Actual Problems in Machine Building. Vol. 9. N 1-2. 2022 Innovative Technologies in Mechanical Engineering ____________________________________________________________________ 8 Современные системы автоматизированного проектирования технологических процессов или CAPP-системы (Computer-Aided Process Planning) сегодня предоставляют достаточно огромные возможности по быстрому проектированию. В системах реализованы такие функции как ассоциативная связь данных техпроцесса с чертежом и 3d-моделью детали из CAD-системы, автоматизированный подбор инструментов, проведение различных расчетов, нормирования и других функций [2]. Также системы хорошо интегрированы с системами подготовки управляющих программ (CAM-системами) для станков с ЧПУ, так, например, режущие инструменты могут быть заимствованы из CAM-системы в техпроцессе, кроме того, широко развиты функции визуализации и множество других полезных автоматизированных решений [3]. ТП в CAPP-системе представляет собой иерархический набор данных о этапах производства изделия. Формирование данных происходит посредством автоматизированного наполнения их с помощью множества различных электронных справочников, предоставляющих различную фильтрацию информации. Данный процесс осуществляется в диалоговом режиме, при этом часть информации может заполняться автоматически на основе семантических данных верхнего уровня. Это значительно ускоряет процесс проектирования, однако все еще сильно связан с ручным трудом, поэтому не обеспечивает высокую производительность труда. Применение технологий ИИ позволит ускорить процесс проектирования за счет интеллектуализации CAPP-систем, и самостоятельным принятием множества решений системой за человека. В связи с чем появляется задача нахождения таких технологий ИИ и методик их применения, которые могут привести к росту производительности проектирования технологических процессов. Методика исследования Одними из основных технологий ИИ являются искусственные нейронные сети (НС) и глубокое обучение (ГО). Сегодня НС уже достаточно широко применяются в различных областях человеческой деятельности. Модель искусственной НС была построена по аналогии с биологической НС человеческого мозга. Все нейроны НС обрабатывают информацию и передают ее другим нейронам, при этом они могут ослаблять или повышать сигнал, таким образом и решается входящая задача, например, распознавания лица человека. На вход НС головного мозга подается фотография человека, на выходе мы узнаем его, аналогично работают и искусственные НС. Искусственные НС строят в виде графов (рис. 1), в узлах которых находятся нейроны, связанные между собой связями. Каждая связь обладает весом wij, где i и j – это номера нейронов, между которыми образована данная связь. Кроме того, каждый нейрон обладает смещением bi. НС состоит из входного, скрытых и выходного слоев, каждый из которых может иметь различное количество нейронов. Данная нейронная сеть (рис. 1) является полносвязной, она может использоваться для осуществления различных предсказаний, например распознать автомобиль в зависимости от входных данных по размерам колес, двигателю и т.д. Это простейший пример, однако данная сеть играет важную роль, т.к. способна нелинейно рекомбинировать информацию, полученную от предыдущего слоя [4, 5].
RkJQdWJsaXNoZXIy MTk0ODM1