WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 | 2 || 4 |

Далее представлена общая характеристика базы данных для хранения информации по усталости металлов. Охарактеризована программа визуализации результатов исследования кривых усталости и построения обобщенной нормированной зависимости показателей сопротивления усталости сталей.

Представлен интерфейс пользователя, позволяющий выполнять основные операции с кривыми усталости, хранящимися в базе данных разработанной программы, в случае их представления в пространстве нормированных показателей в качестве элементов, обеспечивающих получение обобщенной зависимости или поверхности. В программе имеется возможность проведения исследований трехмерного графика обобщенной зависимости нормированных параметров сопротивления усталости.

В четвертой главе выполнен обзор основных факторов, оказывающих влияние на показатели сопротивления усталости сталей. На основе изучения опубликованных в литературе данных сформирован перечень наиболее существенных с точки зрения влияния на показатели сопротивления усталости металлов факторов. Рассмотрено влияние на показатели сопротивления многоцикловой усталости асимметрии цикла нагружения, температуры испытаний, коррозионной активности испытательной среды, частоты циклов нагружения, концентрации напряжений, масштабного фактора, состояния поверхности, металлургических и структурных факторов.

Приведены результаты систематизации отобранных экспериментальных данных (пример в Табл. 1, 2, 3), выполненной для определения “размерности” пространства признаков, характеризующих отобранные для анализа данные. Эти признаки, обеспечивающие уникальность рассматриваемых данных, представляют собой описание факторов (условий), при которых производилось циклическое нагружение лабораторных образцов и натурных деталей.

Таблица Результаты систематизации исходных данных по маркам сталей Количество рассматриваемых результатов испытаний N п/п Марка стали, сплава, металл с этой маркой стали, сплава или чистым металлом 1 2 1 Сталь 30 2 Сталь 35 3 Сталь 35Л 4 Сталь 40 5 Сталь 40У 6 Сталь 45 7 Сталь 45Л 8 Сталь 50 Таблица Результаты систематизации исходных данных по способам механической обработки поверхности лабораторных образцов или деталей Условное обозначение Количество рассматриваемых Способ механической N п/п способа механической результатов испытаний с этим обработки поверхности обработки поверхности способом обработки поверхности 1 2 3 1 Т точение 2 МО механическая обработка 3 ЧП черная поверхность 4 П полирование 5 ЭШ электрошлифование 6 Ш шлифование 7 Т + Ш точение + шлифование 8 … нет данных Таблица Результаты систематизации исходных данных по режимам термической обработки образцов и деталей Количество рассматриваемых N Условное обозначение режима термической обработки результатов п/п испытаний с этим режимом ТО 1 2 1 Отжиг 2 Термически обработано Аустенизация (1473К) + Охлаждение (до 973К, 0,5 ч.) в печи + 3 Охлаждение на воздухе Аустенизация (1423К) + Охлаждение (до 973К, 0,5 ч.) в печи + 4 Охлаждение на воздухе 5 Аустенизация (1473К, 0,5 ч.) Аустенизация (1423К) + Охлаждение (823К, 0,5 ч.) в печи + Охлаждение 6 на воздухе 7 Состояние поставки Нормализация (1133…1153К, 2 ч.) + Отпуск (853…873К, 3 ч.) + 8 Охлаждение на воздухе 9 Нормализация (1123К) + Высокий отпуск (923К) Нормализация (1123 К) + Охлаждение на воздухе (до 523К) + Отпуск 10 (903…923К) + Охлаждение в печи (до 373 К) + Охлаждение на воздухе 11 Нормализация (1173 К) Продолжение таблицы 1 2 12 Закалка (1173К) с охлаждением в воде + Отпуск (953 К) 13 Отжиг (1173 К) 14 Нормализация (1173 К) + Отпуск (953 К) 15 Нормализация (1143К, 0,5 ч.) + Охлаждение на воздухе 16 Нормализация (1133К, 1,5 ч.) + Охлаждение на воздухе Закалка (1133К, 0,5 ч.) с охлаждением в воде + Отпуск (723К, 1 ч.) на 17 воздухе 18 Нормализация (1223К) + Охлаждение на воздухе 19 Закалка (1223К) с охлаждением в воде + Отпуск (923К) на воздухе 20 Закалка (1223К) с охлаждением в воде + Отпуск (723К) на воздухе 21 Закалка + Низкий отпуск 22 Закалка + Высокий отпуск 23 Отжиг (1113К) 24 Поверхностная закалка 25 Закалка газопламенным нагревом 26 Нормализация 27 Улучшение 28 Закалка + Средний отпуск 29 Нормализация (1113...1133К) 30 Закалка (1103К) с охлаждением в воде + Отпуск (833К, 1 ч.) на воздухе 31 Закалка ТВЧ с охлаждением в масле + Отпуск (453К) 32 Отжиг в вакууме 33 Отжиг (1123К) 34 Отжиг (673К, 1 ч.) 35 Отжиг (1023К, 1 ч.) 36 Нормализация (1113- 1133К, 0,5 ч.) 37 Отжиг (1113...1133К) Нормализация (1113К) + Высокий отпуск (853...873К) + Охлаждение на 38 воздухе Нормализация (1133К) + Высокий отпуск (853...873К) + Охлаждение на 39 воздухе 40 нет данных В пятой главе изложена общая концепция использования нейронных сетей для прогнозирования показателей сопротивления усталости с использованием предложенного преобразования.

