ỨNG DỤNG MẠNG NORON NHÂN TẠO TRONG VIỆC DỰ ĐOÁN ĐỘ NHÁM BỀ MẶT KHI TIỆN THÉP C45

KHOA HỌC CÔNG NGHỆ ỨNG DỤNG MẠNG NORON NHÂN TẠO TRONG VIỆC DỰ ĐOÁN ĐỘ NHÁM BỀ MẶT KHI TIỆN THÉP C45 PREDICTION SURFACE ROUGHNESS USING ARTIFICIAL NEURAL NETWORK APPLICATION FOR TURNING STEEL C45 Nguyễn Đức Luận TÓM TẮT Bài báo trình bày phương pháp tiếp cận để dự đoán độ nhám bề mặt dùng ứng dụng mạng noron nhân tạo Các mẫu thí nghiệm máy tiện dùng để huấn luyện mạng noron Khi tiện thơng số sử dụng thí nghiệm sử dụng là: tốc độ cắt, chiều sâu cắt lượng chạy dao Các thông số thuộc thông số công nghệ khác như: thơng số hình học dao, vật liệu dao, chiều dài phơi, đường kính phơi, vật liệu phôi không đổi Mạng noron phát triển huấn luyện theo thuật toán tỉ lệ độ dốc liên hợp (SCGA) Với phương pháp số lượng mẫu thời gian luyện mạng giảm tối đa Số lần lặp lại 8000 yếu tố Ra, Rz, Rmax mô đánh giá Số lớp ẩn mơ hình đánh giá Ra cịn Rz Rmax 10 Kết phương pháp noron nhân tạo dựa vào giá trị mẫu thực tế Từ khóa: Mạng noron nhân tạo (ANN), độ nhám bề mặt gia công máy tiện ABSTRACT This paper present will a new artificial neural network approach is presented for prediction of surface roughness The lathe test specimens are used to train the noron network Parameters used in the experiments were reduced to three parameters: depth of cutting, cutting speed, and feed rate Each of the other parameters such as,workpiece length,workpiece diameter and workpiece material was taken as constant The noron network is developed and trained the scaled conjugate gradient algorithm (SCGA) With this method, the number of samples and time of network training is minimize training time The number of iterations was 8000 Ra, Rz and Rmax were modeled and were evaluated One hidden layer was used for all models while the numbers of neurons in the hidden layer of the Ra model were five and the numbers of neurons in the hidden layers of the Rz and Rmax models were ten The results of the neural network approach were compared with actual values Keywords: Artificial neural network (ANN), surface roughness, turning Nguyễn Đức Luận Khoa Cơ khí, Trường Đại học Công nghiệp Hà Nội Email: luan.nd.hut@gmail.com Ngày nhận bài: 08/07/2017 Ngày nhận sửa sau phản biện: 17/08/2017 Ngày chấp nhận đăng: 25/12/2017 GIỚI THIỆU Chất lượng bề mặt yêu cầu quan trọng gia cơng Mục đích kỹ thuật q trình gia cơng 62 Tạp chí KHOA HỌC & CƠNG NGHỆ ● Số 43.2017 không cần đạt độ xác kích thước, vị trí tương quan mà phải đạt độ nhám bề mặt theo yêu cầu để đảm bảo chế độ làm việc cụ thể chi tiết Độ nhám bề mặt không bị ảnh hưởng độ xác thơng số hình học dụng cụ cắt mà cịn có nhiều yếu tố khác như: Độ cứng vững máy công cụ, điều kiện gia công, môi trường gia cơng Nói cách khác, độ nhám bề mặt phụ thuộc vào thông số công nghệ Mô động học dùng để ước tính độ nhám bề mặt khó khăn việc định tham số máy công cụ không dễ dàng bao gồm cứng vững đàn hồi theo thời gian Cấu trúc