Аннотация результатов, полученных в 2020 году
Разработана концептуальная модель интеллектуального мониторинга, которая отличается от существующих аналогов следующими свойствами: 1. Большинство исследований в области мониторинга сосредоточено на автономных решениях, которые не связаны в одну сложную систему и такие системы представлены как локальные автономные решения. Нами предлагается комплексный подход, объединенный одним программно-математическим решением, который позволяет осуществлять мониторинг как одного станка, так и станочного парка производства в целом различными методами. 2. Предлагаемый подход позволяет получать оперативную и достоверную информацию о состоянии производственного процесса и станка в реальном времени, в том числе, за счет использования интеллектуальных методов и предложенных и обоснованных нами интегративных критериев. 3. В рамках решения предусматривается сохранение части информации об изготовление деталей, что позволит проанализировать полученные данные с целью диагностики проблемы. Затем на основании диагностической информации решение о возможном действии должно быть принято автоматически или оператором. 4. В рамках предлагаемого подхода предложена гибридная модель интеллектуальной системы мониторинга в рамках цифрового производства с вариативной структурой, основанная на коллаборации классических моделей и моделей машинного обучения. Разработанная модель позволяет использовать подходящую модификацию в зависимости от типа и набора входных данных. 5. Выбор способов и средств передачи измерительной информации выбирается при проектировании измерительной подсистемы и системы мониторинга индивидуально для каждого случая, руководствуясь поставленными перед системами задачами и особенностями. 6. Предлагаемый подход является базисом интеллектуальной системы управления технологическими процессами при металлообработке. Проведен обзор и анализ методов оценки состояния оборудования, износа инструмента, качества обработки. Сформулированы критерии мониторинга в форме неравенств, накладываемых на значения параметров системы, связанных с износом инструмента и качеством обработки. Применение совокупности критериев позволяет провести необходимый анализ и на основе экспериментальных данных осуществить настройку применяемых методов в автоматическом или полуавтоматическом режиме. Предложена гибридная модель интеллектуальной системы мониторинга сложного технологического оборудования вариативной структуры, основанная на коллаборации классических методов и методов машинного обучения. Разработанная модель позволяет использовать подходящую модификацию в зависимости от типа и набора входных данных. Разработано архитектурное решение системы дистанционного мониторинга состояния оборудования, для создания которого были собраны и проанализированы функциональные и нефункциональные требования к системе. Предлагаемое решение, это по сути, целостное программно-аппаратное решение, обеспечивающее отказоустойчивую, высокопроизводительную, горизонтально-масштабируемую, гибкую и распределенную обработку входящих данных, которое базируется на современных концепциях создания реактивной архитектуры и средств реактивного программирования. Предлагаемая архитектура имеет следующие преимущества: наиболее нагруженный и технологически сложный модуль маршрутизации платформы полностью лишен внутреннего синхронного взаимодействия между компонентами; модуль спроектирован на базе микросервисного подхода и устойчив к отказам оборудования и другим исключительным ситуациям; отказ одного из сервисов не может служить причиной для краха системы в целом, с точки зрения конечного пользователя, во многом благодаря асинхронному взаимодействию, модуль остается работоспособным; предложенные решения позволяют гибко управлять не только жизненным циклом сервисов (включая механизмы непрерывной доставки и непрерывной интеграции), но и объемами потребляемых ресурсов, что несомненно важно, особенно при облачном развертывании платформы. Кроме того, заложенные в архитектуру платформы подходы позволяют в сжатые сроки расширять ее новым функционалом путём добавления новых или изменения имеющихся сервисов. В процессе выполнения исследований была разработана оригинальная архитектура измерительной подсистемы системы мониторинга, отличающаяся от известных следующим: 1) учётом классификации источников и типов измерительной информации, свойственных задачам построения систем мониторинга; 2) указанием полной цепи и этапов функциональных преобразований измерительных сигналов и измерительной информации, предназначенных для подготовки измерительной информации к загрузке в хранилища и использования в интеллектуальных алгоритмах системы мониторинга; 3) отражением сопряжения и пересечения функциональных блоков обработки измерительной информации с функциональными блоками мониторинговой системы. Таким образом, такая архитектура измерительной подсистемы отражает и возможные источники измерительной информации, и информационные потоки, и аппаратные функциональные узлы, и программные функциональные модули, а также основные особенности перечисленных позиций, свойственные системам мониторинга в цифровом промышленном