На правах рукописи Климов Алексей Борисович ПРОГНОЗИРОВАНИЕ СТОЙКОСТИ
advertisement
На правах рукописи Климов Алексей Борисович ПРОГНОЗИРОВАНИЕ СТОЙКОСТИ МИНЕРАЛОКЕРАМИЧЕСКОГО РЕЖУЩЕГО ИНСТРУМЕНТА НА ОСНОВЕ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ ЕГО ИЗНАШИВАНИЯ Специальность 05.03.01 –Технологии и оборудование механической и физико-технической обработки АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук Иваново – 2006 Работа выполнена в Кинешемском филиале Московского государственного индустриального университета (КФ МГИУ). Научный руководитель: доктор технических наук, профессор Куликов Михаил Юрьевич Официальные оппоненты: доктор технических наук, профессор Полетаев Владимир Алексеевич кандидат технических наук, Новиков Виктор Владимирович Ведущее предприятие: АО «Точприбор», г. Иваново. Защита состоится « 17 » ноября 2006 г. в «__14__» часов на заседании диссертационного совета Д 212.062.03 при Ивановском государственном университете по адресу: 153025 г. Иваново, ул. Ермака, 39, ИвГУ, учебный корпус 3, ауд. 459. С диссертацией можно ознакомиться в библиотеке ИвГУ. Автореферат разослан «_13_» октября 2006 г. Ученый секретарь диссертационного совета Наумов А.Г. 2 ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность работы. В настоящее время в современном машиностроении все большее развитие получают процессы размерной обработки конструкционных материалов методами тонкой лезвийной механической обработки. Более того, как показывают экспертные оценки, эта тенденция сохранится в будущем, благодаря возможности адаптивного управления процессом резания. Применение режущего инструмента из минералокерамики в том числе и с многофункциональными покрытиями позволяет значительно увеличить производительность и точность обработки, особенно на чистовых режимах. Однако широкому распространению этого инструмента мешает низкая надежность, вызванная его повышенной хрупкостью. Поэтому повышение характеристик прогнозирования отказов и уточнение характеристик гарантированной наработки минералокерамического инструмента является актуальной задачей в условиях автоматизированного производства. Цель работы. Разработка моделей изнашивания и прогнозирование стойкости режущего инструмента на базе создания экспертной системы на основе физикомеханического и нейросетевого моделирования процесса механообработки с целью обеспечения оптимального функционирования систем резания. Научная новизна состоит в: теоретически обоснованной физико-математической модели изнашивания и разрушения минералокерамического инструмента основанной на процессе накопления усталостных термомеханических повреждений в режущем клине; проектировании архитектуры нейросети для систем диагностики износа инструмента и прогнозирования значений стойкости инструмента в зависимости от технологических факторов, изменяющихся в широком диапазоне значений; методе самоконфигурирования нейросети на основе трехслойного персептрона и методе динамического добавления нейронов. 3 возможности учета при прогнозировании неограниченного числа (в том числе существенно не влияющих на результат) факторов процесса резания; Практическая ценность работы состоит в: предложенных нейронных структурах, используемых для диагностики износа инструмента; разработанных программных средствах для прогнозирования значений стойкости инструмента многоинструментальной обработки на станках с ЧПУ. Полученные в работе результаты могут быть использованы при создании экспертных систем на основе искусственных нейронных сетей для условий автоматизированного производства и малого объема статистического материала; Апробация. Наиболее значимые результаты, полученные в ходе работы над диссертацией, доложены на конференциях: Международной проблемы научно-практической управления качеством конференции. производства и «Актуальные эксплуатации автотранспортных средств». Владимир. 2006 г. XV Международном научном семинаре «Высокие технологии в машиностроении» «INTERPARTNER-2006». Украина. Харьков. НТУ «ХПИ». Научных конференциях МГИУ. Основные результаты диссертации опубликованы в [ 6 ] работах, полный список приведен на стр. [ 18 ] автореферата. Структура диссертации. Диссертация использованных содержит введение, библиографических 5 глав, источников заключение, (113 список наименований) и приложение. Общий объем текста диссертации 120 страниц, в него включены 23 рисунка и 9 таблиц. 