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).

Nghiên cứu khoa học cơng nghệ DỰ ĐỐN NHÁM BỀ MẶT KHI PHAY CNC THEO PHƯƠNG PHÁP HỒI QUY ĐA BIẾN VÀ PHƯƠNG PHÁP TRÍ TUỆ NHÂN TẠO Nguyễn Văn Tồn1, Nguyễn Tuấn Hiếu2, Nguyễn Tài Hồi Thanh1 Tóm tắt: Bài báo trình bày mơ hình dự đốn nhám bề mặt Ra (µm) phay CNC sử dụng phương pháp phân tích hồi quy đa biến (MRA) mơ hình mạng nơ ron nhân tạo (ANN) với tham số đầu vào góc nghiêng trục dao (φ, độ), đường kính dụng cụ (d, mm), tốc độ trục (n, vòng/phút), tốc độ tiến dao (f, mm/phút), lượng dịch dao ngang (ae, mm) chiều sâu lớp cắt (ap, mm) Kết dự đoán độ nhám bề mặt hai phương pháp cho thấy tỷ lệ lỗi trung bình sử dụng phương pháp hồi quy đa biến đạt độ xác 92,82%, mơ hình mạng nơron nhân tạo cho thấy độ xác 96,59% Như vậy, mơ hình ANN cho khả dự đoán tốt Kết nghiên cứu áp dụng thực tiễn để giảm bớt thời gian chi phí sản xuất phay tinh vật liệu 40X qua nhiệt luyện dao phay cầu Từ khóa: Phay CNC, Độ nhám bề mặt, Hồi quy đa biến, Mạng nơ ron nhân tạo ĐẶT VẤN ĐỀ Mơ hình hóa dự đốn độ nhám bề mặt gia công bước quan trọng để cải thiện trình sản xuất đồng thời giảm chi phí sản xuất [1], [2] Trong năm gần đây, mơ hình hóa q trình gia cơng sử dụng trí thơng minh nhân tạo áp dụng nhiều nước phát triển Đã có nhiều nghiên cứu sử dụng kỹ thuật thông minh khác nhau, bao gồm mạng nơ ron, MRA, logic mờ, ANFIS, RSM… để dự đoán nhám bề mặt chi tiết gia công [3], [4] Tác giả C Lu cộng [5] áp dụng ANN để dự đoán độ nhám bề mặt cho trình tiện Năm 2009 Hazim phát triển mơ hình độ nhám bề mặt sử dụng trí tuệ bầy đàn [6] Trong nghiên cứu này, tiến hành xây dựng mơ hình tốn học phương pháp hồi quy đa biến để tìm kết hợp tối ưu nhám bề mặt biến độc lập sử dụng phương pháp ANN để dự đốn xác nhám bề mặt cho q trình phay tinh vật liệu 40X qua nhiệt luyện dao phay cầu Độ xác dự đốn nhám bề mặt theo ANN so sánh với mơ hình tốn học xây dựng phương pháp MRA PHƯƠNG PHÁP NGHIÊN CỨU 2.1 Phương pháp phân tích hồi quy đa biến Để có hệ số hồi quy ước lượng β0, β1, β2, β3, β4, β5, β6, độ nhám bề mặt thu cho tất thí nghiệm sử dụng cho việc phân tích tìm phương trình hồi quy tuyến tính n  o  1  X 1i    X i    X 3i    X i    X i    X i   Yi   X 1i  1  X 12i    X i X 1i    X 3i X 1i    X i X 1i    X i X 1i    X i X 1i   X 1iYi   X i  1  X i X 1i    X 22i    X 3i X i    X i X i    X i X i    X i X i   X iYi   X 3i  1  X 1i X 3i    X i X 3i    X 32i    X i X 3i    X i X 3i    X i X 3i   X 3iYi   X i  1  X 1i X i    X i X i    X 3i X i    X 42i    X i X i    X i X i   X iYi   X i  1  X 1i X i    X i X i    X 3i X i    X i X i    X 52i    X i X i   X