izmertechИзмерительная техникаIzmeritel`naya Tekhnika0368-10252949-5237ФГУП "ВНИИФТРИ"10.32446/0368-1025it.2020-9-31-35izmertech-1835Research ArticleМЕХАНИЧЕСКИЕ ИЗМЕРЕНИЯMECHANICAL MEASUREMENTSПрименение нейронных сетей для обработки фазохронометрической измерительной информацииNeural networks application for phasechronometric measurement information processingБолдасовД. Д.BoldasovD. D.

Москва

Dmitriy D. Boldasov

Moscow

boldasovd@gmail.comДроздоваЮ. В.DrozdovaJu. V.

Москва

Julia V. Drozdova

Moscow

juliadrozdova99@mail.ruКомшинА. С.KomshinA. S.

Москва

Alexander S. Komshin

Moscow

komshin_as@mail.ruСырицкийА. Б.SyritskiiA. B.

Москва

Antony B. Syritskii

Moscow

syritsky@yandex.ruМосковский государственный технический университет имени Н. Э. Баумана (Национальный исследовательский университет)РоссияBauman Moscow State Technical UniversityRussian Federation202017072023093135Copyright © ФГУП "ВНИИФТРИ", 20232023ФГУП "ВНИИФТРИ"ФГУП "ВНИИФТРИ"https://www.izmt.ru/jour/about/submissions#copyrightNoticehttps://www.izmt.ru/jour/article/view/1835

Рассмотрены вопросы применения нейросетевой технологии в различных областях деятельности. Описана методика обработки измерительной фазохронометрической информации, основанная на работе нейронных сетей. Новизна предлагаемого подхода заключается в выборе классификационного признака и применении алгоритма персептрона для двоичной классификации. Выполнена простейшая двоичная классификация режимов работы токарного станка – холостого хода или резания.

This article describes the processing technique of measuring phasechronometric information based on the neural networks use. The novelty of the proposed approach lies in the choice of a classification feature and the perceptron algorithm use as an algorithm for binary classification performing. In this article, to assess the concept operability, the simplest binary classification of the lathe operation modes is made: idle or cutting.

фазохронометрический методобработка измерительной информацииперцептронмониторинг процесса резания.рhasechronometric methodmeasuring information processingperceptroncutting process monitoringReferencesКабак И. С., Суханова Н. В., Гаделев А. М. Применение нейронных сетей при диагностике состояния режущего инструмента // Известия Кабардино-Балкарского государственного университета. 2012. Т. 2. № 4. С. 77–79.Kabak I. S., Sukhanova N. V., Gadelev A. M., Izvestiya Kabardino-Balkarskogo gosudarstvennogo universiteta, 2012, no. 4, vol. 2, pp. 77–79 (in Russian).Azmi A. I., Advances in Engineering Software, 2015, vol. 82, pp. 53–64. https://doi.org/10.1016/j.advengsoft.2014.12.010Azmi A. I., Advances in Engineering Software, 2015, vol. 82, pp. 53–64. https://doi.org/10.1016/j.advengsoft.2014.12.010Rizal M. et al., Applied Soft Computing, 2013, vol. 13, pp. 1960–1968. https://doi.org/10.1016/j.asoc.2012.11.043Rizal M. et al., Applied Soft Computing, 2013, vol. 13, pp. 1960–1968. https://doi.org/10.1016/j.asoc.2012.11.043Silva R. G., Reuben R. L., Baker K. J. and Wilcox S. J., Mechanical Systems and Signal Processing, 1998, vol. 12, pp. 319–332. https://doi.org/10.1006/mssp.1997.0123Silva R. G., Reuben R. L., Baker K. J. and Wilcox S. J., Mechanical Systems and Signal Processing, 1998, vol. 12, pp. 319–332. https://doi.org/10.1006/mssp.1997.0123Proteau A. et al., The International Journal of Advanced Manufacturing Technology, 2019, vol. 103, pp. 101–110. https://doi.org/10.1007/s00170-019-03533-4Proteau A. et al., The International Journal of Advanced Manufacturing Technology, 2019, vol. 103, pp. 101–110. https://doi.org/10.1007/s00170-019-03533-4Сырицкий А. Б. Измерение износа режущего инструмента фазохронометрическим методом в процессе обработки // Измерительная техника. 2016. № 6. С. 30–32.Syritskii A. B., Measurement Techniques, 2016, vol. 59, no. 6, pp. 595–599. https://doi.org/10.1007/s11018-016-1014-1Киселев М. И. Фазохронометрия: проблемы и перспективы // Приборы. 2016. № 10 (196). С. 51–54.Kiselev M. I., Pribory, 2016, no. 10 (196), pp. 51–54 (in Russian).Boldasov D. D., Komshin A. S., Syritskii A. B., Method of Lathe Tool Condition Monitoring Based on the Phasechronometric Approach. In: Advances in Automation. RusAutoCon 2019, eds Radionov A., Karandaev A. Lecture Notes in Electrical Engineering, 2020, Springer, Cham, vol. 641. https://doi.org/10.1007/978-3-030-39225-3_82Boldasov D. D., Komshin A. S., Syritskii A. B., Method of Lathe Tool Condition Monitoring Based on the Phasechronometric Approach. In: Advances in Automation. RusAutoCon 2019, eds Radionov A., Karandaev A. Lecture Notes in Electrical Engineering, 2020, Springer, Cham, vol. 641. https://doi.org/10.1007/978-3-030-39225-3_82Geurts P., Wehenkel L., Knowledge Discovery in Databases: PKDD 2005, Springer, 2005, рp. 478–485. https://doi.org/10.1007/11564126_48Geurts P., Wehenkel L., Knowledge Discovery in Databases: PKDD 2005, Springer, 2005, рp. 478–485. https://doi.org/10.1007/11564126_48Scikit-learn user guide Chapter 3 Supervised learning. Release 0.20.3 March 2019, available at: https://scikit-learn.org/stable/_downloads/scikit-learn-docs.pdf (accessed: 06.03.2019)Scikit-learn user guide Chapter 3 Supervised learning. Release 0.20.3 March 2019, available at: https://scikitlearn.org/stable/_downloads/scikit-learn-docs.pdf(accessed:06.03.2019).

The authors declare that there are no conflicts of interest present.