4 ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ Во введении обоснована актуальность темы диссертации, показана ее направленность, сформулированы основные цели исследования, дается общая характеристика работы, представлен предмет защиты. В первой главе рассмотрено современное состояние проблемы повышения работоспособности режущего инструмента в технологических системах обработки резанием. Показано, что исследованию процессов изнашивания инструмента при резании и как следствие повышению показателей процесса резания посвящено большое количество работ как российских, так и зарубежных ученых: Верещаки А.С., Гуревича Д.М., Карпуся В.Е., Зорева Н.Н., Латышева В.Н., Лоладзе Т.Н., Табакова В.П., Талантова Н.В., Внукова Ю.Н., Трента Е.М. и др. Результаты этих исследований внесли большой вклад в решении проблемы изнашивания режущего инструмента и повышения его работоспособности. Широкому внедрению в промышленность минералокерамического режущего инструмента мешает его низкая надежность. Поэтому вопрос об упрочнении минералокерамического инструмента является актуальным. Анализ литературных данных свидетельствует об убедительном прогрессе в решении проблемы совершенствования свойств режущей керамики. В частности тот факт, что за последнее время появился новый класс режущей керамики, с многослойными нанопокрытиями различного функционального назначения, обладающих повышенными показателями по прочности, вязкости, трещиностойкости, позволяют уверенно говорить о заметном расширении области применения режущей керамики. Отмечено, что на стойкость и производительность металлорежущего инструмента значительное влияние оказывают различные физико-химические процессы, протекающие между контактными поверхностями и внешней средой в процессе резания. Этим исследованиям посвящены ряд работ под руководством Латышева В.Н., Беккер М.С., Станчука Э. А., Гордона М.Б., Клушина М.Е., Подгоркова В.В. и др. Установлено, что недостаточно изучена роль этих процессов в изнашивании и разрушении химически инертного 5 минералокерамического инструмента. Изучение этих аспектов процесса резания позволит изыскать пути управления процессом резания и повышения эффективности последнего. Проведенный анализ литературных данных показал, что исследование процессов изнашивания осуществляется в основном на базе частных экспериментальных исследований с применением методик рационального планирования эксперимента и статистических методов обработки. Прогнозирование при использовании таких методик характеризуется применением для формирования базы данных большого числа многофакторных зависимостей на основании полиномиальных зависимостей до 6-7 порядка до 25 членов, что исключает расширение базы данных непосредственно в технологическом процессе и их применение в устройствах автоматического управления технологических систем резания. Существующие модели изнашивания при резании по своей сути являются статическими. При изучении механизмов изнашивания и разрушения инструментальных материалов недостаточно используются современные достижения в областях смежных наук, в частности, информатики. Для диагностики и прогнозирования износа инструмента в автоматизированном производстве необходима разработка динамических моделей, учитывающих сложные многофакторные фазовые и динамические структурные превращения в процессе резания. На основании изложенного и была сформулирована цель работы, достижение которой связывалось с решением следующих задач: 1. Провести исследование физико-химических процессов, происходящих при резании и их роли при износе инструмента из минералокерамики. 2. Провести анализ минералокерамического механизмов инструмента изнашивания при и разрушения резании различных конструкционных материалов. 3. Определить интенсивности протекания процессов изнашивания, что позволило бы разработать системный подход по их прогнозированию. 6 4. Применить нейросетевое моделирование процессов износа минералокерамического инструмента на основе нейросетей с динамически изменяющейся конфигурацией (динамическим добавлением нейронов) в зависимости от входных параметров с учетом неограниченного числа факторов, изменяющихся в процессе резания. Во второй главе даны описания методик проведенных экспериментов и методов обработки экспериментальных данных. Исследовался процесс резания инструментом из минералокерамики марок ВОК-200, ВОК-200 (НК), твердый ВК-8 при точении углеродистых и нержавеющих сталей в диапазоне скоростей резания Vp=100–650 м/мин. и подач S0=0,1-0,3 мм/об. Геометрия режущей части инструмента α=7°, γ=0°, φ=45°, φ1=45°. Выбор геометрии диктовался условиями подготовки образцов для рентгеноструктурного исследования. В качестве обрабатываемого материала использовалась сталь 20 закаленная (HRC 33-37), сталь 45, нержавеющая сталь марки 12Х18Н10Т, в том числе с использование СОТС. По экспериментальным данным для условий стационарного резания динамические характеристики износа изменяются практически линейно