Details
| Title | Разработка групповой технологии торцевой раскатки с использованием нейросети // Современное машиностроение: наука и образование 2025: материалы 14-й Международной научной конференции, 18 июня 2025 года: proceedings of the 14th International Scientific Conference, Russia, June 18, 2025 |
|---|---|
| Creators | Кункин Сергей Николаевич ; Платонова Александра Сергеевна ; Аксенов Леонид Борисович |
| Organization | Санкт-Петербургский политехнический университет Петра Великого ; Национальный исследовательский университет ИТМО |
| Imprint | Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2025 |
| Collection | Общая коллекция |
| Document type | Article, report |
| File type | |
| Language | Russian |
| DOI | 10.18720/SPBPU/2/id25-153 |
| Rights | Свободный доступ из сети Интернет (чтение, печать, копирование) |
| Additionally | New arrival |
| Record key | RU\SPSTU\edoc\76629 |
| Record create date | 7/29/2025 |
В статье представлен результат использования искусственного интеллекта для распознавания геометрических групп деталей, изготавливаемых обработкой металлов давлением. В качестве объекта исследования выбраны пять групп осесимметричных деталей, производимых с применением холодной торцевой раскатки. Для распознавания принадлежности деталей к этим группам синтезирована сверточная нейронная сеть, построенная на базе TensorFlow и API Keras. После обучения сети степень распознавания для выбранных пяти групп составляла не менее 90%. Предлагаемый подход определения геометрической группы деталей позволяет отойти от субъективной оценки геометрии деталей, и осуществить полную цифровизацию процесса проектирования с реализацией преимуществ группового метода изготовления.
The paper presents the result of using artificial intelligence to recognize geometric groups of parts made by metal forming. Five groups of axisymmetric parts produced using cold axial rotary forging have been selected as the object of research. To recognize the details belonging to these groups, a convolutional neural network based on TensorFlow and the Keras API was synthesized. After training the network, the recognition rate for the selected groups was at least 90%. The proposed approach to determining the geometric group of parts allows us to move away from the subjective assessment of the geometry of parts, and to fully digitalize the design process with the implementation of the advantages of the group manufacturing method.
| Network | User group | Action |
|---|---|---|
| ILC SPbPU Local Network | All |
|
| Internet | All |
|
Access count: 33
Last 30 days: 19
