Министерство науки и высшего образования Российской Федерации
федеральное государственное бюджетное образовательное
учреждение высшего образования «Казанский национальный
исследовательский технический университет им. А.Н. Туполева-КАИ»
(КНИТУ-КАИ)
Физико-математический факультет
Кафедра Лазерных и аддитивных технологий
ОТЧЕТ
по прохождению производственной практики – преддипломная практика
(вид практики – учебной, производственной, преддипломной)
Направление подготовки 12.03.05 «Лазерная техника и лазерные технологии»
(Шифр НПС, наименование)
Выполнил:
обучающийся гр. 2412 Фахрединов К.М. ______
(подпись практиканта)
Руководитель практики от кафедры:
_____________
_____________
(должность)
_______
(подпись)
Отчет защищен с оценкой: ____________
Дата защиты «5» июня 2024 г.
Казань, 2024 год
ИНДИВИДУАЛЬНОЕ ЗАДАНИЕ
Обучающегося Фахрединова Кирилла Марсовича
(Ф.И.О.)
Группы 2412
Направления 12.03.05 Лазерная техника и лазерны технологии
(Шифр НПС, наименование)
Физико-математического факультета
Период практики с « 27 » апреля 2024 г. по « 04 » июня 2024 г.
Место прохождения практики Кафедра Лазерных и
аддитивных технологий
Вид практики:
производственная (преддипломная)
Руководитель по практике
КНИТУ-КАИ
____________________________
____
(подпись / Ф.И.О.)
____________________________
____
(должность)
Задание руководителя практики от университета:
Вид работы
1. Прохождение техники безопасности для работы в
лабораториях кафедры Лазерных технологий
2. Провести анализ научной и патентной литературы по
теме ВКР. Результат представить в виде таблицы в
следующей последовательности:
- патенты
- статьи (на русском и английском языках)
- материалы конференций
- учебная литература
3. Составить описание экспериментальной установки и
описать ее характеристики.
4. Составить план эксперимента, указать требования
техники безопасности во время проведения эксперимента
5. Описать полученные экспериментальные данные.
Провести обработку, сделать выводы. Данные представить в
виде таблицы, диаграммы, графика и т.д.
6. Подготовить раздел – Техника безопасности
трудоемк
ость в часах
7
55
7
7
10
3
7. Подготовить отчет по преддипломной практике
10
Итого
99
Задание получил, ознакомлен и согласен:
______________________________________________________________
___
(подпись / Ф.И.О. обучающегося)
« 27 » апреля 2024 г.
СОДЕРЖАНИЕ
ВВЕДЕНИЕ...................................................................................................... 5
ОСНОВНАЯ ЧАСТЬ ОТЧЕТА...................................................................... 7
МАШИННОЕ ОБУЧЕНИЕ ....................................................................... 11
ОБУЧЕНИЕ С УЧИТЕЛЕМ .................................................................. 11
ОБУЧЕНИЕ БЕЗ УЧИТЕЛЯ .................................................................. 11
АКТИВНОЕ ОБУЧЕНИЕ ...................................................................... 11
НЕЧЕТКАЯ ЛОГИКА ............................................................................ 12
ВЫБОР МЕТОДА МАШИННОГО ОБУЧЕНИЯ ................................... 14
ПРАКТИЧЕСКАЯ ЧАСТЬ ........................................................................... 14
ОПИСАНИЕ ПОДГОТОВКИ ИССЛЕДОВАНИЯ................................. 14
ПРИМЕНЕНИЕ МЕТОДА НЕЧЁТКОЙ ЛОГИКИ ................................ 24
ТЕСТИРОВАНИЕ ПОЛУЧЕННОЙ СИСТЕМЫ ................................... 26
ТЕХНИКА БЕЗОПАСНОСТИ ..................................................................... 27
ЗАКЛЮЧЕНИЕ ............................................................................................. 30
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ ................................... 31
ВВЕДЕНИЕ
1.Компетенции, формируемые в результате прохождения практики:
ПК-1
ПК-2
ПК-3
ПК-4
ПК-5
ПК-6
ПК-7
ПК-8
Способность к анализу поставленной задачи проектирования
типовых систем, приборов, узлов и деталей лазерной техники
Способность к математическому моделированию процессов и
объектов лазерных технологий и их исследованию на базе
стандартных пакетов автоматизированного проектирования и
самостоятельно разработанных программных продуктов
Способность к проведению измерений и исследований
различных процессов и объектов лазерной техники и аддитивных
технологий по заданной методике и последующей обработке
результатов
Способность к разработке и реализации технологических
процессов обработки с применением лазерной техники и лазерных
технологий, в том числе с применением робототехнических
комплексов
Способностью к анализу, расчету, проектированию и
конструированию в соответствии с техническим заданием типовых
систем, приборов, деталей и узлов лазерной техники
Способность к разработке и реализации технологических
процессов производства, метрологического обеспечения и контроля
качества лазерных приборов и систем, к участию в работах по
доводке и освоению техпроцессов в ходе технологической
подготовки производства
Способность применять современную элементную базу,
оптические и конструкционные материалы при проектировании
лазерных приборов и систем, в том числе для аддитивного
производства
Способность к участию в монтаже, наладке, настройке,
юстировке, испытаниях, сдаче в эксплуатацию опытных образцов
лазерной техники и систем аддитивного производства
2.Индивидуальное
задание
на
практику
применение
машинного
обучения в аддитивных технологиях
3.Место прохождения практики
_______________Кафедра Лазерных и аддитивных технологий ___________
(название предприятия или лаборатории, подразделения КНИТУ-КАИ)
4.Время прохождения практики
Дата начала практики
«27» апреля 2024 г.
