CAD/CAM/САЕ системы, OMW-технологии и нейросетевые алгоритмы анализа данных на предприятиях авиастроительной отрасли

Математическое моделирование, численные методы и комплексы программ


Авторы

Чигринец Е. Г. 1*, Верченко А. В. 2**

1. Донской государственный технический университет, ДГТУ, площадь Гагарина, 1, Ростов-на-Дону, 344003, Россия
2. Ростовский вертолетный производственный комплекс ПАО «Роствертол» им. Б.Н. Слюсаря, ул. Новаторов, 5, Ростов-на-Дону, 344038, Россия

*e-mail: egchigrinets@gmail.com
**e-mail: alex290292@mail.ru

Аннотация

В работе представлен опыт использования CAD/CAM/CAE систем и OMW-технологий для решения инженерных задач в ходе технологической подготовки производства деталей авиационных конструкций. Представлены возможности применения элементов искусственного интеллекта на базе нейронных сетей в качестве средств анализа и прогнозирования качества механической обработки высокопрочных полимерных композиционных материалов.

Ключевые слова

CAD/CAM/CAE системы, OMW-технологии, адаптивная механическая обработка, искусственные нейронные сети

Библиографический список

  1. Астапов В.Ю., Хорошко Л.Л., Афшари П., Хорошко А.Л. САПР при моделировании режимов технологических процессов производства элементов конструкций летательных аппаратов // Труды МАИ. 2016. № 87. URL: http://trudymai.ru/published.php?ID=69638

  2. Ефимов Е.Н., Шевгунов Т.Я. Разработка и исследование методики построения нейронных сетей на основе адаптивных элементов // Труды МАИ. 2012. № 51. URL: http://trudymai.ru/published.php?ID=29159

  3. Медведев В.С., Потемкин В.Г. Нейронные сети. MATLAB 6. — М.: ДИАЛОГ-МИФИ, 2002. – 496 с.

  4. Шевцов С.Н., Сибирский В.В., Чигринец Е.Г. Применение нейронных сетей в прогнозировании качества механической обработки особо нагруженных композитных конструкций // Труды МАИ. 2016. № 91. URL: http://trudymai.ru/published.php?ID=75572

  5. Грищенко С.В. Расчет и проектирование изделий конструкции самолета из слоистых композитов с учетом межслоевых эффектов // Труды МАИ. 2015. № 84. URL: http://trudymai.ru/published.php?ID=63011

  6. Abu-Mahfouz I. Drilling wear detection and classification using vibration signals and artificial neural network // International Journal of Machine Tools and Manufacture, 2003, no. 43, pp. 707 – 720.

  7. Arraiza A.L. et al. Experimental analysis of drilling damage in carbon-fiber reinforced thermoplastic laminates manufactured by resin transfer molding // Journal of Composite Materials, 2011, no. 46(6), pp. 717 – 725.

  8. Chen W.C. Some experimental investigations in the drilling of carbon fiber-reinforced plastic (CFRP) composite laminates // International Journal of Machine Tools and Manufacture, 1997, no. 37(8), pp. 1097 – 1108.

  9. Durao L.M. et al. Comparative analysis of drills for composite laminates // Journal of Composite Materials, 2011, no. 46 (14), pp. 1649 – 1659.

  10. Gaitonde V.N. A study aimed at minimizing delamination during drilling of CFRP composites // Journal of Composite Materials, 2011, no. 45 (22), pp. 2359 – 2368.

  11. Ghasemi F.A. et al. Effects of Drilling Parameters on Delamination of Glass-Epoxy Composites // Australian Journal of Basic and Applied Sciences, 2011, no. 5(12), pp. 1433 – 1440.

  12. Hocheng H., Dharan C.K.H. Delamination during drilling in composite laminates // Transactions of the ASME: Journal of Engineering for Industry, 1999, no. 112, pp. 236 – 239.

  13. Kilickap E. Investigation into the effect of drilling parameters on delamination in drilling GFRP // Journal of Reinforced Plastics and Composites, 2010, no. 29(23), pp. 3498 – 3503.

  14. Mishra R., Malik J., Singh I. Singh Prediction of drilling-induced damage in unidirectional glass-fibre-reinforced plastic laminates using an artificial neural network // Proceedings of the Institution of Mechanical Engineers. Part B // Journal of Engineering Manufacture, 2010, no. 224(5), pp. 733 – 738.

  15. Murugesh, M.C., Sadashivappa K. Influence of filler material on Glass fiber epoxy composite laminates during drilling // International Journal of Advances in Engineering & Technology, 2012, vol. 3, issue 1, pp. 233 – 239.

  16. Singh I., Bhatnagar N. Drilling-induced damage in uni-directional glass fiber reinforced plastic (UD-GFRP) composite laminates // International Journal of Advanced Manufacturing Technology, 2006, no. 27, pp. 877 – 882.

  17. Stone R., Krishnamurthy K. A Neural network thrust force controller to minimize delamination during drilling of graphite–epoxy laminates // International Journal of Machine Tools and Manufacture, 1996, no. 36, pp. 985 – 1003.

  18. Tagliaferri V., Caprino G., Diterlizzi A. Effect of drilling parameters on the finish and mechanical properties of GFRP composites // International Journal of Machine Tools and Manufacture, 1990, no. 30(1), pp. 77 – 84.

  19. Wang B. et al. Mechanism of damage generation during drilling of carbon/epoxy composites and titanium alloy stacks // Engineering Manufacture, 2014, vol. 228(7), pp. 698 – 706.

  20. Zitoune R., Krishnaraj V., Collombet F. Study of drilling of composite material and aluminium stack // Composites Structure, 2010, vol. 92, pp. 1246 – 1255.

  21. Zhang Z., Friedrich K. Artificial neural networks applied to polymer composites: a review // Journal of Composites Science and Technology, 2003, no. 63, pp. 2029 – 2044.


Скачать статью

mai.ru — информационный портал Московского авиационного института

© МАИ, 2000—2021

Вход