买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨理工大学

摘要：本发明涉及一种基于深度学习的MBD零件工艺推理方法。该方法利用CNN特征分类器和对CAD软件二次开发从MBD中提取零件制造特征信息，将制造特征信息向量化再序列化，制造特征序列经过RNN工艺推理器生成工艺参数序列和制造资源序列，再通过反向查询工艺知识库生成工艺方案。该方法可以充分利用MBD的优势，通过使用两种神经网络提高了加工特征识别、工艺推理的准确性和智能程度，以实现智能化制造的目标。

主权项：1.一种基于深度学习的MBD零件工艺推理方法，其特征在于，包括以下步骤：构建CNN特征分类器的数据集，通过对单个加工特征的三维模型拓扑结构进行抽取和多角度捕捉，生成加工特征的彩色图像，并为每张图像添加类型标签；构建和训练CNN特征分类器，采用PyTorch深度学习框架，搭建一个由输入层、卷积层、池化层、全连接层和输出层组成的CNN特征分类器；通过二次开发实现在CAD软件中对加工特征类型进行提取，基于粗糙度标注定位加工特征的拓扑结构，抽取出与加工特征相关的拓扑元素，形成加工特征的片体，实现多角度捕捉降维方法对加工特征进行多视图表达并捕捉图像，利用CNN特征分类器对多角度图像进行识别和综合分析得到特征的最大概率类型和对应的标签；其它特征制造信息的提取，采用双层过滤式的提取方法，提取粗糙度、径向尺寸或线型尺寸数值，实现制造特征的信息集成；获取零件材料信息，通过调用CAD软件相应的API遍历特征属性，提取属性中零件材料信息；通过对CAD软件进行二次开发，在CAD软件界面中生成一个内置模块，该内置模块包括调用CNN特征分类器和相应API提取出的加工特征类型、PMI、零件材料信息的功能及显示提取结果和显示后续零件工艺推理结果的功能；制造特征信息向量化，将提取出的加工特征类型、粗糙度、径向尺寸或线型尺寸数值、零件材料以结构化形式整合，并根据其性质进行向量化；制造特征序列化，根据制造特征的优先级等因素来决定它们的排列顺序，构建一个序列化方案，确保形成一个有序的制造特征序列，将按照规则排列好的制造特征序列，作为RNN工艺推理器的输入源；构建工艺知识库作为工艺方案向量化、序列化的依据和推理结果的查询源；标注RNN工艺推理器所需训练集，从已知工艺方案的MBD中筛具有代表性的案例，同时要求所有案例的工艺方案形成的集合必须包含工艺知识库中的全部内容，将制造特征信息和工艺方案进行向量化、序列化，标注制造特征序列和工艺方案序列的对应关系；构建RNN工艺推理器，使用标注好的数据集来批量训练RNN工艺推理器，使其能够根据输入的制造特征序列，分别输出一个合适的工艺参数序列和制造资源序列；使用一些未标注的数据集来测试训练后的RNN工艺推理器，评估其工艺推理的效果，将RNN工艺推理器的推理结果和真实结果进行比较，通过计算F1值来评估模型的准确性和质量；使用前述的内置模块把需要推理且基于CAD软件制作的MBD制造特征的提取，将制造特征信息进行向量化和序列化后输入RNN工艺推理器以推理其对应的工艺方案序列，并通过反向查询工艺知识库将其转换为可读的工艺方案。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 一种基于深度学习的MBD零件工艺推理方法