bề mặt nhám phức tạp việc tính tốn giá trị theo cơng thức phân tích khó Ngày giải pháp gần khơng cịn phù hợp gia cơng xác Hiện có phương pháp xấp xỉ để tìm thơng số cơng nghệ để đạt độ nhám theo yêu cầu Tuy nhiên với phương pháp tiếp cận tốn nhiều thời gian lặp lặp lại trình thực nghiệm Năm 1994 Whitehouse đề xuất biểu thức tính độ nhám sau [1]: f2 R Trong đó: f tốc độ cắt R bán kính mũi dao Năm 1997 Fang Safi-Jahanshaki đề xuất cơng thức tính độ nhám thực nghiệm theo quan hệ hàm số mũ sau [2]: Ra  0,032 Ra  C V C1 f C d C Trong đó: Ra độ nhám bề mặt C0 số C1,C2,C3 hệ số lấy theo kinh nghiệm Theo biểu thức trên gia công với dụng cụ cắt kim cương, vật liệu hợp kim nhơm [3]: Ra  13,636.V 0,102 f 0,5123 d 0,0382 Trong đó: R độ nhám, Vc vận tốc cắt, f tốc độ chạy dao, Dc chiều sâu cắt Ngày việc sử dụng phương pháp để xác định độ nhám bề mặt sử dụng Một mơ hình dự SCIENCE TECHNOLOGY đốn nhám bề mặt sử dụng phương pháp đáp ứng bề mặt Bằng cách kết hợp lý thuyết phương pháp kết hợp với yếu tố ảnh hưởng gia cơng phát triển[4] Ngồi việc nghiên cứu mạng noron đa lớp có kết tốt mạng đơn lớp [5] Trong nghiên cứu này, độ nhám xác định trước gia cơng mục đích để kiểm tra dự đốn phương pháp noron nhân tạo NGHIÊN CỨU THỰC NGHIỆM Có nhiều tham số ảnh hưởng đến độ nhám bề mặt Trong nghiên cứu thông số máy cơng cụ khơng đổi thí nghiệm Baảng Các thông số chế độ cắt Chiều sâu cắt (mm) 0,5 1,5 Tốc độ cắt (m/ph) 100 150 200 250 Tốc độ chạy dao (mm/vg) 0,10 0,15 0,20 0,30 Tất thí nghiệm hồn thành máy công cụ Các thông số dụng cụ cắt số tất dụng cụ cắt có đặc tính Và để giảm thiểu ảnh hưởng độ mòn dụng cụ cắt đến chất lượng bề mặt, mảnh lưỡi cắt thay thay đổi thường xuyên thông số cắt giảm đến để đơn giản hóa vấn đề Các điều kiện cắt lựa chọn bảng Theo có 64 điều kiện cắt khác chọn kết xác thí nghiệmđược thực lần Các mẫu thí nghiệm thực máy tiện, với thông số phôi thép C45, Ø25mm×100mm cụ thể cho bảng Bảng Thơng số kỹ thuật máy tiện Tên máy 260-330/600-C CNC Lathe Cơng suất động trục 15kW Đường kính phôi lớn 80 mm Chiều dài phôi lớn 600 mm Dải tốc độ 36-3600 vòng/phút Dụng cụ SECO-SDCCR2020K11 Bán kính mũi dao 0,4 mm Góc trước 930 Các giá trị Ra, Rz, Rmax đo máy đo nhám ghi vào bảng Hầu hết giá trị độ nhám gia công điều kiện cắt Kết thí nghiệm cho bảng 128 mẫu cắt thí nghiệm thực lần Tuy nhiên có thí nghiệm khơng đưa vào bảng có khác biệt lớn kết lặp lại chúng có 11 thí nghiệm khơng đưa vào phân tích ANN kết nhám khác so với mẫu lặp lại Do cịn 49 mẫu sử dụng có 35 mẫu để huấn luyện mạng cịn 14 mẫu để so sánh đánh giá kết dự đoán phương pháp Bảng Kết thực nghiệm Tốc độ Chiều cắt STT sâu cắt (m/ph) (mm) Lượng tiến dao (mm/vg) Độ nhám bể mặt (μm) Rm Rz Ra 0,5 100 0,15 22,4 16 2,08 0,5 100 0,2 24 19,7 3,75 0,5 100 0,3 14,8 13,45 2,6 0,5 150 0,1 17,06 16,05 2,8 0,5 150 0,15 11,2 10,5 1,48 0,5 150 0,2 7,2 6,78 1,23 0,5 150 0,3 13,2 11,93 2,78 0,5 200 0,1 4,4 3,43 0,6 0,5 200 0,15 5,2 4,78 0,93 10 0,5 200 