Dự đoán nhám bề mặt khi phay CNC theo phương pháp hồi quy đa biến và phương pháp trí tuệ nhân tạo

Bài viết trình bày mô hình dự đoán nhám bề mặt Ra (µm) khi phay CNC sử dụng phương pháp phân tích hồi quy đa biến (MRA) và mô hình mạng nơ ron nhân tạo (ANN) với các tham số đầu vào là góc nghiêng trục dao (φ, độ), đường kính dụng cụ (d, mm), tốc độ trục chính (n, vòng/phút), tốc độ tiến dao (f, mm/phút), lượng dịch dao ngang (ae, mm) và chiều sâu lớp cắt (ap, mm).
Nội dung trích xuất từ tài liệu:
Dự đoán nhám bề mặt khi phay CNC theo phương pháp hồi quy đa biến và phương pháp trí tuệ nhân tạo Nghiên cứu khoa học công nghệ DỰ ĐOÁN NHÁM BỀ MẶT KHI PHAY CNC THEO PHƯƠNG PHÁP HỒI QUY ĐA BIẾN VÀ PHƯƠNG PHÁP TRÍ TUỆ NHÂN TẠO Nguyễn Văn Toàn1, Nguyễn Tuấn Hiếu2, Nguyễn Tài Hoài Thanh1 Tóm tắt: Bài báo trình bày mô hình dự đoán nhám bề mặt Ra (µm) khi phay CNC sử dụng phương pháp phân tích hồi quy đa biến (MRA) và mô hình mạng nơ ron nhân tạo (ANN) với các tham số đầu vào là góc nghiêng trục dao (φ, độ), đường kính dụng cụ (d, mm), tốc độ trục chính (n, vòng/phút), tốc độ tiến dao (f, mm/phút), lượng dịch dao ngang (ae, mm) và chiều sâu lớp cắt (ap, mm). Kết quả dự đoán độ nhám bề mặt bằng cả hai phương pháp cho thấy tỷ lệ lỗi trung bình sử dụng phương pháp hồi quy đa biến đạt độ chính xác 92,82%, mô hình mạng nơron nhân tạo cho thấy độ chính xác 96,59%. Như vậy, mô hình ANN cho khả năng dự đoán tốt hơn. Kết quả nghiên cứu có thể được áp dụng trong thực tiễn để giảm bớt thời gian và chi phí sản xuất khi phay tinh vật liệu 40X đã qua nhiệt luyện bằng dao phay cầu. Từ khóa: Phay CNC, Độ nhám bề mặt, Hồi quy đa biến, Mạng nơ ron nhân tạo. 1. ĐẶT VẤN ĐỀ Mô hình hóa và dự đoán độ nhám bề mặt gia công là một bước quan trọng để cải thiện quá trình sản xuất đồng thời giảm chi phí sản xuất [1], [2]. Trong những năm gần đây, mô hình hóa các quá trình gia công sử dụng trí thông minh nhân tạo đang được áp dụng khá nhiều ở các nước phát triển. Đã có nhiều nghiên cứu sử dụng các kỹ thuật thông minh khác nhau, bao gồm các mạng nơ ron, MRA, logic mờ, ANFIS, RSM… để dự đoán nhám bề mặt chi tiết gia công [3], [4]. Tác giả C. Lu và cộng sự [5] đã áp dụng ANN để dự đoán độ nhám bề mặt cho quá trình tiện. Năm 2009 Hazim đã phát triển mô hình độ nhám bề mặt sử dụng trí tuệ bầy đàn [6]. Trong nghiên cứu này, tiến hành xây dựng mô hình toán học bằng phương pháp hồi quy đa biến để tìm ra sự kết hợp tối ưu nhám bề mặt giữa các biến độc lập và sử dụng phương pháp ANN để dự đoán chính xác nhám bề mặt cho quá trình phay tinh vật liệu 40X đã qua nhiệt luyện bằng dao phay cầu. Độ chính xác dự đoán nhám bề mặt theo ANN sẽ được so sánh với mô hình toán học được xây dựng bằng phương pháp MRA. 2. PHƯƠNG PHÁP NGHIÊN CỨU 2.1. Phương pháp phân tích hồi quy đa biến Để có được hệ số hồi quy ước lượng β0, β1, β2, β3, β4, β5, β6, độ nhám bề mặt thu được cho tất cả các thí nghiệm sẽ được sử dụng cho việc phân tích và tìm ra phương trình hồi quy tuyến tính. n  o  1  X 1i   2  X 2 i   3  X 3i   4  X 4 i   5  X 5 i   6  X 6 i   Yi  0  X 1i  1  X 12i   2  X 2 i X 1i   3  X 3i X 1i   4  X 4 i X 1i   5  X 5 i X 1i   6  X 6 i X 1i   X 1iYi  0  X 2 i  1  X 2 i X 1i   2  X 22i   3  X 3i X 2 i   4  X 4 i X 2 i   5  X 5 i X 2 i   6  X 6 i X 2 i   X 2 iYi  0  X 3i  1  X 1i X 3i   2  X 2 i X 3i   3  X 32i   4  X 4 i X 3i   5  X 5 i X 3i   6  X 6 i X 3i   X 3iYi  0  X 4 i  1  X 1i X 4 i   2  X 2 i X 4 i   3  X 3i X 4 i   4  X 42i   5  X 5 i X 4 i   6  X 6 i X 4 i   X 4 iYi  0  X 5 i  1  X 1i X 5 i   2  X 2 i X 5 i   3  X 3i X 5 i   4  X 4 i X 5 i   5  X 52i   6  X 6 i X 5 i   X 5 iYi  0  X 6 i  1  X 1i X 6 i   2  X 2 i X 6 i   3  X 3i X 6 i   4  X 4 i X 6 i   5  X 5 i X 6 i   6  X 62i   X 6 iYi Tạp chí Nghiên cứu KH&CN quân sự, Số 47, 02 - 2017 173  Cơ kỹ thuật & Kỹ thuật cơ khí động lực Đơn giản hóa phương trình tuyến tính trên thành dạng ma trận. Các giá trị của các hệ số hồi quy ước lượng có thể đạt được dễ dàng hơn.  n X 1i X 2i X 3i X 4i X 5i X6i  o   Yi   2       X1i X 1i X X 2i 1i X X 3i 1i X X 4i 1i X X 5i 1i X X 6i 1i   1    X1iYi    X 2i X X 2i 1i X 2 2i X X 3i 2i X X 4i 2i X X 5i 2i X X 6i 2i  2   X 2iYi   2      X3i X X 1i 3i X X 2i 3i X 3i X X 4i 3i X X 5i 3i X X 6i 3i  3    X 3iYi  (1)  X ...