Дата окончания практики «04» июня 2024 г.
5.Должность на практике
_____________________________практикант_______________________________
(практикант, стажер, помощник, конкретная должность)
ОСНОВНАЯ ЧАСТЬ ОТЧЕТА
Календарный график прохождения практики
Даты
27.04.2024–
28.04.2024
28.04.2024–
12.05.2024
Объект практики
Прохождения техники
безопасности
Сбор научной и
исследовательской
литературы
13.05.2024–
Подготовка подложки
21.05.2024
для печати
Краткое содержание выполненной
работы
На протяжение этого периода
было ознакомление и прохождение
техники безопасности
Детальное изучение научной и
исследовательской
24.05.2024
Печать образцов
Зачистка стальной подложки для
последующей наплавки
27
образцов
27.05.2024
при
мощности лазерного излучения от
179 до 309 Вт с шагом 30 Вт
Подготовка
25.05.2024-
по
теме работы
Печать
22.05.2024–
литературы
Подготовка образцов
образцов
напечатанных
заключается
в
запечатывании в шлиф и т.д.
Микроскопическое исследование
28.05.2024–
Исследование по
31.05.2024
микроскопом
образцов
включает
в
себя
исследование геометрических данных
наплавочного валика
01.06.2024–
Оформление отчета по
04.06.2024
преддипломной работе
05.06.2024
Защита отчета по
Оформление
отчета
по
преддипломной практике
Устное выступление с научной
преддипломной работе презентацией
ВВЕДЕНИЕ
В настоящее время автоматизация и цифровизация производственных
процессов
становятся
ключевыми
факторами
в
современной
промышленности. Благодаря современным технологиям, которые активно
развиваются, необходимо адаптировать производство к требованиям новых
реалий. Одним из наиболее перспективных направлений развития
технологий производства являются аддитивные технологии. Они позволяют
создавать сложные геометрические формы, которые трудно или невозможно
реализовать с помощью традиционных методов, а также могут снизить
расход материала за счет его нанесения слоя за слоем в соответствии с
заданной 3D-моделью изделия. Это позволяет сократить потери материала до
минимума, поскольку материал используется только там, где он необходим
для создания изделия. При использовании аддитивных технологий качество
продукта может зависеть от многих факторов, таких как наличие дефектов в
структуре, недостаточная прочность материала, повреждения при печати и
другие
особенности
производственного
процесса.
Недостаточное
контролирование данных параметров может привести к дефектным
изделиям, что в свою очередь повлияет на эффективность производства и
качество конечной продукции.
Искусственный интеллект (ИИ) представляет собой область
информатики, фокусирующуюся на разработке систем, способных выполнять
задачи, требующие обычно человеческого интеллекта. В основе ИИ лежит
создание алгоритмов и моделей, способных анализировать данные, выявлять
закономерности, предсказывать события и принимать решения на основе
обучения. Это делает искусственный интеллект мощным инструментом для
решения различных задач и проблем, в том числе в промышленности и
производстве. Стремительное развитие промышленности и постоянный
спрос на инновации требуют новых подходов к производству и оптимизации
процессов. Применение искусственного интеллекта в аддитивных
технологиях обещает значительное улучшение эффективности производства,
сокращение времени и затрат на разработку новых продуктов, а также
повышение качества конечной продукции.