на участках диаграмм износа между сколами в зависимости от времени резания. При этом износ в период приработки существенно зависит от свойств обрабатываемого материала и условий резания (рис. 1). Рис.1 Типовые кривые изнашивания минералокерамического инструмента: 1. ВОК-200(НК), 12Х18Н10Т, Vp=415 м/мин, S0=0,075 мм/об, t=0,2 мм. 2. ВОК-200, Сталь 45, Vр=340 м/мин, S0=0,125 мм/об, t=0,2 мм. 7 В третьей главе дано описание физико-химических процессов, протекающих на контактных поверхностях инструмента при резании и процессов изнашивания и разрушения инструмента. В главе рассмотрен усталостный механизм изнашивания инструмента из минералокерамики, исследована роль физико-химической природы его изнашивания. Анализ экспериментальных результатов показал, что наиболее значимым фактором процесса разрушения является произведение VpS0 (м2/с*об.), где Vp – скорость резания, a S0 – подача. Физическим смыслом произведения VpS0 является удельная скорость съема единицы площади обрабатываемой поверхности или интенсивность термосилового воздействия в зоне резания. Фрактографические исследования площадок износа показали, что все пластины из режущей керамики были разрушены хрупким сколом. Установлено, что образование и формирование трещин происходит по механизму межзеренного проскальзывания с последующим кавитационным разрушением. При этом установлены следующие этапы процесса разрушения: 1. Зарождение микронесплошностей и микропор. 2. Рост, коалесценция микропор и формирование микротрещин. 3. Движение микротрещин внутри зерна и преодоление границ зерна. 4. Образование и распространение магистральной трещины. У пластин изготовленных из ВОК – 200 наиболее характерной особенностью скола является отчетливо выраженный кристаллографический характер развития трещин. Трещины распространяются преимущественно вдоль определенных кристаллографических плоскостей со скоростями, зависящими от кристаллографических направлений движения ее фронта. Преимущественное распространение скалывающих трещин по определенным кристаллографическим плоскостям вызывает появление на поверхности разрушения характерных ступенек скола (рис. 2). При распространении трещины через границу разделяющей области с разной ориентацией кристаллической решетки происходит ее реинициирование по другую сторону границы. 8 Рис. 2 Образование ступенек скола на поверхности излома режущей пластины ВОК-200 (х460 слева, х390 справа). Режим резания: V=600 м/мин, S=0,1 мм/об, t=1 мм. Обрабатываемый материал: сталь 45 Когда прямолинейный фронт трещины выходит на границу раздела, он инициирует развитие скола в областях, где создается благоприятное для скола сочетание сопряжения кристаллической решетки, дефектной структуры и концентрации напряжений. В результате вновь образовавшиеся трещины развиваются по другую сторону границы раздела, сначала независимо друг от друга, а затем, когда их поля напряжений начинают взаимодействовать, сливаются с образованием нового непрерывного фронта трещины, однако его прямолинейные участки соединяются при этом ступеньками скола, которые образуют на поверхности разрушения развитый рельеф, называемый речным узором. В третьей главе разработана физико-математическая и статистическая модели разрушения использованием минералокерамического обобщенного инструментального материала, режущего коэффициента обусловленного инструмента с сопротивляемости физико-механическими характеристиками материала режущей пластины и учитывающего условия резания (режимы, обрабатываемый материал). По данным многочисленных исследований усталостных износ инструмента напряжений в является рабочем клине результатом при накопления резании. Физико- математическая модель построена на основании экспериментальных данных на стадии нормального изнашивания. В качестве обрабатываемого материала использовалась сталь 20 закаленная (HRC 33-37), сталь 45, нержавеющая сталь 9 марки 12Х18Н10Т. Резание проводилось в сухую и с использованием СОТС. Примеры результатов эксперимента изображены на рисунке 2. В качестве физико-математической модели процесса интенсивности накопления усталостных минералокерамики, повреждений разрушающейся в хрупко режущей (скол, пластинке из выкрашивание), предлагается зависимость: hç KW kcp L S 0 , t p t p (1) где: — скорость усталостного изнашивания, [м/мин]; hç — износ по задней поверхности, [мкм]; t p — время резания, [мин]; K W — коэффициент сопротивляемости инструментального материала — обусловлен физико-механическими характеристиками материала режущей пластины. K lc S KW E H g 1 3 3,077 10 2 , c где: E — модуль упругости, МПа; — коэффициент теплопроводности, Вт/мּК; H — толщина режущей пластинки, м; g — ускорение свободного падения, м/с2; 1 K lc — коэффициент вязкости разрушения, МПаּм 2 ; S — энтропия химического соединения поверхностного слоя, Дж/К; (характеризует термодинамическую вероятность состояния макросистемы: фиксирует статистическую неопределенность в поведении и образовании микротрещины). Например, для оксидной керамики Al2O3 принята равной 51,2 Дж/К. 10 величина S k cp 02 B — коэффициент, отражающий изменение свойств обрабатываемого материала в различных средах. 