針對兵器行業(yè)關(guān)鍵零部件加工工藝自動生成所需樣本數(shù)量不足的問題,提出了一種基于小樣本知識學習的工藝生成方法,重點研究基于樣本變換和樣本集擴展的幾何模型增強解析技術(shù),以及基于數(shù)字孿生的工藝知識增量學習技術(shù),以實現(xiàn)工藝樣本的整體增強。同時,建立面向增強樣本分析的卷積神經(jīng)網(wǎng)絡(luò)模型和適于異構(gòu)知識融合的知識圖譜,形成工藝知識的高效分析與有效利用方法。采用深度神經(jīng)網(wǎng)絡(luò)模型解決復(fù)雜零件三維設(shè)計模型的工藝結(jié)構(gòu)解析問題;基于知識圖譜的工藝知識表征方法和工藝生成技術(shù)以克服工藝信息碎片化的難題;通過數(shù)字孿生模型與工藝驗證技術(shù)解決理論工藝方案與現(xiàn)場生產(chǎn)要素脫節(jié)的問題。實現(xiàn)了基于零部件結(jié)構(gòu)解析、基于知識圖譜的工藝方案生成和基于數(shù)字孿生的工藝驗證和優(yōu)化的工藝知識閉環(huán)分析。 

【文章來源】：新技術(shù)新工藝. 2020,(12)

【文章頁數(shù)】：6 頁

【部分圖文】：

基于小樣本增強學習的工藝結(jié)構(gòu)解析整體框架

本文提出一種基于小樣本學習的工藝結(jié)構(gòu)解析的網(wǎng)絡(luò)模型，構(gòu)建投影判別網(wǎng)絡(luò)將加工特征投影到一個新的度量空間，在新空間內(nèi)同一類內(nèi)的方差最小，不同類之間的方差最大。以下就是投影判別網(wǎng)絡(luò)的整體結(jié)構(gòu)。投影判別網(wǎng)絡(luò)結(jié)構(gòu)示意圖如圖2所示，包括特征嵌入模塊、相關(guān)模塊和距離度量模塊。在數(shù)據(jù)集增強完成之后，需要對其進行分割，用來訓(xùn)練、測試以及驗證。其中，訓(xùn)練集、測試集和驗證集包含很多機械零件典型特征，而每個類只包含少量樣本即可。使用投影判別網(wǎng)絡(luò)訓(xùn)練過程中，每次抽取不同子集，每一輪的子任務(wù)集都是不同的類別去組合的，從而希望模型從不同的子任務(wù)中學習共通的通用部分，最終提取不同類別特征的共性部分，增強其泛化能力。1.2 復(fù)雜零件多特征識別模塊

工藝知識庫包括機床庫、刀具庫、特征庫和工藝庫。機床庫中含有機床的基礎(chǔ)信息，還可以通過建立的虛擬機床進行仿真運動，確認產(chǎn)品及夾具裝夾位置，同時確認機床主軸與加工體的運動關(guān)系。刀具庫含有刀具的基礎(chǔ)信息，同時建立的虛擬刀具有真實刀具的外形，定義了完善的刀具連接，可以快速映射現(xiàn)場安裝和使用條件。庫中還具有其豐富的切削參數(shù)矩陣，可以根據(jù)設(shè)備、材料、加工工藝選擇合適的加工參數(shù)。特征庫中錄入了大量標準零件加工特征，同時還支持自由設(shè)定特征的第三方CAD特征添加。工藝庫集成了多種加工工藝，每種工藝由工藝知識圖譜表示。結(jié)合不同特征對應(yīng)的零件固有屬性和加工要求，為特征庫中的每一個特征綁定具體的知識圖譜�；诠に囍R庫的輔助工藝設(shè)計整體實現(xiàn)架構(gòu)圖如圖3所示。2.1 工藝知識圖譜構(gòu)建

【參考文獻】：
期刊論文
[1]航天產(chǎn)品三維數(shù)字化工藝設(shè)計模式探索[J]. 焉嵩,路騏安,胡志強,張海洋,陳宏亮,王碩,劉彩軍.  航天制造技術(shù). 2019(03)
[2]基于三維特征檢索的數(shù)控工藝模板匹配算法[J]. 陳松威,王華昌,李建軍.  模具工業(yè). 2018(08)
[3]三維數(shù)字化工藝模型及其表達框架[J]. 喬立紅,考書婷,楊志兵.  機械工程學報. 2015(08)
[4]車銑復(fù)合加工工藝設(shè)計中的關(guān)鍵問題研究[J]. 史旭升,喬立紅,胡權(quán)威.  航空制造技術(shù). 2014(04)



本文編號：3254666