0,2 7,6 6,68 1,45 11 0,5 200 0,3 12 22,65 2,48 12 0,5 250 0,1 4,4 0,65 3,75 13 0,5 250 0,15 5,6 4,95 14 0,5 250 0,2 7,2 6,4 1,4 15 0,5 250 0,3 12,4 11,28 2,65 16 100 0,1 18 14,08 2,23 17 100 0,15 23,2 18,13 3,28 18 100 0,3 16 13,4 2,3 19 150 0,15 11,6 9,58 1,53 20 150 0,2 8,8 7,3 1,35 21 150 0,3 11,58 10,83 2,38 22 200 0,1 3,65 0,55 23 200 0,15 4,8 4,2 0,83 24 200 0,2 7,6 6,4 1,25 25 200 0,3 12,4 11,45 2,5 26 250 0,1 3,25 0,5 27 250 0,15 4,68 0,85 28 250 0,2 8,4 6,78 1,28 29 250 0,3 12,4 11,55 2,5 30 1,5 100 0,1 21,6 17,23 3,1 31 1,5 100 0,2 11,18 9,18 1,55 32 1,5 100 0,3 12,4 11,43 2,05 33 1,5 150 0,1 8,8 6,23 0,95 34 1,5 150 0,15 8,8 7,98 1,1 35 1,5 150 0,2 7,2 6,4 1,1 36 1,5 150 0,3 10,4 9,75 2,18 37 1,5 200 0,1 2,88 0,5 38 1,5 200 0,15 4 0,7 Số 43.2017 ● Tạp chí KHOA HỌC & CÔNG NGHỆ 63 KHOA HỌC CÔNG NGHỆ 39 1,5 200 0,2 7,2 6,3 1,23 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 1,5 1,5 1,5 1,5 1,5 2 2 2 2 2 2 2 2 200 250 250 250 250 100 100 100 100 150 150 150 150 200 200 200 200 250 250 250 250 0,3 0,1 0,15 0,2 0,3 0,1 0,15 0,2 0,3 0,1 0,15 0,2 0,3 0,1 0,15 0,2 0,3 0,1 0,15 0,2 0,3 11,2 7,8 12,8 16 9,6 11,2 13,6 3,2 13,8 4,8 7,2 12,8 3,6 6,4 7,2 13,8 13,8 9,9 2,85 4,5 7,2 11 13,75 7,25 9,2 11,35 2,55 6,2 11,75 2,8 4,3 6,85 10,85 2,85 4,8 6,55 12,35 12,35 2,2 0,55 0,73 1,28 2,25 2,15 1,05 1,35 2,25 0,38 1,13 2,25 0,48 0,73 1,4 2,25 0,5 0,78 1,25 2,48 2,48 DỰ ĐOÁN ĐỘ NHÁM BỀ MẶT BẰNG PHƯƠNG PHÁP NORON NHÂN TẠO Mạng noron phổ biến cơng nghiệp có ứng dụng hữu ích Với khả học mối quan hệ phức tạp, phi tuyến đa biến tham số q trình gia cơng Trong báo mạng noron nhân tạo sử dụng cách khác để ước lượng chất lượng bề mặt gia công, mạng đa lớp sửa dụng phát triển dựa kết thực nghiệm nối cho mạng tạo mơ hình đầu mong muốn tương ứng với mẫu đầu vào Nói cách khác luyện mạng noron để thực chức cụ thể cách điều chỉnh giá trị kết nối noron Sơ đồ mạng noron đơn lớp có cấu trúc hình Ở đầu vào xi truyền qua kết nối khuếch tạo hàm chức tương ứng Các đầu vào noron từ mơi trường thực tế từ noron khác Đầu đưa trực tiếp vào môi trường đầu vào noron khác Hàm chức mạng luyện cách thay đổi trọng số Wi nhiễu bj để đạt đầu mong muốn Trọng số mạng điều chỉnh lặp lại để tìm mối quan hệ đầu vào đầu Trong nghiên cứu mạng noron phát triển huấn luyện theo thuật toán tỉ lệ độ dốc liên hợp (SCGA) Các trọng số ngẫu nhiên giá trị ban đầu cập nhật liên tục đến chúng hội tụ đến giá trị định sử dụng thuật tốn huấn luyện Trong hình hai kiến trúc mạng noron khác Ra Rz Rmax Cả hai kiến trúc gồm lớp: Một lớp đầu vào, lớp ẩn lớp đầu Nhưng Ra, Rz, Rmax đánh giá cách riêng biệt, số noron đầu vào đầu phụ thuộc vào yếu tố đầu vào ứng dụng cụ thể 3.1 Cấu trúc mạng LMP Hình Cấu trúc mạng noron đơn lớp Mạng perceptron nhiều lớp (MLP) mạng chuyển tiếp bao gồm lớp đầu vào, nhiều lớp ẩn lớp đầu Các lớp khác kết nối với cho noron lớp kết nối với tất noron lớp TÍn hiệu truyền đơn hướng từ lớp đầu vào thông qua lớp ẩn đến