11/00. Система автоматического управления следящими приводами оборудования с ЧПУ [Текст] / М.В. Бобырь, В.С. Титов, А.В. Беседин; заявитель и патентообладатель Курс. гос. техн. ун-т. – №2001106392/20; заявл. 06.03.01; опубл. 10.11.02. – 2 с.

Свидетельства об официальной регистрации программы для ЭВМ 58. Бобырь М.В. Управление оборудованием с ЧПУ на основе нечеткологического вывода // Программа для ЭВМ №2010616290. – 2010.

59. Бобырь М.В. Метод определения оптимальных параметров режимов резания на оборудовании с ЧПУ на основе использования нечетких интервалов // Программа для ЭВМ №2006613857. – 2007.

Статьи, материалы и тезисы докладов, опубликованных в трудах Международных и Всероссийских конференциях 60. Бобырь М.В. Адаптивный мультисетевой алгоритм нечеткологического вывода для оборудования с ЧПУ [Текст] / М.В. Бобырь, В.С. Титов, А.В. Анциферов // «Распознавание – 2012»: материалы 10-ой Международной конференции. – Курск, 2012. – С. 186-188.

61. Бобырь М.В. Устройство адаптации процесса резания на оборудовании с ЧПУ [Текст] / М.В. Бобырь, В.С. Титов, П.В. Глобин // «Автоматизация и энергосбережение машиностроительного и металлургического производств, технология и надежность машин, приборов и оборудования»: материалы 7-ой Международной конференции. – Вологда, 2012. – С. 69-70.

62. Бобырь М.В. Автоматизация процесса минизации погрешностей обработки на станках с ЧПУ [Текст] / М.В. Бобырь, В.С. Титов, Г.Ю. Акульшин // «Современные инструментальные системы, информационные технологии и инновации»: материалы 9-ой Международной конференции. – Курск, 2012. – С.19-21.

63. Бобырь, М.В. Методика корреляционно-регрессионного анализа при ограниченном числе опытов [Текст] / М.В. Бобырь, В.С. Титов, С.Г. Емельянов // «Перспективные технологии, оборудование и аналитические системы для материаловедения и нанометриалов»: материалы VIII Международной конференции. – Алматы, 2011. – С. 469-472.

64. Бобырь, М.В. Адаптация механизма нечетко-логического вывода [Текст] / М.В. Бобырь, В.С. Титов, Л.М. Червяков // «Перспективные технологии, оборудование и аналитические системы для материаловедения и нанометриалов»:

материалы VIII Международной конференции. – Алматы, 2011. – С. 365-368.

65. Бобырь, М.В. Анализ направлений повышения точности металлорежущего оборудования [Текст] / М.В. Бобырь, В.С. Титов, С.Г.

Емельянов // «Перспективные технологии, оборудование и аналитические системы для материаловедения и нанометриалов»: материалы VIII Международной конференции. – Алматы, 2011. – С. 447-451.

66. Бобырь, М.В. Алгоритм нечтко-логического вывода для автоматизации технологических процессов [Текст] / М.В. Бобырь, В.В. Корой // «Интеллект – 2011»: материалы Всероссийской научно-технической конференции. – Тула. 2011. – С. 47-49.

67. Бобырь, М.В. Автоматизированная система обнаружения объектов [Текст] / М.В. Бобырь, П.Н. Прешпективых // «Интеллект – 2011»: материалы Всероссийской научно-технической конференции. – Тула, 2011. – С. 94-95.

68. Бобырь, М.В. Устойчивость нечетко-логических систем управления [Текст] / Бобырь М.В., Бобровский Д.С. // «Интеллект – 2011»: материалы Всероссийской научно-технической конференции. – Тула. 2011. С. 18-20.

69. Бобырь, М.В. Моделирование нечетко-логических систем управления с функцией прогнозирования возможных состояний [Текст] / М.В. Бобырь, В.С.

Титов // «Перспективы развития систем управления оружием – 2011»: материалы V научно-практической конференции. – Курск, 2011. – С. 102-104.

70. Бобырь, М.В. Автоматизированная оптико-электронная система контроля и управления точностью обработки деталей [Текст] / М.В. Бобырь, В.С.

Титов // Методы и средства систем обработки информации: сб. науч. стат. – 2010.

– Вып.5. – С. 84-90.