02 , B — предел текучести, предел прочности обрабатываемого материала, соответственно Н/м2, Н/м2. Для конструкционных сталей kcp 0,4 0,5 , для нержавеющих kcp 0,2 0,3 . Θ — показатель степени, характеризующий механизм накопления повреждений и образования микротрещин. Он является функцией условий резания, т.е. Θ=f(VPS0). Рассчитанные по уравнению (1) значения Θ для различных условий резания в эксперименте изображены на рис. 3. Рис.3. Рассчитанные значения Θ. Как видно из рисунка 3 характер накопления усталостных повреждений при обработке разных материалов в различных условиях различен, что свидетельствует о различных процессах накопления повреждений. Для конструкционных материалов значения показателя Θ повышаются, для труднообрабатываемых выделяется экстремум и как следствие величина износа T h3 f (V p S 0 )dt , где константа Т — период стойкости, может быть оценена с 0 точки зрения вероятностно-статистической модели изнашивания. 11 Большинство существующих теоретико-экспериментальных моделей выделяют какую-либо часть факторов, оказывающих значимое влияние на процесс и отбрасывают незначительно влияющие на выходные значения. С другой стороны синергетическое влияние большого числа таких факторов на каком-то этапе могут привести к смене механизма износа инструмента — что подтверждается экспериментально. Исходя из этого требования, предъявляемые к вероятностно-статистической модели процесса резания должны быть многокомпонентными: 1. Резание описывается как нестационарный случайный процесс; 2. Модель представляет собой функцию распределения отклонений фактических значений параметров резания от расчетных; 3. Модель должна решать задачу управления резанием, обеспечивающего его заданную надежность и требования точности. В результате статистического анализа результатов исследования на стойкость минералокерамического инструмента установлено, что вероятность отказа в наибольшей степени удовлетворяет экспоненциальное распределение (Вейбулла) с параметром формы 1 , т.к. отказ инструмента наступает внезапно. Предложенная профессором А.С. Верещакой вероятностно-статистическая модель стойкости минералокерамического инструмента имеет вид: P(T ) 1 e T T0 m (2) где P(T ) — вероятность отказа инструмента при заданном периоде стойкости; m 1 — статистический параметр, характеризующий степень разброса значений стойкости (влияние случайных факторов процесса), ( m 0,1 0,3 ). T — заданный период стойкости, мин; T0 — стойкость при вероятности отказа инструмента (0,632), мин. 12 Эта модель использует частный экспериментальный параметр m, имеющий определенное значение в конкретных условиях резания, и не позволяет использовать его для других условий. Значения экспериментального параметра m могут быть дополнительно уточнены относительно конкретной производственной операции с помощью нейросетевого моделирования. В четвертой главе рассматриваются вопросы, связанные с определением нейронных сетей и особенностями их применения в задачах, связанных с прогнозированием процессов изнашивания. Кратко перечислены основные алгоритмы обучения сетей. Нейронная сеть состоит из множества одинаковых элементов — нейронов (см. рис. 4) Рис. 4 Функциональная схема нейрона и нейронная сеть. Искусственный нейрон, состоит из синапсов, связывающих входы нейрона с ядром, ядра нейрона, которое осуществляет обработку входных сигналов и аксона, связывающего нейрон с нейронами следующего слоя. Каждый синапс имеет вес, определяющий насколько соответствующий вход нейрона влияет на его состояние. Состояние нейрона определяется по формуле (3) где n – число входов нейрона, xi – значение i-го входа нейрона, wi – вес i-го синапса. Значение аксона нейрона определяется по формуле Y = f(S), (4) где f – некоторая функция, которая называется активационной. Наиболее часто в качестве активационной функции используется так называемый сигмоид, который имеет следующий вид: (5) 13 Основное достоинство этой функции в том, что она дифференцируема на всей оси абсцисс и имеет простую производную: (6) При уменьшении параметра сигмоид становится более пологим, вырождаясь в горизонтальную линию на уровне 0,5 при =0. При увеличении сигмоид все больше приближается к функции единичного