lớp đầu Thông tin lưu trữ kết nối noron Quá trình luyện mạng bao gồm q trình thích nghi điểm mạnh kết 64 Tạp chí KHOA HỌC & CƠNG NGHỆ ● Số 43.2017 Hình Cấu trúc mạng noron đa lớp Các noron lớp ẩn khơng có quy tắc để chọn mà việc lựa chọn chúng cần phải trải qua giai đoạn thử nghiệm sở đầu có sai số [6] Việc lựa chọn tối ưu số lượng lớp ẩn thử nghiệm cơng cụ Matlab Khơng có yếu tố làm mịn sử dụng Các giá trị ước tính độ nhám bề mặt thu cấu trúc mạng noron khác Các noron lớp đầu vào có chức hiệp tức truyền giá trị (tỉ lệ) điểm trực tiếp mơ hình đến lớp ẩn Xử lý noron lớp ẩn lớp đầu thực với phương pháp bán tuyến tính hàm kích hoạt Đầu vào mạng liên tục phạm vi từ (0-1) đầu liên tục phạm vi Các thông số mạng đưa bảng Điều quan trọng có học tập đại diện cho vấn đề SCIENCE TECHNOLOGY Bảng Tham số mạng noron Tham số Số lần lặp Số đầu vào Số đầu Số lớp ẩn (Ra) Số lớp ẩn (Rz, Rmax) Giá trị 8000 10 Có thể thấy hầu hết trường hợp giá trị dự đốn mạng noron gần với giá trị thực tế Tuy nhiên có số giá trị có sai số lớn điều nhiều nguyên nhân dẫn đến: Độ không đồng vật liệu gia công, phép đo nhám, số nguyên nhân khác chưa rõ Hình (a-c) thể trình kiểm tra dự đoán mạng noron 3.2 Kết dự đoán phân tích Mạng noron mơ tả phần trước huấn luyện với số lần lặp khác cách sử dụng thuật toán giảm dốc gradien Sai số tổng bình phương giảm với số lần lặp 8000 sau thời điểm sai số không giảm nói cách khác việc luyện thời gian luyện tăng lên sai số đầu không giảm Mặc dù với số lần lặp 8000 sai số chấp nhận Hình (a-c) thể trình huấn luyện mạng cho Ra, Rz Rmax Hình 3(a-c) Mức độ luyện tập mạng noron Hình 4(a-c) Kết khiểm tra q trình dự đốn mạng noron Tuy nhiên lỗi bỏ qua mức độ huấn luyện mạng noron nhân tạo 90% với sai số tuyệt đối trung bình 2,29% Đối với dự đoán phương pháp phân tích hồi quy sai số tuyệt đối trung bình 10,75% [7] Ảnh hưởng tham số cắt đến độ nhám phân tích qua tham số khác kết nghiên cứu Đầu tiên tham số biến tham số khác số Thứ hai tham số biến đổi tham số số Tuy Số 43.2017 ● Tạp chí KHOA HỌC & CƠNG NGHỆ 65 KHOA HỌC CÔNG NGHỆ nhiên điều kiện thứ ảnh hưởng tham số lên bề mặt nhám phức tạp khơng tn theo quy luật Ngồi mục đích nghiên cứu dự đoán giá trị độ nhám tương ứng với tham số điều kiện cắt việc xác định ảnh hưởng tham số đến độ nhám Do điều kiện thích hợp để phân tích ảnh hưởng tham số cắt đến nhám bề mặt Các ảnh hưởng trình bày hình 5(a-c) Hình Ảnh hưởng tham số cắt đến nhám bề mặt (a) Ảnh hưởng lượng tiến dao đến nhám bề mặt (b) Ảnh hưởng chiều sâu cắt đến nhám bề mặt (c) Ảnh hưởng vận tốc cắt đến nhám bề mặt Nghiên cứu cho thấy rằng, lượng tiến dao tham số trội ảnh hưởng đến độ nhám bề mặt, độ nhám bề mặt tăng nhanh lượng tiến dao tăng vận tốc cắt chiều sâu cắt khơng đổi hình 5(a) Tốc độ tiến dao có ảnh hưởng tiêu cực đến độ nhám bề mặt biến dạng đàn hồi vật liệu tăng lên tăng tốc độ tiến dao bề mặt dụng cụ cắt tì mạnh lên bề mặt chi tiết gia công làm ảnh hưởng đến chất lượng chi