производстве. Такая архитектура обладает высокой степенью универсальности, что позволяет использовать её в качестве базовой структуры при проектировании комплекса средств сбора измерительной информации для конкретной системы мониторинга с целью облегчения адаптации этой части систем мониторинга к решению конкретной прикладной мониторинговой и управленческой задачи. Разработан алгоритм и программное обеспечение оперативного мониторинга качества обработки детали (шероховатости) на основе модифицированной глубокой нейронной сети. Разработана концепция цифровых двойников технологических процессов с учетом перманетно изменяющихся свойств объекта в условиях стохастической неопределенности. Предложенная концепция отличается от других подходов учетом динамических процессов в приводах мехатронной системы формообразования современного кибер-физического станка и периодической параметрической идентификацией их параметров для верификации свойств моделей и их адаптации характеристикам реального объекта. Обоснован математический аппарат для формирования цифровых двойников технологических процессов с учетом перманентно изменяющихся свойств объектов в условиях стохастической неопределенности. Установлено, что основной особенностью динамической системы механизма привода подачи является чередование нулей и полюсов передаточной функции контура скорости, характеристические многочлены в числителе и знаменателе которой образуют последовательность Штурма. Многочлен, являющийся числителем передаточной функции механизма со свободным ротором двигателя, является характеристическим многочленом системы с зафиксированным ротором. Ряды собственных частот, соответствующие полюсам и нулям передаточной функции, быстро сходятся и, уже начиная с некоторой частоты, практически совпадают. Эта особенность объясняет ограниченность спектров резонансных частот реальных приводов эффектом взаимной фильтрации, совпадающих полюсов и нулей передаточной функции. Конечно-элементная аппроксимация, вращающихся частей механизма привода, не может быть использована непосредственно при моделировании контуров его системы управления в силу своей громоздкости, избыточности и закрытости. Наиболее удобной для этой цели является дискретная модель, представляющая собой цепь из сосредоточенных масс, соединенных между собой невесомыми упруго-диссипативными связями. Наличие полюсов и нулей у передаточной функции механизма привода подачи позволяет получить систему уравнений, решением которой являются парциальные частоты такой модели. Зная эти частоты, можно вычислить моменты инерции дисков цепной модели и жесткости упругих связей между ними. Были формализованы процедуры формирования физических моделей цифровых двойников технологических процессов, с учетом перманентно изменяющихся свойств объекта в условиях стохастической неопределенности. Разработанная методика параметрической идентификации позволяет получать модели замещающих цепных систем, обеспечивающих очень высокую степень корреляции с экспериментальными данными. Методика определения размерности и параметров цепной системы включает следующие этапы: 1) По экспериментальным собственным значениям полюсов и нулей, с помощью рекуррентных зависимостей, полученных из формулы Ньютона для определения степенных сумм корней многочлена, определяются коэффициенты характеристических многочленов трехдиагональных матриц квадратов парциальных частот систем со свободным и закрепленным ротором. 2) С помощью рекуррентных зависимостей из характеристических многочленов трехдиагональных матриц определяются значения квадратов парциальных частот. 3) Неизвестные, n моментов инерции сосредоточенных масс и n–1 жесткость упругих связей, определяются по формулам, связывающим их с (2n–2)-мя квадратами парциальных частот, на основе информации о суммарном моменте инерции, вращающихся элементов механической части привода. 4) На этапе контроля, рассчитанные с использованием данных, полученных на 2-ом и 3-ем этапах, совокупная жесткость вращающейся части привода и формы колебаний цепной системы сравниваются с результатами экспериментов, и делается заключение о соответствии замещающей модели. Данный этап не является обязательным. Для оценки степени линейной взаимосвязи входного и выходного сигналов контуров скорости и положения удобно использовать коэффициент их когерентности, являющийся аналогом коэффициента корреляции в частотной области. Сравнение экспериментальных характеристик с результатами моделирования позволяет сделать вывод, что при значениях коэффициента когерентности, близких к единице, расчетные кривые хорошо аппроксимируют экспериментальные данные. В частотном диапазоне, где наблюдаются провалы и нестабильность коэффициента когерентности, можно наблюдать значительное падение амплитуды выходных сигналов, полученных расчетным путем. Принимая во внимание, что экспериментальный входной сигнал является белым шумом, имеющим постоянную спектральную плотность во всем наблюдаемом частотном диапазоне, можно с высокой степенью уверенности утверждать, что источником помех являются шумы от работы силовой электроники, заглушающие основной сигнал, и силы трения в направляющих перемещаемого узла.

