Какую выбрать архитектуру нейронной сети для управление токарной обработкой?
Суть такая: нужна адаптивная система на основе нейронной модели, тк разобравшись в вопросе современные адаптивные системы по управлению ЧПУ не совсем "адаптивные", все равно основываются на эмпирических алгоритмах и не очень точны. Идея такая, что в процессе резания есть диагностические признаки, по анализу пришел к выбору такого параметра как сила резания, очень лекго измерять и довольно информативный параметр ( есть конечно свои минусы, но это самый легкий вариант). Поэтому силу резания будет подавать на вход, а на выходе нужны:
1. Скорость резания
2.Подача
И возможно 3. Глубина резания ( но можно по идее и без нее)
Я не слишком компетентен в вопросе нейронных сетей, поэтому может напишу дальше глупости, но очень хочу разобраться в этой теме.
Так вот, нейросеть должна обладать памятью и обратными связями ( то есть получается реккурентная нейросеть), читал что они в основном применяются для языковых задач, поэтому даже не знаю где читать на тему реккурентных для управление процессом. Надеюсь в этот раз подробнее расписал, если что еще дополню
> для управление токарной обработкой
Я конечно не спец, ни в токарной обработке, ни в нейронках, но вроде задача управления ЧПУ-станком вполне хорошо решается и классическими методами.
Андрей Штольц, мне кажется, на вход можно подать параметры текущей операции - сколько нужно убрать материала и какие-то характеристики заготовки.
Хотя проще будет, наверное, работать без параметров операции - пусть модель даёт советы по ускорению работы лучше.
Средний
Простой