Машинное обучение, подобласть искусственного интеллекта, в
аддитивных технологиях является важной и актуальной темой в современном
мире технологий, которое предоставляет мощные инструменты для анализа и
оптимизации сложных процессов. [1]
Применение машинного обучения в аддитивных технологиях может
значительно улучшить контроль качества изделий. Алгоритмы машинного
обучения могут быть обучены на основе большого объема данных о процессе
производства и характеристиках изготавливаемых изделий. Автоматизация и
оптимизация производства позволяют значительно сократить временные и
материальные затраты, повысить производительность, точность и качество
изготавливаемых деталей. Благодаря этому возникает актуальность и
необходимость исследования влияния машинного обучения на аддитивные
технологии. Сочетание технологий аддитивного производства с методами
машинного обучения представляет собой перспективное направление,
способное революционизировать способы производства и контроля качества
изделий. В данной работе рассматривается влияние машинного обучения на
качество и эффективность производства при использовании аддитивных
технологий.
Эта работа фокусируется на методе нечёткой логики для
прогнозирования геометрических параметров наплавочного валика при
варьировании параметров печати. Использование Matlab Simulink и Fuzzy
Logic Toolbox позволяет проектировать и тестировать сложные системы
нечеткой логикой. С развитием технологий ожидается, что эти системы
станут ещё более сложными и широко используемыми в аддитивных
технологиях.
Целью данной работы является создание программы для
прогнозирования геометрических параметров наплавочного валика при
печати 3D-принтером.
Для достижения поставленной цели необходимо выполнить следующие
задачи:
- Подготовка порошка 316 L для печати, подготовка стальной пластины
в качестве подложки для наплавки образцов на 3D-принтере;
- Печать образцов на выбранных параметрах печати, контроль процесса
печати;
- Изготовление микрошлифов образцов, фотофиксация и измерение
получившихся геометрических параметров наплавочных валиков;
- Создание системы нечеткой логики в MATLAB Simulink с помощью
Fuzzy Logic Toolbox на основе полученных данных;
- Анализ работоспособности системы.
ЛИТЕРАТУРНЫЙ ОБЗОР
Нейронная сеть — это алгоритм машинного обучения, основанный на
модели человеческого нейрона. Человеческий мозг состоит из миллионов
нейронов. Он отправляет и обрабатывает сигналы в виде электрических и
химических сигналов. Эти нейроны связаны со специальной структурой,
известной как синапсы. Синапсы позволяют нейронам передавать сигналы.
Из большого количества моделируемых нейронов формируется нейронная
сеть. [2]
Нейрон, изображенный на рисунке 1, представляет из себя элемент,
который вычисляет выходной сигнал (по определенному правилу) из
совокупности входных сигналов.
Рисунок 1 - Нейрон
Нейронная
сеть
может
состоять
из
трех
слоёв:
1. Входной слой (Input layer) - принимает на вход данные и передает их
в следующий слой. Количество нейронов в этом слое соответствует
количеству признаков или размерности входных данных.
2. Скрытые слои (Hidden layers) - эти слои находятся между входным и
выходным слоями. Каждый нейрон в скрытом слое связан с каждым
нейроном предыдущего и следующего слоя. Скрытые слои выполняют
вычислительные операции, извлекая признаки и формируя сложные
представления выходных данных.
3. Выходной слой (Output layer) - производит окончательный вывод
нейронной сети.
МАШИННОЕ ОБУЧЕНИЕ
Машинное обучение — это раздел искусственного интеллекта, который
фокусируется
на
разработке
систем
и
алгоритмов,
позволяющих
компьютерам извлекать знания из данных и делать предсказания или
принимать решения на основе этого опыта. Основной идеей машинного
обучения является создание моделей, которые могут обучаться на данных и
использовать полученный опыт для решения задач. [3]
Рассмотрим методы машинного обучения:
ОБУЧЕНИЕ С УЧИТЕЛЕМ
Обучение с учителем представляет собой процесс обучения модели на
основе размеченных данных, где каждый пример имеет соответствующую
метку — желаемый выход модели. Целью модели является нахождение
закономерностей в данных, чтобы предсказывать метки для новых,
неизвестных
примеров.