Аннотация результатов, полученных в 2021 году
Разработан комплекс алгоритмов и программного обеспечения методов оценки состояния оборудования и качества обработки, в том числе с использованием нейронных сетей на основе сформулированных критериев мониторинга и концепции измерительной подсистемы. На основе предложенных принципов формирования информационной технологии интеллектуального мониторинга разработаны алгоритм и программное обеспечение мониторинга состояния инструмента по результатам регистрации и анализа колебательных процессов. В качестве основы при разработке алгоритма использована глубокая нейронная сеть. Создана нейросетевая модель, которая по записям временных рядов с пьезоакселерометров, установленных на державке режущего инструмента, определяет его состояние. Сеть строилась в виде машинной ассоциации. Выбор архитектуры обусловлен тем, что она позволяет добиться очень высокой точности предсказаний при сравнительно небольших потребных для обучения вычислительных ресурсах. Для обучения сети использовался оптимизатор Adam. Обучение происходило в пакетном режиме – одна итерация метода, на которой вычисляются скорректированные значения параметров сети, вычисляется не для всего тренировочного набора данных, а поочерёдно для пакетов, на которые разбит тренировочный набор. Возможности разработанной нейронной сети проверены на данных о колебаниях, записанных при точении заготовок из стали 45 двумя пластинами из твердого сплава с покрытием TiN: обычной и модифицированной воздействием низкотемпературной плазмы комбинированного разряда. Обучение сети проводилось на данных, записанных при точении обычной пластиной в условиях развития ее износа. После этого сеть показала стопроцентную точность предсказания паттерна колебаний, соответствующего каждой стадии процесса изнашивания. При обработке данных, полученных при точении модифицированной пластиной в условиях практического отсутствия износа, сеть предсказывала неизменность паттерна колебаний от прохода к проходу. Это позволило сделать вывод о высокой эффективности разработанной сети, поскольку она позволяет получать правильные результаты, даже будучи обученная только на одном наборе данных. Разработан метод мониторинга исходного и постэксплуатационного состояния режущего инструмента, основанный на качественном анализе фотографий его поверхности с использованием нейронной сети. Метод позволяет оценивать принципиальную возможность использования инструмента по целевому назначению; определять условия для использования, если оно признается как возможное; оценивать качество процесса эксплуатации. Работы по оценке состояния оборудования и качества обработки выполнялись по вибрационным сигналам, регистрируемым в динамической системе, с использованием обоснованных и предложенных интегральных показателей и критериев на их основе. На примерах анализа вибросигналов, записанных при выполнении технологических процессов обработки на станках различного технологического назначения, показана возможность решения разнообразных задач, связанных с обеспечением надежности и эффективности использования оборудования, в том числе в условиях цифрового промышленного производства: оптимальная настройка на выполнение конкретной производственной программы и подстройка в процессе ее выполнения; мониторинг состояния с целью оперативного определения моментов начала развития негативных явлений, приводящих к возникновению различных отказов; оценка эффективности управляющих воздействий, направленных на стабилизацию состояния оборудования или выполняемого технологического процесса. По результатам выполненных работ предложен подход к организации и создан алгоритм ведения мониторинга состояния оборудования по интегральным показателям вибросигналов. По данным, полученным с помощью алгоритма, могут приниматься управляющие решения как об изменении условий функционирования оборудования, если его состояние оценивается как работоспособное, так и о целесообразности продолжения функционирования в принципе, если работоспособность теряется и состояние приближается к предельному. Разработаны методики и программное обеспечение для формирования цифровых двойников на примере технологического процесса зубофрезерования. Они отличаются от прочих подходов учетом динамических процессов в приводах мехатронной системы формообразования современного кибер-физического станка и периодической параметрической идентификацией их параметров для верификации и адаптации свойств моделей к характеристикам реального объекта. Разработан и обоснован математический аппарат описывающий перенос погрешности углового положения инструмента на профиль зуба обрабатываемого колеса и формирование «псевдоогранки» профиля зуба. Выведены зависимости для определения моментов необходимых для выбора двигателей прямых приводов главного движения