Под искусственной нейронной сетью понимается некоторое вычислительное устройство обработки информации, состоящее из большого числа параллельно работающих простых процессорных элементов – нейронов, связанных между собой линиями передачи информации – связями, или синапсами. Нейронная сеть обучается решению задачи на основании некоторой обучающей выборки – "задачника", состоящего из набора пар "вход – требуемый выход", и далее способна решать примеры, не входящие в обучающую выборку.

Стандартный формальный нейрон состоит из трёх частей: умножителей (синапсов), сумматора и нелинейного преобразователя (Рис 12). Синапсы осуществляют связь между нейронами, умножают входной сигнал на число, характеризующее силу связи, (вес синапса). Сумматор выполняет сложение сигналов, поступающих по синаптическим связям от других нейронов, и внешних входных сигналов. Нелинейный преобразователь реализует нелинейную функцию одного аргумента - выхода сумматора. Эта функция называется функцией активации или передаточной функцией нейрона. Нейрон в целом реализует скалярную функцию векторного аргумента.

Рис. 12. Искусственный нейрон: wi – вес синапса; b – значение смещения; S – результат суммирования; xi – компонент входного вектора (входной сигнал); y – выходной сигнал нейрона; n – число входов нейрона; f – нелинейное преобразование (функция активации).

Процесс обучения нейронной сети (Рис. 13) заключается в необходимости настройки сети таким образом, чтобы для некоторого множества входов давать желаемое (или, по крайней мере, близкое, сообразное с ним) множество выходов.

Рис. 13. Обучение многослойной нейронной сети: wi – вес синапса; xi – компонент входного вектора (входной сигнал); yi – выходной сигнал нейрона; n – число входов нейрона; Err - некоторая ошибка, возникающая из-за неполного соответствия реального значения выходного сигнала нейронной сети требуемому значению, а также погрешности в вычислениях.

В качестве средства подстройки весов скрытых и выходных слоев для фиксированного набора связей были применены генетические алгоритмы.

Для выполнения прогноза показателей сопротивления усталости сталей была создана и обучена нейронная сеть. Для ее создания использовался пакет NeuroShell(Рис. 14).

Рис. 14. Главное окно программы NeuroShell2.

Для построения прогноза была выбрана сеть с Общей Регрессией с генетическим алгоритмом подстройки весов скрытых и выходных слоев (Рис. 15).

Рис. 15. Окно выбора параметров архитектуры сети программы NeuroShell2.

Рис. 16. Окно тренировки сети программы NeuroShell2.

С использованием стандартного пакета NeuroShell2 реализуются две задачи:

прямая задача прогнозирования показателей сопротивления усталости металлов на основе описания совокупности факторов, в условиях которых циклически нагружается исследуемый объект, и обратная задача, когда по результатам экспериментального определения параметров сопротивления усталости выполняется расшифровка – восстановление информации о факторах, при условии действия которых были получены исследуемые результаты.

В шестой главе представлены примеры использования разработанной информационной системы методов и алгоритмов прогнозирования показателей сопротивления усталости сталей для решения различных задач прикладного характера.

Был выполнен анализ информации на качественном уровне на примере исследования различных выборок из данных по усталости, хранящихся в базе данных информационной системы. Графическое представление информации облегчает пользователю выполнение исследования экспериментальных результатов, например, упрощает процедуру учета взаимного влияния различных факторов. Рассмотрена также процедура прогноза положения кривой усталости с использованием ограниченных по объему испытаний лабораторных образцов. Ограниченные по объему испытания позволяют получить оценочное значение угла наклона многоцикловой области кривой усталости к оси числа циклов нагружения. По мере снижения уровня действующего напряжения точность определения положения кривой усталости возрастает, но также возрастает и продолжительность испытаний.

На Рис. 17 представлены результаты расчета параметров сопротивления усталости в случае использования расчетной программы прогнозирования, реализованной на основе технологии искусственных нейронных сетей. Рассмотрена последовательность решения прямой задачи (прогнозирование положения кривой усталости по описанию действующих факторов). Оценка точности прогнозирования показателей сопротивления усталости производилась на основе сравнения с результатами натурных стендовых испытаний на усталость. При этом для предела выносливости ошибка оказалась в диапазоне от 14,5% до 5,5%, а для долговечности (значения абсциссы точки перегиба) – в диапазоне от 23% до 4%.