В работе [4] применяется машинное обучение с учителем для
повышения эффективности использования мощности лазера.
ОБУЧЕНИЕ БЕЗ УЧИТЕЛЯ
Обучение без учителя представляет собой раздел машинного обучения,
в котором модели анализируют данные и находят в них скрытые структуры
без предварительно размеченных меток. Этот подход позволяет
автоматически извлекать информацию из больших объемов данных, что
делает его особенно полезным при работе с неструктурированными
данными, такими как изображения или аудиозаписи.
АКТИВНОЕ ОБУЧЕНИЕ
Активное обучение представляет собой метод машинного обучения, в
котором модель может самостоятельно выбирать данные для обучения.
Вместо того чтобы использовать случайные или заранее определенные
выборки, активное обучение стремится к эффективному использованию
ресурсов, сосредотачиваясь на тех примерах, которые могут максимально
улучшить модель. Этот процесс часто включает в себя взаимодействие с
экспертом (человеком), который предоставляет обратную связь по мере того,
как модель учится.
НЕЧЕТКАЯ ЛОГИКА
Метод нечеткой логики представляет собой математическую теорию,
которая обрабатывает неопределенность и приближенное рассуждение. В
отличие от бинарной логики, где утверждения могут быть истинными или
ложными, нечеткая логика позволяет объектам принадлежать частично к
различным категориям с различными степенями принадлежности. Она
широко применяется для моделирования нечетких и лингвистических
концепций в системах управления, принятии решений и других областях.
Основные концепции нечеткой логики:
- Лингвистические переменные: нечеткая логика использует
лингвистические переменные, такие как "высокий", "средний",
"низкий", чтобы описать характеристики объектов.
- Неопределенность и размытость: нечеткая логика предоставляет
инструменты для работы с неопределенностью и размытостью в
данных, что позволяет более гибко моделировать реальные сценарии.
- Неоднозначность и логика "или": нечеткая логика позволяет
использовать логику "или", при которой объект может одновременно
принадлежать нескольким категориям с различными степенями
принадлежности.
Метод нечеткой логики успешно применяется в различных задачах
управления, и, в частности, управления процессами печати, а также в
ситуациях, когда исходные данные неоднозначные. Согласно теореме FAT
(Теорема нечеткой аппроксимации), которую в 1993 году вывел Б. Коско,
любая математическая зависимость может быть приближенно представлена
системой, основанной на нечеткой логике.
Механизм нечетких выводов, используемый в экспертных и
управляющих системах, базируется на базе знаний, формируемой
специалистами предметной области в виде набора правил вида "если - то":
Правило 1: если {X1 = А и X2 = Б}, то {Y1 = F и Y2 = L}
Правило 2: если {X1 = В и X2 = Г}, то {Y1 = S и Y2 = Q}
Правило 3: если {X1 = Д и X2 = Е}, то {Y1 = R и Y2 = Z}
Здесь X1 и X2 входные переменные (имя для известных значений
данных), Y1 и Y2 - переменные вывода (имя для значений данных, которые
будут вычислены); {А, Б, В, Г, Д, Е} и {F, L, S, Q, R, Z} - функции
принадлежности для входных и выходных параметров. Система указанных
нечетких правил определяет базу правил, которая, по сути, представляет
собой априорное знание эксперта о задаче. Рассмотрим алгоритм
определения значений выходных переменных Y1 и Y2 при известных
входных переменных X1 и X2 для ситуации с тремя правилами. [5].
Для каждого правила из набора данных строится график, на котором по
оси X отображаются реальные значения входной переменной, а затем
определяется значение функции принадлежности (используется функция
Гаусса, как показано на рисунке 2). Этот процесс выполняется для каждой
входной переменной и для каждого правила. Таким образом, для каждого
правила определяется степень принадлежности входной переменной к
нечеткому множеству, указанному в правиле.
Рисунок 2 - Нечёткий вывод Мамдани
Минимальные значения функций принадлежности для каждой
переменной используются для определения соответствующих значений
функций принадлежности выходных переменных. Это позволяет определить
диапазон, в котором находится истинное значение выходных переменных для
каждого правила. Исходя из этих диапазонов, реальные значения
определяются с использованием центроидного метода, также известного как
метод центра тяжести.
ВЫБОР МЕТОДА МАШИННОГО ОБУЧЕНИЯ
Выбор метода машинного обучения зависит от специфики задачи и
характеристик данных. Для конкретной задачи необходимо подбирать
наилучший метод, поскольку у каждого есть свои плюсы и минусы.