при проектировании зубофрезерных станков с ЧПУ. Представлен оригинальный способ идентификации упруго-инерционных свойств привода вращения инструмента. Анализ полученных данных позволяет сделать вывод о достаточной достоверности полученной цифровой модели привода вращения инструмента. Несмотря на недостаточное количество данных для идентификации, использование методики идентификации 3-хмассовых систем и знание конструкции привода позволило получить модель, результаты которой хорошо соотносятся с экспериментальными данными, даже при изменении конструкции привода – добавления оправки с фрезой. Создана программа, опирающаяся на традиционную методику идентификации и просчитывающая все возможные варианты конструкции, удовлетворяющие экспериментальным динамическим характеристикам. Знание конструкции привода стола позволяет выделить из полученных вариантов наиболее соответствующий реальной конструкции. Разработана комплексная модель процесса формирования эвольвенты, которая имеет большой потенциал и может использоваться для: – первоначальной настройки станка при использовании данных, полученных при моделировании; – оперативного внесения корректировок в управляющую программу станка при использовании данных, полученных со станка; – сравнения расчетных и реальных характеристик станка, которые могут изменяться с течением времени, при одновременном использовании 1-го и 2-го типов данных. Использование данной модели в составе цифрового двойника позволяет станку самостоятельно принимать решения об изменении параметров технологического процесса зубофрезерования с целью повышения точности изготавливаемых колес или производительности обработки.

Аннотация результатов, полученных в 2022 году
1. Апробация теоретических разработок по интеллектуальному мониторингу на основе экспериментальных исследований качества формообразования изделий различного технологического назначения по наблюдаемым параметрам функционирования станочных систем. В процессе выполнения исследований разработаны рекомендации по практическому выбору контролируемых параметров, наиболее эффективно отражающих состояние узлов и агрегатов производственных комплексов механической обработки. Для пьезоэлектрических и пьезорезистивных датчиков вибрации, выбранных в качестве основных источников измерительной информации о состоянии оборудования разработаны схемы формирования (обработки) их сигналов, учитывающих специфику выходных сигналов датчиков и обеспечивающих высокую помехоустойчивость измерительной подсистемы в составе системы мониторинга. Для пьезоэлектрического датчика разработанная схема основана на базе формирователя типа «зарядовый усилитель», для пьезорезистивного – на базе формирователя «токовая петля». Разработанные блоки изготовлены в виде реальных устройств и апробированы в процессе испытаний в составе экспериментальной системы мониторинга динамических процессов механической обработки. Для пьезоэлектрических датчиков вибрации предложено применение одного интерфейса формирования сигнала «токовая петля» для нескольких однотипных датчиков, установленных в разных контрольных точках в рамках одной системы мониторинга (мультисенсорная, или распределённая «токовая петля»). Для предложенной топологии формирователя сигнала на базе методов оптимального оценивания и планирования эксперимента разработаны статистические алгоритмы оценивания результатов измерений, позволяющие минимизировать негативное воздействие помех и погрешностей, тем самым повысив точность и достоверность работы системы мониторинга в целом. Разработан алгоритм и программное обеспечение для интегральной оценки состояния оборудования с использованием коэффициента преобразования спектра. Расчет коэффициента ведется по данным о колебаниях динамической системы резания по различным координатам, регистрируемым пьезоакселерометрами в виде временных рядов динамики. Практическая реализация разработанного программного обеспечения была проведена при точении заготовки из стали 45 сменной многогранной твердосплавной пластиной Mitsubishi UE6020. Колебания системы резания на собственных и вынужденных частотах регистрировались в полосе 0…12 500 Гц по нормали к плоскости резания (X) и в направлении к ней (Y). Изменение состояния технологической системы резания как реакцию на колебания ее основных элементов, отображает кривая скорости износа пластины в режиме приработки. При этом необходимо отметить, что вид траектории в значительной степени определяется пространственной ориентацией колебаний: на одних частотах они ориентированы преимущественно по нормали к плоскости резания, на других частотах преимущественно вдоль плоскости резания. Обработка данных о колебаниях заключалась в вычислении коэффициента St в течение времени каждого прохода по выборкам из 4096 точек. Результаты практической реализации позволяют