71. Бобырь, М.В. Система принятия решения для автоматизации производственных процессов [Текст] / М.В. Бобырь, Н.А. Милостная // «Распознавание – 2010»: материалы 9-ой Международной конференции. – Курск, 2010. – С. 264-266.

72. Бобырь, М.В. Нечеткая модель автоматизации производственных процессов [Текст]/ М.В. Бобырь, А.Л. Беломестная // «Распознавание – 2010»:

материалы 9-ой Международной конференции. – Курск, 2010. – С. 266-268.

73. Бобырь, М.В. Контроль производственного процесса на основе оптикоэлектронной системы [Текст] / М.В. Бобырь, Е.С. Яхонтова // «Распознавание – 2010»: материалы 9-ой Международной конференции. – Курск, 2010. – С. 262-263.

74. Бобырь, М.В. АСУ приводами оборудования с ЧПУ [Текст] / М.В.

Бобырь, А.Л. Сибилева // «Современные инструментальные системы, информационные технологии и инновации – 2010»: материалы VII-ой Международной научно-технической конференции. – Курск, 2010. – С. 53-56.

75. Бобырь, М.В. Фаззификация данных для автоматизации технологических процессов [Текст] / М.В. Бобырь, Е.С. Яхонтова // «Современные инструментальные системы, информационные технологии и инновации – 2010»: материалы VII-ой Международной научно-технической конференции. – Курск, 2010. – С. 56-58.

76. Бобырь, М.В. К анализу устойчивости вынужденных колебаний осциллятора с сухим трением [Текст] / М.В. Бобырь, А.А. Михалев, С.Ю.

Чевычелов // «Современные инструментальные системы, информационные технологии и инновации – 2010»: материалы VII-ой Международной научнотехнической конференции. – Курск, 2010. – С. 50-52.

77. Бобырь, М.В. Стабилизация тепловых процессов [Текст] / М.В.

Бобырь, В.А. Клочков // «Медико-экологические информационные технологии – 2010»: материалы ХIII Международной научно-технической конференции. – Курск, 2010. – С. 255-257.

78. Bobyr, M.V. System stabilization of process cutting / M.V. Bobyr, A.L.

Belomestnaya // «Information and Telecommunication Technologies in Intelligent Systems – 2010»: proceedings 7-th International Conference. – Schweiz. Lugano, 2010.

– p. 85-89.

79. Бобырь, М.В. Автоматизированная система управления теплопотреблением [Текст] / М.В. Бобырь, П.В. Глобин // «Диагностика – 2009»:

материалы I-ой Международной научно-технической конференции. – Курск, 2009.

– Ч.1. – С. 59-62.

80. Бобырь, М.В. Автоматизированная система управления температурными деформациями [Текст] / М.В. Бобырь, Д.С. Силичев // «Диагностика – 2009»: материалы I-ой Международной научно-технической конференции. – Курск, 2009. – Ч.1. – С. 57-59.

81. Бобырь, М.В. Применение баз знаний для автоматизации технологических процессов [Текст] / М.В. Бобырь, Е.С. Яхонтова // «Диагностика – 2009»: материалы I-ой Международной научно-технической конференции. – Курск, 2009. – Ч.1. – С. 14-16.

82. Бобырь, М.В. Методы нелинейного программирования в системах управления [Текст] / М.В. Бобырь, А.Л. Сибилева // «Диагностика – 2009»:

материалы I-ой Международной научно-технической конференции. – Курск, 2009.

– Ч.1. – С.72-75.

83. Бобырь, М.В. Анализ методов выбора оптимальных параметров управления [Текст] / М.В. Бобырь, А.Л. Сибилева // «Медико-экологические информационные технологии – 2009»: материалы ХII Международной научнотехнической конференции. – Курск, 2009. – С. 308-310.

84. Бобырь, М.В. Диагностика оборудования с ЧПУ на основе нечетких отношений [Текст] / М.В. Бобырь // «Интеллект – 2009»: материалы Всероссийской научно-технической конференции. – Тула, 2009. – С. 127-129.

85. Бобырь, М.В. Алгоритм нечетко-логического вывода для АСУ [Текст] / М.В. Бобырь, А.Л. Сибилева // «Интеллект – 2009»: материалы Всероссийской научно-технической конференции. – Тула, 2009. – С. 129-130.

