The effect of different methods of accounting error components of the engineering system on the treatment process to achieve the desired product quality is considered. The feasibility of the inherited and operational characteristic control based on the intelligent control systems is described. The technique of the part squareness estimate is offered. The novelty of the approach is in analyzing the effect of the combined characteristics that is more informative versus the effect estimate of each of them. An algorithm for the function calculation program of distributing the cutterpath coordinates used to evaluate entering the acceptable range is presented. An example of the probable error calculation procedure application including the effect of deviation of the tool actual trajectory from the CNC programmed one under part cutting on the multi-operation machine is provided.
part cutting accuracy, component error population, intellectual control.
Введение. Общеизвестно, что точность обработки является важнейшей характеристикой любого технологического оборудования, в данном случае — металлорежущего станка с ЧПУ. Под точностью обработки понимают степень соответствия рассматриваемых параметров изготовленной детали к их теоретическим номинальным значениям. Как известно, повышение точности изготовления деталей увеличивает срок службы машин и оборудования. При недостаточной точности изготовления составляющих машину частей качество её функционирования будет невысоким и в процессе работы могут возникать существенные динамические нагрузки, которые приводят к ускоренному износу оборудования и его разрушению [1].
Причины возникновения погрешностей обработки на металлорежущих станках связаны с ошибками исполнения основных и вспомогательных движений, выполняемых станком, деформациями и износом узлов станка, используемых приспособлений и инструментов, а также с деформациями обрабатываемых на станках заготовок под действием усилий резания, температурных полей и др.
Существует ряд работ, посвящённых проблеме повышения точности механической обработки на станках. Над данной проблемой работали такие учёные в области технологии машиностроения и металлорежущих станков, как А. А. Маталин, В. Э. Пуш, Д. Н. Решетов, В. Т. Портман, В. А. Ратмиров, К. С. Колев, С. Хуанг, Р. Пигерт и др. Работы этих учёных заложили базу знаний для дальнейшего поиска путей повышения точности обработки на станках с ЧПУ.
Применение систем интеллектуального управления в металлообрабатывающих процессах связано, прежде всего, с тем, что дальнейшее повышение качественных характеристик оборудования невозможно без учёта большого количества факторов, параметров, многие из которых имеют случайный характер [2]. Решение этой задачи может быть найдено лишь при использовании интеллектуальных систем, способных находить решения в недетерминированных ситуациях при наличии стохастических процессов. База знаний такой интеллектуальной системы управления должна содержать в себе сведения обо всех проводимых ранее подобных операциях металлообработки и их результатов, на основе чего она формирует наилучший метод решения поставленной задачи [3–5].
Данная работа посвящена оценке влияния погрешностей технологической системы на погрешность механической обработки. При использовании такой оценки может быть обеспечена возможность достижения требуемого качества обработки, в том числе точности размеров и геометрической формы изделия.
1. Tugengold, А. K., Lukyanov, E. A., Gerasimov, V. A. Sistema upravleniya stankom, obespechivayushchaya povyshennuyu tochnost obrabotki. [Machine control system providing high ma-chining precision.] STIN, 1999, no. 8, pp. 21-26 (in Russian).
2. Tugengold, А. K., Lukyanov, E. A. Intellektualnoye upravleniye mekhatronnymi tekhnologicheskimi sistemami. [Intelligent control of mechatronic engineering systems.] Rostov-on-Don: DSTU Publ. Centre, 2004, 117 p. (in Russian).
3. Tugengold, А. K., et al. Itogi i perspektivy razvitiya issledovaniy v oblasti intellektualnogo upravleniya mekhatronnymi tekhnologicheskimi sistemami. [Mechatronics technological systems intellectual management prospects and results.] Vestnik of DSTU, 2010, vol. 10, no. 5, pp. 648-666 (in Russian).
4. Tugengold, А. K., et al. Sistema intellektualnogo upravleniya stankami. [Intelligent control of machines.] STIN, 2008, no. 12, pp. 10-14 (in Russian).
5. Tugengold, А. K. Otsenka situatsii i prinyatiye resheniy intellektualnoy sistemoy upravleniya tekhnologicheskim obyektom. [Intellectual control system of the technological object: situation assessment and decision-making.] Vestnik of DSTU, 2010, vol. 10, no. 6, pp. 860-867 (in Russian).
6. Tugengold, А. K., et al. Intellektualnoye elektronnoye dokumentirovaniye tekhnologicheskikh obyektov v sisteme PLM. [Intellectual electronic documentation of technological objects in PLM system.] Vestnik of DSTU, 2011, vol. 11, no. 3, pp. 860-867 (in Russian).
7. Tugengold, А. K., Lukyanov, E. A., Remizov, E. V., Korotkov, O. E. Intellektualnoye upravleniye tekhnologicheskimi sistemami. [Intelligent control of engineering systems.] STIN, 2008, no. 2, pp. 2-8 (in Russian).
8. Huang, S. H., Liu, Q., and Musa, R., Tolerance-based process plan evaluation using Monte Carlo simulation, International Journal of Production Research, 2004, vol. 42, no. 23, pp. 4871-4891.
9. Laperriere, L., ElMaraghy, H. Tolerance analysis and synthesis using jacobian-transforms. CIRP-Annals, 2000, vol. 49, no. 1, pp. 359-362.
10. Xu, N., Huang, S. H., Snyder, J. Systematic Investigation of Tool Wear Monitoring in Turning Operations. ASME International Mechanical Engineering Congress and Exposition, November 5-11, Orlando, USA, 2005, pp. 28-35.
