В машиностроении шестерни — это одни из главных элементов любого механизма. Особенно высокоточные шестерни нужны везде: в авиации, приборостроении, кораблях, в трансмиссиях электромобилей. Чтобы их сделать, часто используют пару процессов — сначала зубофрезерование, а потом зубошлифование. Проблема в том, что настройки этих двух этапов не существуют по отдельности: они связаны и влияют друг на друга. Если выбрать параметры обработки наугад, то пострадает и точность шестерни, и чистота её поверхности, и то, сколько времени уйдёт на работу. Исследователи до сих пор в основном разбирали каждый процесс по отдельности, почти не уделяя внимания тому, как именно переплетаются настройки при совместной работе. Так что вопрос, как подобрать режимы для фрезерования и шлифования так, чтобы получить максимум пользы, стоит довольно остро.

Этой задачей занялись специалисты из двух китайских университетов — Аньхойского сельскохозяйственного и Чунцинского. Зовут их Хэнсинь Ни, Цзяньпэн Чжао, Симин Чжу, Ян Ян, Ифань Лю и Цин Ли. Вместе они предложили новый, вдохновлённый природой, подход к поиску оптимальных решений.

Подробности опубликованы в издании Frontiers of Mechanical Engineering.

Сначала ученые четко определили, с чем будут работать. За переменные, которые можно менять, взяли:

• скорость вращения фрезы;
• скорость, с которой фреза подаётся вдоль заготовки (осевая подача);
• скорость шлифовального круга;
• скорость его осевой подачи;
• и глубину, на которую круг врезается в деталь за один проход.

Дальше они построили математическую модель, которая должна была одновременно улучшить три вещи. Первое — точность шестерни (связали её с ошибкой изготовления и шероховатостью поверхности). Второе — эффективность (просто перевели в общее время обработки). При этом наложили ограничения: настройки не должны выходить за рамки возможностей станка, а инструмент — изнашиваться слишком быстро.

Чтобы решить эту задачу, они применили хитрый алгоритм. Взяли за основу метод поиска, подражающий поведению саранчи (так называемый «оптимизатор кузнечиков»), и доработали его, чтобы он работал быстрее и точнее. Этот улучшенный алгоритм (авторы назвали его IMOGOA) позволил получить целый набор возможных вариантов настроек — так называемое множество Парето. В нём нет одного единственно правильного ответа, есть несколько равноправных, где каждый хорош по-своему. Чтобы из этого множества выбрать лучший вариант для конкретного случая, использовали метод, который совмещает оценку неопределённости (энтропию) и подход, где сравнивают варианты по их близости к идеалу (TOPSIS). Проще говоря, алгоритм выдал несколько вариантов, а специальная система подсчета помогла выбрать из них самый подходящий.

Множество Парето (или «множество Парето-оптимальных решений») — это набор вариантов, в котором нельзя улучшить один показатель, не ухудшив хотя бы один другой. Представьте, что вы выбираете смартфон. Один может быть самым дешёвым, но с плохой камерой, второй — с отличной камерой, но дорогой, а третий — средний по цене и качеству. Ни один из них не является однозначно лучшим по всем параметрам сразу. В инженерии то же самое: невозможно одновременно сделать деталь идеально точной и обработать её за ноль секунд. Множество Парето — это и есть список всех таких „честных“ вариантов, где каждый вариант чем-то жертвует ради другого, и выбор зависит от того, что для вас важнее в данный момент.

Иссследователи проверили свой метод на практике — обработали настоящие шестерни небольшого модуля. Результат показал, что их доработанный алгоритм работает лучше, чем стандартные аналоги: он не застревает в тупиковых локальных решениях, предлагает более разнообразные варианты настроек и находит их быстрее. А система отбора (энтропия-TOPSIS) позволила уверенно выбрать из всех возможных вариантов тот самый, оптимальный набор параметров.

Авторы считают, что их разработка даёт инженерам надёжный инструмент для настройки сложных процессов обработки зубчатых колёс, и у этого подхода есть большая практическая ценность.

Для науки это исследование ценно тем, что оно пытается преодолеть привычный разрыв между отдельными этапами производства. Вместо того чтобы рассматривать фрезерование и шлифование изолированно, авторы смотрят на них как на единую технологическую цепочку. Это важный шаг к созданию более целостных цифровых моделей производства, где можно прогнозировать результат на выходе, уже зная настройки на входе. Кроме того, усовершенствованный ими метод оптимизации (алгоритм, подражающий природе) можно будет адаптировать и для других сложных производственных задач, не только в механике.

Что касается реальной жизни, то здесь польза вполне конкретная. Во-первых, сокращение времени обработки напрямую ведёт к экономии электроэнергии и снижению себестоимости деталей. Во-вторых, повышение точности и чистоты поверхности напрямую сказывается на надёжности готовых изделий — будь то редуктор электромобиля или элемент авиационного прибора. Такие шестерни будут меньше шуметь, дольше работать и реже ломаться. По сути, этот подход даёт технологам на заводе чёткую инструкцию: выстави такие-то обороты и подачи, и получишь гарантированно качественную деталь, а не будешь подбирать параметры методом проб и ошибок.

Один из главных моментов, который остался за скобками исследования, — это экономический фактор. Авторы оптимизировали точность и время обработки, но не учли напрямую стоимость инструмента. В реальном производстве фрезы и шлифовальные круги стоят дорого, и агрессивные режимы резания, хоть и сокращают время цикла, могут привести к их быстрому износу или даже поломке. Оптимальный с точки зрения времени и точности режим может оказаться экономически невыгодным, если инструмент придётся менять в два раза чаще. Включение в модель стоимости обработки или ресурса инструмента как отдельной цели оптимизации сделало бы выводы более применимыми в реальной заводской среде.

Ранее ученые разработали храповик с симметричной шестерней.