Doctor of Sciences (Engineering), professor of Chair “Technology and Equipment of Machine Building”
доктор технических наук, профессор, профессор кафедры «Технология и оборудование машиностроения»
PhD (Engineering), Associate Professor, assistant professor of Chair “Machine Building”
кандидат технических наук, доцент, доцент кафедры «Машиностроение»
Doctor of Sciences (Engineering), Associate Professor, professor of Chair “Machine Building”
доктор технических наук, доцент, профессор кафедры «Машиностроение»
The problem of increasing the efficiency of mechanical treatment within modern automated production is relevant for many branches of the processing industry. This problem requires a deep study of the physical processes occurring during cutting. The urgency of the problem increases even more with the development of digital production in our country. Today, in the presence of a wide range of products, enterprises are forced to create conditions for reducing the technological cycle when manufacturing a particular product. To carry out the study, an experiment was conducted in which the U8 carbon steel was used as the processed material, and the T15K6 alloy was used as the tool material. During the experiment, the authors observed a change in the roughness of the machined surface depending on the cutting speed. The paper considers the possibility of assessing the quality of the surface layer during cutting based on fractal and neural network modeling. It is identified that the fractal dimension shows the regularity of the reproduction of the machined surface roughness during cutting. The calculated fractal dimension of the machined surface roughness correlates well with the values of the machined surface roughness (correlation coefficient is 0.8–0.9). A neural network structure has been developed, which allows controlling the machined surface quality depending on the cutting conditions. The authors studied the possibility of using neural network models to control technological systems of cutting treatment. When creating digital twins, it is proposed to take into account factors affecting the quality of the treated surface and processing performance, which are poorly accounted for in modeling, as well as when conducting full-scale experiments during machining. Such factors are wear of the cutting tool, the process of plastic deformation, and cutting dynamics.
Проблема повышения эффективности механической обработки в условиях современного автоматизированного производства является актуальной для многих отраслей перерабатывающей промышленности. Данная проблема требует глубокого изучения физических процессов, происходящих при резании. Ее актуальность еще более возрастает с развитием цифрового производства в нашей стране. Сегодня при наличии широкой номенклатуры изделий предприятия вынуждены создавать условия для сокращения технологического цикла при производстве того или иного изделия. Для проведения исследования был поставлен эксперимент, в котором в качестве обрабатываемого материала использовалась углеродистая сталь У8, а в качестве инструментального материала – Т15К6. В ходе проведения эксперимента наблюдали за изменением шероховатости обработанной поверхности в зависимости от скорости резания. В работе рассмотрена возможность оценки качества поверхностного слоя при резании на основе фрактального и нейронносетевого моделирования. Обнаружено, что фрактальная размерность показывает регулярность воспроизведения неровностей на обработанной поверхности при резании. Рассчитанная фрактальная размерность шероховатости обработанной поверхности хорошо коррелирует со значениями шероховатости обработанной поверхности (коэффициент корреляции 0,8–0,9). Разработана структура нейронной сети, позволяющая управлять качеством обработанной поверхности в зависимости от условий резания. Изучена возможность использования нейронносетевых моделей для управления технологическими системами обработки резанием. Предложено при создании цифровых двойников учитывать факторы, влияющие на качество обработанной поверхности и производительность обработки, которые слабо поддаются учету при моделировании, а также при проведении натурных экспериментов в ходе механической обработки. Такими факторами являются износ режущего инструмента, процесс пластической деформации и динамика резания.