к. т. н. Фролов В.В.

Национальный технический университет «Харьковский политехнический институт», Украина

Особенности распознавания структурных свойств обрабатываемой детали по ее изображению

1. Распознавание структурных свойств обрабатываемой детали в машиностроительном производстве имеет прикладное значение. Современное многономенклатурное производство предполагает использование предметно замкнутых и технологически замкнутых участков. На участках такого типа широко применяются типовые и групповые технологические процессы механической обработки, которые предполагают использование структурных свойств обрабатываемых деталей для повышения эффективности их обработки.

При формировании групп деталей, обладающих сходными структурными свойствами, представленными графом отношений между конструктивными элементами детали, можно использовать искусственную нейронную сеть (ИНС), состоящую из двух слоев Кохонена. Первый слой формирует группы по матрице RGB (см. рис. 1), поэтому он состоит из трех параллельных сетей: первая формирует группы по отношению сопряжения; вторая – по отношению наложения; третья – по отношению конгруэнтности. Количество рецепторов сети принимается по большей матрице. Количество классов на выходе каждой сети первого слоя должно равняться количеству классов на выходе всей ИНС. В этом случае детали будут разбиты на группы по сходным признакам.

2. Если в базе данных системы АСТПП уже присутствуют образцы деталей, для которых существуют технологические процессы, можно для выбора похожей детали использовать сети Хемминга. В этом случае, необходимо по пяти проекциям детали определить подходящий образец из базы. Последовательность действий по распознаванию описывается диаграммой на рисунке 2. Перед распознаванием сеть обучают по примерам образцов согласно диаграмме на рисунке 3. В результате, имеем структуру сети (см. рис. 4), которая по изображениям видов подбирает наиболее близкие образцы на основе расчета расстояний Хемминга или кластеризации на основе сетей Кохонена.

Рисунок 1 – Графическая интерпретация

Рисунок 2 – Действия по распознаванию сетью Хемминга

Рисунок 3 – Обучение сети

Рисунок 4 – Структура сети по распознаванию образцов на основе проекций