скачка. Обучение нейронной сети заключается в коррекции всех весовых коэффициентов в сети таким образом, чтобы ошибка отклика сети была минимальной. В ходе работы использовался метод обучения по алгоритму эластичного распространения (Resilient Propagation). При первоначальном формирование базы данных по материалу или режимам резания объемы обучающих выборок невелики, поэтому лучше использовать алгоритмы из семейства так называемого пакетного обучения. При этом подходе веса в сети корректируются только после предъявления всех примеров из обучающей выборки. Образцом подобного алгоритма является метод эластичного распространения. Особенности задач анализа процессов износа режущего инструмента при механической обработке резанием не исчерпываются выбором алгоритма обучения. Необходимо учитывать, что сети, обучаемые на малых выборках, очень чувствительны к выбору структуры сети. Эффективность распознавания 100 80 60 40 20 0 1 2 3 4 5 6 7 Число нейронов в скрытом слое Рис. 5. Зависимость эффективности работы сети от количества нейронов в скрытом слое. 14 На рисунке 5 представлены результаты тестирования сетей, обученных на одних и тех же данных, но имеющих различную структуру. Видно, что разница даже в один нейрон приводит к падению эффективности распознавания на 3-4%. Именно поэтому проблема выбора оптимальной структуры сети является исключительно актуальной. Для решения этой проблемы был разработан метод динамической оптимизации структуры сети. Суть метода заключается в том, что создается трехслойная нейронная сеть. Входной и выходной слои имеют одинаковое число нейронов, совпадающее с размерностью данных. Число нейронов скрытого слоя должно быть меньше чем во внешних слоях (рис. 6). Рис. 6. Рециркуляционная нейронная сеть. Такая сеть называется еще рециркуляционной. Она позволяет сжимать и восстанавливать проходящие через нее данные. Основная проблема заключается в определении количества нейронов в скрытом слое. Для этих целей было применено динамическое добавление нейронов. Разработан комплексный метод динамической оптимизации структуры нейронных сетей [6] на примере создания экспертной системы для прогнозирования процессов износа режущего инструмента, состоящий из двух частей: понижение размерности входных данных с помощью рециркуляционной нейронной сети и динамического добавления нейронов, а также оптимизация структуры нейросети в ходе ее обучения путем объединения методов динамического добавления нейронов в сеть. Построенная таким образом прогнозирующая экспертная система содержит в основе самоконфигурируемую нейронную сеть. Первоначально инициализация сети производится по числу анализируемых параметров (по размерности входного вектора). В дальнейшем производится обучение сети. 15 Если нейронов в сети недостаточно (погрешность больше указанной), то добавляется нейрон. Если в сети несколько скрытых слоев, осуществляется оценка их загруженности, и нейрон добавляется в самый загруженный слой. Дополнительно учитывается возможность «запоминания» сетью параметров вместо непосредственного обучения. Таким образом, выбор первоначальной структуры нейросети имеет первостепенное значение. В пятой главе рассматриваются вопросы связанные с практическим применением полученных результатов. При применение для прогнозирования нейросетей статистический параметр m представляется как динамическая функциональная зависимость от большого числа параметров, характеризующих и обрабатываемую деталь, и обрабатывающий инструмент при использовании в качестве основы гипоиды вида: f (S ) 1 1 e S (7) n где S x j j ( x j — вектор входных данных, j — вектор весовых j 1 коэффициентов подбираемых нейросетью в процессе обучения, — коэффициент, характеризующий крутизну сигмоиды, n — число элементов входного вектора). Обучение нейронной сети заключается в коррекции всех весовых коэффициентов в сети по экспериментальным данным таким образом, чтобы ошибка сети была минимальной. При таком подходе нейросетевая модель будет иметь вид: d n 1 V p d Z d n S0 d E d Q 1 1 S1 2 S2 3 S3 ... m 1 e 1 e 1 e 1 e Sn 1 1 e Sn где: E — модуль упругости, Q — теплопроводность, Z (8) — процент легирующей добавки в материале, V — скорость резания, S 0 — подача и другие параметры процесса резания, d1,, dn — нормировочные множители. S1 ,, S n — параметры определяемые нейросетью. 