Scientific journal
Advances in current natural sciences
ISSN 1681-7494
"Перечень" ВАК
ИФ РИНЦ = 0,775

При разработке новых технологических смазок (ТС) для металлообработки необходимо экспрессно оценивать их производственную эффективность не проводя сложных и дорогостоящих натурных испытаний, т.е. по физико-техническим свойствам ТС. Современный уровень развития механики и трибологии не позволяет предложить физические и математические модели для такого прогнозирования. Исследования показали, что задача может быть решена привлечением методов теории распознавания образов, успешно применявшейся для прогнозирования надежности сложных систем. [1]

В качестве конкретного приложения рассмотрена проблема прогнозирования эффективности ТС для процессов горячей штамповки сталей и цветных сплавов.

Задача распознавания образов состоит в том, чтобы на основании информации о характеристиках объекта принять решение о принадлежности его к определенному классу (образу). В качестве характеристики выбраны наиболее информативные показатели ТС, определяющие их противозадирные, противоизносные и антифрикционные свойства.

Согласно теории набор прогнозирующих показателей должен быть минимален и эти показатели должны быть взаимно независимы.

Построение метода прогнозирования расчленяется на следующие этапы:

  1. Формирование классов (образов) ТС по их производственной эффективности;
  2. Выбор потенциально перспективных для прогнозирования физико-технических и трибологических характеристик ТС и методов их оценки;
  3. Формирование набора информативных характеристик ТС; построение алгоритма распознавания и выбор программного обеспечения;
  4. 4) Оценка точности системы распознавания

Предварительные исследования показали, что целесообразно все множество ТС разбить на три класса (образа) их производственной эффективности. Критерием эффективности являлась стойкость штампового инструмента, тесно коррелирующая с коэффициентом классического трения. I-й класс эффективности - это ТС, обеспечивающие в реальных условиях коэффициент трения менее 0,148. II-й класс - коэффициент трения находится в интервале 0,148÷0,275. И III-й класс - коэффициент трения больше 0,275.

В качестве показателей свойств ТС приняты девять показателей, определяемые на стандартной четырехшариковой машине трения [2]. Этими показателями являются критическая нагрузка разрыва смазочной пленки (Рк), нагрузка сваривания шаров (Рс), индекс задира тел трения (Из), диаметры пятен износа при нагрузке 400, 630, 1000Н (d400, d630, d1000) и коэффициенты трения при этих нагрузках.

Классификацию ТС, т.е. разделение их на классы (образы), проводили на «обучающей» партии из 60-ти составов. В «обучающую» партию входили рыночные ТС ведущих российских и зарубежных производителей. Все ТС «обучающей» партии были испытаны в производственных условиях и у всех составов были определены вышеуказанные девять прогнозирующих показателей.

На следующем этапе оценивалась информативность прогнозирующих показателей методом апостериорных вероятностей [2], а затем и их значимость (весовой коэффициент). Установлено, что из вышеуказанных девяти прогнозирующих показателей четыре показателя малоинформативны и их можно исключить из системы распознавания.

Следующий этап - создание алгоритма прогнозирования и выбор адекватного программного обеспечения. Из большого числа способов создания алгоритма нами выбран способ, основанный на вычислении центра группирования [3] по результатам «обучающей» партии ТС. Центр группирования определяется для каждого класса и является его характеристикой. Для испытываемого (предъявленного для распознавания) ТС также можно вычислить центр группирования. При геометрическом подходе центры группирования показателей как для классов (образов) эффективности ТС, так и для распознаваемых ТС можно представить точками в m-мерном пространстве (где m-число показателей свойств ТС). Тогда задача распознавания сводится к определению по известным правилам [4] степени близости точки, характеризующую испытуемую смазку, к эталонным точкам, характеризующим классы (образы) эффективности ТС.

Алгоритм распознавания предъявленной смазки состоит в вычислении разности Rох и Rот и отношении опознаваемой ТС к i-тому классу эффективности (по выбранному критерию стойкости штампового инструмента) при условии

Rох - Rот = min,

где Rох - координата обобщенной точки опознаваемой ТС;

Rот - координата обобщенной точки для i-того класса эффективности ТС.

Использование методики, основанной на теории распознавания образов, в сочетании со специально разработанным программным обеспечением позволило ускоренно разработать и предложить к серийному выпуску группу новых высокоэффективных технологических смазок. Достоверность прогноза по предлагаемой методике составила 82%.

СПИСОК ЛИТЕРАТУРЫ

  1. Гаспаров Д.В. Прогнозирование технического состояния и надежности радиоэлектронной аппаратуры / Д.В.Гаспаров, Г.А.Головин, А.В.Мозгалевский. - М.: Советское радио, 1974. - 223с.
  2. ГОСТ 9490-75. Метод определения смазывающих свойств на четырехшариковой машине.
  3. Васильев В.И распознающие системы. Справочник. - Киев: Наукова дума, 1983. - 422с.
  4. Гублер Е.В. Вычислительные методы анализа и распознавание патологических процессов. - Л.: Методика, 1978. -294с.