Obrabotka Metallov. 2016 no. 2(71)

ОБРАБОТКА МЕТАЛЛОВ № 2 (71) 2016 36 ОБОРУДОВАНИЕ. инструменты Т а б л и ц а 8 Анализ чувствительности входных параметров к принятию решения Критерии Параметры R a 1 КШ( R a 1 ) R max1 КШ( R max1 ) S m 1 КШ( S m 1 ) Отношение 298,1079 296,3523 297,8919 297,2753 294,9019 297,1554 Ранг 1,0000 5,0000 2,0000 3,0000 6,0000 4,0000 Т а б л и ц а 7 Общие и дифференциальные оценки РС нитридборовых ВПК по параметрам шероховатости Круг 1; 6 i = Общая лингвистическая оценка Оценка ОХ Оценка Х Оценка С Оценка П Оценка ОП 1 ОП 0,00000 0,00002 0,00025 0,02784 0,97189 2 Х 0,00022 0,99958 0,00019 0,00001 0,00000 3 Х 0,00013 0,99967 0,00019 0,00001 0,00000 4 С 0,00063 0,30478 0,69266 0,00188 0,00005 5 ОХ 0,90622 0,09251 0,00121 0,00007 0,00000 6 Х 0,16607 0,83163 0,00219 0,00011 0,00000 Примечание. Круги i – см. методику В пакете « STATISTICA Neural Networks » име- ется возможность предсказания чувствительно- сти сети к входными переменным, являющимся независимыми. Анализ чувствительности – это определение степени влияния отдельных вхо- дов НС на принятие решения. Чем чувстви- тельнее сеть к данному входу, тем больше это отношение, которое может вызвать ухудшение качества поверхности детали. Как показано в табл. 8, чувствительность входных параметров к принятию решения характеризуется отноше- нием, которое варьируется в узком интервале [294,9019; 298,1079]. Сказанное характеризует высокое влияние каждого из входных параме- тров на топографию поверхности. Дополнитель- но программа проставила ранги для каждого параметра от 1 до 6, возрастание которых харак- теризует снижение влияния входного параметра на топографию поверхности. Представленные результаты свидетельствуют, что на качество по- верхности наибольшее влияние оказывают ожи- даемые медианы  1 a i mR ,  max1 . i mR Затем идут меры рассеяния – КШ max1 ( ) i R и КШ 1 ( ) m i S . По- следние два места отданы КШ( 1 a i R ) и  1 m i mS . Чувствительность сети к каждой входной вели- чине является преимуществом ИНС перед НЛ, которой анализируются атрибуты, включающие совместно (3) и (6). Выводы Результаты тестирования (1) на однород- ность дисперсий и нормальность распределений выявили целесообразность использования непа- раметрического метода для статистической ин- терпретации экспериментальных данных. 1. Показано преимущество применения ней- ронных сетей для решения задачи комплексной оценки РС абразивных кругов по мерам положе- ния и рассеяния. 2. По результатам моделирования (2), (5) в нейронной сети установлено, что ВПК ЛКВ50 B126 100 МV K27-КФ40 при шлифовании пло- ских деталей из ВТ20 обеспечивают наиболее высокое качество поверхности. 3. Выявлено, что ВТ20 лучше шлифуется ВПК при зернистости В126, высокой прочности зерен (50), пониженной твердости (L, M) и при наиболее крупном порообразователе (КФ40).