сделать вывод о том, что использование интегральных показателей является эффективным способом организации и ведения мониторинга, поскольку, адекватно отображая физические процессы, протекающие в наблюдаемом объекте, позволяет своевременно принимать обоснованные решения по управлению его состоянием, связанные, в частности, с изменением значений режимных параметров или заменой режущего инструмента. Проведена практическая реализация интеллектуального мониторинга качества механической обработки. Входными данными послужили фотографии поверхностей деталей из стали 40Х, обработанных четырьмя твердосплавными пластинами с многослойным CVD-покрытием на различных сочетаниях параметров технологического режима в ООО «ТОСС» (г. Саратов). Анализ данных проводился в направлении извлечения из них максимально достоверной информации о состоянии обработанных поверхностей. На примере анализа конкретных изделий было выполнено обоснование принципов формирования информационной технологии интеллектуального мониторинга качества обработанной поверхности. Было продемонстрировано, что использование нейросетевых технологий и методов машинного обучения для интеллектуального анализа позволят получить максимально достоверную информацию о качестве как в автоматическом режиме, так и в наглядной форме. Применение классифицирующих нейронных сетей, построенных по методу обучения переносом, позволило не только добиться высокой точности предсказания класса анализируемой поверхности, но и извлечь дополнительную информацию о характере паттернов резания на ней. Проведена практическая реализация интеллектуального мониторинга состояния самих пластин, использовавшихся для обработки деталей в ООО «ТОСС». Исходными данными стали изображения передней и главной задней поверхностей пластин после эксплуатации, на которых имеются три наиболее характерных вида образовавшихся дефектов: налипание обрабатываемого материала на переднюю поверхность, выкрашивание режущей кромки, износ по задней поверхности. Изображения получены при стандартном комнатном освещении без добавления специального источника света. Для классификации состояния пластин использовалась модель, построенная с использованием архитектуры глубокой нейронной сети. После подгонки модель была протестирована на новом наборе данных, который не использовался для обучения или валидации. Модель показала достаточно хорошие результаты с точностью 93,33% на тестовом наборе данных. Для обучения и тестирования модели использовался процессор Intel i5 и 12 ГБ оперативной памяти. 2. Апробация цифровых двойников технологических процессов с учетом перманентно изменяющихся свойств объекта в условиях стохастической неопределенности, как составная часть интеллектуального динамического мониторинга. На основе предыдущих этапов реализована схема обмена данными между модулями суррогата цифрового двойника станка 5320Ф4, а также разработан программный комплекс, позволяющий в автоматизированном режиме выполнять анализ процесса обработки прямозубого зубчатого колеса. Для реализации программного модуля суррогата цифрового двойника в среде Matlab была написана программа, предназначенная для расчета и анализа погрешности эвольвентного профиля зуба прямозубого колеса по частотам и амплитудам угловых колебаний двигателя инструмента. Для подтверждения эффективности разработанного суррогата цифрового двойника проведена экспериментальная обработка зубчатых колес с автоматизированной корректировкой параметров технологического процесса. В качестве инструмента использовалась червячная твердосплавная фреза фирмы FETTE со следующими параметрами: модуль m = 4,5 мм, количество стружечных канавок ZG = 15, количество заходов фрезы Zk = 1. Так как для работы цифрового двойника необходимы данные, включающие в себя моменты и угловые положения двигателей приводов главного движения во время обработки, для анализа процесса резания производилось пробное фрезерование. Полученные данные обработки первого колеса загружались в программное обеспечение суррогата, а полученные рекомендации использовались для коррекции режимов резания и дальнейшей обработки второго колеса. Анализ результатов обработки, измеренных при помощи зубоизмерительной машины MarGear GMX 400, ф.Mahr, подтвердил правильность анализа и рекомендаций, выданных суррогатом цифрового двойника. Анализ данных, полученных в результате измерения колес, показывает значительное снижение величин погрешностей при использовании рекомендаций по изменению режимов резания, выданных суррогатом цифрового двойника. Апробация суррогата цифрового двойника в рамках реального технологического процесса изготовления зубчатых колес продемонстрировала его работоспособность и эффективность рекомендаций, выдаваемых симулирующими процесс формирования погрешностей в физическом прототипе моделями программного комплекса.