Розмір шрифту: 

При роботі верстата з ЧПК виникають серйозні проблеми та помилки, які приводять до катастрофічної поломки різального інструменту. Нами було виявлено, що вони виникають по декільком причинам: помилки в первісному налагодженні верстата з ЧПК, низька точність розташування поверхонь заготівлі, помилки в конфігурації пристосування, помилки в керуючих програмах, збої в системі ЧПК та розкріплення заготівель під час роботи.
В рамках роботи було досліджено, що для розпізнання аварійних ситуацій потрібне зняття сигналів з зони різання та подальша генерація керуючого сигналу. Тип датчика несе ключову роль в подобних системах розпізнавання. Для розпізнавання катастрофічних ситуацій можливе застосування акустичних датчиків як найбільш легше монтованих у всілякі верстати з ЧПК.
Вивчення можливостей акустичних датчиків та наступну обробку отриманого сигналу виявили істотних недоліків: низька вибірковість й перешкодозахищеність (вібрація корпусу до якого закріплений; падіння стружки й шум мастильно-охолоджуючої рідини, що ллється; гул сервоприводів ЧПК; зовнішні акустичні шуми).
Пропонується стерео- й квадро- системи для зменшення сигналів перешкод за рахунок витримки умов акустичного центру. Нами запропоноване рішення з приводу відсіювання частини перешкод під час обробки сигналу: використання математичного апарату штучних нейронних мереж та його подальше навчання під керівництвом верстатника.
Система має апарат кільцевого запису сигналу, щоб у разі необхідності верстатник активував функції «Донавчити» для нейронної мережі. Це допоможе не створювати усю базу сигналів у лабораторних умовах, а довначати систему запобігання аварійних ситуацій безпосередньо у виробництві.

Технологія нейронних мереж, поломка інструменту, штучний інтелект, аварійні ситуації, датчики