-
公开(公告)号：CN114170429B
公开(公告)日：2024-09-24
申请号：CN202111367310.3
申请日：2021-11-18
申请人： 华中科技大学 , 武汉华中数控股份有限公司
摘要： 本发明公开了一种铣削精加工刀具路径特征点的识别方法及装置，从刀具路径中刀位点的坐标出发，提取出刀位点的几何信息，并提出一种刀位点几何参数图像编码方法，将刀位点几何信息编码为刀位点几何参数图像，该图像能够有效的表达目标刀位点与刀具行进方向邻域刀位点综合几何特征，借助深度学习领域中卷积神经网络模型，学习刀路轨迹中特征点的识别模式，通过标记后刀位点的几何参数图像作为训练集，训练卷积神经网络模型，通过该模型可实现对其他零件加工刀具路径中特征点的预测识别，亦可通过预测‑再训练的方式不断的优化卷积神经网络模型。经实验表明，本发明相较于传统方法拥有更好的特征点识别精度与查全率。
-
公开(公告)号：CN114202662A
公开(公告)日：2022-03-18
申请号：CN202111406872.4
申请日：2021-11-24
申请人： 华中科技大学 , 武汉华中数控股份有限公司
摘要： 本发明属于铣削精加工及深度学习相关技术领域，其公开了一种结合相邻刀轨横向几何特征的刀具特征点识别方法及设备，方法包括以下步骤：(1)解析目标零件的G01程序段以获取加工刀具路径中刀位点的三维坐标，并按照刀具行进方向排序以得到刀位点点云；(2)确定并计算刀位点的几何参数，构建刀位点的几何特征向量；(3)结合刀具行进方向的邻域刀位点生成刀位点几何特征矩阵；(4)将刀位点云拓扑成图数据结构；(5)通过每个刀位点的邻接刀位点索引构建刀位点间的连通关系，计算刀位点云邻接矩阵；(6)将预测特征点的刀位点云数据及刀位点云邻接矩阵输入训练后图神经网络模型，以完成刀具特征点识别。本发明有更高的识别精度和查全率。
-
公开(公告)号：CN114202662B
公开(公告)日：2024-09-13
申请号：CN202111406872.4
申请日：2021-11-24
申请人： 华中科技大学 , 武汉华中数控股份有限公司
摘要： 本发明属于铣削精加工及深度学习相关技术领域，其公开了一种结合相邻刀轨横向几何特征的刀具特征点识别方法及设备，方法包括以下步骤：(1)解析目标零件的G01程序段以获取加工刀具路径中刀位点的三维坐标，并按照刀具行进方向排序以得到刀位点点云；(2)确定并计算刀位点的几何参数，构建刀位点的几何特征向量；(3)结合刀具行进方向的邻域刀位点生成刀位点几何特征矩阵；(4)将刀位点云拓扑成图数据结构；(5)通过每个刀位点的邻接刀位点索引构建刀位点间的连通关系，计算刀位点云邻接矩阵；(6)将预测特征点的刀位点云数据及刀位点云邻接矩阵输入训练后图神经网络模型，以完成刀具特征点识别。本发明有更高的识别精度和查全率。
-
公开(公告)号：CN114170429A
公开(公告)日：2022-03-11
申请号：CN202111367310.3
申请日：2021-11-18
申请人： 华中科技大学 , 武汉华中数控股份有限公司
摘要： 本发明公开了一种铣削精加工刀具路径特征点的识别方法及装置，从刀具路径中刀位点的坐标出发，提取出刀位点的几何信息，并提出一种刀位点几何参数图像编码方法，将刀位点几何信息编码为刀位点几何参数图像，该图像能够有效的表达目标刀位点与刀具行进方向邻域刀位点综合几何特征，借助深度学习领域中卷积神经网络模型，学习刀路轨迹中特征点的识别模式，通过标记后刀位点的几何参数图像作为训练集，训练卷积神经网络模型，通过该模型可实现对其他零件加工刀具路径中特征点的预测识别，亦可通过预测‑再训练的方式不断的优化卷积神经网络模型。经实验表明，本发明相较于传统方法拥有更好的特征点识别精度与查全率。
-
公开(公告)号：CN118395856A
公开(公告)日：2024-07-26
申请号：CN202410497098.X
申请日：2024-04-23
申请人： 华中科技大学 , 武汉智能设计与数控技术创新中心
IPC分类号： G06F30/27 , G06F30/17 , G06N3/045 , G06N3/0464 , G06N3/048 , G06F119/14
摘要： 本发明属于作用力预测相关技术领域，其公开了一种基于切削几何图像预测瞬时刀具‑工件相互作用力的方法及系统，包括：获取切削几何体图像，并基于该切削几何体图像获得切削要素矩阵；基于刀具包络体形状获得水平角编码矩阵和轴向角编码矩阵，并对其进行特征扩展，获得扩展矩阵；将切削要素矩阵和扩展矩阵输入训练完成的神经网络，获得负载矩阵；将刀具的每条切削刃离散为h个单元，基于负载矩阵获得设定刀具角度下各单元的负载，对各单元的负载进行累加获得刀具整体受力，对各单元的负载与预设高度截面处的相对位置矢量的叉积进行累加获得预设高度截面处所受力矩。本申请可以实现刀具所受铣削力的分布的预测和刀具整体受力及力矩的预测。
-
公开(公告)号：CN116433918A
公开(公告)日：2023-07-14
申请号：CN202310460524.8
申请日：2023-04-26
申请人： 华中科技大学 , 武汉智能设计与数控技术创新中心
