Скрыцкий А.М., УТС41 - презентация

1.

МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ
ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ
«ДОНСКОЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ»
(ДГТУ)
СИСТЕМА МОНИТОРИНГА ОСТАТОЧНОЙ ИЗНОСОСТОЙКОСТИ
ТОКАРНОГО РЕЗЦА НА ОСНОВЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ
Автор работы:
студент гр. УТС41 Скрыцкий А.М.
Руководитель:
к.т.н., доцент Туркин И.А.
Ростов-на-Дону
2026

2.

Введение в теорию исследуемого вопроса
Рисунок 1. Зависимость величины износа от
времени эксплуатации пластины
Рисунок 2. Зависимость уровня вибраций от
времени эксплуатации пластины
Рисунок 3. Принцип разработки классификатора состояния изношенности режущего инструмента на
основе методов машинного обучения
2

3.

Разработка структуры системы сбора данных о вибрационной активности
режущего инструмента
Рисунок 4. Структурная схема системы мониторинга вибраций режущего инструмента
3

4.

Технические средства и металлорежущее оборудование
для реализации аппаратной части
Вибропреобразователь AP2098-500
Согласующее устройство AG01-3
АЦП E14-440
Металлорежущий токарный станок 1К625
Цифровой металлографический микроскоп «ЛабоМет-И»
4

5.

Фотографии измерительной части установки
б)
а)
в)
Рисунок 5. Измерительная система:
а) - способ установки датчиков и пластины; б) – со стороны рабочей части;
в) - с торцевой части;
5

6.

Результаты обработки данных с системы мониторинга
а)
б)
г)
д)
е)
Рисунок 7. Спектры сигналов вибрационного ускорения:
г) – вдоль оси x;
д) – вдоль оси y;
е) – вдоль оси z
в)
Рисунок 6. Сигналы вибрационного ускорения:
а) – вдоль оси x;
б) – вдоль оси y;
в) – вдоль оси z
6

7.

Алгоритм разработки модели машинного обучения
Рисунок 8. Алгоритм разработки модели машинного обучения
на основе данных с системы мониторинга
7

8.

Методика обработки сигналов вибрационного ускорения
Методика расчета СКЗ вдоль каждой
оси, а также суммарной величины по
всем направлениям, можно описать
следующей совокупностью уравнений:
1 n
2
a
ax i
x rms
n i 1
n
2
1
a y rms
ay i
n i 1
1 n
2
az rms
az i
n i 1
2
n
2
1
2
2
arms
ax rms a y rms az rms
n i 1
Рисунок 10. Матрица плоскостей распределения точек
СКЗ сигналов
8

9.

ax rms
Результирующая таблица расчетных показателей в данных о вибрациях
№ п/п
Наименование показателя
1
Среднеквадратическое значение сигналов
2
Усредненный уровень пиковых значений
3
Максимальное значение
4
Размах в сигналах
5
Крест-фактор в сигналах
6
Стандартное отклонение
7
Коэффициент эксцесса
8
Максимальна амплитуда в спектре
9
Усредненный уровень амплитуд в спектре
Направление
Обозначение
Информативность
x
y
z
общее
x
y
z
x
y
z
x
y
z
x
y
z
x
y
z
x
y
z
x
y
z
x
Y
z
x
y
ax rms
ay rms
az rms
arms
ax peak
ay peak
az peak
ax max
ay max
az max
ax range
ay range
az range
ax kst
ay kst
az kst
ax std
ay std
az std
ax kurt
ay kurt
az kurt
Ax max
Ay max
Az max
Ax mean
Ay mean
Az mean
A1x mean
A1y mean
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
9
10
Показатель энтропии в спектре

10.

Формирование минимально необходимого перечня информативных признаков
по данным о вибрациях резца
а)
Рисунок 11. Матрица корреляции
между парными признаками
б)
Рисунок 12. Результаты обработки данных по методу:
а) – ANOVA F-статистики;
б) – взаимной информации
10

11.

Графическая интерпретация полученных результатов
Рисунок 13. Результаты обучения модели машинного обучения по
алгоритму «k-ближайших соседей»
11

12.

Результаты обучения различных моделей
В результате были разработаны и обучены различные модели машинного обучения.
№ п/п
Алгоритм
1
Метод k-ближайших соседей
2
Дерево решений
3
Случайный лес решений
4
Многослойный персептрон
Датасет
вся база данных
15 признаков
вся база данных
15 признаков
вся база данных
15 признаков
вся база данных
15 признаков
12
Точность обучения
0.87
0.81
0.94
0.98
0.94
0.98
0.92
0.74

13.

Алгоритм работы системы мониторинга остаточной износостойкости
резца
13
Рисунок 14. Алгоритм функционирования системы мониторинга остаточной
износостойкости резца на основе модели машинного обучения

14.

Спасибо за внимание!