Y
2
Y
2
Y
2
Y
2
Y
2
Y
2
Y
Nghiên cứu khoa học công nghệ
DỰ ĐOÁN NHÁM BỀ MẶT KHI PHAY CNC THEO PHƯƠNG PHÁP
HỒI QUY ĐA BIẾN PHƯƠNG PHÁP TRÍ TUỆ NHÂN TẠO
Nguyễn Văn Toàn1, Nguyễn Tuấn Hiếu2, Nguyễn Tài Hoài Thanh1
Tóm tắt: Bài báo trình bày hình dự đoán nhám bề mặt Ra (µm) khi phay CNC
sử dụng phương pháp phân tích hồi quy đa biến (MRA) hình mạng ron nhân
tạo (ANN) với các tham số đầu vào góc nghiêng trục dao (φ, độ), đường kính dụng
cụ (d, mm), tốc độ trục chính (n, vòng/phút), tốc độ tiến dao (f, mm/phút), lượng dịch
dao ngang (ae, mm) chiều sâu lớp cắt (ap, mm). Kết quả dự đoán độ nhám bề mặt
bằng cả hai phương pháp cho thấy tỷ lệ lỗi trung bình sử dụng phương pháp hồi quy
đa biến đạt độ chính xác 92,82%, hình mạng nơron nhân tạo cho thấy độ chính
xác 96,59%. Như vậy, hình ANN cho khả năng dự đoán tốt hơn. Kết quả nghiên
cứu thể được áp dụng trong thực tiễn để giảm bớt thời gian chi phí sản xuất khi
phay tinh vật liệu 40X đã qua nhiệt luyện bằng dao phay cầu.
Từ khóa: Phay CNC, Độ nhám bề mặt, Hồi quy đa biến, Mạng nơ ron nhân tạo.
1. ĐẶT VẤN ĐỀ
Mô hình hóa và dự đoán độ nhám bề mặt gia công là một bước quan trọng để cải
thiện quá trình sản xuất đồng thời giảm chi phí sản xuất [1], [2]. Trong những năm
gần đây, mô hình hóa các quá trình gia công sử dụng trí thông minh nhân tạo đang
được áp dụng khá nhiều ở các nước phát triển. Đã có nhiều nghiên cứu sử dụng các
kỹ thuật thông minh khác nhau, bao gồm các mạng nơ ron, MRA, logic mờ, ANFIS,
RSM… để dự đoán nhám bề mặt chi tiết gia công [3], [4]. Tác giả C. Lu và cộng sự
[5] đã áp dụng ANN để dự đoán độ nhám bề mặt cho quá trình tiện. Năm 2009
Hazim đã phát triển mô hình độ nhám bề mặt sử dụng trí tuệ bầy đàn [6].
Trong nghiên cứu này, tiến hành xây dựng mô hình toán học bằng phương pháp
hồi quy đa biến để tìm ra sự kết hợp tối ưu nhám bề mặt giữa các biến độc lập và
sử dụng phương pháp ANN để dự đoán chính xác nhám bề mặt cho quá trình phay
tinh vật liệu 40X đã qua nhiệt luyện bằng dao phay cầu. Độ chính xác dự đoán
nhám bề mặt theo ANN sẽ được so sánh với mô hình toán học được xây dựng bằng
phương pháp MRA.
2. PHƯƠNG PHÁP NGHIÊN CỨU
2.1. Phương pháp phân tích hồi quy đa biến
Để có được hệ số hồi quy ước lượng β0, β1, β2, β3, β4, β5, β6, độ nhám bề mặt
thu được cho tất cả các thí nghiệm sẽ được sử dụng cho việc phân tích và tìm ra
phương trình hồi quy tuyến tính.