16 Коэффициенты гипоид для каждого параметра будут определяться нейросетью, и возможно будут несколько изменяться в процессе обработки (при добавлении нового экспериментального значения в базу данных). Определение значений многоинструментальной стойкости обработке инструмента затруднено ввиду при того, что обрабатываемость заготовок различных партий, а также режущие свойства партий инструмента могут иметь значительные колебания. Актуальной является задача установления связи между наивыгоднейшей стойкостью многорезцовой наладки, числом резцов и параметрами обработки. Нейросетевая модель позволяет проанализировать противоречивое влияние параметров многорезцовой наладки на производительность обработки за счет использования значений функции повреждаемости 1 . m Установлено, что использование расчетных значений T m позволяет существенно увеличить производительность обработки на токарном станке с ЧПУ 16К20Ф3 приблизительно на 50% по сравнению с рекомендациями таблиц режимов резания. Приложение содержит основные расчетные модули программы, которая была создана в ходе работы над диссертацией. Основные результаты и выводы. Проведенный комплекс исследований по проблеме повышения надежности минералокерамического режущего инструмента и обеспечения оптимального функционирования технологических систем за счет создания прогнозирующей экспертной системы на основе нейросетевого моделирования процесса механообработки позволяет сделать следующие выводы: 1. Установлена зависимость механизмов изнашивания и разрушения минералокерамического инструмента от технологических условий процессов резания, в том числе применяемых СОТС. 2. Определены инструмента интенсивности зависимости из интенсивности минералокерамики, термосилового основанные воздействия, 17 разрушения на режущего фиксации выраженного через произведение L S 0 и коэффициент влияния внешней среды k cp , что позволило разработать системный подход их прогнозирования. 3. Разработаны физико-математическая разрушения минералокерамического использованием обобщенного инструментального и статистическая режущего коэффициента материала KW , модели инструмента с сопротивляемости обусловленного физико- механическими характеристиками материала режущей пластины и показателя механизма повреждаемости . Значения функции повреждаемости определяются на основании экспериментальных данных полученных при исследовании реального процесса резания по зависимости (1). 4. Проведено структурирование архитектуры нейросети для моделирования процессов износа минералокерамического инструмента при обработке различных материалов на основе нейросетей с динамически изменяющейся конфигурацией (динамическим добавлением нейронов) с учетом неограниченного числа факторов (в том числе незначительно влияющих), изменяющихся в процессе резания. 5. Разработаны алгоритмы для создания прогнозирующей экспертной системы и расчета значений стойкости инструмента, которые реализованы в виде соответствующей программы. Основные материалы диссертации опубликованы в следующих работах: 1. Климов А.Б, М.Ю. Куликов, В.А. Манерцев В.П. Бахарев, Е.Н. Цыпкин. Ресурсосберегающая композиционных модульная изделий технология машиностроения на производства основе порошков исходных компонентов. // Резание и инструмент в технологических системах: Межд. Научн.-техн. сборник. — Харьков: НТУ «ХПИ», 2006., с. 223-226. 2. Климов А.Б, Филимонов А.В. Свидетельство об официальной регистрации программы для ЭВМ № 2006611532 Neural network toolpak for MS Excel. М.: 6 мая 2006. 18 3. Климов А.Б, Куликов М.Ю., Бахарев В.П., Филимонов А.В. Применение нейронных сетей для описания процессов прогнозирования износа режущего инструмента в условиях недостаточных экспериментальных данных. //Сборник статей по материалам XI международной научнотехнической конференции «Актуальные проблемы управления качеством производства и эксплуатации автотранспортных средств», Владимир: ВлГУ, 24-26 мая 2006 г., с. 295 - 299. 4. Климов А.Б., Куликов М.Ю., Бахарев В.П., Филимонов А.В. Исследование возможности применения нейронных сетей для описания процессов износа режущего инструмента из минералокерамики. // Межвузовский сборник научных трудов «Физика, химия и механика трибосистем», Иваново: Издательство «Ивановский государственный университет, 2005 г., выпуск 4, с. 21 - 25. 5. Климов А.Б, Куликов М.Ю., Бахарев В.П., Филимонов А.В. Исследование возможности применения ограниченных выборочных данных в нейронных сетях для описания процессов износа режущего инструмента из минералокерамики. // Техника и технология, Москва: Издательство Спутник Плюс, № 3 (15) 2006 г. — с. 22 - 26. 6. Климов А.Б, Куликов М.Ю., Бахарев В.П., Филимонов А.В. Физикоматематическое моделирование и прогнозирование процесса изнашивания минералокерамического режущего инструмента.//Вестник машиностроения, Москва: Издательство Машиностроение, № 11, 2006 г. , – с.23 – 26. 19 Подписано в печать 05.10.2006 г. Формат 60х84 1/16 Заказ № 237. Тираж 100 экз. Усл. печ. л. 1,0 г. Кинешма, ул. Ленина, 15, ПБЮЛ Крайнов С.Б. 20