86. Бобырь, М.В Структура нечетких правил управления для систем с ЧПУ [Текст] / М.В. Бобырь, Е.С. Яхонтова // «Интеллект – 2009»: материалы Всероссийской научно-технической конференции. – Тула, 2009. – С. 130-131.

87. Бобырь, М.В. Автоматизация процессов управления на оборудовании с ЧПУ [Текст] / М.В. Бобырь // «Распознавание – 2008»: материалы 8-ой Международной конференции. – Курск, 2008. – Ч.1. – С. 66-67.

88. Бобырь, М.В. Автоматизация процесса прогнозирования точности [Текст] / М.В. Бобырь, А.Л. Сибилева // «Распознавание – 2008»: материалы 8-ой Международной конференции. – Курск, 2008. – Ч.1. – С. 69-71.

89. Бобырь, М.В. Базы данных для систем с ЧПУ [Текст] / М.В. Бобырь, Е.С. Яхонтова // «Распознавание – 2008»: материалы 8-ой Международной конференции. – Курск, 2008. – Ч.1. – С. 65.

90. Бобырь, М.В. Система управления машиностроительным оборудованием / М.В. Бобырь // «Современные инструментальные системы, информационные технологии и инновации – 2008»: материалы VI-ой Международной научно-технической конференции. – Курск, 2008. – Ч. 2. – С. 8890.

91. Бобырь, М.В. Прогнозирование точности обработки детали на основе нечеткой логики [Текст] / М.В. Бобырь, А.Л. Сибилева // «Современные инструментальные системы, информационные технологии и инновации – 2008»:

материалы VI-ой Международной научно-технической конференции. – Курск, 2008. – Ч. 2. – С. 90-92.

92. Бобырь, М.В. Автоматизированная система управления машиностроительным оборудованием [Текст] / М.В. Бобырь, Е.С. Яхонтова // «Современные инструментальные системы, информационные технологии и инновации – 2008»: материалы VI-ой Международной научно-технической конференции. – Курск, 2008. – Ч. 2. – С. 95-97.

93. Бобырь, М.В. Автоматизированная система управления повышения точности обработки деталей [Текст] / М.В. Бобырь, Д.С. Силичев // «Современные инструментальные системы, информационные технологии и инновации – 2008»: материалы VI-ой Международной научно-технической конференции. - Курск, 2008. – Ч. 2. – С. 92-95.

94. Bobyr, M.V. Features functioning of the automated control systems / M.V.

Bobyr, N.A. Milostnaya // «Information and Telecommunication Technologies in Intelligent Systems – 2007»: proceedings 5-th International Conference. – Spain.

Mallorca, 2007. – p. 36-40.

95. Бобырь, М.В. Автоматизированная система принятия решений управления обработкой деталей машин на основе использования принципов нечеткой логики [Текст] / М.В. Бобырь // Методы и средства систем обработки информации: сб. науч. статей. – Курск, 2003. – Вып.3. – С. 91-96.

96. Бобырь, М.В. Автоматизация технологического процесса на основе структурного описания деталей машин [Текст] / М.В., В.С. Титов, А.В. Беседин // Известия Курск. гос. техн. ун-та. – 2003. – № 1 (10). – С. 79-86.

97. Бобырь, М.В. Адаптивная система управления технологическим процессом обработки деталей методами нечеткой логики [Текст] / М.В., В.С.

Титов, А.В. Беседин // Сварка и родственные технологии в машиностроении и электронике. – 2002. – № 4. – С. 256-263.

98. Бобырь, М.В. Анализ точности изготовления валов генераторов на основе трехмерной математической модели динамики размерных связей детали [Текст] / М.В., В.С. Титов, А.В. Беседин // Известия Курск. гос. техн. ун-та. – 2001. – № 7 – С.17-24.

99. Бобырь, М.В. Моделирование динамики размерных связей деталей класса валов генераторов в процессе механической обработки [Текст] / М.В., В.С.

Титов, А.В. Беседин // Известия Курск. гос. техн. ун-та. – 2001. – № 6. – С. 23-33.

Подписано в печать ___________. Формат 60х84/16.

Печ. л. 2,0. Тираж 100 экз. Зак. ________.

Юго-Западный государственный университет.

305040, г. Курск, ул. 50 лет Октября, 94.




© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.