IPC分类号： G06V10/40 , G06V10/74 , G06F16/535 , G06N20/00 , G06V10/774
摘要： 本发明公开了一种切削几何体图像特征处理与筛选方法及系统，属于数控铣削加工及人工智能技术领域，方法通过计算一维特征频数分布、二维特征频数分布，得到特征分布差异，将得到的3个特征分布差异指标即一维特征差异WQ、二维特征差异Wcenter、二维特征差异Wpos与4个特征缺失率指标即一维特征的特征缺失率FeatureLossQ、CWE中心点位置center的特征缺失率FeatureLosscenter、有效像素的位置pos的特征缺失率FeatureLosspos、有效像素点深度d的特征缺失率FeatureLossd，按照重要程度加权求和得到数据集总指标；最后依据数据集总指标，将拉大数据集总指标的图像样本从数据集中删除，从而筛选得到最优数据集。本发明解决了现有技术缺乏对切削几何体图像数据集的特征分布、特征缺失、局部特征的描述和评估的技术问题。
-
公开(公告)号：CN114239733B
公开(公告)日：2024-09-06
申请号：CN202111570003.5
申请日：2021-12-21
申请人： 华中科技大学
IPC分类号： G06F18/214 , G06N3/02 , G06F30/27
摘要： 本发明公开了一种基于迁移学习的机床响应建模方法、建模系统以及响应预测方法，该建模方法包括：利用源域数据训练源域响应预测模型；在源域响应预测模型上加入自适应层，以使损失函数小于预设值为目标反向调节源域响应预测模型的参数，得到域适应初始模型，损失函数包括分类损失和域适应损失；将目标域数据输入域适应初始模型进行微调，得到域适应模型；将源域数据输入域适应模型，得到辅助训练数据；利用辅助训练数据和目标域数据训练目标域响应预测模型。该方法结合模型迁移和样本迁移，实现源域数据的复用，减少了新工况下模型建立对新数据的需求量，从而降低实际生产中面对多种不同工况进行数据采集的实验成本。
-
公开(公告)号：CN115128997B
公开(公告)日：2024-07-05
申请号：CN202210745696.5
申请日：2022-06-28
申请人： 华中科技大学
IPC分类号： G05B19/4065 , G06F18/2413 , G06F18/25 , G06F18/20
摘要： 本发明公开了一种基于指令域与朴素贝叶斯的有效样本提取方法及系统，属于数控加工技术领域。方法包括：获取每一刀位点的工艺参数与内部响应数据和外部响应数据的对应描述；基于k近邻实现传感器观测的响应状态划分方法；利用朴素贝叶斯融合多个传感器的状态评价结果并从中提取出“工况‑响应”一致的数据作为有效数据；基于单因素的方差分析原理，构建四个评价级别(优秀、良好、合格、不合格)实现有效样本质量评价；最终可使用高质量的有效样本和智能算法研究工艺系统响应规律。该算法挖掘加工数据中的有效信息，提取的高质量样本数据适用于神经网络等智能算法训练。本发明有理论依据，且简单易实现，具有广泛的适用性。
-
公开(公告)号：CN112613150A
公开(公告)日：2021-04-06
申请号：CN202011643546.0
申请日：2020-12-31
申请人： 华中科技大学
摘要： 本发明公开了一种切削几何体的图像表达方法，包括：将工件的和刀具的Tri‑Dexel模型的交集作为切削几何体的Tri‑Dexel模型；对切削几何体的Tri‑Dexel模型的包围盒进行网格划分，得到多个网格单元，从切削几何体对应的刀具球心处引出射线，与包围盒相交，从交点所在的网格单元开始，沿着射线方向搜索位于切削几何体边界的网格单元，将搜索到的网格单元中的Dexel线段的端点相连接，形成切削几何体的虚拟边界；从切削几何体对应的刀具球心处引出射线与切削几何体的虚拟边界相交，两个交点之间的距离即为径向切削厚度，用矩阵存储不同角度的射线得到的径向切削厚度，将矩阵转化为灰度图。这种图像表达方法，便于储存和应用，能够准确、定量、直观地描述切削几何体的几何形状。
-
公开(公告)号：CN115128997A
公开(公告)日：2022-09-30
申请号：CN202210745696.5
申请日：2022-06-28
申请人： 华中科技大学
IPC分类号： G05B19/4065 , G06K9/62
摘要： 本发明公开了一种基于指令域与朴素贝叶斯的有效样本提取方法及系统，属于数控加工技术领域。方法包括：获取每一刀位点的工艺参数与内部响应数据和外部响应数据的对应描述；基于k近邻实现传感器观测的响应状态划分方法；利用朴素贝叶斯融合多个传感器的状态评价结果并从中提取出“工况‑响应”一致的数据作为有效数据；基于单因素的方差分析原理，构建四个评价级别(优秀、良好、合格、不合格)实现有效样本质量评价；最终可使用高质量的有效样本和智能算法研究工艺系统响应规律。该算法挖掘加工数据中的有效信息，提取的高质量样本数据适用于神经网络等智能算法训练。本发明有理论依据，且简单易实现，具有广泛的适用性。
-
-
-
-
-
-
-
-
-
搜索结果
18 条记录 (耗时 0.047 秒)
