Разработка цифрового двойника режущего инструмента для механообрабатывающего производства

Предложена цифровая модель (двойник) режущего инструмента на основе нейро-сетевого моделирования. Показано, что разработанная виртуальная модель еще до реализации реального процесса изготовления режущего инструмента путем варьирования входными данными искусственной нейронной сети дает возможность оптимизировать состав и структуру износостойкого покрытия и определять режимы обработки, обеспечивающие максимальную износостойкость режущего инструмента. Цифровой паспорт режущего инструмента позволит потребителю избежать покупки контрафактного изделия. Рассмотрены вопросы информационной безопасности.

Литература

[1] Frankel A., Larsson J. Есть способ лучше: цифровой двойник повышает эффективность процессов конструкторско-технологического проектирования и производства. САD/CAM/CAE Observer, 2016, № 3, с. 36–40.

[2] Бурико А.В. Цифровая эволюция, или почему Русал «уходит» в цифру. Цифровое производство, 2017, № 2, с. 18–23.

[3] Кабалдин Ю.Г., Биленко С.В., Серый С.В. Управление динамическими процессами в технологических системах механообработки на основе искусственного интеллекта. Комсомольск-на-Амуре, Комсомольский-на-Амуре гос. техн. ун-т, 2003. 201 с.

[4] Кабалдин Ю.Г., ред. Искусственный интеллект и кибер-физические механообрабатывающие системы в цифровом производстве. Нижний Новгород, Нижегород. гос. техн. ун-т им. Р.Е. Алексеева, 2018. 271 с.

[5] Бобров В.Ф. Основы теории резания металлов. Москва, Машиностроение, 1975. 344 с.

[6] Кабалдин Ю.Г., Лаптев И.Л., Шатагин Д.А., Серый С.В. Диагностика выходных параметров процесса резания в режиме реального времени на основе фрактального анализа и вейвлет-анализа с использованием программно-аппаратных средств National Instruments и Nvidia CUDA. Вестник машиностроения, 2014, № 8, с. 80–82.

[7] Кабалдин Ю.Г., Лаптев И.Л., Шатагин Д.А., Зотов В.О., Серый С.В. Интеллектуальные системы диагностики состояния оборудования и износа инструмента. Машиностроение: сетевой электронный научный журнал, 2014, № 2, с. 47–50. URL: http://www.indust-engineering.ru/issues/2014/2014-2.pdf (дата обращения 15 декабря 2018).

[8] Кабалдин Ю.Г., Лаптев И.Л., Шатагин Д.А., Вытнов Ю.В., Голубев С.В. Оценка состояния режущего инструмента в режиме реального времени на основе подходов нелинейной динамики с использованием NVIDIA CUDA в программной среде LABVIEW. Труды НГТУ им. Р.Е. Алексеева, 2013, № 5(102), с. 114–121.

[9] Кабалдин Ю.Г., Шатагин Д.А., Зотов В.О. Структурно-энергетический подход к процессу изнашивания и диагностике твердосплавного режущего инструмента. Вестник машиностроения, 2016, № 5, с. 79–85.

[10] Короткий С. Нейронные сети: основные положения. URL: http://gigabaza.ru/doc/103732.html (дата обращения 15 декабря 2018).

[11] Верещака А.С. Работоспособность режущего инструмента с покрытием. Москва, Машиностроение, 1993. 336 с.

[12] Кабалдин Ю.Г., Кретинин О.В., Шатагин Д.А., Власов Е.Е. Выбор состава и структуры износостойких наноструктурных покрытий для твердосплавного режущего инструмента на основе квантово-механического моделирования. Москва, Инновационное машиностроение, 2017. 216 с.

[13] Кабалдин Ю.Г., Шатагин Д.А., Лаптев И.Л., Зотов В.О. Резец токарный. Пат. № 159948 РФ, 2016, бюл. № 5, 3 с.

[14] Кабалдин Ю.Г., Власов Е.Е., Кузьмишина А.М. Квантово-механическое моделирование энергии адгезии наноструктурных покрытий с режущим инструментом и с обрабатываемым материалом. Упрочняющие технологии и покрытия, 2018, т. 14, № 8, с. 339–343.

[15] Заводинский В.Г., Кабалдин Ю.Г. Модуль сдвига и энергия адгезии нанопокрытий, используемых при производстве режущих инструментов. Механика композиционных материалов и конструкций, 2018, т. 24, № 2, с. 207–220.