Обучение нейронной модели происходит за счет большого объема данных,
на которых она сначала обучается, потом производит тестирование. Под
большим объемом данных подразумевается сотни, тысячи примеров - чем
больше, тем лучше. Благодаря разнообразию и количеству данных качество
модели будет выше.
Нечеткая логика позволяет строить системы на небольшом объеме
данных. Это происходит за счет набора правил “если-то”. Чтобы построить
нечеткую систему, достаточно указать входные и выходные переменные,
задать им функции принадлежности и правила, согласно которым будут
формироваться выгодные значения.
ПРАКТИЧЕСКАЯ ЧАСТЬ
Для создания прогностической системы определения геометрических
параметров наплавленного валика при варьировании параметров печати
необходимы практические данные, на основе которых будет строиться
программа.
ОПИСАНИЕ ПОДГОТОВКИ ИССЛЕДОВАНИЯ
Перед проведением ЛПН (лазерной порошковой наплавки) необходимо
исследовать характеристики порошка, которым будет выполняться наплавка.
Для качественной наплавки гранулы порошка 316 L (рисунок 3) должны
иметь округлую форму, частиц с неправильной формой быть не должно. В
порошке не должно быть инородных включений и загрязнений.
Рисунок 3 - Порошок 316 L
Гранулометрический состав порошков контролируются методом
сухого просеивания по ГОСТ 18318-94, с использованием сит. Для получения
нужной фракции порошка необходимо использовать просеивающую
установку с набором сит. Перед просеиванием каждое сито необходимо
промыть, чтобы частицы других порошков не попали в конечный сплав. Для
очистки порошка мы используем очиститель высокого давления
POWERBLAST, который показан на рисунке 4. [6]
Рисунок 4 - установка POWERPLAST
После очистки и просушки сит можно приступать к просеиванию
порошка. Для этого мы используем просеивающую машину “HAVER EML
200 digital plus” для сухого просева. Просеивающая установка изображена на
рисунке 5. Из засыпанного порошка в верхнее сети можно получить порошок
необходимой фракции.
Рисунок 5 - HAVER EML 200 digital plus
В данной работе для создания образцов используется мини-машина
MX-mini. MX-mini — это 3D принтер от Корейской компании InssTek.
Основные характеристики MX-mini:
5 осей: для большей точности печати.
Иттербиевый волоконный лазер
2 питателя: печать разными порошками.
Сенсорная панель: обеспечивает более понятный и удобный
интерфейс. [7]
На рисунке 6 изображен 3D-принтер MX-mini, с помощью которого
наносился порошок 316 L на подложку.
Рисунок 6 - 3D-принтер DMT MX-mini
Перед началом печати необходимо произвести подготовку принтера:
Очистить камеру от порошка, который мог остаться после
предыдущей печати.
Засыпать порошок в питатель.
Загрузить G код для управления процессом печати.
Через консоль управления задать параметры печати.
Для получения образцов было решено регулировать 3 параметра
принтера - скорость передвижения головки, мощность лазера и подача
порошка. Для каждого параметра было выбрано по 3 оптимальных и
часто используемых значения. Чтобы нечеткая система работала
корректно и правильно прогнозировала результат, была составлена
полная матрица измерений: для каждого фиксированного одного
параметра подбирались всевозможные значения двух других
параметров (таблица 1).
Таблица 1. Параметры печати.
Power, ВТ
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
209
209
209
209
209
209
209
209
209
179
179
179
179
179
179
179
179
179
239
239
239
239
239
239
239
239
239
Powder, об/мин
500
1000
1500
500
1000
1500
500
1000
1500
500
1000
1500
500
1000
1500
500
1000
1500
500
1000
1500
500
1000
1500
500
1000
1500
Speed,
мм/мин
500
500
500
400
400
400
300
300
300
500
500
500
400
400
400
300
300
300
500
500
500
400
400
400
300
300
300
Наплавка производилась на стальную подложку (рисунок 7), которая
предварительно была механически обработана. На рисунке 8 изображена
подложка после наплавки образцов.
Рисунок 7 - Подложка
Рисунок 8 - Подложка после наплавки
Для разделения образцов был выбран способ электроэрозионной резки
на установке “АРТА 450 ПРО” (рисунок 9), характеристики которого
указаны в таблице 2.
