ОБРАБОТКА МЕТАЛЛОВ Том 27 № 4 2025 53 ТЕХНОЛОГИЯ Метод Сугено упрощает реализацию ANFISмоделей и повышает эффективность вычислений, поскольку в процессе дефаззификации используются взвешенные средние значения. Важным преимуществом метода Сугено является возможность представления нелинейных систем в виде совокупности линейных уравнений. Пакет MATLAB предоставляет широкие возможности для реализации ANFIS-моделей. Инструментарий MATLAB ANFIS обеспечивает удобный интерфейс для разработки и настройки систем нечеткого вывода, который может быть использован исследователями и специалистами, работающими в области нечеткой логики и искусственного интеллекта. На рис. 5 представлена блок-схема алгоритма построения ANFIS-модели в MATLAB. Модели для каждого отклика исследуются независимо, поскольку ANFIS оперирует только с одним выходным значением одновременно. Для прогнозирования Ra, Fc и TW были разработаны три отдельные ANFIS-модели, в которых в качестве входных переменных использовались скорость резания V, подача f и глубина резания d. Начальным этапом построения ANFIS-модели является определение входных и выходных переменных, диапазонов их варьирования и подготовка соответствующих экспериментальных данных для обучения и тестирования модели. Генерация FIS осуществлялась с использованием метода разбиения сетки, реализованного в инструментарии ANFIS MATLAB. Применение данного метода позволяет упростить базу правил и улучшить интерпретируемость FIS-модели. На следующем этапе формировались треугольные функции принадлежности. В настоящей работе в качестве выходных функций принадлежности использовались константы. Для точной настройки параметров FIS, включая функции принадлежности и веса правил, применялся алгоритм гибридной оптимизации, при этом общее количество эпох обучения составляло 10. Гиперпараметры, выбранные для создания ANFIS-моделей для прогнозирования Ra, Fc и TW, представлены на рис. 6. Обучение FIS завершалось после достижения целевого количества эпох и определения минимального значения среднеквадратичной ошибки (RMSE) разработанной модели. Значения RMSE для ANFIS-моделей, предназначенных для прогнозирования Ra, Fc и TW, при использовании Рис. 5. Этапы ANFIS-моделирования Fig. 5. Stages of ANFIS modeling Рис. 6. Параметры ANFIS-модели Fig. 6. ANFIS model parameters
RkJQdWJsaXNoZXIy MTk0ODM1