公开(公告)号：CN108389001B

公开(公告)日：2021-10-15

申请号：CN201810201335.8

申请日：2018-03-12

申请人： 东北大学

发明人： 张禹 ,  曾奇峰 ,  杨亚飞 ,  木国栋

IPC分类号： G06Q10/06 ,  G06N3/04 ,  G06N7/08 ,  G06N3/12 ,  G06Q50/04

摘要： 本发明涉及一种基于STEP‑NC的智能非线性工艺规划方法，该方法包括通过预先训练的BP神经网络模型，确定与零件加工特征类型对应的加工操作方法；基于预定义的加工工步排序原则，对加工操作方法中的所有加工工步进行排序，得到合理的加工工步序列；针对加工工步序列中的每一个加工工步，选择与该加工工步匹配的资源，并采用混沌遗传算法对每一条加工工步序列以及对每一加工工步的的工艺参数进行优化，得到最优的加工工艺规划。上述方法将混沌算法、遗传算法与BP神经网络进行有机结合应用于STEP‑NC的工艺优化，可以进行高效、精准和智能的逻辑推理，有效解决复杂的工艺规划问题，同时为STEP‑NC理论的进一步研究具有重要意义。

公开(公告)号：CN108009527A

公开(公告)日：2018-05-08

申请号：CN201711434411.1

申请日：2017-12-26

申请人： 东北大学

发明人： 张禹 ,  曾奇峰 ,  木国栋 ,  杨亚飞

IPC分类号： G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N3/12

摘要： 本发明公开了一种面向STEP-NC2.5D制造特征的智能特征识别方法，包括以下步骤：构建基于STEP中性文件的最小子图，主要包括基于STEP中性文件的几何拓扑信息提取和基于边的凹凸性判断的最小子图生成；通过基于混沌遗传算法优化的神经网络进行特征识别。本发明公开的智能特征识别方法将混沌算法、遗传算法与BP人工神经网络算法相结合，克服了BP神经收敛速度慢，容易陷入局部极值的缺陷，能够高效精准智能地识别面向STEP-NC的2.5D制造特征，对STEP-NC标准的进一步完善和实施具有积极的参考价值。

公开(公告)号：CN108389001A

公开(公告)日：2018-08-10

申请号：CN201810201335.8

申请日：2018-03-12

申请人： 东北大学

发明人： 张禹 ,  曾奇峰 ,  杨亚飞 ,  木国栋

IPC分类号： G06Q10/06 ,  G06N3/04 ,  G06N7/08 ,  G06N3/12 ,  G06Q50/04

摘要： 本发明涉及一种基于STEP-NC的智能非线性工艺规划方法，该方法包括通过预先训练的BP神经网络模型，确定与零件加工特征类型对应的加工操作方法；基于预定义的加工工步排序原则，对加工操作方法中的所有加工工步进行排序，得到合理的加工工步序列；针对加工工步序列中的每一个加工工步，选择与该加工工步匹配的资源，并采用混沌遗传算法对每一条加工工步序列以及对每一加工工步的工艺参数进行优化，得到最优的加工工艺规划。上述方法将混沌算法、遗传算法与BP神经网络进行有机结合应用于STEP-NC的工艺优化，可以进行高效、精准和智能的逻辑推理，有效解决复杂的工艺规划问题，同时为STEP-NC理论的进一步研究具有重要意义。