Search the digital library catalog

Abstract: Moderni obdelovalni sistemi zahtevajo nenehno posodabljanje in vključevanje najnovejših tehnologij v tehnološke postopke. Raziskave in razvoj obdelovanih postopkov se v zadnjem obdobju nagiba k rešitvam, ki na eni strani povečujejo hitrosti, večajo fleksibilnost in točnost, na drugi strani pa skrajšujejo razvojni cikel izdelka. Uvajanje računalniškega vida na obdelovalne stroje nam omogoča, da lahko brez večjih težav zaznamo postavitev (pozicijo) in orientacijo obdelovanca, ki ga bomo obdelovali. V raziskavi predlagamo uporabo metod umetne inteligence za zasnovo naprednega sistema, ki bo sposoben samodejno prilagoditi postavitev obdelovanca v obdelovalni prostor stroja., ter prilagoditi CNC-program za novo pozicijo vpetega obdelovanca. Predlagana je uporaba algoritmov optimizacije z rojem delcev, kot tudi uporaba mehke logike. V zaključku raziskave so podani rezultati, ki utemeljujejo in dokazujejo uporabnost sistema. Podani so tudi predlogi za nadaljnji razvoj in raziskave.
Keywords: Rezkanje, obdelovanec, računalniški vid, inteligentni sistem, skupinska inteligenca, optimizacija postavitve
Published in DKUM: 06.11.2015; Views: 1552; Downloads: 172
Full text (4,57 MB)

Abstract: Izboljševanje obstoječe proizvodnje in obdelovalnih sistemov zahteva nenehno posodabljanje in integracijo najnovejših tehnologij v proizvodne sisteme. Proizvodnih spremenljivk je čedalje več, s tem pa se povečuje množica podatkov, ki jo moramo obdelati, tu pa velikokrat klasične analitične metode optimizacije odpovedo. Zaradi tega smo prisiljeni bolje izkoristiti razpoložljive proizvodne vire, zato pa moramo poseči po naprednejših pristopih reševanja problemov. Za reševanje zahtevnih problemov čedalje pogosteje uporabljajo različna področja umetne inteligence, še zlasti strojnega učenja. Pregled do sedaj opravljenih raziskav je pokazal, da so obstoječi razviti sistemi precej ozko usmerjeni. V disertaciji predlagamo popolnoma nov pristop k modeliranju CNC-obdelav s pomočjo novega gravitacijskega iskalnega algoritma (GSA), ki spada med metode skupinske inteligence. Razviti inteligentni sistem deluje na osnovi osnovnih Newtonovih fizikalnih zakonov oziroma na osnovi interakcij med masnimi telesi v prostoru. Za primerjavo in potrditev ustreznosti rezultatov doktorske disertacije smo uporabili tudi metodo modeliranja z rojem delcev (PSO). Primerjava je pokazala, da je GSA algoritem primeren za modeliranje obdelav z odrezovanjem, saj so odstopanja od eksperimentalnih podatkov v sprejemljivih mejah. Dobljeni modeli so dobro opisali postopek odrezovanja materiala s struženjem, ki smo ga uporabili kot postopek odrezovanja. Posebej velja omeniti, da je GSA algoritem v najslabšem primeru vsaj dvakrat hitrejši od enakovrednega PSO algoritma. Dobljen model CNC-obdelave smo nato uporabili za večkriterijsko optimiranje obdelovalnih parametrov: optimalne hrapavosti obdelane površine, rezalnih sil in časovne obstojnosti orodja. Vsaka izmed omenjenih odvisnih spremenljivk prispeva k optimalnemu delovanju CNC-obdelovalnega stroja, kar znižuje stroške proizvodnje. Večkriterijsko optimiranje smo izvedli s pomočjo NSGA-II algoritma. Za optimiranje smo morali določiti tudi omejitve. Te smo določili s pomočjo teoretičnih izračunov in jih preverili s pomočjo eksperimentalnih podatkov. Zaradi obsega dela smo se omejili na struženje, hkrati pa so v delu predstavljene osnove prilagoditev za uporabo metod na ostalih obdelovalnih strojih, saj je predlagan pristop univerzalen.
Keywords: inteligentni obdelovalni sistem, CNC-obdelovalni stroj, odrezovanje, struženje, skupinska inteligenca, optimizacija z rojem delcev, gravitacijski iskalni algoritem, genetski algoritmi, večkriterijska optimizacija, NSGA-II algoritem
Published in DKUM: 04.02.2015; Views: 3328; Downloads: 403
Full text (3,55 MB)

Abstract: diplomsko delo opisuje različne metode umetne inteligence in njihovo uporabo v inženirstvu. V uvodnem delu je razčlenitev umetne inteligence in splošen opis, ki mu sledi nekaj primerov. S primeri, kot sta na primer optimizacija obdelovalnih parametrov in napovedovanje oziroma obnašanje sistema v prihodnosti, želimo pokazati, da je uporaba umetne inteligence učinkovit pristop za reševanje inženirskih problemov. Na koncu obeh primerov prikažemo, da je uporaba metod umetne inteligence učinkovita, saj je robustna, zmogljiva in za inženirske potrebe dovolj natančna. Danes vse bolj stremimo k čim večji avtomatizaciji in načrtovanju proizvodnih sistemov, ki nam dajejo najboljše rezultate. Uporaba umetne inteligence je velikokrat skoraj nujna, saj do neke mere nadomesti navzočnost človeka v proizvodnih sistemih.
Keywords: Ključne besede: umetna inteligenca, nevronske mreže, genetski algoritmi, skupinska inteligenca, mehka logika, algoritem kolonije mravelj.
Published in DKUM: 26.11.2013; Views: 3205; Downloads: 499
Full text (1,81 MB)

