2518-1092Научный результат. Информационные технологии2518-109210.18413/2518-1092-2016-1-3-52-56783СИСТЕМНЫЙ АНАЛИЗ И УПРАВЛЕНИЕИСПОЛЬЗОВАНИЕ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ УПРАВЛЕНИЯ СТАНКАМИ С ЧИСЛОВЫМ ПРОГРАММНЫМ УПРАВЛЕНИЕМUTILIZATION OF NEURAL NETWORKS FOR IMPROVEMENT OF EFFICIENCY IN THE MANAGEMENT OF COMPUTERIZED AND NUMERICALLY CONTROLLED MACHINE TOOLSМальцевДенис БорисовичMaltsevDenis Borisovichmaltsevdb@mail.ruБарабановаЕлизавета АлександровнаBarabanovaElizaveta AlexandrovnaElizavetaAlexB@yandex.ru20161300

В связи с ростом конкуренции на рынке остро стоит проблема повышения эффективности обработки на станках с числовым программным управлением (ЧПУ). Кроме того, сегодня предприятиям надо обеспечить соответствие выпускаемой продукции требованиям международных стандартов ISO. В настоящее время в России идёт активное внедрение новых автоматизированных средств информационной поддержки изделий на всех этапах жизненного цикла. В статье рассмотрены модели управления станками с числовым программным управлением. Сделан вывод, об эффективности применения нейронных сетей для работы с данным типом станков. Приведен пример нейронной сети с двумя скрытыми слоями с 3 и 5 нейронами соответственно.

Due to increasing competition in the market, there is an acute problem of increasing efficiency of processing on the machines with computerized numerical control (CNC). Besides, enterprises nowadays have to ensure compliance of products with the requirements of ISO international standards. At present, Russia is going through an active introduction of new automated tools of information support of products at all stages of the life cycle. The article discusses the model of management of machine tools with numerical control. The authors draw a conclusion about the efficiency of utilizing neural networks to operate with this type of machines. They also provide an example of a neural network with two hidden layerswith3 and 5neurons respectively.

промышленностьуправлениенейронная сетьчисловое программное управлениеавтоматизированные системыindustrymanagementneural networknumerical controlautomated systemsСписок литературыСигеру Омату. Нейроуправление и его приложения. М.: ИПРЖР, 2000. Кн. 2. 272 с.А.В. Шаламов, П.Г. Мазеин. Нейронные сети как новый подход к управлению технологическим оборудованием. Известия Челябинского научного центра, вып. 1 (18), 2003. С. 60-64.Н.С. Мальцева. Особенности управления процессом коммутации в многокаскадной коммутационной системе с параллельным поиском каналов связи.АГТУ, Вестник АГТУ, 2007. Том 6. – С.190-193.Н.С. Мальцева, Е.А. Барабанова. Имитационное моделирование коммутационных систем. Вестник АГТУ. № 1. – Астрахань: Изд-во АГТУ. – 2009.- С. 146-150.В.И. Комашинский, Д.А. Смирнов. Нейронные сети и их применение в системах управления и связи. – М.: Горячая линия – Телеком, 2003. – 94 с.А.П. Никишечкин. Повышение качества процесса адаптации при изменении технологических параметров с помощью аппарата нейронных сетей: Дис. канд. техн. наук: 05.13.06. Москва, 2002. – 110 с.: ил.В.П. Вороненко, Д.Ю. Рязанов, С.С. Горский. Повышение эффективности изготовления деталей типа тел вращения при нейросетевом управлении. – Журнал "Технология Машиностроения" №3. 2010. С.49-52.L.A. DobrzaĔski, K. Golombek, J. Kopac and M. Sokovic, “Effect of depositing the hard surface coatings on properties of the selected cemented carbides and tool cermets”, J. Mater, Process, Technol, 2004, pp. 157-158, pp. 304-311.X.-F. Yao, X.-Q Yao and L. Can, “Control Evolution and Case Study for Uncertain Machining Process”, Journal of basic science and engineering, vol. 18, no. 1, 2010, pp. 177-186.X.-Y. Lai, B.-Y Ye and C.-Y Yan, “Adaptive fuzzy control of milling process based on fieldbus”, Journal of South China University of Technology (Natural Science Edition), vol. 33, no. 5, 2005, pp. 7-10.