no + 1 X1i + 2 X2i + 3 X3i + 4 X4i + 5 X5i + 6 X6i = i
0 X1i + 1 X1i + 2 X2i X1i + 3 X3i X1i + 4 X4i X1i + 5 X5i X1i + 6 X6i X1i = X1i i
0 X2i + 1 X2i X1i + 2 X2i + 3 X3i X2i + 4 X4i X2i + 5 X5i X2i + 6 X6i X2i = X2i i
0 X3i + 1 X1i X3i + 2 X2i X3i + 3 X3i + 4 X4i X3i + 5 X5i X3i + 6 X6i X3i = X3i i
0 X4i + 1 X1i X4i + 2 X2i X4i + 3 X3i X4i + 4 X4i + 5 X5i X4i + 6 X6i X4i = X4i i
0 X5i + 1 X1i X5i + 2 X2i X5i + 3 X3i X5i + 4 X4i X5i + 5 X5i + 6 X6i X5i = X5i i
0 X6i + 1 X1i X6i + 2 X2i X6i + 3 X3i X6i + 4 X4i X6i + 5 X5i X6i + 6 X6i = X6i i
Tạp chí Nghiên cứu KH&CN quân sự, Số 47, 02 - 2017
173
X
X
X
X
2
X
2
Y
Y
1
Y
Y
Y
Y
2
Y
Y
n
=
kỹ thuật & Kỹ thuật khí động lực
Đơn giản hóa phương trình tuyến tính trên thành dạng ma trận. Các giá trị của
các hệ số hồi quy ước lượng có thể đạt được dễ dàng hơn.
n
1i
X2i
X3i
4i
X5i
X6i
X1i
2
1i
X2i X1i
X1i X3i
X1i X4i
X1i X5i
X1i X6i
X2i
X2i X1i
2
2i
X2i X3i
X2i X4i
X2i X5i
X2i X6i
X3i
X3i X1i
X3i X2i
X3i
X3i X4i
X3i X5i
X3i X6i
X4i
X4i X1i
X4i X2i
X4i X3i
2
4i
X4i X5i
X4i X6i
X5i
X5i X1i
X5i X2i
X5i X3i
X5i X4i
X5i
X5i X6i
X6i o i
X6i X1i X1i i
X6i X2i 2 X2i i
X6i X3i 3 = X3i i
X6i X4i 4 X4i i
X6i X5i 5 X5i i
X6i 6 X6i i
(1)
Giải phương trình hồi quy tuyến tính trên sẽ tìm được hệ số của phương trình
hồi quy tuyến tính cho độ nhám bề mặt.
i = o + 1X1i + 2 X2i + 3 X3i + 4 X4i + 5 X5i + 6 X6i
(2)
Trong đó: Yi - Độ nhám bề mặt; X1i - Góc nghiêng trục dao; X2i - Tốc độ trục
chính; X3i - Đường kính dụng cụ; X4i - Lượng tiến dao dọc; X5i - Lượng dịch dao
ngang; X6i - Chiều sâu cắt
Từ phương trình 2 tính được các giá trị của độ nhám bề mặt dự kiến cho từng
thí nghiệm.
2.2. Mạng nơron nhân tạo
Khi phay tinh thép 40X bằng dao cầu với sự thay đổi của góc nghiêng trục dao
cầu (φ, độ), tốc độ trục chính (n, vòng/phút), đường kính dụng cụ (d, mm), tốc độ
tiến dao (f, mm/phút), lượng dịch dao ngang (ae, mm), chiều sâu lớp cắt (ap, mm)
cần thực hiện 70 thí nghiệm để đo Ra µm. Dữ liệu này được chia thành hai nhóm,
thiết lập 43 dữ liệu huấn luyện và 27 dữ liệu kiểm tra. Dữ liệu huấn luyện sẽ được
sử dụng để huấn luyện các mô hình ANN cho dự đoán Ra khác nhau. Bộ dữ liệu
kiểm tra sẽ được sử dụng để xác nhận các mô hình. Mô hình ANN sẽ được lựa
chọn dựa trên các giá trị tối thiểu của lỗi bình phương trung bình tối thiểu (RMSE)
và tỷ lệ phần trăm tuyệt đối của lỗi (MAPE). Huấn luyện mạng thông qua những
mối quan hệ đầu vào, đầu ra bằng cách thích ứng tham số tự do của nó.
Ta sử dụng công cụ trên phần mềm Matlab để huấn luyện cho mô hình mạng
ANN. Độ nhám bề mặt dự đoán được tính toán bằng mạng Nơ ron nhân tạo.
Để đo chính xác cho mô hình dự đoán, sai số trung bình được tính như sau:
i
=
R a i R a i
R a i
1 0 0 %
(3)
Trong đó: i - Phần trăm sai số đối với mỗi thí nghiệm; Rai - Độ nhám bề mặt
đo từ thực nghiệm; Rai - Độ nhám dự đoán;
Từ sai số trung bình tính toán, hiệu quả của phương pháp có thể được xác định
theo công thức:
i
i=1
n
(4)
174
N. V. Toàn, N. T. Hiếu, N. T. H. Thanh, “Dự đoán nhám bề mặt… trí tuệ nhân tạo.