Abstract: Modernizacija sodobne proizvodnje vključuje nenehno posodabljanje in integracijo najnovejših tehnologij v proizvodne sisteme. Vključevanje sodobnih tehnologij omogoča skrajševanje časa izdelave, povečanje zmogljivosti in zniževanje proizvodnih stroškov. Vzporedno z visoko stopnjo avtomatizacije sodobnih proizvodnih sistemov se povečuje tudi smotrnost individualizacije tržišča v smeri maloserijske proizvodnje. Zaradi dinamičnosti razvoja sodobnih tehnologij je učinkovito usklajevanje (t.j. optimiranje) materialnih, energetskih in informacijskih tokov še mnogo težje, kot je bilo v preteklosti. Znotraj množice vse bolj kompleksnih proizvodnih scenarijev optimalnega toka proizvodnje s klasičnimi metodami načrtovanja ni mogoče več doseči. Zaradi omenjenih razlogov je bil v doktorski disertaciji razvit optimizacijski sistem, ki ponuja inovativne rešitve optimizacije obdelovalnih, robotskih, nadzornih in montažnih sistemov z algoritmi umetne skupinske inteligence. S predlaganim pristopom je predstavljeno reševanje problemov izdelovalnih sistemov po zgledih iz narave. Algoritmi umetne skupinske inteligence omogočajo optimizacijo na samoorganizacijski način, kar daje pomembno prednost pred ostalimi optimizacijskimi metodami. V ta namen je bila opravljena preslikava naravnih zakonitosti kolonialno organiziranih bioloških organizmov v obliko matematičnih definicij in pravil, ki so bile uporabljene v optimizacijskih postopkih načrtovanja izdelovalnih strojev in sistemov. Optimizacijski sistem je sestavljen iz modula napovedovalnega sistema in modula sistema evalvacije. Proces optimizacije poteka na podlagi povratnozančnega izmenjevanja informacij med napovedjo in evalvacijo načrtovanja izdelovalnega sistema. Evalvacija napovedi načrtovanega izdelovalnega sistema se odvija v simulacijskem okolju računalniško podprtega konstruiranja, kar poveča uporabnost in prilagodljivost razvitega optimizacijskega sistema v praksi. Sistem evalvacije je neodvisen od napovedovalnega sistema, kar predstavlja univerzalen in fleksibilen pristop k inteligentnemu načrtovanju in modeliranju proizvodnih sistemov. Z uporabo razvitega univerzalnega optimizacijskega sistema predlagamo učinkovite rešitve inteligentnega načrtovanja in modeliranja naslednjih tehnoloških problemov: (i) optimizacija postavitve surovca v delovni prostor izdelovalnega sistema glede na gibljivost robotskega mehanizma, (ii) analiza izdelovalnosti obdelovanca glede na mesto vpetja, (iii) optimizacija simultanega obdelovalnega sistema z več robotskimi mehanizmi, (iv) tekmovanje robotskih mehanizmov za izvedbo tehnološkega procesa z oceno optimalne izdelovalnosti, (v) načrtovanje obdelovalnega sistema s hibridnim »Fuzzy-Swarm« optimizacijskim algoritmom, (vi) optimizacijski sistem za načrtovanje razmestitve robotskih obdelovalnih sistemov glede na minimalno pot obdelovanca in (vii) optimizacija regalnega skladiščnega sistema. Za namen validacije rezultatov rešitev, ki jih predlaga optimizacijski sistem, je bila razvita projekcija hitrostne anizotropije delovnih prostorov robotskih mehanizmov z barvno interpolacijo. Predstavljena rešitev ponuja ključno orodje pri načrtovanju razmestitve robotiziranega tehnološkega postopka v področje delovnega prostora z optimalno gibljivostjo robotskega mehanizma. Za učinkovito delovanje optimizacijskega sistema evalvacije je bil razvit postopek dinamičnih meritev položaja in zaznavanje dotika (kolizije) med gibajočimi se deli v trirazsežnem prostoru. Omenjeni pristop omogoča dinamične meritve položaja objektov v razvojnem okolju pri načrtovanju optimalne razmestitve tehnološkega procesa s postopkom optimizacije umetne skupinske inteligence.
Keywords: optimizacija, skupinska inteligenca, inteligenca roja, gibljivost robotskega mehanizma, hitrostna anizotropija, barvna interpolacija, tehnološki postopek, API vmesnik, kinematični model, računalniška simulacija, robotski mehanizem, proizvodni sistem, montažni sistem, obdelovalni sistem
Published in DKUM: 01.06.2011; Views: 3955; Downloads: 635
Full text (12,52 MB)