Рисунок 9 - Электроэрозионный станок АРТА 450 ПРО.
Таблица 2 - Характеристики АРТА 450 ПРО
Модель
Тип обработки
Количество управляемых
координат
Максимальные размеры
заготовки, мм
Угол наклона проволоки, °
Межэлектродная среда - вода
Применяемая проволока
Вес станка, кг
АРТА 450 ПРО
Погружная (ванна с подъемным
механизмом) проволочно-вырезная
обработка
5
420Х280Х120
14...30
Водопроводная (для улучшения
параметров обработки возможно
применение дистиллированной воды)
Латунная, медная и др.
1350
Для того чтобы изучить структуру полученного сплава надо
приготовить образец, так называемый микрошлиф. Методика подготовки
микрошлифа состоит из нескольких этапов: зачистка, шлифование и
полирование.
Подготовка образца относится к способам обработки образца перед его
анализом. Подготовка является очень важным этапом в большинстве
аналитических методов. Обработка проводится для подготовки пробы к
анализу на специальном аналитическом оборудовании. Подготовка пробы
может включать: дробление и растворение, химическую обработку кислотой
или щелочью и т.д.
При исследовании полученного изделия в первую очередь получили
шайбообразные запрессовки с помощью пресса Buehler Simplimet 4000 (рис.
10). [8] Этот пресс считается самым быстрый монтажным прессом,
предназначенным для круглосуточного использования, обеспечивает
высокую надежность в условиях непрерывного использования. Позволяет
выполнять быстрые монтажные циклы на ограниченном пространстве
рабочего стола, тем самым оптимизируя производительность.
Рисунок 10 - Buehler Simplimet 4000
После получения шлифа приступаем к следующему этапу подготовки.
Самым трудоемким процессом при подготовке микрошлифа являются
процессы шлифования и полирования. Плоскость образца шлифуют и
полируют либо вручную, либо автоматически на специальных установках.
В эксперименте использовали шлифование с помощью наждачных
кругов, с зернистостью абразива Р1200, Р600, Р300. Шлифования детали
выполнялось аккуратно, изначально в процессе использовали наждачную
бумагу с самым крупным абразивов, постепенно переходя на более мелкий
абразив. Необходимо соблюдать степень нажима на шлиф, нельзя слишком
сильно давить на деталь, потому что она может перегреться, а также зерна
наждачной бумаги могут повредить сам металл.
Во время шлифовки детали и при использовании наждачной бумаги
другого абразива, деталь разворачивали на 90о относительно изначального её
положения, для получения наилучшего эффекта обработки детали. Деталь
шлифовалась до момента исчезновения полос от предыдущего абразива.
Далее, после того как деталь была отшлифована, приступаем к
полировке. Отличие полировки от шлифовки заключается в том, что
используются более мелкие абразивы. Для процесса полировки использовали
алмазные суспензии, диаметр частиц алмазных суспензий составлял 9 мкм. В
процессе необходимо следить за состоянием используемого полировочного
диска и количеством суспензии, если диск окажется сухим и суспензии будет
недостаточно, то деталь может повредиться и окислиться. Полировать деталь
необходимо до состояния зеркального блеска. На рисунке 11 изображены
полученные шлифы образцов.
Рисунок 11 - шлифы образцов
После окончания подготовки образцов необходимо изучить
геометрические параметры наплавочных валиков при помощи микроскопа.
При изучении металла по микрошлифу мы можем определить:
размер и форму кристаллических зерен
внутреннее строение сплава
микропорки
различные химические соединения, неметаллы
детальный химический состав сплава
деформирование изделия
Изучение микроструктуры металла производится с использованием
оптического микроскопа. Микроскоп предназначен для увеличения
исследуемого объекта, который невозможно увидеть человеческим глазом. В
данном исследовании использовался микроскоп Axio Observer.A1m (рисунок
12).
Рисунок 12 - Микроскоп Axio observer.A 1m
В данном разделе дипломного проекта была разработана
прогностическая система для определения геометрических параметров
наплавленного валика при варьировании параметров печати
Как модель типа «чёрный ящик», ИНС не имеют чёткого физического
объяснения. Кроме того, не существует какого-либо алгоритма
проектирования архитектуры данных моделей, а их обучения требует
большого числа экспериментальных данных.
