Вестник Северного (Арктического) федерального университета. Серия «Гуманитарные и социальные науки»
ISSN 2227-6564 e-ISSN 2687-1505 DOI:10.37482/2687-1505
Юридический и почтовый адрес учредителя и издателя: САФУ им. М.В. Ломоносова, наб. Северной Двины, д. 17, г. Архангельск, Россия, 163002
Тел: (818-2) 21-61-00, вн. 18-20 о журнале |
Рубрика: Физика, Математика, Информатика Скачать статью (pdf, 2MB )УДК519.6Сведения об авторахЛ.В. Кремлева*, О.И. Бедердинова*, А.Н. Елисеев**Северный (Арктический) федеральный университет имени М.В. Ломоносова АннотацияПриведено описание подхода к анализу конструкторско-технологической информации с помощью искусственной нейронной сети (ИНС) и классического алгоритма обратного распространения при ее обучении, на основе которого разработано программное обеспечение для создания, обучения и функционирования полно- связной ИНС произвольной топологии. Проанализированы технологические данные испытаний фрез для контурной обработки древесины, полученные с применением метода аппроксимации экспериментальных зависимостей регрессионными формулами. Описаны результаты численных экспериментов с использованием ИНС. При проведении первого эксперимента применялась полносвязная ИНС для комбинации «обрабатываемый материал – направление подачи», включающая 3 нейрона; при проведении второго эксперимента произведено обучение ИНС, включающей 6 нейронов. Оценена точность данных, полученных при помощи метода ИНС, в сравнении с классическими способами обработки и использования экспериментальных данных. Установлено, что прогноз выходных параметров, в частности уровня вибраций и качества получаемой поверхности, с помощью ИНС обладает более высокой точностью, чем оценка, которую дают феноменологические модели. Использование метода на основе ИНС позволяет подобрать режимы резания при заданной комбинации «обрабатываемый материал – направление подачи» для обеспечения требуемых параметров технологической операции. Показано, что ИНС практически не имеет ограничений по количеству анализируемых факторов, может обрабатывать числовой, текстовый или логический тип данных и отражать субъективные оценки объекта исследования проектировщиком, что невозможно при классическом экспериментальном подходе с применением регрессионных моделей. Поэтому ИНС с накопленными и проанализированными знаниями способна генерировать значения количественных характеристик проектируемых технологических операций с учетом особенностей конкретного производства, что позволило сделать вывод о перспективности дальнейших исследований в области использования ИНС при анализе и хранении производственных данных, а также для получения новых знаний.Ключевые словаискусственная нейронная сеть, алгоритм обучения искусственной нейронной сети, проектирование технологических операций, регрессионная модель, нейрон, синаптическая связь, численный экспериментСписок литературы
|