iYi   X i  1  X 1i X i    X i X i    X 3i X i    X i X i    X i X i    X 62i   X iYi Tạp chí Nghiên cứu KH&CN quân sự, Số 47, 02 - 2017 173 Cơ kỹ thuật & Kỹ thuật khí động lực Đơn giản hóa phương trình tuyến tính thành dạng ma trận Các giá trị hệ số hồi quy ước lượng đạt dễ dàng  n    X1i  X 2i   X3i  X  4i  X5i  X  6i X X X X X X X X X X X X 1i 1i 2i 1i 1i 3i 1i 4i 1i 5i 1i 6i X X X X X X X X X X X X 2i 2i 1i 2i 2i 3i 2i 4i 2i 5i 2i 6i X X X X X X X X X X X X 3i 3i 1i 3i 2i 3i 3i 4i 3i 5i 3i 6i X X X X X X X X X X X X 4i 4i 1i 4i 2i 4i 3i 4i 4i 5i 4i 6i X X X X X X X X X X X X 5i 5i 1i 5i 2i 5i 3i 5i 4i 5i 5i 6i  o   Yi       6i 1i      X1iYi   2   X 2iYi  6i 2i     6i 3i  3    X 3iYi      X Y  6i 4i     4i i  6i 5i  5   X 5iYi      6i  6   X 6iYi  X X X X X X X X X X X X 6i (1) Giải phương trình hồi quy tuyến tính tìm hệ số phương trình hồi quy tuyến tính cho độ nhám bề mặt Yi   o  1 X 1i   X i   X 3i   X i   X 5i   X i (2) Trong đó: Yi - Độ nhám bề mặt; X1i - Góc nghiêng trục dao; X2i - Tốc độ trục chính; X3i - Đường kính dụng cụ; X4i - Lượng tiến dao dọc; X5i - Lượng dịch dao ngang; X6i - Chiều sâu cắt Từ phương trình tính giá trị độ nhám bề mặt dự kiến cho thí nghiệm 2.2 Mạng nơron nhân tạo Khi phay tinh thép 40X dao cầu với thay đổi góc nghiêng trục dao cầu (φ, độ), tốc độ trục (n, vòng/phút), đường kính dụng cụ (d, mm), tốc độ tiến dao (f, mm/phút), lượng dịch dao ngang (ae, mm), chiều sâu lớp cắt (ap, mm) cần thực 70 thí nghiệm để đo Ra µm Dữ liệu chia thành hai nhóm, thiết lập 43 liệu huấn luyện 27 liệu kiểm tra Dữ liệu huấn luyện sử dụng để huấn luyện mơ hình ANN cho dự đốn Ra khác Bộ liệu kiểm tra sử dụng để xác nhận mơ hình Mơ hình ANN lựa chọn dựa giá trị tối thiểu lỗi bình phương trung bình tối thiểu (RMSE) tỷ lệ phần trăm tuyệt đối lỗi (MAPE) Huấn luyện mạng thông qua mối quan hệ đầu vào, đầu cách thích ứng tham số tự Ta sử dụng cơng cụ phần mềm Matlab để huấn luyện cho mơ hình mạng ANN Độ nhám bề mặt dự đốn tính tốn mạng Nơ ron nhân tạo Để đo xác cho mơ hình dự đốn, sai số trung bình tính sau: i  Trong đó: R  R 100% R (3)  i - Phần trăm sai số thí nghiệm; Rai - Độ nhám bề mặt đo từ thực nghiệm; Rai - Độ nhám dự đốn; Từ sai số trung bình tính tốn, hiệu phương pháp xác định theo công thức: n    174 i 1 i (4) n N V Toàn, N T Hiếu, N T H Thanh, “Dự đốn nhám bề mặt… trí tuệ nhân tạo.” Nghiên cứu khoa học công nghệ Trong đó:  - Phần trăm lỗi trung bình; n - Số thí nghiệm THÍ NGHIỆM 3.1 Thiết bị vật liệu thí nghiệm 3.1.1 Thiết bị thí nghiệm Thí nghiệm thực máy phay CNC Spinner U5- 620 phòng thí nghiệm Chế tạo máy- Bộ mơn Chế tạo máy – Khoa Cơ khí – HVKTQS hình thể Hình Máy phay CNC Spinner U5- 620  Dụng cụ cắt: Thí nghiệm sử dụng dao phay cầu chọn theo tiêu chuẩn ISO, hình thể Có thành phần hóa học tính bảng Hình Dao phay cầu sử dụng thí nghiệm Bảng Thành phần hóa học, tính dao Ti ( C,N) Wc Co Giới hạn uốn Trọng lượng Độ cứng (%) (%) (%) (N/cm3) riêng (g/cm3) (HRC) 14 78 115 11,2 ÷ 12 89,5 Phạm vi biến tham số công nghệ sử dụng thí nghiệm lựa chọn theo khuyến nghị nhà sản xuất dụng cụ cắt dựa thí nghiệm sở thể bảng Bảng Tham số đầu vào thí nghiệm Kí hiệu Tham số đầu vào X1 X2 X3 X4 X5 X6 Góc nghiêng trục dao cầu φ (độ) Tốc độ trục n (vòng/phút) Đường kính dụng cụ d (mm) Tốc độ tiến dao f (mm/phút) Lượng dịch dao ngang ae (mm) Chiều sâu lớp cắt ap (mm) Tạp chí Nghiên cứu KH&CN quân sự, Số 47, 02 - 2017 Mức (-1) 15 1000 400 0,2 0,1 Các mức Mức (0) 30 1500 12 600 0,3 0,2 Mức (+1) 45 2000 16 800 0,4 0,3 175 Cơ kỹ thuật & Kỹ thuật khí động lực  Thiết bị đo: - Sử dụng máy đo độ nhám Mitutoyo SJ-301 Đầu dò đặt vị trí gia công bề mặt mẫu, dịch chuyển theo phương đường chạy dao gia cơng Mỗi vị trí đo lần, lấy giá trị trung bình ba lần đo 3.1.2 Vật liệu thí nghiệm Vật liệu thí nghiệm sử dụng thép hợp kim 40X (hay 40Cr) nhiệt luyện đạt độ cứng 45 HRC, có thành phần bảng Hình Phơi thép 40X sử dụng thí nghiệm Bảng Thành phần vật liệu 40X (Gost 4543-71) Thành phần Tỷ trọng (%) C 0,36÷0,44 S 0,035 Si 0,17÷0,37 Cr 0,8÷1,1 3.2 Thiết kế thí nghiệm Bảng Ma trận thực nghiệm dùng để huấn luyện ANN TT X1 X2 X3 X4 X5 X6 10 11 12 13 14 15 16 17 18 19 20 21 176 +1 +1 +1 +1 -1 -1 +1 -1 0 -1 -1 +1 -1 -1 +1 -1 -1 -1 +1 0 -1 -1 +1 -1 +1 +1 10 -1 +1 -1 +1 -1 -1 -1 +1 -1 -1 -1 -1 -1 -1 -1 -1 -1 +1 -1 +1 -1 0 0 +1 +1 -1 -1 +1 +1 -1 -1 +1 -1 0 -1 -1 -1 -1 -1 -1 +1 -1 -1 -1 -1 -1 -1 +1 -1 +1 +1 -1 +1 -1 +1 -1 +1 -1 -1 -1 +1 -1 -1 -1 +1 -1 -1 +1 -1 -1 -1 -1 -1 -1 -1 +1 -1 +1 0 Ra 1,21 1,07 1,14 0,92 0,98 1,02 1,08 1,20 0,79 0,89 1,14 0,86 0,91 0,97 1,03 1,09 1,08 0,90 1,21 0,81 0,76 22 -1 -1 0 -1 0,77 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 -1 +1 -1 +1 -1 +1 -1 -1 -1 +1 -1 +1 -1 -1 0 -1 0 -1 -1 -1 +1 -1 -1 -1 -1 -1 +1 -1 -1 +1 +1 -1 -1 -1 -1 -1 -1 +1 -1 +1 -1 +1 +1 -1 +1 -1 -1 -1 0 +1 -1 -1 0,93 -1 +1 -1 0,94 0 -1 0,86 -1 -1 +1 1,19 +1 -1 1,04 -1 +1 -1 1,02 0 -1 1,02 +1 -1 +1 1,16 -1 -1 0.1 0,95 -1 +1 1,13 -1 +1 1,02 +1 -1 0.1 0,95 -1 -1 1,11 -1 0,80 +1 -1 1,12 -1 0 0,98 -1 -1 0,91 +1 -1 -1 1,13 -1 -1 0,77 -1 +1 1,06 -1 -1 +1 1,04 N V Toàn, N T Hiếu, N T H Thanh, “Dự đốn nhám bề mặt… trí tuệ nhân tạo.” Nghiên cứu khoa học công nghệ Từ mơ hình tốn, ta thấy rằng, để xác định độ nhám bề mặt chi tiết gia cơng phải xây