tiết Độ nhám 66 Tạp chí KHOA HỌC & CÔNG NGHỆ ● Số 43.2017 bề mặt giảm dần đạt giới hạn định chiều sâu cắt tăng sau độ nhám lại tăng lên hình 5(b) Ảnh hưởng tốc độ cắt đến độ nhám khác nhau, độ nhám giảm dần tốc độ cắt tăng lên nhiên tăng giới hạn định độ nhám lại tăng hình 5(c) Như có giá trị nhỏ độ nhám bề mặt ứng với giá trị tối ưu tham số cắt KẾT LUẬN Trong báo này, phương pháp dự đốn nhám bề mặt tiện dựa mơ hình thực tế nghiên cứu phát triển Các kết luận từ nghiên cứu tóm tắt sau: - Lượng chạy dao tham số ảnh hưởng lớn đến độ nhám, độ nhám tăng nhanh lượng chạy dao tăng - Tốc độ cắt tham số ảnh hưởng thứ hai đến độ nhám Tốc độ cắt giảm nhám bề mặt tăng lên ngược lại - Chiều sâu cắt yếu tố ảnh hưởng đến độ nhám bề mặt - ANN tạo mối quan hệ xác tham số chế độ cắt độ nhám bề mặt ANN sử dụng để tối ưu hóa tham số cắt trước gia công - Nếu nghiên cứu lặp lại với thông số khác máy khác áp dụng tổng qt cho loại gia cơng khác máy Trong tương lai lấy kết trình dự đốn điều khiển thích nghi tham số chế độ cắt để đạt giá trị độ nhám theo yêu cầu cho trước TÀI LIỆU THAM KHẢO [1] Whitehouse, D.J., 1994 Handbook of Surface Metrology Institute of Physics Publishing, Bristol, UK [2] Fang, X.D., Safi-Jahanshaki, H., 1997 A new algorithm for developing a reference model for predicting surface roughness in finish machining of steels International Journal of Production Research 35, 179-197 [3] Hongxiang, W., Dan, L., Shen, D., 2002 Surface roughness prediction model for ultra-precision turning aluminum alloy with a single crystal diamond tool Chinese Journal of Mechanical Engineering 15, 153-156 [4] Choudhury, I.A., El-Baradie, M.A., 1997 Surface roughness in the turning of high-strength steel by factorial design of experiments Journal of Material Processing Technology 67,55-61 [5] Dimla, E., Dimla, S., 1999 Application of perceptron neural network to tool-state classification in a metal-turning operation Engineering Application of Artificial Intelligence 12, 471-477 [6] Pala, M., Caglar, N., Elmas, M., Cevik, A., Saribiyik, M., 2008 Dynamic soil structure interaction analysis of neural network.Construction and Building Materials 22 (3),330-342 [7] Lin, W.S., Lee, B.Y., Wu, C.L., 2001 Modeling the surface roughness and cutting force for turning Journal of MaterialsProcessing Technology 108 (3), 286293  ... đến độ nhám Tốc độ cắt giảm nhám bề mặt tăng lên ngược lại - Chiều sâu cắt khơng phải yếu tố ảnh hưởng đến độ nhám bề mặt - ANN tạo mối quan hệ xác tham số chế độ cắt độ nhám bề mặt ANN sử dụng. .. tốc độ cắt tăng lên nhiên tăng giới hạn định độ nhám lại tăng hình 5(c) Như có giá trị nhỏ độ nhám bề mặt ứng với giá trị tối ưu tham số cắt KẾT LUẬN Trong báo này, phương pháp dự đoán nhám bề mặt. .. DỰ ĐOÁN ĐỘ NHÁM BỀ MẶT BẰNG PHƯƠNG PHÁP NORON NHÂN TẠO Mạng noron phổ biến cơng nghiệp có ứng dụng hữu ích Với khả học mối quan hệ phức tạp, phi tuyến đa biến tham số trình gia công Trong báo mạng