Обгрунтування використання штучних нейронних мереж для компенсації кінематичних та динамічних похибок верстата паралельної кінематики

Abstract

Розроблено систему активного контролю просторового положення інструмента верстата паралельної кінематики. Розглянуто метод компенсації кінематичних та динамічних похибок верстата паралельної кінематики за допомого використання штучних нейронних мереж, що навчаються на базі пропорційно-диференціального регулятора. На основі експериментальних даних перехідного процесу, що виникає при зміні траєкторії руху платформи верстата, проведено апробацію розробленого пропорційно-диференціального регулятора, результат роботи якого використано для навчання штучної нейронної мережі. Обґрунтовано доцільність використання штучних нейронних мереж у системах зворотного зв’язку верстатів паралельної кінематики на основі аналізу дисперсії результатів її навчання.Разработана система активного контроля пространственного положения инструмента станка параллельной кинематики. Рассмотрен метод компенсации кинематических и динамических погрешностей станка параллельной кинематики с использованием искусственных нейронных сетей, обучающихся на базе пропорционально- дифференциального регулятора. На основе экспериментальных данных переходного процесса, возникающего при изменении траектории движения платформы станка, проведена апробация разработанного пропорционально- дифференциального регулятора, результат работы которого использован для обучения искусственной нейронной сети. Обоснована целесообразность использования искусственных нейронных сетей в системах обратной связи станков параллельной кинематики на основе анализа дисперсии результатов ее обучения.A system for active control of the spatial position of the parallel kinematics machine tool was developed. The method of compensation of kinematic and dynamic errors of the parallel kinematics machine tool using the artificial neural networks trained on the base of the proportional-differential controller was considered. The approbation of the developed proportional-differential controller, the output of which is applied to train the artificial neural network based on the experimental data of the transition process that occurs when the trajectory of the platform is changed. The feasibility of using the artificial neural networks in the feedback system of parallel kinematics machine tools was argumented based on the analysis of variance of the results after its study.