ПРИМЕНЕНИЕ МЕТОДА НЕЧЁТКОЙ ЛОГИКИ
Реализация прогностической системы на основе нечеткой логики
выполнена в модуле Fuzzy Logic Toolbox программного комплекса Matlab
(рисунок 13).
Рисунок 13 — Система нечеткого вывода для определения геометрических
параметров наплавленного валика при варьировании параметров печати.
Настройка параметров и функций принадлежности [9] выполнялась с
учётом характеристик системы, включая уровни возмущений геометрии и
управляющих воздействий. Форма этих функций оказывает минимальное
влияние на производительность нечеткого управления, которая в основном
определяется правилами управления [10]. Эта функция была впервые введена
в 1965 году Лофти А. Заде в его исследовательской работе о “нечетких
множествах” [11]. Путем практических проб были выбраны функции
принадлежности гауссовского типа для входных переменных speed(скорость
передвижения лазерной головки) и power(мощность лазера), трапецевидная
для powder(подача порошка), а для выходных переменных были выбраны
прямоугольные функции принадлежности (рисунок 14).
Рисунок 14 - Настройка функций принадлежности входных и выходных
параметров. Входные параметры - а) speed (скорость передвижения лазерной
головки) б) (powder) подача порошка в) power (мощность лазера); Выходные
параметры - г) width (ширина наплавочного валика) д) height (высота
наплавочного валика).
Создадим правила управления нечеткой системой, представленные на
рисунке 15. Для каждого правила входные параметры брались из таблицы 1,
а выходные параметры - результаты. Правила задавались с одинаковыми
весами.
Рисунок 15 Нечеткие правила управления системой
На данном этапе настройка нечеткой системы была завершена, что
позволило сохранить виду объекта среды комплекса Matlab c 3 входами и 2
выходами, который может быть использован для дальнейшего тестирования.
ТЕСТИРОВАНИЕ ПОЛУЧЕННОЙ СИСТЕМЫ
В результате работы полученной системы была выявлена зависимость
геометрических параметров наплавочного валика от параметров печати.
Зависимость представлена в виде поверхностей отклика, от соответствующих
переменных, например на рисунке 16, представлена зависимость ширины
наплавочного валика(width) от скорости(speed) и подачи порошка(powder).
Рисунок 16 - поверхность отклика
ТЕХНИКА БЕЗОПАСНОСТИ
Требования безопасности перед началом работы на 3D – принтере:
Проветрите помещение;
Осмотреть и убедиться в исправности оборудования, электропроводки.
В случае обнаружения неисправностей к работе не приступать.
Сообщить об этом и только после устранения неполадок и его
разрешения приступить к работе;
Проверить наличие и надёжность защитного заземления оборудования;
Проверить состояние электрического шнура и вилки;
Проверить исправность выключателей и других органов управления
3D–принтером;
При выявлении любых неисправностей принтер не включать и
немедленно поставить в известность руководителя об этом;
Тщательно проветрить помещение c 3D–принтером, убедиться, что
микроклимат в помещении находится в допустимых пределах
Требования безопасности во время работы на 3D – принтере:
Включайте
и
выключайте
3D–принтер
только
выключателями,
запрещается проводить отключение вытаскиванием вилки из розетки;
Запрещается снимать защитные устройства с оборудования и работать
без них, а также трогать нагретый экструдер и столик;
Не допускать к 3D–принтеру посторонних лиц, которые не участвуют в
работе;
Запрещается перемещать и переносить 3D–принтер во время печати;
Запрещается во время работы 3D-принтера пить рядом какие–либо
напитки, принимать пищу;
Запрещается любое физическое вмешательство во время их работы 3D–
принтера,
за
исключением
экстренной
остановки
печати
аварийного выключения;
Запрещается оставлять включенное оборудование без присмотра;
или
Запрещается класть предметы на или в 3D–принтер;
Строго выполнять общие требования по электробезопасности и
пожарной безопасности, требования данной инструкции по охране
труда при работе на 3D–принтере;
Самостоятельно
разбирать
и
проводить
ремонт
3D–принтера
категорически запрещается. Эти работы может выполнять только
специалист
Требования безопасности после окончания работы с 3D – принтером:
Отключить 3D–принтер от электросети, для чего необходимо
отключить тумблер на задней части, а потом вытащить штепсельную
вилку из розетки;
Снять и протереть столик 3D–принтера, остывший до комнатной
температуры, чистой влажной тканью, либо промыть проточной водой
и вытереть насухо. Установить столик обратно;
Убрать рабочее место. Обрезки материала и брак убрать в отдельный
пакет для переработки;
Проветрите помещение.