dựng bảng ma trận thí nghiệm với thơng số đầu vào, sau đó, tiến hành thí nghiệm đo đạc để xác định giá trị độ nhám Ra (µm) Các mơ hình ANN phát triển hàm thông số gia cơng sử dụng 43 liệu huấn luyện trình bày bảng Sử dụng hộp công cụ nntool Matlab 7.0 để huấn luyện ANN 27 liệu lấy theo phương pháp thiết kế thí nghiệm trực giao Taguchi với mảng trực giao L27 sử dụng để thiết lập phương trình hồi quy theo MRA kiểm tra thơng số mạng ANN trình bày bảng Bảng Ma trận thực nghiệm trực giao L27 (27 thí nghiệm) TT X1 X2 X3 X4 X5 X6 10 11 12 13 -1 -1 -1 -1 -1 -1 -1 -1 -1 0 0 -1 -1 -1 0 +1 +1 +1 -1 -1 -1 -1 -1 -1 0 +1 +1 +1 0 +1 -1 -1 -1 0 +1 +1 +1 +1 +1 +1 -1 -1 +1 -1 +1 -1 +1 -1 +1 -1 -1 +1 -1 +1 -1 +1 +1 -1 Ra 0,73 0,85 0,95 0,76 0,83 0,97 0,79 0,86 1,09 0,91 1,11 0,95 0,83 14 0 +1 -1 15 16 17 18 19 20 21 22 23 24 25 27 27 0 0 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 +1 -1 -1 -1 0 +1 +1 +1 +1 -1 +1 -1 -1 -1 0 -1 +1 +1 -1 +1 0 +1 +1 -1 +1 -1 -1 +1 -1 +1 +1 -1 -1 -1 0 -1 +1 +1 0,98 -1 0,86 0,99 +1 1,16 -1 0,89 +1 1,15 -1 0,91 0,95 +1 1,12 -1 0,82 1,03 +1 1,17 -1 0,87 1,05 KẾT QUẢ VÀ THẢO LUẬN 4.1 Phương pháp phân tích hồi quy đa biến Phương trình phương trình hồi quy đa biến sử dụng để dự đoán độ nhám bề mặt 27 liệu từ bảng sử dụng để xác định phương trình kết dự đốn tóm tắt bảng Từ kết đo độ nhám bề mặt, thực phân tích, tính tốn hệ số hồi quy β0, β1, β2, β3, β4, β5, β6 Thay tất giá trị vào phương trình 1: 810 40500 324 16200 8,1 5,4  o   25,53   27    810 28350 1215000 9720 486000 243 162  1   783,8   40500 1215000 65250000 486000 24300000 12150 8100 2  38470      9720 486000 4176 194400 97,2 64,8  3    306   324 16200 486000 24300000 194400 10440000 4860 3240 4  15390       243 12150 97,2 4860 2,61 1,62  5   5,689   8,1      5,4 162 8100 64,8 3240 1,62 1,26  6   5,321   Tạp chí Nghiên cứu KH&CN quân sự, Số 47, 02 - 2017 177 Cơ kỹ thuật & Kỹ thuật khí động lực Giải ma trận tìm hệ số hồi quy β0= 0,4189; β1= 0,0046; β2= 0,000001; β3= -0,0015; β4= 0,0001; β5= 0,1667; β6= 1,1722 Sau đó, thay hệ số hồi quy vào phương trình tổng quát cho hồi quy đa biến Phương trình tốn học để dự đốn có độ nhám bề mặt là: Yi  0,4189  0,0046 X1  0,000001X  0,0015X3  0,0001X  0,1667 X5 1,1722 X (5) 4.2 Mạng nơron nhân tạo (ANN) Mơ hình phát triển ANN kiểm tra cách sử dụng 27 liệu kiểm tra bảng Kết dự đốn mơ hình ANN trình bày bảng Các giá trị độ nhám bề mặt dự đoán với giá trị đo từ thực nghiệm vẽ thể hình Kết cho thấy mơ hình ANN đề xuất dự đoán độ nhám bề mặt gần với kết đo thực tế Bảng So sánh độ nhám thực nghiệm dự đốn Số thí Độ nhám dự đốn Ra µm nghiệm Ra µm MRA % lỗi (MRA)Φi ANN % lỗi (ANN) Φi 0,73 0,67 8,704 0,760 4,109 0,85 0,80 5,841 0,824 3,058 0,95 0,94 1,659 0,938 1,263 0,76 0,68 10,466 0,798 5,000 0,83 0,82 1,886 0,866 4,337 0,97 0,95 2,243 0,977 0,722 0,79 0,71 12,094 0,846 7,088 0,86 0,84 3,681 0,890 3,488 1,09 0,97 11,721 1,057 3,027 10 0,91 1,03 2,563 0,986 8,352 11 1,11 1,04 8,056 1,100 0,901 12 0,95 0,81 15,494 0,920 3,158 13 0,83 0,74 1,286 0,848 2,168 14 0,98 0,88 0,554 0,998 1,836 15 0,86 0,76 12,000 0,870 1,163 16 0,99 0,87 11,851 1,027 3,737 17 1,16 1,01 13,226 1,175 1,293 18 0,89 0,79 11,371 0,870 2,247 19 1,15 1,05 8,965 1,169 1,652 20 0,91 0,83 8,887 0,863 5,165 21 0,95 0,96 1,371 1,020 7,368 22 1,12 1,08 3,669 1,135 1,339 23 0,82 0,89 5,016 0,863 5,243 24 1,03 0,99 3,396 1,106 7,378 25 1,17 1,04 11,718 1,115 4,701 26 0,87 0,81 6,307 0,856 1,609 27 1,05 0,95 9,617 1,044 0,571 Lỗi trung bình 7,18 3,41 178 N V Tồn, N T Hiếu, N T H Thanh, “Dự đoán nhám bề mặt… trí tuệ nhân tạo.” Nghiên cứu khoa học cơng nghệ Theo tính tốn bảng ta có tỷ lệ lỗi trung bình mơ hình MRA 7,18%, mơ hình ANN có tỷ lệ lỗi trung bình 3,41% Hình Đồ thị so sánh độ nhám bề mặt dự đoán độ nhám bề mặt thực tế Hình biểu diễn kết đồ thị so sánh độ nhám bề mặt thực nghiệm, độ nhám bề mặt dự đốn theo phân tích hồi quy đa biến mạng nơron nhân tạo Quan sát cho thấy, giá trị độ nhám dự đoán sử dụng mạng nơron sát với độ nhám bề mặt thu từ thực nghiệm Phương pháp hồi quy đa biến cho kết với độ tin cậy giải phương trình hồi quy tuyến tính KẾT LUẬN Nghiên cứu sử dụng hai phương pháp song song để so sánh với giá trị độ nhám đo thực nghiệm Đó phương pháp mạng nơron nhân tạo (ANN); phương pháp phân tích hồi quy đa biến; Trong hai phương pháp trên, sai số dự đốn theo mơ hình hồi quy đa biến 7,18%, cho thấy xác dự đốn 92,82% Theo mơ hình ANN 3,41%, có nghĩa mạng neural nhân tạo có khả dự đốn xác độ nhám bề mặt lên đến 96,59% Như vậy, mơ hình ANN cho khả dự đoán tốt hơn, tin cậy Còn phương pháp hồi quy đa biến dùng để khảo sát sơ bước đầu TÀI LIỆU THAM KHẢO [1] C Bruni, L d Apolito, A Forcellese, F Gabrielli and M Simoncini, “Surface Roughness Modelling in Finish Face Milling Under MQL and Dry Cutting Conditions”, International Journal of Material Formation, 503–506, 2008 [2] P.G Bernardos and G.C Vosniakos, (2003), “Predicting Surface Roughness in Machining: a Review”, International Journal of Machine Tools & Manufacture, vol 43, pp 833-844, 2003 [3] H H Oktem, T Erzurumlu 2005 “Prediction of minimum surface roughness in end milling mold parts using neural network and Genetic Algorithm” Materials & Design, Volume 27, Issue 9, Pages 735-744, 2006 [4] S Kumanan, C.P Jesuthanam and R.A Kumar, “Application of Multiple Regression and Adaptive Neuro Fuzzy Inference System for the Prediction of Surface Roughness”, International Journal of Advanced Manufacturing Technology, vol 35, pp 778–788, 2008 Tạp chí Nghiên cứu KH&CN quân sự, Số 47, 02 - 2017 179 Cơ kỹ thuật & Kỹ thuật khí động lực [5] C Lu and J Costes, “Surface profile prediction and analysis applied to turning process”, International Journal of Machining and Machinability of Mate-rials, vol 4, no 2-3, pp 158-180, 2008 [6] Hazim El-Mounayri, Zakir Dugla, and Haiyan Deng, "Prediction of Surface Roughness in End Milling using Swarm Intelligence”, IEEE, Indianapolis, USA, 2009 ABSTRACT PREDICTION OF SURFACE FOR CNC MILLING PROCESS USING MUTIPLE REGRESSION AND ARTIFICIAL INTELLIGENT METHOD In this paper, method of predicting surface roughness workpiece Ra (µm) using multiple regression and artificial neural network with the input parameters like Cutter Axis Inclination Angle (φ degree), Tool Diameter (d mm), Spindle Speed (n rpm), Feed Rate (f mm/min), Feed (ae mm) and Depth of Cut (ap mm) is presented The results of predicting surface roughness by using both methods show that average percentage error using the mathematical model developed by using multiple regression method shows the accuracy of 92.82% On the other hand, artificial neural network technique shows the accuracy of 96.59% which is feasible and applicable in prediction of surface roughness The result from this research is useful to be implemented in industry to reduce time and cost in surface roughness prediction Keywords: End milling, Surface roughness, Neural Networks, MATLAB Nhận ngày 06 tháng 12 năm 2016 Hoàn thiện ngày 17 tháng 01 năm 2017 Chấp nhận đăng ngày 20 tháng 02 năm 2017 Địa chỉ: Học viện Kỹ thuật quân - 236 Hồng Quốc Việt, Cầu Giấy, Hà Nội; Viện Cơng nghệ, Tổng cục Cơng nghiệp quốc phòng; * Email: bkqs2020@gmail.com 180 N V Toàn, N T Hiếu, N T H Thanh, “Dự đốn nhám bề mặt… trí tuệ nhân tạo.” ... sánh độ nhám bề mặt dự đoán độ nhám bề mặt thực tế Hình biểu diễn kết đồ thị so sánh độ nhám bề mặt thực nghiệm, độ nhám bề mặt dự đốn theo phân tích hồi quy đa biến mạng nơron nhân tạo Quan... QUẢ VÀ THẢO LUẬN 4.1 Phương pháp phân tích hồi quy đa biến Phương trình phương trình hồi quy đa biến sử dụng để dự đoán độ nhám bề mặt 27 liệu từ bảng sử dụng để xác định phương trình kết dự đốn... hai phương pháp song song để so sánh với giá trị độ nhám đo thực nghiệm Đó phương pháp mạng nơron nhân tạo (ANN); phương pháp phân tích hồi quy đa biến; Trong hai phương pháp trên, sai số dự đốn