Основные результаты диссертационной работы внедрены на заводе биржевого оборудования ООО “Красный Пресс” в ходе проведения работ по оценке ресурса цепи 22Х116, использующейся в тяговых органах конвейеров, применяющихся Рис. 17. Результаты прогнозирования положения предела выносливости и испытаний на усталость лабораторных образцов из стали 40 (гладкие образцы после закалки испытывались по схеме консольного изгиба вращающегося образца) на деревообрабатывающих предприятиях, с целью повышения надежности, работоспособности, увеличения рабочей нагрузки и повышения износостойкости в агрессивной среде. По результатам данных работ были сформулированы предложения по замене используемой для изготовления цепи стали 10 на сталь 20Х по ГОСТ 4543 с соответствующей термообработкой. Натурные испытания изготовленной таким образом цепи и ее эксплуатация подтвердили правильность полученных при прогнозировании результатов.

В 2004-2005 гг. разработанный метод прогнозирования использовался для оценки надежности элементов одношатунного четырехстоечного пресса КВ 2536-00001 РЭ2 усилием 400 тс производства Пинского завода кузнечно-прессовых автоматических линий, используемого в ГУП ФГУ ИК-14 УФСИН России по Нижегородской области для производства фланцев приемной трубы выпускного коллектора автомобилей марки ГАЗ. Подтверждена возможность надежной эксплуатации производственного оборудования в течение времени, большего, чем заявленный заводом-изготовителем срок эксплуатации, при условии непревышения действующих нагрузок.

В заключении сформулированы выводы и основные результаты диссертационной работы.

ЗАКЛЮЧЕНИЕ Основные результаты диссертационной работы состоят в следующем:

1. Исследованы закономерности поведения сталей при циклическом нагружении, определены наиболее информативные параметры и форма их выражения.

2. Предложена новая процедура обобщения информации по многоцикловой усталости металлов, позволяющая получать комплексные показатели, обобщенно характеризующие сложные процессы накопления повреждений при циклическом нагружении материалов.

3. На основе объединения разработанных процедур обобщения информации и технологий нейросетевого программирования реализован метод прогнозирования поведения сталей при циклическом нагружении.

4. Реализована процедура формирования обучающей выборки для нейронной сети с генетическим алгоритмом подстройки весовых коэффициентов с учетом обобщаемой разнородной экспериментальной информации о поведении сталей.

5. Оценена адекватность разработанного метода прогнозирования на основе сравнения результатов расчета и экспериментального определения показателей сопротивления многоцикловой усталости сталей в различных средах.

ОСНОВНЫЕ ПУБЛИКАЦИИ Основное содержание, положения и результаты диссертации опубликованы в следующих работах:

1. Андриашевич, М.Н. Топография обобщенной зависимости приведенных параметров сопротивления усталости металлов / В.В.Андреев, Д.И.Шетулов, М.Н.Андриашевич, С.Н.Бабушкин // Тр. Междунар. форума по проблемам науки, техники и образования. – М.:

АНЗ, 2001. – Т. 2. – С.51-53.

2. Андриашевич, М.Н. Прогнозирование кривых усталости металлов по приведенным показателям сопротивления усталости / В.В.Андреев, М.Н.Андриашевич // Будущее технической науки Нижегородского региона: тез. докл. регион. молодежного науч.- техн.

форума. – Н.Новгород, 2002. – С.185.

3. Андриашевич, М.Н. Оценка точности прогнозирования предела выносливости металлов по отклонению многоцикловой области кривой усталости от обобщенной зависимости / В.В.Андреев, М.Н.Андриашевич // Будущее технической науки Нижегородского региона:

тез. докл. второго регион. молодежного науч.-техн. форума. – Н.Новгород, 2003. – С.142.

4. Андриашевич, М.Н. Преобразование показателей сопротивления многоцикловой усталости металлов для прогнозирования предела выносливости / В.В.Андреев, М.Н.Андриашевич // Актуальные проблемы надежности технологических, энергетических и транспортных машин: сб. тр. междунар. науч.-техн. конф., посвящ. 90-летию Самарского ГТУ. В 2 т. – М., Машиностроение, 2003. –T.1. – С.42-44.

5. Андриашевич, М.Н. Характеристика метода прогнозирования многоцикловой области кривой усталости металлов на основе приведенных параметров сопротивления усталости в сравнении с другими методами ускоренного построения кривой усталости / В.В.Андреев, М.Н.Андриашевич // Материаловедение и металлургия: тр. ун-та / НГТУ. – Н.Новгород, 2004. – Т.42. – С. 154-159.

6. Андриашевич, М.Н. Практическая реализация информационной системы прогнозирования механических свойств металлов при циклическом нагружении / В.В.Андреев, М.Н.Андриашевич // Информационные системы и технологии. «ИСТ-2004»: тез. докл.

всерос. науч.-техн. конф. – Н.Новгород, 2004. – С.88-89.

7. Андриашевич, М.Н. Разработка алгоритма для реализации информационной системы прогнозирования механических свойств металлов при циклическом нагружении / В.В.Андреев, М.Н.Андриашевич // Будущее технической науки: тез. докл. III Молодежной науч.-техн. конф. – Н.Новгород: НГТУ, 2004. – С.88-89.

Pages:     | 1 | 2 || 4 |



© 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.