При работе с принтерами для моделирования методом наплавления (DMD)
следует учитывать две основные опасности: механические опасности, такие как
горячие экструдеры и двигатели; и выбросы в виде дегазации и сверхтонких
частиц, образующихся в процессе плавления и экструзии.
Опасности и риски, связанные с механическими повреждениями, можно
уменьшить путем осторожного использования принтеров и инструментов для
удаления остатков. Прежде чем прикасаться к принтеру, убедитесь, что сопло,
блок нагревателя и моторы остыли, и это предотвратит любые случайные
ожоги
(показания
отображаются
на
температуры
экране
сопла
большинства
и
блока
нагревателя
принтеров).
обычно
Воздержание
от
прикосновения к принтеру после начала печати предотвратит защемление
пальцев или одежды движущимся экструдером и осями. Кроме того,
размещение принтера в защитном корпусе предотвращает возможные травмы.
ЗАКЛЮЧЕНИЕ
На основании выполненной работы можно сделать следующие выводы:
была проанализирована литература по теме работы;
освоены навыки печати на 3D-принтере DMD технологией;
получены образцы для создания нечеткой системы;
освоены навыки создания микрошлифов.
создана нечеткая система для прогнозирования геометрических
параметров наплавочного валика;
проведен анализ шлифов под микроскопом;
изучена техника безопасности при работе с оборудованием;
сформулированы вывод о проделанной работе и полученных
результатах.
В результате прохождения преддипломной практики были приобретены
следующие практические навыки и умения, показано в таблице 5.
Таблица 5 – Компетенции и полученные навыки в результате
прохождения практики
ПК-1
Способность анализировать русскую и иностранную литературу
для описания технологического процесса создания СГМ методом
прямого лазерного нанесения металлом
ПК-3
Способность проведения подготовительных работ над
полученными образцами и их микроскопического исследования
ПК-5
Способность работы на оборудовании кафедры
ПК-7
Способность работы на оптическом микроскопе для
исследования напечатанных образцов
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
1. Машинное обучение - Хенрик Бринк, Джозеф Ричардс, Марк
Феверолф - Питер - 2017г. - 336с.
2. Искусственные нейронные сети и приложения: учеб. пособие / Ф.М.
Гафаров, А.Ф. Галимянов. – Казань: Изд-во Казан. ун-та, 2018. – 121 с.
3. А.В. Кугаевских, Д.И. Муромцев, О.В. Кирсанова. Классические
методы машинного обучения. – СПб: Университет ИТМО, 2022. – 53 с.
4. Selvam P.P., Prabhakaran S., Vinod B., Jishnu T. A review of energy
efficiency and Machine learning analysis for additive manufacturing of direct laser
metal deposition // materialstoday: proceedings. - 2024
5. Fuzzy
Membership
//
tech-wonders
URL:
https://www.tech(дата
wonders.com/2010/08/membership-functions-and-its-features.html
обращения: 15.05.2024)
[Электронный
6. POWERBLAST
ресурс].
— URL:
https://www.researchgate.net/figure/Photo-of-the-POWERBLAST-high-pressurewater-cleaner-For-proof-of-concept-the-designed_fig24_327930461
(дата
обращения 26.05.2024)
7. InssTek
MX-Mini
[Электронный
ресурс].
—
URL:
https://www.aniwaa.com/product/3d-printers/insstek-mx-mini/ (дата обращения
12.06.2022)
8. Buehler
SimpliMet
4000
https://www.buehler.com/products/mounting/compression
//
URL:
mounting/simplimet-
4000-compression-mounting-press/ (дата обращения: 16.05.2024)
9. Wahyudi and J. Jalani, Proceedings of the 2nd International Conference on
Mechatronics, ICOM'05, 10-12 May 2005, Kuala Lumpur, Malaysia
10. H.H. Lee and S.K. Cho, “A New Fuzzy Logic Anti_Swing Control for
Industrial Dimensional, Overhead Cranes”, Thesis, Department of Mechanical
Engineering, University of Suwon. 435
11. Salah E. Elmaghraby, “Membership function”, Encyclopedia of Physical
Science and Technology (Third Edition), 2003. DOI:
https://www.tech-
wonders.com/2010/08/membership-functions-and-its-features.html
